top of page

Cinco tendencias en IA y ciencia de datos para 2025.

Foto del escritor: armando bienestararmando bienestar

Desde la IA agente hasta los datos no estructurados, estas tendencias de IA para 2025 merecen mucha atención por parte de los líderes. Obtén datos actualizados y consejos de dos expertos.


Carolyn Geason-Beissel/MIT SMR | Imágenes falsas
Carolyn Geason-Beissel/MIT SMR | Imágenes falsas

Esta es la época del año para las predicciones y los análisis de tendencias, y a medida que la ciencia de datos y la inteligencia artificial se vuelven cada vez más importantes para la economía global, es vital que los líderes estén atentos a las tendencias emergentes de la IA.

Nadie parece usar la IA para hacer estas predicciones, y nosotros tampoco lo haremos, ya que compartimos nuestra lista de tendencias de IA que importarán en 2025. Pero incorporaremos las últimas investigaciones siempre que sea posible. Randy acaba de completar su encuesta anual de ejecutivos de datos, análisis e inteligencia artificial, la


Encuesta de referencia ejecutiva de liderazgo de IA y datos de 2025, realizada por su empresa educativa, Data & AI Leadership Exchange; y Tom ha trabajado en varias encuestas sobre IA generativa y datos, estructuras de liderazgo tecnológico y, más recientemente, IA agentiva.


Estas son las tendencias de IA para 2025 en nuestras pantallas de radar que los líderes deben comprender y monitorear.


1. Los líderes lidiarán tanto con la promesa como con la exageración en torno a la IA agentiva.

Primero dejemos de lado la IA agente, el tipo de IA que realiza tareas de forma independiente: es una apuesta segura para la "tendencia de IA más tendencial" de 2025. La IA agente parece estar en un aumento inevitable: todos en el mundo de los proveedores de tecnología y los analistas están entusiasmados con la perspectiva de que los programas de IA colaboren para hacer un trabajo real en lugar de solo generar contenido, aunque nadie está completamente seguro de cómo funcionará todo.


Algunos líderes de TI piensan que ya lo tienen (37%, en una próxima encuesta patrocinada por UiPath a 252 líderes de TI de EE. UU.); la mayoría lo espera pronto y está dispuesto a gastar dinero en él (68% en un plazo de seis meses o menos); Y algunos escépticos (principalmente encontrados por nosotros en las entrevistas) piensan que es principalmente exageración de los proveedores.

La mayoría de los ejecutivos de tecnología creen que estos programas de IA autónomos y colaborativos se basarán principalmente en bots de IA generativa enfocados que realizarán tareas específicas. La mayoría de la gente cree que habrá una red de estos agentes, y muchos esperan que los ecosistemas de agentes necesiten menos intervención humana de la que la IA ha requerido en el pasado. Algunos creen que toda la tecnología será orquestada por herramientas robóticas de automatización de procesos; Algunos proponen que los agentes sean recuperados por los sistemas de transacciones empresariales; Y algunos postulan el surgimiento de un "súper agente" que controlará todo.


Esto es lo que pensamos: Habrá (y en algunos casos, ya hay) bots de IA generativa que cumplirán las órdenes de las personas en tareas específicas de creación de contenido. Se necesitará más de una de estas herramientas de IA agentic para hacer algo significativo, como hacer una reserva de viaje o realizar una transacción bancaria. Pero estos sistemas siguen funcionando prediciendo la siguiente palabra y, a veces, eso conduce a errores o imprecisiones. Por lo tanto, todavía será necesario que los humanos los controlen de vez en cuando.


Los primeros agentes serán los que se dediquen a tareas internas pequeñas y estructuradas con poco dinero, por ejemplo, ayudar a cambiar la contraseña en el lado de TI o reservar tiempo libre para vacaciones en los sistemas de recursos humanos. No vemos muchas probabilidades de que las empresas liberen a estos agentes de clientes reales que gastan dinero real en el corto plazo, a menos que exista la oportunidad de una revisión humana o la reversión de una transacción. Como resultado, no prevemos un gran impacto en la fuerza laboral humana de esta tecnología en 2025, excepto para los nuevos trabajos que escriben publicaciones de blog sobre IA agentica. (Espera, ¿pueden los agentes hacer eso?)


Las primeras herramientas de IA agente serán las que se destinen a tareas internas pequeñas y estructuradas con poco dinero de por medio.

2. Ha llegado el momento de medir los resultados de los experimentos de IA generativa.

Una de las razones por las que todo el mundo está entusiasmado con los agentes es que, a partir de 2024, todavía ha resultado difícil demostrar el valor económico de la IA generativa. En el artículo del año pasado sobre las tendencias de la IA argumentamos que aún quedaba por demostrar el valor de la GenAI. Los líderes de datos e IA en la Encuesta de Referencia Ejecutiva de Liderazgo de Datos y IA 2025 de Randy dijeron que confían en que se está generando valor de GenAI: El 58% dijo que su organización ha logrado ganancias exponenciales de productividad o eficiencia de la IA, presumiblemente principalmente de la IA generativa. Otro 16% dijo que ha "liberado a los trabajadores del conocimiento de las tareas mundanas" mediante el uso de herramientas de GenAI. Esperemos que estas creencias altamente positivas sean correctas.


Pero las empresas no deben confiar en esa confianza. Muy pocas empresas están midiendo cuidadosamente las ganancias de productividad o descubriendo lo que los trabajadores del conocimiento liberados están haciendo con su tiempo liberado. Solo unos pocos estudios académicos han medido las ganancias de productividad de GenAI y, cuando lo han hecho, generalmente han encontrado algunas mejoras, pero no exponenciales. Goldman Sachs es una de las pocas empresas que ha medido los aumentos de productividad en el área de programación. Los desarrolladores informaron que su productividad aumentó en aproximadamente un 20%. La mayoría de los estudios similares han encontrado factores contingentes en la productividad, donde los trabajadores sin experiencia ganan más (como en el servicio al cliente y la consultoría) o los trabajadores experimentados obtienen mejores resultados (como en la generación de código).


En muchos casos, la mejor manera de medir los aumentos de productividad será establecer experimentos controlados. Por ejemplo, una empresa podría hacer que un grupo de especialistas en marketing use IA generativa para crear contenido sin revisión humana, otro lo use con revisión humana y un grupo de control no lo use en absoluto. Una vez más, pocas empresas están haciendo esto, y esto tendrá que cambiar. Dado que GenAI se trata principalmente de la generación de contenido para muchas empresas en este momento, si realmente queremos comprender los beneficios, también tendremos que comenzar a medir la calidad del contenido. Eso es notoriamente difícil de hacer con la producción del trabajo de conocimiento. Sin embargo, si GenAI ayuda a escribir publicaciones de blog mucho más rápido, pero las publicaciones son aburridas e inexactas, es importante medirlo: habrá poco beneficio en ese caso de uso en particular.


La triste realidad es que si muchas organizaciones realmente quieren lograr ganancias exponenciales de productividad, esas mejoras pueden medirse en despidos a gran escala. Pero no hay señales de despidos masivos en las estadísticas de empleo. Además, un ganador del Premio Nobel de Economía este año, Daron Acemoglu, del MIT, ha comentado que hasta ahora no hemos visto aumentos reales de la productividad de la IA, y no espera ver nada dramático en los próximos años, tal vez un aumento del 0,5% en la próxima década. En cualquier caso, si las empresas realmente van a ver y beneficiarse de la GenAI, van a necesitar medir y experimentar para ver los beneficios.


3. La realidad sobre la cultura basada en datos se instala.

Parece que nos estamos dando cuenta de que la IA generativa es muy interesante, pero no cambia todo, en especial los atributos culturales a largo plazo. En nuestro artículo sobre tendencias del año pasado, señalamos que la encuesta de Randy descubrió que el porcentaje de empresas encuestadas que dijeron que su organización había "creado una organización impulsada por datos e IA" y "establecido una cultura organizacional impulsada por datos e IA" se duplicó con respecto al año anterior (del 24% al 48% para la creación de organizaciones impulsadas por datos e IA, y del 21% al 43% para el establecimiento de culturas impulsadas por datos). Ambos quedamos un tanto sorprendidos por esta espectacular mejora informada, y atribuimos los cambios a la IA generativa, ya que fue ampliamente publicitada y adoptada rápidamente por las organizaciones.


Este año, las cifras se han estabilizado un poco. El 37% de los encuestados afirmó que trabaja en una organización impulsada por los datos y la IA, y el 33% afirmó que tiene una cultura impulsada por los datos y la IA. Sigue siendo positivo que los líderes de datos e IA sientan que sus organizaciones han mejorado en este sentido en comparación con el pasado lejano, pero nuestra predicción a largo plazo es que la IA generativa por sí sola no es suficiente para que las organizaciones y las culturas estén impulsadas por los datos.


En la misma encuesta, el 92% de los encuestados afirmó que considera que los desafíos culturales y de gestión del cambio son la principal barrera para convertirse en una empresa impulsada por los datos y la IA. Esto sugiere que cualquier tecnología por sí sola es insuficiente. Cabe señalar que la mayoría de los empleados encuestados pertenecían a organizaciones tradicionales que se fundaron hace más de una generación y tienen un historial de transformación gradual. Muchas de estas empresas hicieron más por ejecutar sus estrategias digitales durante la pandemia que en las dos décadas anteriores.


Nuestra predicción a largo plazo es que la IA generativa por sí sola no es suficiente para lograr que las organizaciones y las culturas estén basadas en datos.

4. Los datos no estructurados vuelven a ser importantes.

La IA generativa ha tenido otro impacto en las organizaciones: está haciendo que los datos no estructurados vuelvan a ser importantes. En la encuesta de referencia ejecutiva sobre liderazgo en IA y datos de 2025, el 94% de los líderes en datos e IA afirmó que el interés por la IA está generando un mayor enfoque en los datos. Dado que la IA analítica tradicional existe desde hace varias décadas, creemos que se referían al impacto de la GenAI. En otra encuesta que mencionamos en el artículo sobre tendencias de IA del año pasado, había evidencia sustancial de que la mayoría de las empresas aún no habían comenzado a gestionar realmente los datos para prepararse para la IA generativa.


La gran mayoría de los datos con los que trabaja GenAI son relativamente desestructurados, en formatos como texto, imágenes, vídeo y similares. Un líder de una gran organización de seguros compartió recientemente con Randy que el 97% de los datos de la empresa no estaban estructurados. Muchas empresas están interesadas en utilizar GenAI para ayudar a gestionar y proporcionar acceso a sus propios datos y documentos, normalmente utilizando un enfoque denominado generación aumentada por recuperación o RAG. Pero algunas empresas no han trabajado mucho con sus datos no estructurados desde los días de la gestión del conocimiento hace 20 años o más. Se han centrado en datos estructurados, normalmente filas y columnas de números de sistemas transaccionales.


Para dar forma a los datos no estructurados, las organizaciones deben elegir los mejores ejemplos de cada tipo de documento, etiquetar o graficar el contenido y cargarlo en el sistema. (Bienvenidos al mundo arcano de las incrustaciones, las bases de datos vectoriales y los algoritmos de búsqueda de similitudes). Estos enfoques brindan considerables beneficios de acceso al conocimiento para los empleados, por lo que muchas organizaciones los están implementando. Pero este trabajo aún requiere mucho trabajo humano. En algún momento, tal vez, podamos cargar toneladas de nuestros documentos internos en una ventana de solicitud de GenAI, pero es poco probable que ese momento sea 2025. Incluso cuando eso sea posible, seguirá siendo necesaria una considerable curación humana de los datos, porque ChatGPT no puede determinar cuál es la mejor de 20 propuestas de venta diferentes.


5. ¿Quién debería gestionar los datos y la inteligencia artificial? Es de esperar que la lucha continúe.

Tal vez no sea de extrañar que, si bien los datos y los intentos de explotarlos con IA están recibiendo cada vez más atención e inversión por parte de las organizaciones, la función de liderazgo de datos en sí misma sigue teniendo dificultades. El papel todavía es relativamente incipiente: solo el 12% de las organizaciones en la primera encuesta anual de ejecutivos de Randy en 2012 había designado a un director de datos. Se están logrando avances: el 85% de las organizaciones en la encuesta más reciente de Randy han nombrado a un director de datos, y un porcentaje cada vez mayor de esos líderes de datos se centran principalmente en el crecimiento, la innovación y la transformación (en lugar de evitar el riesgo o los problemas regulatorios). Más organizaciones también han nombrado directores de IA: un sorprendente 33%.


Si bien estos roles siguen evolucionando, las organizaciones siguen luchando con sus mandatos, responsabilidades y estructuras de informes. Menos de la mitad de los líderes de datos (en su mayoría, directores de datos) que respondieron a la encuesta de referencia ejecutiva de liderazgo en IA y datos de Randy dijeron que su función es muy exitosa y está bien establecida, y solo el 51% dijo que siente que el trabajo es bien entendido dentro de sus organizaciones. Todavía no estamos seguros de que las responsabilidades de un director de IA y un director de datos (y análisis/IA) exijan roles separados, aunque algunas organizaciones, incluidas Capital One y Cleveland Clinic, han establecido el rol de director de IA como un rol similar al del director de datos.


Lo único que podemos decir con seguridad es que la demanda de liderazgo en datos e inteligencia artificial solo crecerá, cualquiera sea la forma y la estructura que esta demanda implique.

Tenemos dos opiniones sobre el futuro más amplio del director de datos e inteligencia artificial . Randy cree firmemente que el rol del director de datos e inteligencia artificial debe ser un rol empresarial que dependa del liderazgo empresarial. Señala que el 36 % de los líderes de datos e inteligencia artificial en su encuesta de este año reportaban al CEO, presidente o director de operaciones. Randy cree firmemente que los líderes de datos e inteligencia artificial deben ofrecer un valor comercial mensurable y comprender y hablar el idioma de la empresa.


Tom está de acuerdo en que los líderes tecnológicos deben centrarse más en el valor empresarial. Pero, como argumentamos en el informe de tendencias del año pasado, cree que hay demasiados "jefes tecnológicos", incluidos los directores de sistemas de información, en la mayoría de las organizaciones. Muchos de esos directores de sistemas de información sienten que sus clientes internos están confundidos por todos los ejecutivos tecnológicos de nivel C y que la proliferación de esos roles dificulta la colaboración y hace improbable que rindan cuentas al CEO. Tom preferiría ver "líderes supertecnológicos", con todos los roles tecnológicos reportándoles, como es el caso en un número creciente de empresas que han promovido a CIO con mentalidad de transformación para ocupar el puesto. Cualquiera que sea la respuesta correcta, está claro que las organizaciones deben hacer algunas intervenciones y hacer que quienes lideran los datos sean tan respetados como los datos mismos.




Fuente: MIT Managemente Sloan Management Review


Acerca de los autores

Thomas H. Davenport ( @tdav ) es profesor distinguido del presidente de Tecnología de la información y gestión en Babson College, profesor de Analítica de la Facultad de Negocios Darden de la Universidad de Virginia, miembro de la Iniciativa del MIT sobre la Economía Digital y asesor principal del Programa de Directores de Datos y Analítica de Deloitte. Su último libro es All Hands on Tech: The AI-Powered Citizen Revolution (Wiley, 2024). Randy Bean ( @RandyBeanNVP ) es asesor de organizaciones Fortune 1000 sobre liderazgo en datos e IA. Es autor de  Fail Fast, Learn Faster: Lessons in Data-Driven Leadership in an Age of Disruption, Big Data, and AI  (Wiley, 2021).





9 visualizaciones0 comentarios

Entradas recientes

Ver todo

Comments


bottom of page