Por qué fracasan casi todos los proyectos de IA (y los que no)
Rara vez fracasan porque la tecnología no pudiera con la tarea. Fracasan por un pequeño conjunto de razones predecibles, casi todas decididas antes de escribir una línea de código. Aquí tienes la lista, y lo que hacen distinto los que sí funcionan.
Las seis formas en que fracasan
Resolvieron un problema que no merecía la pena
Impresionante e inútil a la vez. Si el problema no costaba nada, ni la mejor ejecución lo salva.
Partieron de la tecnología
«Deberíamos hacer algo con IA» produce una solución en busca de un problema.
Confundieron la demo con el producto
Se quedaron sin presupuesto en la fase difícil e invisible donde están los casos límite y la fiabilidad.
Ignoraron los datos
Dieron por hecho que los datos estaban listos cuando estaban desordenados, dispersos o faltaban.
Intentaron automatizar el criterio
Quitaron a las personas de casos que las necesitaban, y nadie se fía del resultado.
Nadie podía hacerse cargo
Dependían de la atención constante de un especialista, y murieron cuando esa atención desapareció.
Lo que hacen los que sí funcionan
Los proyectos que funcionan no son más sofisticados. Son más disciplinados, y comparten una lista corta de hábitos:
- Parten de un problema real y caro, no de la tecnología.
- Deciden que merece la pena construirlo antes de construirlo, y están dispuestos a decir que no.
- Acotan el alcance: resuelven la parte que importa y dejan el resto.
- Dejan los casos que necesitan criterio en manos de una persona y automatizan solo el patrón, como hace nuestro asistente de WhatsApp en Fixlab.
- Tratan la producción como una fase aparte y presupuestan los casos límite, la fiabilidad y los costes de operación.
- Se aseguran de que alguien pueda hacerse cargo, para que el proyecto sobreviva al lanzamiento.
Ninguno tiene que ver con el modelo. Todos tienen que ver con la decisión. Hoy la tecnología rara vez es el límite. El criterio sí.