Explicadores 

 de  McKinsey

¿Qué  es  la  IA?
La  inteligencia  artificial  es  la  capacidad  de  una  máquina  para  realizar  
las  funciones  cognitivas  que  normalmente  asociamos  con  las  
mentes  humanas.

abril  2023
 Humanos  y  máquinas:  una  combinación  perfecta   La  IA  aplicada -  simplemente,  la  inteligencia  artificial  
en  el  paraíso  de  la  productividad.  Nuestra  especie   aplicada  a  problemas  del  mundo  real -  tiene  serias  
no  se  habría  vuelto  muy lejos  sin  nuestros  caballos   implicaciones  para  el  mundo  empresarial.  Mediante  
de  batalla  mecanizados.  Desde  el desde  la  rueda   el  uso  de  inteligencia  artificial,  las  empresas  tienen  
que  revolucionó  la  agricultura  hasta  el  tornillo  que   el  potencial  de  hacer  negocios  más  eficientes  y  
mantuvo  unidos  proyectos  de  construcción  cada   rentables.  Pero,  en  última  instancia,  el  valor  de  la  
vez  más  complejos  hasta  las  líneas  de  montaje   inteligencia  artificial  no  está  en  los  sistemas  en  sí,  
robóticas  de  hoy,  las  máquinas  han  hecho  posible   sino  en  cómo  las  empresas  usan  esos  sistemas  
la  vida  tal  como  la  conocemos.  Y,  sin  embargo,  a   para  ayudar  a  los  humanos - y  su  capacidad  para  
pesar  de  su  utilidad  aparentemente  infinita,  los   explicar  a  los  accionistas  y  al  público  lo  que  hacen  
humanos  han  temido  durante  mucho  tiempo  a  las   esos  sistemas - de  una  manera que  genera  y  gana  
máquinas;  más  específicamente,  la  posibilidad  de   confianza.
que  las  máquinas  algún  día  adquieran  inteligencia  
humana  y  actúen por su cuenta. Para  obtener  más  información  sobre  la  IA  y  cómo  
aplicarla  en  los  negocios, sigue  leyendo
Pero  tendemos  a  ver  la  posibilidad  de  maquinas  
consciente  con  fascinación  y  miedo.  Esta ¿Qué  es  el  aprendizaje  automático?
curiosidad  ha  ayudado  a  convertir  la  ciencia  ficción  
en  ciencia  real.  Los  teóricos  del  siglo  XX,  como  el   El  aprendizaje  automático  es  una  forma  de  
informático  y  matemático  Alan  Turing,  imaginaron   inteligencia  artificial  basada  en  algoritmos  que  se  
un  futuro  en  el  que  las  máquinas  podrían  realizar   entrenan  en  datos. Estos  algoritmos  pueden  
funciones  más  rápido  que  los  humanos.  El  trabajo   detectar  patrones  y  aprender  a  hacer  predicciones  
de  Turing  y  otros  pronto  hizo  esto  realidad.  Las   y  recomendaciones  mediante  el  procesamiento  de  
calculadoras  personales  estuvieron  ampliamente   datos  y  experiencias,  en  lugar  de  recibir  
disponibles  en  la  década  de  1970  y,  para  2016,  el   instrucciones  de  programación  explícitas.  Los  
censo  de  EE.  UU.  mostró  que  el  89  por  ciento  de   algoritmos  también  se  adaptan  en  respuesta  a  
los  hogares  estadounidenses  tenía  una   nuevos  datos  y  experiencias  para  mejorar  su  
computadora.  Las  máquinas - máquinas   eficacia  con  el  tiempo. El  volumen  y  la  complejidad  
inteligentes -  ahora  son  solo  una  parte  ordinaria   de  los  datos  que  ahora  se  generan,  demasiado  
de  nuestras  vidas  y  nuestra  cultura. vastos  para  que  los  humanos  los  consideren  
razonablemente,  han  aumentado  el  potencial  del  
Esas  máquinas  inteligentes  son  cada  vez  más   aprendizaje  automático,  así  como  la  necesidad  de  
rápidas  y  complejas.  Algunas  computadoras  ahora   este.  En  los  años  transcurridos  desde  su  
han  cruzado  el  umbral  de  la  exaescala,  lo  que   implementación  generalizada,  que  comenzó  en  la  
significa  que  pueden  realizar  tantos  cálculos  en  un   década  de  1970,  el  aprendizaje  automático  ha  
solo  segundo  como  lo  haría  un  individuo  en   tenido  un  impacto  en  una  serie  de  industrias,  
31,688,765,000  años.  Pero  no  se  trata  sólo  de   incluidos  los  logros  en  el  análisis  de  imágenes  
computación.  Las  computadoras  y  otros   médicas  y  el  pronóstico  del  tiempo  de  alta  
dispositivos  ahora  están  adquiriendo  habilidades  y   resolución.
percepciones  que  antes  eran  de  nuestra  exclusiva  
competencia.
¿Qué  es  el  aprendizaje profundo?
La  IA  es  la  capacidad  de  una  máquina  para  
El  aprendizaje  profundo  es  un  tipo  de  aprendizaje  
realizar  las  funciones  cognitivas  que  asociamos  
automático  que  puede  procesar  una  gama  más  
con  la  mente  humana,  como  percibir,  razonar,  
amplia  de  recursos  de  datos  (imágenes,  por  
aprender,  interactuar  con  un  entorno,  resolver  
ejemplo,  además  de  texto),  requiere  incluso  menos  
problemas  e  incluso  ejercitar  la  creatividad.  
intervención  humana  y,  a  menudo,  puede  producir  
Probablemente  hayas  interactuado  con  la  IA  
resultados  más  precisos  que  el  aprendizaje  
aunque  no  te  hayas  dado  cuenta:  los  asistentes  
automático  tradicional. El  aprendizaje  profundo  
de  voz  como  Siri  y  Alexa  se  basan  en  la  
utiliza  redes  neuronales,  basadas  en  las  formas  en  
tecnología  de  la  IA,  al  igual  que  algunos  chatbots  
que  las  neuronas  interactúan  en  el  cerebro  
de  atención  al  cliente  que  aparecen  para  ayudarte  
humano,  para  ingerir  datos  y  procesarlos  a  través  
a  navegar  por  los  sitios  web.
de  múltiples iteraciones que aprenden

2 ¿Qué  es  la  IA?
El  volumen  y  la  complejidad  de  los  datos  que  ahora  
se  generan,  demasiado  vastos  para  que  los  
humanos  los  consideren  razonablemente,  han  
aumentado  el  potencial  del  aprendizaje  automático,  
así  como  la  necesidad  de  este.

características cada  vez  más  complejas  de  los   —  Redes  neuronales  convolucionales  (CNN)

datos.  La  red  neuronal  puede  entonces  hacer Las  CNN  son  un  tipo  de  red  neuronal  de  
determinaciones  sobre  los  datos,  saber  si  una   avance  modelada  en  la  composición  de  la  
determinación  es  correcta  y  usar  lo  aprendido   corteza  visual  animal,  la  parte  del  cerebro  
para  tomar  determinaciones  sobre  nuevos  datos.   que  procesa  imágenes.  Como  tales,  las  
Por  ejemplo,  una  vez  que  "aprende"  cómo  se  ve   CNN  se  adaptan  bien  a  las  tareas  de  
un  objeto,  puede  reconocer  el  objeto  en  una   percepción,  como  poder  identificar  especies  
nueva  imagen. de  aves  o  plantas  en  función  de  fotografías.  
Los  casos  de  uso  empresarial  incluyen  el  
Aquí  hay  tres  tipos  de  redes  neuronales   diagnóstico  de  enfermedades  a  partir  de  
artificiales  utilizadas  en  el  aprendizaje   exploraciones  médicas  o  la  detección  del  
automático: logotipo  de  una  empresa  en  las  redes  
—  Redes  neuronales  de  avance sociales  para  gestionar  la  reputación  de  una  
En  esta  red  neuronal  simple,  propuesta  por   marca  o  identificar  posibles  oportunidades  
primera  vez  en  1958,  la  información  se   de  marketing  conjunto.
mueve  en  una  sola  dirección:  hacia  adelante  
desde  la  capa  de  entrada  del  modelo  a  su   Así  es  como  funcionan  las  CNN:
capa  de  salida,  sin  viajar  hacia  atrás  para  
volver  a  ser  analizada  por  el  modelo.  Eso   •  Primero,  la  CNN  recibe  una  imagen,  por
significa  que  puede  alimentar  o  ingresar  datos   ejemplo, de la letra "A", que procesa
en  el  modelo,  luego  "entrenar"  el  modelo   como una colección de píxeles.
para  predecir  algo  sobre  diferentes  conjuntos  
de  datos.  Como  solo  un  ejemplo,  las  redes   • En las capas ocultas, la CNN identifica
neuronales  de  avance  se  utilizan  en  la  banca,   características únicas, por ejemplo, las
entre  otras  industrias,  para  detectar   líneas individuales que componen "A".
transacciones  financieras  fraudulentas.
• La CNN ahora puede clasificar una
Así  es  como  funciona:  primero,  entrena  un   imagen diferente como la letra “A” si
modelo  para  predecir  si  una  transacción  es   encuentra que la imagen tiene las
fraudulenta  en  función  de  un  conjunto  de   características únicas previamente
datos  que  ha  utilizado  para  etiquetar   identificadas como parte de la letra.
manualmente  las  transacciones  como  
fraudulentas  o  no.  Luego,  puede  usar  el   —  Redes  neuronales  recurrentes  (RNN)
modelo  para  predecir  si  las  transacciones   Las  RNN  son  redes  neuronales  artificiales  
entrantes  nuevas  son  fraudulentas,  de  modo   cuyas las  conexiones  incluyen  bucles,  lo  
que  pueda  marcarlas  para  un  estudio  más   que  significa  que  el  modelo  mueve  los  
datos  hacia  adelante  y  hacia  atrás para
detallado  o  bloquearlas  por  completo.
volver a recorrer las capas anteriores.

¿Qué  es  la  IA? 3
Machine Translated by Google

para  volver  a  recorrer  las  capas  anteriores.  Los  RNN   —  Optimización  de  la  logística  
son  útiles  para  predecir  un  sentimiento  o  el  final  de   El uso de IA para optimizar la logística puede reducir
una  secuencia,  como  una  gran  muestra  de  texto,  voz   los costos a través de pronósticos en tiempo real y
o  imágenes.  Pueden  hacer  esto  porque  cada  entrada   entrenamiento conductual. Por ejemplo, la IA puede
individual  se  introduce  en  el  modelo  por  sí  misma  y   optimizar el enrutamiento del tráfico de entrega,
en  combinación  con  la  entrada  anterior. mejorando la eficiencia del combustible y reduciendo
los tiempos de entrega.  
Continuando  con  el  ejemplo  bancario,  los  RNN  
pueden  ayudar  a  detectar  transacciones  financieras   - Servicio al Cliente
fraudulentas  al  igual  que  las  redes  neuronales  de   Las técnicas de IA en los centros de llamadas pueden
avance,  pero  de  una  manera  más  compleja.  Mientras   permitir una experiencia más fluida para los clientes y
que  las  redes  neuronales  de  avance  pueden  ayudar  a   un procesamiento más eficiente. La tecnología va más
predecir  si  es  probable  que  una  transacción  individual   allá de comprender las palabras de una persona que
sea  fraudulenta, Las  redes  neuronales  recurrentes   llama: el análisis de audio de aprendizaje profundo
pueden  "aprender"  de  la comportamiento  financiero  de   puede evaluar el tono de un cliente. Si una persona
un  individuo,  como una  secuencia  de  transacciones   que llama se molesta, el sistema puede redirigir a un
como  el  historial  de  una  tarjeta  de  crédito—y  mida   operador humano o gerente.
cada  transacción  contra  el  registro  de  la  persona  
como  un  todo.  Puede  hacer  esto  además  de  usar  los  
¿Qué es la IA generativa?
aprendizajes  generales  del modelo  de  red  neuronal  
La IA generativa es un modelo de IA que genera
feed­forward.
contenido en respuesta a un aviso. Está claro que las
herramientas de IA generativa como ChatGPT y DALL-
¿Qué  sectores  pueden  beneficiarse  del   E (una herramienta para hacer arte generado por IA)
aprendizaje  automático  y  el  aprendizaje   tienen el potencial de cambiar la forma en que se
realizan una variedad de trabajos. Sin embargo, aún
profundo?
se desconoce el alcance total de ese impacto, al igual
McKinsey  recopiló  más  de  400  casos  de  uso  de   que los riesgos. Pero hay algunas preguntas que
aprendizaje  automático  y  profundo  en  19  industrias  y   podemos responder, como cómo se construyen los
nueve  funciones  comerciales.  Casi  todas  las  industrias   modelos de IA generativa, qué tipo de problemas son
pueden  beneficiarse  del  aprendizaje  automático  y   más adecuados para resolver y cómo encajan en la
profundo.  Estos  son  algunos  ejemplos  de  casos  de  uso   categoría más amplia de IA y aprendizaje automático.
que  abarcan
varios  sectores: ¿Cómo pueden las empresas poner en
uso la IA generativa?
­  Mantenimiento  predictivo
El mantenimiento predictivo es una parte importante Probablemente haya visto que las herramientas de IA
de cualquier industria o negocio que dependa de generativa como ChatGPT pueden generar
equipos. En lugar de esperar hasta que una pieza interminables horas de entretenimiento. La oportunidad
del equipo se averíe, las empresas pueden utilizar el también es clara para las empresas. Las herramientas
mantenimiento predictivo para proyectar cuándo será de IA generativa pueden producir una amplia variedad
necesario el mantenimiento, evitando así el tiempo de escritura creíble en segundos y luego responder a
de inactividad y reduciendo los costos operativos. El las críticas de un usuario para hacer que la escritura
aprendizaje automático y el aprendizaje profundo se ajuste más a su propósito. Esto tiene implicaciones
tienen la capacidad de analizar grandes cantidades para una amplia gama de industrias, desde
de datos multifacéticos, lo que puede aumentar la organizaciones de TI y software que pueden
precisión del mantenimiento predictivo. Por ejemplo, beneficiarse del código instantáneo generado por los
los profesionales de IA pueden superponer datos de modelos de IA hasta organizaciones que necesitan una
nuevas entradas, como datos de audio e imagen, copia de marketing. En resumen, cualquier organización
que pueden agregar matices al análisis de una red que necesite producir borradores de materiales
neuronal. claramente escritos potencialmente pueda befeiciarse.

4 ¿Qué  es  la  IA?
 Las  organizaciones  también  pueden  usar  IA   Los líderes deben  ser  consciente  de  estos  riesgos  
generativa  para  crear  materiales  más  técnicos,  como   antes  de  recurrir  a  la  IA  generativa  como  solución  
versiones  de  imágenes  médicas  de  mayor  resolución.   empresarial.  Para  obtener  más  información  sobre  los  
Y  con  el  tiempo  y  los  recursos  ahorrados,  las   riesgos  de  la  IA  generativa  y  cómo  las  empresas  
organizaciones  pueden  buscar  nuevas   pueden  mitigarlos,  consulte  la  sección  a  continuación
oportunidades  comerciales  y  la  posibilidad  de crear   llamada "¿Cuáles son las limitaciones de los
más  valor. modelos de IA y cómo pueden  ¿Serán vencidos?

Pero  desarrollar  un  modelo  patentado  de  IA   ¿Cuáles son algunos casos de uso

generativa  es tan  intensivo  en  recursos  que  está  
empresarial específicos para la IA
fuera  del  alcance  de  todos sino  solopara las  empresas  
más  grandes  y  con  mejores  recursos.  Para  poner  a   generativa?
trabajar  la  IA  generativa,  las  empresas  pueden  usar  
soluciones  de  IA  generativa  listas  para  usar  o   Los modelos de IA generativa se encuentran en
ajustarlas  para  realizar  una  tarea  específica.  Si   los primeros días de escalado, pero hemos
necesita  preparar  diapositivas  de  acuerdo  con  un   comenzado a ver el primer lote de aplicaciones en
estilo  específico,  por  ejemplo,  puede  pedirle  al   todas las funciones:
modelo  que  "aprenda"  cómo  se  escriben   — Marketing y ventas. La IA generativa puede
normalmente  los  titulares  en  función  de  los  datos  de   crear contenido personalizado de marketing, redes
las  diapositivas,  luego  alimente  los  datos  de  la   sociales y ventas técnicas, incluidos texto,
diapositiva  y  pídale  que  escriba  los  títulos  apropiados. imágenes, y vídeo

La  IA  generativa  no  está  exenta  de  riesgos.  IA   — Operaciones. Los modelos de IA pueden

generativa puede generar  resultados  inexactos,   generar listas de tareas para la ejecución eficiente
plagiados  o  sesgados,  sin  ningún  indicio  de  que  sus   de una actividad específica.
resultados  puedan  ser  problemáticos.  Eso  es  porque  
los  modelos  han  sido  entrenados  en  Internet,  que   — TI/ingeniería. La IA generativa puede escribir,
difícilmente  es  una  fuente  universalmente  confiable.   documentar y revisar código.

Estudio  de  caso:  Vistra  Corp.  y  la  central  eléctrica  de  Martin  Lake
Vistra  es  un  gran  productor  de  energía  en    la  temperatura  del  vapor,  la  presión,  los   30  minutos  para  que  los  operadores  
los  Estados  Unidos  y  opera  plantas  en  12   niveles  de  oxígeno  y  la  velocidad  del   mejoren  la  eficiencia  de  la  tasa  de  calor  de  
estados  con  una  capacidad  para  alimentar   ventilador. la  planta.  Un  gerente  de  operaciones  
a  casi  20  millones  de  hogares.  Vistra  se   experimentado  en  la  planta  de  la  compañía  
ha  comprometido  a  lograr  cero  emisiones   Vistra  y  un  equipo  de  McKinsey,   en  Odessa,  Texas,  dijo:  “Hay  cosas  que  
netas  para  2050.  En  apoyo  de  este   incluidos  científicos  de  datos  e   me  tomó  20  años  aprender  sobre  estas  
objetivo,  así  como  para  mejorar  la   ingenieros  de  aprendizaje  automático,   plantas  de  energía.  Este  modelo  los
eficiencia  general,  QuantumBlack,  AI  by   construyeron  un  modelo  de  red  neuronal   aprendió en  una  tarde.
McKinsey  trabajó  con  Vistra  para  construir   de  varias  capas. El  modelo  analizó  los  
e  implementar  un  optimizador  de  tasa  de   datos  de  dos  años  en  la  planta  y   En  general,  el  HRO  impulsado  por  IA  
calor  (HRO)   impulsado  por  IA. aprendió  qué  combinación  de  factores   ayudó  a  Vistra  a  lograr  las  siguientes  
optimizaría  el  algoritmo  y  lograría  la  tasa   métricas:
La "tasa de calor" es una medida de la de  calor  más  eficiente  en  cualquier  
eficiencia termal de la planta; en otras momento.  Cuando  los  modelos  tenían   —  aproximadamente  1,6  millones  de  
palabras, es la cantidad de combustible una  precisión  del  99  por  ciento  o  más  y   toneladas  de carbono reducidas
necesaria para producir cada unidad de se  sometieron  a  un  riguroso  conjunto  de   anualmente
electricidad. Para alcanzar la tasa de pruebas  del  mundo  real,  el  equipo   — 67 generadores de energía
calor óptima, los operadores de la convirtió en  un  motor  impulsado  por  IA   optimizados
planta monitorean y ajustan que  genera  recomendaciones  cada — $60 millones ahorrados en
continuamente cientos de variables,como aproximadamente un año

¿Qué  es  la  IA? 5
 —  Riesgo  y  legal.  Los  modelos  de  IA  pueden  responder
preguntas complejas, basadas en grandes cantidades
de documentación legal, y redactar y revisar informes
anuales.
— I+D. La IA generativa puede ayudar a acelerar el
descubrimiento de fármacos a través de una mejor
comprensión de las enfermedades y el descubrimiento
de estructuras químicas.
Si bien la IA generativa por sí sola tiene un gran
potencial, es probable que sea más poderosa en
combinación con los humanos, quienes pueden
ayudarla a lograr un trabajo mejor y más rápido.
¿Cómo se está expandiendo el uso de
la IA?
La IA es una gran historia para todo tipo de
negocios, pero algunas empresas claramente se están
adelantando al resto. La encuesta sobre el estado de
la IA en 2022 de McKinsey mostró que la adopción
de modelos de IA se ha más que duplicado desde
2017, y la inversión ha aumentado a un ritmo
acelerado. Además, las áreas específicas en las que
las empresas ven el valor de la IA han evolucionado,
desde la fabricación y el riesgo hasta estas:
--- marketing y ventas
— desarrollo de productos y servicios
— estrategia y finanzas corporativas
Y un conjunto de empresas continúa adelantándose a
sus competidores, haciendo mayores inversiones en
IA, mejorando sus prácticas para escalar más rápido
y contratando y capacitando al mejor talento de IA.
  Más  específicamente,  es  más  probable  que  este  
grupo  de  líderes  vincule  la  estrategia  de  IA  con  los  
resultados  comerciales  e  "industrialice"  las  operaciones  
de  IA  mediante  el  diseño  de  una  arquitectura  de  datos  
modular  que  pueda  adaptarse  rápidamente  a  nuevas  
aplicaciones.
¿Cuáles  son  las  limitaciones  de  los  modelos  
de  IA  y  cómo  se  pueden  superar?
Dado  que  son  tan  nuevos,  todavía  tenemos  que  ver  el  
largo efecto  de  cola  de  los  modelos  de  IA.  Esto  
significa  que  hay algunos  riesgos  inherentes  
involucrados  en  su  uso—algunos conocidas  y  algunas  
desconocidas.
Los  resultados  que  producen  los  modelos  de  IA  a  
menudo  pueden  sonar  extremadamente  convincentes.  
Esto  es  por  diseño.  Pero  a  veces  la  información  que  
generan  es  simplemente  incorrecta.  Peor  aún,  a  veces  
está  sesgado  (porque  se  basa  en  el  género,  la  raza  y  
muchos  otros  prejuicios  de  Internet  y  la  sociedad  en  
general)   e  incluso  puede  manipularse  para  permitir  
actividades  poco  éticas  o  delictivas.  Por  ejemplo,  
ChatGPT  no  le  dará  instrucciones  sobre  cómo  robar  un  
automóvil,  pero  si  le  dice  que  necesita  robar  un  
automóvil  para  salvar  a  un  niño,  el  algoritmo  cumplirá  
instantáneamente.  Las  organizaciones  que  se  basan  
en  modelos  de  IA  generativa  deben  tener  en  cuenta  
los  riesgos  legales  y  de  reputación  que  implica  la  
publicación  involuntaria  de  contenido  sesgado,  ofensivo  
o  protegido  por  derechos  de  autor.

Si  bien  la  IA  generativa  por  sí  sola  tiene  
un  gran  potencial,  es  probable  que  sea  más  
poderosa  en  combinación  con  los  
humanos,  quienes  pueden  ayudarla  a  lograr  
un  trabajo  mejor  y  más  rápido.

6 ¿Qué  es  la  IA?
Sin  embargo,  estos  riesgos  se  pueden  mitigar  de   Para escalar la IA, las organizaciones pueden
varias  maneras.  Por  un  lado,  es  crucial  seleccionar   hacer tres cambios importantes:
cuidadosamente  el datos  iniciales  utilizados  para  
entrenar  estos  modelos  para  evitar incluir contenido  
1. Pase del trabajo en silos al colaboración
tóxico  o  sesgado.  A  continuación,  en  lugar  de  
interdisciplinaria.
implementar  un  modelo  de  IA  generativa  listo  para  
Los proyectos de IA no deben limitarse a grupos
usar,  las  organizaciones  podrían  considerar  el  uso  de  
discretos de organizaciones. Más bien, la IA es
modelos  más  pequeños  y  especializados.  Las  
organizaciones  con  más  recursos  también  podrían  
más efectiva cuando la utilizan diferentes equipos
personalizar  un  modelo  general  basado  en  sus con una gama de talentos variados para ayudar a
propios  datos  para  satisfacer  sus  necesidades  y   garantizar que la IA aborde las prioridades
minimizar  los  sesgos. Las  organizaciones  también   comerciales generales.
deben  mantener  a  un  ser  humano  informado  (es  
decir,  asegurarse  de  que  un  ser  humano  real  verifique   2. Empoderar a la primera línea en la toma de
el  resultado  de  un  modelo  de  IA  generativa  antes  de   decisiones basada en datos .
publicarlo  o  usarlo)   y  evitar  el  uso  de  modelos  de  IA   La IA tiene el potencial de permitir decisiones
generativa  para  decisiones  críticas,  como  aquellas   mejores y más rápidas en todos los niveles de
que  involucran  importantes los  recursos  o  el  bienestar   una organización. Para poner esto en práctica, los
humano. empleados deben ser capaces de confíe en lo que
sugiere el algoritmo y siéntase capacitado para
¿Cómo  pueden  las  organizaciones   actuar en consecuencia.

ampliar  sus  esfuerzos  de  IA  de  
proyectos  ad  hoc  a  la  integración  total? 3.  Adopte  y  refuerce  una  mentalidad  ágil
La  mayoría  de  las  organizaciones  están  sumergiendo   La mentalidad ágil de prueba y aprendizaje puede
un  dedo  del  pie  en  el  grupo  de  IA,  no  disparando.  Es   ayudar a los empleados a ver los errores como
probable  que  el  lento  progreso  hacia  la  adopción   inspiración, disipando el miedo al fracaso y
generalizada  se  deba  a  barreras  culturales  y   acelerando el desarrollo.
organizativas.  Pero  los  líderes  que  derriben  estas  
barreras  de  manera  efectiva  estarán  mejor  ubicados  
para  aprovechar  la  oportunidad  de  la  era  de  la  IA. Y,  
lo  que  es  más  importante,  las  empresas  que  no  están  
aprovechando  al  máximo  la  IA  están  siendo  
superadas  por  aquellas  que  sí  lo  están,  en  industrias  
como  la  fabricación  de  automóviles  y servicios  
financieros.

¿Qué  es  la  IA? 7