Conclusiones clave de Accelerate: cómo aprovechan las empresas de fabricación y servicios financieros los datos y la IA para obtener un ROI medible

Para muchas organizaciones de todos los sectores, la era de la inteligencia artificial (IA) experimental ha dado paso a la implementación práctica. Incluso quienes aún evalúan soluciones de IA se enfocan menos en la posibilidad y más en lograr cuanto antes un ROI medible.

“Ya no basta con usar la IA para obtener la aprobación del equipo directivo de la empresa”, afirma Samuel Lee, Product Marketing Director for Financial Services de Snowflake. “Ahora, las organizaciones deben generar valor con sus implementaciones de IA, y los líderes se enfrentarán a una mayor presión para cuantificar sus inversiones en IA y el impacto empresarial general”.

Ese fue uno de los mensajes clave en los dos eventos sectoriales más recientes de Snowflake, Accelerate Financial Services y Accelerate Manufacturing, celebrados en marzo. Los eventos, en colaboración con Amazon Web Services (AWS), partner de Snowflake, ofrecieron a profesionales y líderes la oportunidad de aprender a superar los retos de datos e IA, escalar soluciones de IA con confianza y lograr resultados empresariales exitosos. 

En las sesiones se destacaron las últimas tendencias del sector, casos de uso innovadores y estrategias para impulsar una estrategia ganadora de IA y datos en la empresa. Expertos, clientes y líderes de Snowflake y AWS compartieron información estratégica y consejos prácticos para optimizar la estrategia de IA, además de demostraciones de casos de uso clave y prácticas recomendadas.

A continuación, se incluyen otras siete conclusiones reveladoras:

• Una estrategia de AI data cloud es el primer paso para las empresas que buscan utilizar la IA en sus operaciones. “[Aprovechar] la IA y el aprendizaje automático (ML) avanzados casi siempre comienza con llevar todos los datos a la nube de una manera organizada y sistemática”, afirma Magnus Akesson, Worldwide Head of Industrial Vertical Solutions GTM en AWS. 

• La accesibilidad de las capacidades avanzadas de IA está transformando y optimizando las tareas operativas. “Sin duda, estamos viendo más funciones orientadas a la eficiencia operativa, especialmente en tareas como el procesamiento de documentos”, afirma Debanit Das, Senior Director of Technology de Northwestern Mutual. “Antes, procesar datos no estructurados era lento y exigía mucho trabajo manual. Hoy, automatizar estas tareas con capacidades de LLM y ML permite aprovecharlas de forma más rentable. Aunque ya era posible aplicar análisis semánticos y modelos de reconocimiento de patrones, mantener un equipo de I+D resultaba costoso. Ahora, con una buena ingeniería de prompts, se puede acceder a esas capacidades”.

• El cumplimiento normativo es prioritario a medida que los líderes adoptan tecnologías emergentes. “Muchas empresas de servicios financieros están aprovechando la IA, en concreto, la generativa y la automatización de agentes”, afirma Lorraine Knerr, Global Head of Gen AI and Data Solutions Strategy and Architecture de AWS. “Quieren asegurarse de estar preparadas para el intenso escrutinio normativo que implica, especialmente en materia de privacidad de datos”.

• A medida que los modelos de IA se vuelven cada vez más sofisticados, está surgiendo un cambio hacia una gobernanza integral. “Siempre ha existido la gobernanza de modelos, pero ahora existe la perspectiva de gobernar no solo los datos que se destinan al entrenamiento de modelos de IA, sino también las respuestas que se derivan del modelo”, afirma Awah Teh, VP of Data Governance and Privacy Engineering en Capital One.

• Las principales empresas han implementado estrategias multifacéticas para adaptarse a medida que las cadenas de suministro atraviesan transformaciones significativas. Entre ellas, “adoptar la transformación digital, fomentar relaciones más colaborativas con los proveedores, implementar una fabricación ágil y lean, y desarrollar redes resilientes y flexibles”, afirma Saurabh Vijayvergia, AI Strategy and Engineering Leader de Deloitte. “Uno de los principales enfoques sigue siendo la colaboración de datos para mejorar la eficiencia y la integración en toda la cadena de valor. Al compartir datos sin fricciones, las organizaciones pueden lograr una mayor visibilidad e información sobre todas las facetas de su cadena de suministro, lo que permite identificar y mitigar de forma proactiva posibles interrupciones”.

• Antes de aplicar nuevas tecnologías, los fabricantes deben asegurarse de que sus datos están en orden. “Las herramientas tecnológicas son excelentes. Sin embargo, primero hay que analizar [y mejorar] los procesos... Establecer una gobernanza de datos sólida y dominar los procesos de gestión de datos para inventariar todos los datos que se tienen”, afirma Ramin Rastin, Senior Vice President of Data Engineering and Advanced Data Sciences (IA/ML) de GXO Logistics. “Corrija todos esos procesos primero, porque cuando se implementa, por ejemplo, un data lake global con un partner como Snowflake, la adopción es mucho más fácil, rápida y ágil. Y el valor que se obtiene de esa plataforma con las herramientas de IA es mucho mayor”. 

• La IA generativa ya está redefiniendo las cadenas de suministro de fabricación. “La IA generativa ya se utiliza en todas las organizaciones de fabricación, ya sea para planificar la mejora de la previsión de la demanda, los procesos de producción o incluso para reducir el inventario”, afirma Tim Long, Manufacturing Global Industry GTM Lead de Snowflake. “En toda la planta de fabricación, la IA generativa se perfila como una técnica líder para identificar fallos y causas principales”. Además, según Long, “la IA generativa está habilitando las cadenas de suministro cognitivas, lo que ayuda a garantizar que el producto se entregue de la forma más eficiente posible al cliente final”. 

¿No has podido asistir? Aún puedes ver los eventos bajo demanda: Accelerate Financial Services y Accelerate Manufacturing.