La IA en Perú: Del piloto a producción

Por José Luis Bugarín, Solution Architect de Red Hat.

En el mercado peruano ya existen iniciativas de inteligencia artificial, especialmente en el sector de servicios financieros. Se observan pilotos y algunos casos en producción. Sin embargo, muchas de estas iniciativas se han desarrollado de manera empírica y sin una metodología clara que permita llevarlas a producción de forma estructurada.

Uno de los principales desafíos es la creencia de que modelos públicos como ChatGPT o Gemini pueden resolver problemas empresariales por sí solos. Estos modelos no cuentan con la información específica de cada organización. Para generar valor real, es necesario utilizar datos propios, correctos y estructurados.

El primer paso en un proyecto de inteligencia artificial es definir claramente el problema que se quiere resolver. El segundo es verificar si existen los datos necesarios para abordarlo. Sin datos disponibles y organizados, no es posible desarrollar un modelo eficiente.

Luego se debe plantear una hipótesis o piloto para evaluar el desempeño del modelo. En términos de eficiencia o precisión, un umbral inferior al 90% o 95% no suele ser aceptable en entornos empresariales, debido al riesgo de errores o resultados inexactos.

Incluso cuando un modelo alcanza niveles adecuados de precisión, muchas organizaciones enfrentan dificultades para integrarlo en aplicaciones móviles, web o sistemas existentes. Sin integración en procesos reales, el modelo no genera impacto productivo.

A nivel regional, países como México, Brasil y Argentina lideran la adopción de inteligencia artificial en América Latina. Perú aún enfrenta desafíos asociados a la digitalización y a la ausencia de regulación específica en esta materia.

La inteligencia artificial ya está generando impacto en sectores como atención al cliente, marketing y banca. Sin embargo, para que su adopción sea sostenible, es necesario contar con metodología, gobierno de datos y una estrategia clara de implementación.

El desafío no es iniciar pilotos. El desafío es llevar la inteligencia artificial a producción con eficiencia y control.