Tras el lanzamiento de ChatGPT, la mayoría de los CIO se han apresurado a implementar tecnologías de IA generativa en sus organizaciones. ¿Demasiado rápido? Eso parece indicar un estudio realizado por la editorial estadounidense Asana entre 1.255 responsables de TI estadounidenses e ingleses. Por supuesto, estos últimos ocupan un lugar central en la estrategia de IA de su organización, ya que más de tres cuartas partes de ellos afirman ser responsables del tema dentro de su organización. Como señala el estudio de Asana, esta posición también les permite ser consultados con mayor frecuencia sobre operaciones comerciales, planificación estratégica u objetivos comerciales. Entre 3 y 4 de cada 10 CIO encuestados dicen que se les solicita más sobre estos temas que hace seis meses.

Pero, para Asana, la decisión de la alta dirección de presionar a los CIO para que implementen IA para ganar productividad rápidamente también los pone en una situación incómoda. Como prueba de estas dudas, solo una cuarta parte de los responsables de TI dicen que confían en la calidad y la accesibilidad de sus datos internos para las aplicaciones de IA. Y el 25% de los directores de TI incluso dicen que se arrepienten de haber invertido demasiado rápido en IA. De manera más general, la presión ejercida sobre la implementación de la estrategia de IA es un factor de estrés para casi tres de cada cuatro CIO.

Tecnología en movimiento, por lo tanto riesgo de deuda técnica

Sobre todo porque, según el estudio, estos esfuerzos de implementación rápida no han recibido financiación. Solo el 14% de los CIO afirman que sus organizaciones han asignado presupuestos sostenibles y dedicados a iniciativas de IA. “La mayoría de los líderes de TI se encuentran en una posición difícil, ya que tienen que reasignar fondos de los presupuestos existentes para financiar esfuerzos de IA”, escriben los autores. El estudio.

A mediados de marzo, Gartner alertó a los CIO sobre los riesgos de deuda tecnológica que conlleva la IA generativa. Según la firma, para 2028, más de la mitad de las empresas que han construido modelos de lenguaje personalizados abandonarán estas iniciativas por los costes, la complejidad y la deuda técnica que generan. Casi a diario aparecen nuevas técnicas y nuevos modelos para reducir costes y mejorar la precisión de las respuestas, subrayó la analista Rita Sallam, instando a las empresas a recurrir a arquitecturas desacopladas, basadas en APIs, para poder sustituir rápidamente un componente que se ha quedado obsoleto.

Además:
- Gran Tema: el medio ambiente, el punto ciego del boom de la IA generativa
- Ampliar la IA a escala industrial: más fácil decirlo que hacerlo