Bloomberg — El ahorro de costes derivado de la automatización está quedando ampliamente por debajo de las previsiones, según una nueva encuesta mundial de Bain & Co. entre grandes empresas.
Los objetivos incumplidos “deberían incomodar a los ejecutivos”, sobre todo porque muchos de ellos están aprobando un aumento del gasto en inteligencia artificial basándose en los ahorros previstos, afirma la consultora en un informe compartido en exclusiva con Bloomberg News.
Ver más: Cómo la tecnología financiera y la banca virtual han hecho que ahorrar sea arriesgado
“Autofinanciar la próxima oleada a partir de rentabilidades pasadas suena a disciplina. En realidad, es una apuesta circular con una fuga estructural”, decía el informe.
La encuesta, completada en abril, se basó en las respuestas de ejecutivos de 951 empresas con más de US$100 millones de ingresos, de nueve sectores: comercio minorista, tecnología, fabricación avanzada, sanidad, productos de consumo, energía, servicios financieros, telecomunicaciones/medios/entretenimiento y seguros.
Entre las empresas que midieron su ahorro de costes de IA, la mayor parte (40%) obtuvo reducciones del 10% o menos. La mayoría esperaba ver una mejora más significativa.
“La oleada anterior no cumplió sus expectativas. El conjunto de ahorros es menor de lo que se suponía”, advirtió Bain. “Y el caso de inversión para la ola actual se dimensionó en función de las proyecciones y no de los datos reales”.
Aunque algunas empresas están financiando las nuevas inversiones en IA generativa y agéntica con ahorros realizados, la mayor parte (44%) citó los ahorros previstos entre sus principales fuentes de financiación para la próxima oleada de desembolsos, según el informe.
En un informe igualmente cauteloso del año pasado en el que se mostraba que el 95% de los pilotos corporativos de IA se quedaban en nada, un grupo de investigación del MIT concluía que el “principal factor que mantiene a las organizaciones en el lado equivocado de la división GenAI es la brecha de aprendizaje, las herramientas que no aprenden, se integran mal o se ajustan a los flujos de trabajo”.
El informe de Bain aisló un problema diferente.
“A pesar de una década de inversiones en modernización de datos que ascienden a cientos de miles de millones de dólares en todo el mundo, la razón nº 1 por la que los programas de IA rinden por debajo de lo esperado es que las empresas no pueden acceder de forma fiable a sus propios datos”, afirmó Bain.
Ver más: Innovaciones financieras permiten que ahorrar e invertir sea más fácil
Su receta: En lugar de esperar a estructurar todos sus datos para hacerlos ingeribles por la IA, las empresas deben comenzar con lo que está disponible para alimentar los modelos, y luego utilizar la IA para ayudar a resolver cómo estructurar el resto.
Las empresas que estaban cumpliendo sus objetivos de ahorro informaron de que se encontraban con obstáculos relacionados con la estructura y la accesibilidad de los datos en porcentajes aún mayores que las que no alcanzaban sus objetivos, pero era menos probable que informaran de problemas organizativos como presupuestos insuficientes o prioridades contrapuestas.
Lea más en Bloomberg.com
