Un estudio global de Alteryx, realizado entre 700 analistas de datos y 700 líderes de TI, muestra una adopción masiva de la inteligencia artificial en el trabajo: el 96% de los encuestados usa IA en sus labores, si bien solo el 49% lo hace de forma habitual (siempre o la mayor parte del tiempo). El informe contrasta esta penetración general con la naturaleza todavía operacional y fragmentada de muchas implementaciones.
Respecto a la adopción de agentes de IA, el 59% de los participantes anticipa que estará empleando estos agentes activamente dentro de los próximos 12 meses. Al menos la mitad de los encuestados dijo que estaría dispuesta a conceder a esos agentes “acceso irrestricto” a sus datos; sin embargo, el informe subraya que el 44% considera crítica la incorporación de supervisión humana cuando se otorga tal nivel de acceso.
Las aplicaciones agentivas ya desplegadas se concentran en tareas repetitivas y de procedimiento: redactar comunicaciones o resúmenes estandarizados para interesados (59%); programar o encaminar tareas de flujo de trabajo como triage de alertas y automatización de procesos (54%); y generar informes o paneles estándar sin intervención manual (48%). También se usan para monitorizar KPIs con alertas o acciones automáticas (45%) y para la limpieza, preprocesado o validación rutinaria de conjuntos de datos (45%).
Menos frecuentes, pero presentes, son las aplicaciones que automatizan análisis rutinarios y modelos predictivos básicos (34%) y las que generan automáticamente insights o recomendaciones a partir de los datos (23%). El reparto de porcentajes refleja una preferencia práctica por delegar en agentes las actividades operativas y repetitivas antes que las tareas analíticas más complejas o estratégicas.
El estudio cuantifica además la carga de trabajo manual alrededor de los datos: la limpieza y preparación consumen cerca de seis horas semanales, y el 48% de los encuestados reporta dedicar entre seis y diez horas por semana a esas labores. Las herramientas más empleadas para ese trabajo siguen siendo las hojas de cálculo (61%), seguidas por herramientas de inteligencia empresarial (56%) y plataformas dedicadas de preparación de datos (51%).
A pesar del interés por la reactividad, pocas organizaciones disponen de capacidades en tiempo real: solo el 20% afirmó que puede pasar del análisis a una decisión de negocio en pocas horas, y apenas el 5% declaró soportar toma de decisiones en tiempo real. Este desfase sugiere que la mayoría de las implementaciones de IA operan sobre procesos y ventanas temporales que no son inmediatas.
Entre los principales obstáculos para integrar IA en decisiones de negocio figuran problemas de interpretación y explicación de las salidas (55%) y la falta de habilidades analíticas entre los usuarios de negocio (54%). Otros frenos citados por la muestra son datos insuficientemente limpios, integrados o gobernados (50%), falta de claridad sobre la propiedad o responsabilidad en las decisiones (49%) y limitaciones técnicas de herramientas o infraestructuras (45%).
La conclusión principal del informe es que, más allá de la adopción de agentes, emerge una habilidad crítica: validar y explicar las salidas de IA. La combinación de dependencia de herramientas tradicionales, limitaciones para operar en tiempo real y barreras de comprensión indica que las organizaciones que quieran escalar agentes de IA necesitarán reforzar gobernanza de datos, procesos de revisión humana y formación analítica para los equipos de negocio.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
