Raft mostró cómo priorizar iniciativas de AI y construir una hoja de ruta realista

Raft ha propuesto una forma práctica de transformar una lista fragmentada de ideas de IA en un programa de transformación manejable: primero calcular el valor potencial de cada iniciativa, luego compararlo con la viabilidad, elegir un enfoque de implementación y solo entonces construir la hoja de ruta. Este enfoque es necesario para empresas que ya ven decenas de posibles escenarios de IA, pero no quieren hundirse en pilotos sin resultados medibles. El material se basa en la siguiente tesis: se puede implementar casi cualquier cosa, pero no se puede hacer todo simultáneamente.

Por eso el autor propone abandonar un conjunto caótico de experimentos y pasar a la gestión de cartera de iniciativas de IA. La lógica comienza con la fase de análisis de brechas: la organización obtiene una lista de tareas donde queda claro para qué casos de uso está lista ahora y para cuáles le faltan datos, infraestructura, competencias o marcos de seguridad. Pero evaluar solo la viabilidad no es suficiente.

Para decidir en qué realmente vale la pena invertir recursos y tiempo del equipo, es necesario evaluar por separado el valor comercial esperado. Para esto, Raft ofrece una fórmula simple para el valor potencial: escala del problema, frecuencia de ocurrencia y complejidad de la solución manual. Cada parámetro se califica en una escala del 1 al 10, y la puntuación final cae en un rango de 1 a 1000.

La escala muestra cuántas personas o procesos se ven afectados por el problema; la frecuencia muestra con qué frecuencia ocurre; la complejidad de la solución manual muestra cuánto tiempo, dinero y esfuerzo se necesita sin automatización de IA. Los autores señalan por separado un umbral práctico: si una iniciativa no alcanza al menos 200 puntos, el desarrollo interno puede tardar demasiado en amortizarse. En tales casos, es más sensato considerar soluciones listas para usar y aceptar conscientemente sus limitaciones en lugar de lanzar un desarrollo personalizado costoso para resultados débiles.

El siguiente paso es la matriz "valor-viabilidad". Ayuda a separar iniciativas que entregan el máximo retorno con complejidad aceptable de aquellas que son prematuras o económicamente cuestionables. El enfoque propuesto es seleccionar proyectos del cuadrante superior izquierdo de una matriz 2×2: victorias rápidas, apuestas mayores, innovaciones incrementales y otros escenarios donde hay impacto notable y un camino claro hacia la implementación.

Después de esto, la empresa ensambla lo que se llama AI Tech Gartner's Sandwich: para cada iniciativa, elige un modelo de implementación —comprar, construir o asociarse— y luego agrega una capa de riesgos y seguridad. La idea es ver la IA no como un servicio independiente, sino como un sistema multicapa de soluciones aplicadas, componentes de plataforma y mecanismos de protección, incluyendo un enfoque TRiSM para la gestión de confianza, riesgo y seguridad. El resultado final de esta selección no es solo una lista de prioridades, sino una hoja de ruta de transformación por fases.

En la primera fase, que los autores llaman la fundación, se recomienda tomar una o dos iniciativas de alto valor y baja complejidad, lanzar pilotos con resultados rápidos y, en paralelo, cerrar brechas técnicas: preparar datos, construir integraciones, fortalecer infraestructura, contratar roles faltantes y entrenar empleados. Para esta fase, a menudo se prefiere la nube para reducir el costo de validación de hipótesis y acortar el time-to-market. La duración recomendada de esta fase es de seis a doce meses.

Luego viene la expansión: los pilotos exitosos se expanden a nuevos equipos y procesos, e iniciativas de complejidad media se mueven a ejecución activa si las brechas críticas ya se han cerrado. En paralelo, se fortalece la capa de monitoreo de amenazas y protección de sistemas de IA. La tercera fase es optimización, cuando las herramientas de IA ya se convierten en parte de la actividad operativa y el enfoque se desplaza a SLA, control de calidad, combate de degradación de modelos, soporte del pipeline MLOps y reducción del costo total de propiedad, incluyendo una posible transición de la nube a infraestructura on-premise.

La conclusión principal del material es que la transformación de IA requiere no inspiración, sino disciplina. Si una empresa primero calcula el valor, luego verifica honestamente la viabilidad y después distribuye iniciativas por fases, reduce el riesgo de quedar atrapada en prototipos infinitos y comienza a gestionar la IA como una cartera de inversión madura. Para el mercado, esta es una señal importante: los ganadores no serán quienes lanzaron demos más rápido, sino quienes conectaron proyectos de IA con métricas comerciales, seguridad y un plan realista de implementación.