“Tengo una inteligencia artificial que…”. En tiempos en los que ChatGPT irrumpió entre el público en general con una fuerza inédita aún para tecnologías disruptivas, aparecen líderes organizacionales que quieren ser pioneros en su adopción y que están dispuestos a invertir a ciegas, con casos de uso poco claros y con retornos más que dudosos.

Pero la historia nos marca una realidad: las tecnologías muchas veces están disponibles en un momento que no es el adecuado para su adopción. Por ejemplo, en Practia acumulamos una década de experiencia en lo que hoy se llama IA aplicada. Es decir, desde muchísimo antes de que fuera el tema obligado de cualquier conversación.

En ningún caso se trató de abusar de la novedad, sino que el objetivo en todo momento fue analizar las nuevas herramientas disponibles en el mercado y evaluar cómo se podía construir, a partir de ellas, soluciones adecuadas para las necesidades de nuestros clientes.

Las etapas del Hype Cycle

Esto aplica a cualquier nueva tecnología: no son una moda ni tienen una razón de ser por sí solas. 

Tan común ha sido este caso a lo largo de la historia, que la consultora Gartner incluso desarrolló algo llamado Hype Cycle (algo así como “el ciclo de tendencia”): inicia con el lanzamiento de la nueva tecnología (“technology trigger”), continúa con su llegada al público en particular cuando alcanza el pico de expectativas (“peak of inflated expectations”).

Luego de un tiempo, cuando la sorpresa desaparece, produce una cierta desilusión (“trough of disillutionment”) para luego amesetarse a medida que gana madurez (“slope of enlightenment) y finalmente volverse productiva (“plateau of productivity”). 

ChatGPT pasó de la primera a la segunda etapa a la velocidad de la luz. Queda ver cómo evolucionará de aquí en adelante. Todo parece indicar las tecnologías subyacentes a la IA generativa serán más que importantes para el futuro del negocio.

Pensando en frío

En frío, los líderes organizacionales saben que no conviene arrebatarse: en una encuesta interna realizada por Practia, detectamos que las prioridades de inversión en el corto plazo se centran en gobierno de datos, creación de tableros y estrategias de análisis, mientras que la IA y el machine learning aparecen bastante más abajo en la agenda.

Tener un mal timing innovador involucra muchos riesgos. Por un lado, la pérdida de tiempo y de dinero que podían haberse dedicado a algún proyecto alineado con el crecimiento del negocio. 

Por el otro, el hecho de “quemar” esa tecnología dentro de la organización, lo que podría complicar futuros apoyos por parte de la alta dirección, en especial en los momentos en que el hype haya pasado y el timing sea adecuado.

El timing lo es todo: en lugar de enamorarse de una nueva tecnología, las empresas deben poner siempre el foco en el negocio y entender de qué manera esa novedad de la que habla todo el mundo se alinea con las necesidades de crecimiento (si es que lo hace). 

Puede sonar anticuado, pero sigue siendo la mejor forma para generar una relación sana y duradera entre la organización y la innovación.

¿Hasta qué punto te parece que tu organización tiene timing para incorporar nuevas tecnologías? Contáctanos haciendo click aquí  y conoce más sobre nosotros en nuestras redes LinkedIn y Twitter.