Una organización con varias sedes normalmente no tiene un problema de falta de uso de IA, sino de falta de visión de conjunto. Cada sede toma sus propias decisiones, contrata sus propias suscripciones o deja que los equipos decidan por su cuenta qué les resulta útil. El resultado es un conjunto de aplicaciones que en ningún lugar está anotado en su totalidad. Antes de poder clasificar o informar sobre algo, ese conjunto primero debe existir como lista, con los mismos datos fijos por cada aplicación, sin importar qué sede los reporte.
Para cada aplicación, en principio, registra: el nombre y el proveedor, la sede o el departamento donde se utiliza, quién gestiona o ha adquirido la aplicación, para qué se emplea, qué datos se introducen en ella, y si la aplicación toma decisiones de forma autónoma o solo brinda apoyo. Esta última distinción determina en gran medida el nivel de riesgo: una herramienta que reescribe texto se evalúa de forma distinta que un sistema que selecciona candidatos o evalúa solicitudes de crédito.
Cuando hay varias sedes, se añade un campo adicional: si la aplicación se adquirió a nivel local o se implementó de forma centralizada. Esta distinción es necesaria para ver si un mismo riesgo ha surgido de forma independiente en varios lugares, o si una única decisión se ha extendido por toda la organización.
El primer lugar donde buscaría es el departamento de TI, y esa lista es un buen punto de partida, pero no el punto final. Por qué la lista de TI no es correcta en una organización con varias sedes explica que las licencias gestionadas de forma centralizada solo cubren una parte del uso. Las sedes que utilizan su propia tarjeta de crédito para una suscripción, o los equipos que emplean una versión gratuita de una herramienta, no aparecen en ninguna administración central. Por lo tanto, la visión de conjunto que construya debe combinar varias fuentes, no solo una.
Además de la lista de TI, los datos financieros ofrecen otro tipo de señal. Qué revelan los datos de compras y licencias en una organización describe cómo las facturas, las suscripciones y los gastos con tarjeta de crédito por sede ofrecen indicios sobre aplicaciones contratadas fuera del proceso de compras centralizado. Esto es especialmente relevante cuando hay varias sedes: las compras locales a menudo pasan por canales distintos de los de TI central, y precisamente ahí surge la mayor parte de la imagen incompleta.
Ninguna lista, técnica o financiera, le dirá para qué se utiliza realmente una aplicación. Eso solo lo saben las personas que trabajan con ella a diario. Cómo preguntarlo a los empleados sin que haya consecuencias en una organización profundiza en la condición que determina el éxito o el fracaso de este paso: quien sienta que una respuesta puede tener consecuencias, responderá de forma incompleta o no responderá. Con varias sedes, esto es aún más importante, porque las costumbres locales pueden variar mucho y una encuesta a nivel nacional fácilmente borra esas diferencias.
Además de las conversaciones y las facturas, el entorno de TI existente a menudo ya contiene indicios que nadie ha reconocido como tales: tráfico de red hacia determinados dominios, nuevas extensiones de navegador o conexiones API creadas en algún momento. Qué señales de TI son útiles en una organización con varias sedes muestra cuáles de esas señales dicen algo sobre el uso de IA y cuáles son ruido. Para una organización con varias sedes, esta es una forma de ver si un mismo patrón se repite en distintos lugares, sin tener que consultar a cada sede por separado.
Una vez recopilados los datos por aplicación —origen, finalidad de uso, datos implicados, responsable, sede—, puede comenzar la clasificación. No todas las aplicaciones merecen la misma atención: una herramienta que resume actas internas se pondera de forma distinta a un sistema que influye en clientes o empleados. Esa ponderación depende de lo que hace la aplicación, no de cuántas personas la utilizan ni de cuándo se adquirió.
Este inventario es un proceso continuo, no una fotografía puntual. Las sedes añaden aplicaciones, los proveedores modifican funciones, y lo que hoy es de apoyo, mañana puede decidir de forma autónoma. Por eso, la visión de conjunto que construya debe ser repetible: las mismas preguntas, los mismos campos, cada vez, recorriendo las mismas sedes.
El Responsible AI Scan está pensado para estructurar este inventario: los mismos campos fijos por aplicación, complementados con señales de TI, datos de compras y conversaciones con empleados, y que culmina en una clasificación que se ajusta a la estructura de riesgo existente de la organización. El escáner está en construcción. Quien desee trabajar con él en cuanto esté disponible puede inscribirse en la lista de espera.
Una vez que queda claro qué aplicaciones funcionan en cada sede y qué hacen, la siguiente pregunta surge de forma natural: qué parte del trabajo que estas aplicaciones apoyan puede, en realidad, ser asumida por la IA. Esa es una pregunta distinta de la de gobernanza: no se trata de riesgo ni de demostrabilidad, sino del contenido de las tareas. El escáner de trabajo de FTE TO AI calcula, por cada tarea, qué parte del trabajo puede ser asumida por la IA, y de esta forma se conecta con la visión de conjunto que ha construido con este inventario.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.