La inteligencia artificial (IA) podría transformarse en la peor deuda tecnológica que los directores de informática hayan enfrentado hasta la fecha. Aunque la IA es promovida como una solución para eliminar la costosa deuda tecnológica existente, los responsables de TI han comenzado a notar que la proliferación excesiva de proyectos piloto y una dependencia desmedida del código generado por IA están generando nuevas formas de problemas tecnológicos.
Por ejemplo, la IA puede ser utilizada para limpiar código antiguo y reducir software sobredimensionado, lo que ayudaría a disminuir la deuda tecnológica. Microsoft anunció recientemente una suite de agentes autónomos de IA para modernizar automáticamente aplicaciones heredadas, como las de Java y .NET. Sin embargo, muchos proyectos de IA dependen de modelos complejos y costosos, y los asistentes de codificación de IA tienden a generar más líneas de código de las necesarias, incrementando la complejidad y el mantenimiento.
La falta de hojas de ruta claras para la implementación de IA aumenta el riesgo de que las organizaciones realicen despliegues sin dirección, lo que puede derivar en problemas de calidad y mantenimiento a largo plazo. Simon Wallace, director técnico y cofundador de la plataforma Suffrago, advierte que sin una estrategia sólida, se acumularán múltiples herramientas inútiles que quedarán como “polvo digital”, como ocurrió en el pasado con microservicios y computación en la nube.
Ryan Achterberg, director técnico de Resultant, señala que numerosos proyectos piloto que nunca escalan acaban consumiendo recursos y dejando artefactos tecnológicos que requieren mantenimiento y supervisión, inflando la deuda tecnológica. Estos proyectos parten muchas veces de bases frágiles, haciéndolos propensos a estancarse o fracasar. Él recomienda revisiones rigurosas del código, integración continua y una documentación minuciosa para mitigar estos riesgos.
Además, Kurt Muehmel, responsable de estrategia de IA en Dataiku, enfatiza que cuando los proyectos de IA se desarrollan en diferentes unidades de negocio sin supervisión central, se incrementa la deuda tecnológica. Científicos de datos podrían configurar servidores y crear agentes rápidamente, pero sin una supervisión integrada, esto puede resultar en sistemas difíciles de mantener.
Otro problema surge con los asistentes de codificación de IA, que tienden a generar código superfluo a menos que los desarrolladores sean muy cuidadosos. Si los miembros del equipo usan distintas herramientas de IA sin coordinación, los resultados pueden estar desalineados, aumentando nuevamente el riesgo tecnológico. La colaboración y uso colectivo de IA generativa ayudan a mitigar estos riesgos.
Para controlar esta situación, es fundamental que las organizaciones implementen herramientas de gobernanza que monitoricen la seguridad, cumplimiento, gastos y métricas de los proyectos de IA. El director de informática o un responsable senior deben liderar esta supervisión para garantizar que la IA cumple con objetivos claros y métricas realistas.
Muehmel afirma que existe preocupación por agentes de IA “ocultos” creados sin supervisión, lo que puede generar desconfianza entre los usuarios si no se ajustan a procesos empresariales. Los agentes de IA, que deberían actuar como colaboradores para distintas áreas como marketing, finanzas y operaciones, deben ser confiables para evitar resistencia en su adopción.
En conclusión, aunque la IA tiene un gran potencial para optimizar procesos y reducir la deuda tecnológica, sin una gobernanza rigurosa, estrategias claras y supervisión constante, puede convertirse en una nueva fuente de deuda tecnológica costosa y difícil de gestionar para los directores de informática. Evaluar y priorizar proyectos, así como no temer a fracasar rápido, es clave para evitar que la IA sea un pasivo tecnológico para las organizaciones.