AI Maturity Solve Banenr

Cómo evaluar los obstáculos de la adopción de IA y machine learning en todas las industrias

La encuesta global destaca los desafíos que enfrentan las diferentes industrias a medida que adoptan la tecnología de IA y machine learning.

La IA y el machine learning representan los motores detrás de una nueva categoría de innovación. La mayoría de los líderes empresariales entienden la importancia de la IA y el machine learning para el éxito futuro en sus industrias. Pero para muchos, la madurez de la IA y el machine learning sigue siendo difícil de alcanzar.

En enero de 2021, realizamos una encuesta a más de 1,800 líderes de TI en América, Europa, Asia y Oriente Medio. En el informe se separó a los encuestados en seis sectores, que incluyen gobierno/Public Sector, nativo digital, atención médica, servicios financieros, manufacturing y retail, a fin de comparar tendencias e información sobre sus respectivos recorridos hacia la IA y el machine learning.

Conclusiones del informe sobre la adopción de la IA y el machine learning

La encuesta define las características de la madurez con respecto a la IA y el machine learning entre todos los sectores, informa sobre las cinco categorías principales en cuanto a los desafíos para la adopción y ofrece orientación para acelerar su recorrido hacia la IA y el machine learning. Los puntos de datos abarcan información sobre escalabilidad, calidad de datos, participación y compromiso del equipo directivo, definiciones de KPI y escasez de talento. Estos son los aspectos destacados que incluye el informe:

  • Uno de cada ocho encuestados de todas las industrias informa que está en el comienzo de su recorrido hacia la IA y el machine learning. Solo el 17 % informa tener seguridad y haber escalado la totalidad de sus capacidades maduras de IA y machine learning en toda su organización. Aunque el sector de retail informó el más alto nivel de madurez (22 %), los encuestados del sector de retail también llevaron la delantera al informar que estaban en la etapa inicial (55 %). Esto habla de una amplia variación en el sector de retail, desde las grandes tiendas hasta los retailers especializados.
  • Los sectores de retail, atención médica y manufacturing son los tres principales encuestados en ambas categorías en lo referente a la calidad de datos. Las tres industrias informan dificultades para obtener información útil de los datos y experimentan iniciativas fallidas debido a la presencia de datos sucios.
  • Al igual que con la mayoría de las tecnologías emergentes, el talento es una barrera para la adopción de la IA y el machine learning en todas las industrias. Aunque el sector de retail encabezó los encuestados y el 31 % afirmó que encontrar talento es un problema, cada industria informó de manera sistemática que el talento ralentiza su capacidad de avanzar.
  • El ROI de la IA y el del machine learning son notoriamente difíciles de rastrear. Pero sin los números, es difícil demostrar valor y mantener el apoyo de las partes interesadas. Sin embargo, casi uno de cada cuatro encuestados en el sector de gobierno/Public Sector (24 %) no mide el valor de sus esfuerzos de IA y machine learning y el mismo porcentaje (24 %) informa que definir una estrategia clara o las métricas de éxito es un desafío.

Para obtener más información sobre cómo la adopción de la IA y el machine learning difiere entre las industrias, descargue el informe "Cómo superar los obstáculos de la adopción de IA/ML en todas las industrias".

Descargar el informe completo

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
AI ML Maturity Industries

Cómo superar los obstáculos de la adopción de IA/ML en todas las industrias

About the Authors

rackspace logo

Rackspace Technology Staff - Solve

The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team:  Gracie LePere, Program Manager Royce Stewart, Chief Designer  Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager  Chris Barlow, Editor  Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager

Read more about Rackspace Technology Staff - Solve