La inversión rentable de las empresas en proyectos de Inteligencia Artificial: ¿Bajo qué condiciones?

Abstract

El objetivo del presente trabajo es investigar las causas que provocan el alto índice de fracaso de los proyectos de Inteligencia Artificial (IA), con el fin de identificar las condiciones necesarias para asegurar el éxito y la rentabilidad en proyectos de este tipo.

Con el reciente desarrollo de la tecnología, tanto inversores como empresas están cada vez más interesados en promover y buscar oportunidades de inversión en proyectos de IA. Sin embargo, muchos de ellos, o bien no están siendo suficientemente rentables, o terminan fracasando por diferentes causas. Entre los principales motivos de estos fracasos se encuentra la insuficiencia de datos, la falta de recursos profesionales adecuados, fallos con la infraestructura y la complejidad del proyecto, la falta de unas expectativas claras y la necesidad de dinero. Por ello, un elevado porcentaje de proyectos de IA terminan no siendo exitosos.

Sin embargo, las empresas que han sido capaces de introducir la IA de forma adecuada en sus proyectos, han obtenido buenos resultados y una rentabilidad elevada. Uno de los principales ejemplos es “Watson” de IBM, que obtuvo excelentes resultados gracias a unos datos perfectamente estructurados, expectativas claras y una planificación eficiente y práctica. De la misma manera, entre las condiciones óptimas estudiadas en el trabajo para lograr el éxito de un proyecto de IA, identificamos el uso de la IA responsable, la búsqueda de un impacto e intereses para el proyecto, la implementación de la reutilización y reentrenamiento en los proyectos, la capacidad de almacenamiento de datos y el control y evaluación de riesgos.

En resumen, en el presente trabajo se analizan los principales fallos de los proyectos de IA, se proponen las distintas condiciones que debería tener un proyecto de este tipo para ser exitoso y se estudian casos de proyectos empresariales de IA con la finalidad de identificar las condiciones más efectivas que aseguren su rentabilidad.

The objective of this paper is to investigate the causes that lead to the high failure rate of Artificial Intelligence (AI) projects, in order to identify the necessary conditions to ensure success and profitability in projects of this type.

With the recent development of the technology, both investors and companies are increasingly interested in promoting and seeking investment opportunities in AI projects. However, many of them are either not being sufficiently profitable, or end up failing for different reasons. Among the main reasons for these failures are insufficient data, lack of adequate professional resources, failures with the infrastructure and complexity of the project, lack of clear expectations and the need for money. As a result, a high percentage of AI projects end up being unsuccessful.

However, companies that have been able to introduce AI properly in their projects have obtained good results and high profitability. One of the main examples is IBM's "Watson", which achieved excellent results thanks to perfectly structured data, clear expectations and efficient and practical planning. In the same way, among the optimal conditions studied in the paper to achieve the success of an AI project, we identified the use of responsible AI, the search for impact and interests for the project, the implementation of reuse and retraining in projects, data storage capacity, and risk control and assessment.

In summary, this paper analyzes the main failures of AI projects, proposes the different conditions that an AI project should have to be successful, and studies cases of AI business projects in order to identify the most effective conditions to ensure their profitability.