La IA está en todas partes en los laboratorios de I+D. ¿Entonces por qué se siguen desperdiciando miles de millones?

Puntos clave

• Más de una de cada tres organizaciones dedica entre el 25 y el 40 por ciento de su presupuesto de I+D a proyectos que nunca llegan al mercado.
• Casi la mitad de los equipos de I+D estiman que cancelar un único proyecto durante el desarrollo o las pruebas cuesta más de un millón de dólares en inversión desperdiciada.
• La mayoría de las organizaciones actualmente utilizan IA para tareas de ejecución, como análisis de datos, en lugar de para apoyo en la toma de decisiones al inicio de un proyecto.
• Investigadores y gerentes señalan que disponer de mejor inteligencia en la etapa inicial de ideación y viabilidad, antes de comprometer recursos importantes, proporcionaría el mayor valor.

Imaginemos una empresa que dedica años y millones a desarrollar un producto, solo para archivarlo antes del lanzamiento. No es un desastre raro. Es práctica estándar.

Un nuevo informe técnico, destacado por IEEE Spectrum AI, revela que más de un tercio de las organizaciones destinan entre una cuarta parte y el 40 por ciento de todo su presupuesto de investigación y desarrollo a proyectos que nunca llegan a los clientes. I+D, para quienes no estén familiarizados, es el trabajo interno que realizan las empresas para inventar, probar y perfeccionar nuevos productos antes de su comercialización.

¿Entonces adónde va el dinero?

La mayoría se destina a proyectos que parecen prometedores al principio y luego fracasan al final. Casi la mitad de los equipos encuestados estima que cancelar un único proyecto durante el desarrollo o las pruebas cuesta más de un millón de dólares. Esta cifra incluye los salarios, equipos, tiempo de prueba y materiales gastados antes de que alguien finalmente cierre el proyecto.

Las cancelaciones tardías son las más caras. Un proyecto cancelado después de dos años de trabajo cuesta mucho más que uno rechazado en el primer mes.

¿Por qué la IA no ha solucionado esto?

La IA no lo ha solucionado porque la mayoría de las empresas la aplican a la parte equivocada del proceso. El informe revela que las organizaciones típicamente usan IA para tareas de ejecución, como procesar conjuntos de datos, ejecutar simulaciones o crear modelos. Esto es valioso, pero ocurre después de que ya se han tomado las grandes decisiones.

La pregunta más difícil, ¿deberíamos construir esto en absoluto?, tiende a responderse de la manera antigua: intuición, política interna e información que un equipo pueda reunir manualmente.

Ahí es donde se esconde el verdadero desperdicio.

¿Qué realmente ayudaría?

Los encuestados fueron claros. Disponer de mejor inteligencia en la etapa de ideación y viabilidad, la fase más temprana cuando un proyecto es solo una idea siendo evaluada contra la realidad, proporcionaría el mayor valor. Detectar una mala apuesta en la segunda semana es mucho más económico que detectarla en el segundo año.

Las herramientas de IA que ayuden a los equipos a evaluar la aceptación del mercado, el riesgo competitivo o la viabilidad técnica antes de asignar presupuestos podrían reducir ese desperdicio significativamente. Actualmente, pocas organizaciones utilizan IA de esa manera.

Para cualquiera que trabaje en una empresa que fabrica productos físicos o digitales, esto importa. El gasto desperdiciado en I+D eventualmente se refleja en una innovación más lenta, precios más altos o menos productos nuevos en los estantes. Incorporar IA en la capa de decisiones, no solo en la capa de datos, es donde cambia la economía.

Preguntas frecuentes

¿Esto se aplica a las pequeñas empresas o solo a las grandes?

El informe no limita sus hallazgos a las grandes corporaciones. Cualquier organización que ejecute un proceso formal de investigación o desarrollo, desde un fabricante de tamaño medio hasta un estudio de software, enfrenta la misma dinámica: dinero comprometido temprano, decisiones tomadas tarde.

¿Qué debería entender un gerente sin formación técnica de esto?

Pregunta a tu equipo dónde se utiliza realmente la IA. Si la respuesta es solo en análisis después de que un proyecto ya está en marcha, es probable que la decisión que inició el proyecto no contara con apoyo de IA, y esa es la brecha que vale la pena cerrar.