De repente, el escenario se volvió más VUCA (siglas en inglés por volátil, incierto, complejo y ambiguo) que de costumbre. La pandemia sacudió los cimientos de la zona de confort de las empresas y los replanteos se pusieron a la orden del día. La necesidad de analizar e interpretar datos para predecir escenarios y comprender aunque fuera ligeramente el mundo en el que vivíamos se volvió imprescindible como un puesto de venta de agua en medio del desierto.

La tecnología, gran aliada para capear el temporal que significó para el mundo el COVID-19, dijo presente también en este sentido: los ámbitos de aplicación de inteligencia artificial (IA) y machine learning (ML) se multiplicaron, situación que se ve reflejada en el mercado: IDC calculó que en 2021 se invirtieron US$342.000 millones en software de IA y que para 2022 se espera incluso que se acelere y que termine con un incremento de nada menos que 18,8%.

Concretamente, uno de los usos más frecuentes que emergieron fue el de los asistentes virtuales y chatbots, no solamente para atención al cliente -en un contexto en que las compras y las consultas por vías electrónicas se multiplicaron hasta el infinito como consecuencia de las restricciones a la movilidad-, sino también para dar soporte a las políticas, las consultas y las necesidades de la fuerza de trabajo remoto.

La hiperautomatización fue otra de las grandes estrellas de este período y promete seguir siéndolo en los próximos meses (Gartner calcula que la inversión en 2022 en este rubro ascenderá a US$596.000 millones): tareas repetitivas, con fuerte componente manual, hoy pueden ser desarrolladas por un bot o, incluso, por una “fuerza de trabajo digital” que combine en un mismo procesos acciones automatizadas y humanas (que pueden ejecutarse de manera remota). La hiperautomatización no sólo resulta esencial para aumentar la productividad y mantener los costos acotados en tiempos en que la eficiencia es clave: también garantiza la continuidad de los procesos sin necesidad de presencia física de las personas.

Otra gran tendencia de uso de ML, también relacionada con estos nuevos esquemas de trabajo distribuidos y con la automatización, estuvo relacionada con la ciberseguridad: la enorme mayoría de los activos de datos de las empresas comenzó a quedar fuera de las paredes organizacionales. De hecho, en la casa de cada empleado existe hoy al menos una terminal de acceso a los datos y las aplicaciones. En ese sentido, las nuevas estrategias de ciberseguridad incluyen elementos inteligentes para prevenir ataques cada vez más sofisticados. El mercado de ciberseguridad crece a pasos agigantados: según datos internos de GlobalLogic, pasará de US$165.000 millones en 2021 a más del doble en 2028: US$366.000 millones.

Los sistemas automatizados y los algoritmos avanzados pueden ayudar a los profesionales de la ciberseguridad a reducir el tiempo y el esfuerzo necesarios para realizar tareas clave como identificar vulnerabilidades, parchearlas, detectar ataques o elaborar defensas. En el futuro, se esperan sistemas impulsados por AI que proporcionen un contexto mejorado para priorizar y dar respuestas inmediatas a incidentes, así como descubrir las causas raíz para mitigar vulnerabilidades y evitar problemas futuros. También emergerán soluciones basadas en AI para predecir cómo y dónde se encuentra el sistema que podría ser violado con mayor probabilidad.

Y, por supuesto, IA aplicada al análisis predictivo: en tiempos de rutas que se cerraban a diario, de cambios significativos en la demanda, de máquinas que no podían detenerse… cualquier enfoque basado en datos que entregara algo de certidumbre era más que bienvenido.

La pandemia impulsó un mayor uso de soluciones inteligentes dentro de la empresa. Sería muy poco inteligente, ahora que se consolidan los proyectos de transformación digital también acelerados por el COVID-19, no profundizar en esta tendencia.