Por:
» THOMAS H. DAVENPORT, catedrático distinguido de Tecnología y Gestión de la Información en el Babson College
» NITIN MITTAL, socio principal de Deloitte Consulting LLP
Las empresas de todo el mundo han asistido a la llegada e implementación de la inteligencia artificial, pero no todas han abrazado el cambio en sus organizaciones en la misma medida. En su libro All-in on AI: How smart companies win big with artificial intelligence, los expertos Thomas H. Davenport y Nitin Mittal, catedrático en el Babson College y socio principal de la consultora Deloitte, defienden que la IA otorga una ventaja competitiva significativa a las compañías que la incorporan en sus procesos productivos. Esta tecnología aporta un valor creciente en la gestión de cadenas de suministro cada vez más complejas.
Cómo las empresas impulsadas por la IA crean valor
Los motores de cambio que las empresas impulsadas por la inteligencia artificial utilizan para diferenciarse de las demás y crear más valor son:
- Acelerando la ejecución. La IA puede agilizar la consecución de resultados operativos y empresariales, minimizando los tiempos de espera entre la toma de decisiones y las acciones posteriores.
- Reduciendo costos. Automatizar los procesos, tareas e interacciones disminuye los gastos, incrementa la eficiencia, mejora la sostenibilidad medioambiental y garantiza cierta previsibilidad.
- Comprendiendo la complejidad. Aplicar la IA facilita el análisis de temas complejos y mejora la toma de decisiones gracias a su capacidad de descifrar patrones, conectar puntos y hacer predicciones basadas en fuentes de datos cada vez más extensas.
- Cambiando la interacción. Esta tecnología puede alterar la forma en que los clientes y empleados interactúan con sistemas inteligentes, ampliando los medios de participación a través de la voz, la vista, los textos y el tacto.
- Impulsando la innovación. Preguntar a la IA cuestiones como “dónde dedicar esfuerzos” o “cómo diferenciarse” puede abrir la puerta a la creación de nuevos productos, oportunidades de mercado y modelos de negocio.
- Reforzando la confianza. Es posible utilizar la IA para proteger a las marcas de riesgos como el fraude, el despilfarro, el abuso o los ataques cibernéticos, lo que puede tranquilizar a los socios y aumentar la confianza entre los clientes.
Sobra decir que las organizaciones que apuestan por la IA a menudo emplean múltiples recursos —a veces en el mismo caso de uso— para mejorar sus resultados.
Las empresas que deseen tener éxito con la IA deben aprovechar tantos motores de cambio diferentes como sea posible
Por supuesto, cuanto más valor se consiga, mejor. Las compañías que deseen tener éxito con la IA deben aprovechar tantos motores de cambio diferentes como sea posible y esforzarse por lograr múltiples acciones. Ciertos cambios, como la reducción de costos, son relativamente fáciles de medir. Sin embargo, los negocios no deben limitarse a los casos de uso en que el impacto de la inteligencia artificial es sencillo de cuantificar. Las empresas pueden obtener mayores beneficios de la IA que transforma modelos de negocio, toma decisiones basadas en ingentes cantidades de datos y en varios niveles de complejidad, y es capaz de generar confianza.
¿En qué punto se encuentran las empresas en su camino hacia la integración de la IA?
Tras haber enumerado los motores de cambio que impulsan la IA en las compañías, es probable que sienta que su organización ya ha incorporado algunos de ellos, pero no todos. O tal vez que se está familiarizando con estos patrones de uso, si bien aún no los ha desarrollado por completo. Los siguientes ejemplos pueden ayudarle a evaluar en qué punto se halla su empresa:
- AI Fueled. Todos o la mayoría de los componentes descritos anteriormente están implementados y en pleno funcionamiento. La compañía se basa en capacidades de IA y se está convirtiendo en una máquina de aprendizaje.
- Transformers. La empresa aún no ha impulsado plenamente la IA, pero ya ha avanzado en el proceso y ha implementado algunas de sus características. El despliegue de la IA está creando un valor sustancial para la organización.
- Pathseekers. La organización ya ha emprendido el viaje y está progresando, pero se encuentra en una fase temprana. Cuenta con algunos sistemas desplegados y ya ha obtenido ciertos resultados positivos medibles.
- Starters. La empresa experimenta con la IA y tiene un plan, pero necesita esforzarse más para progresar. Todavía no ha realizado ningún despliegue ─o muy pocos─ en un entorno de producción.
- Underachievers. Ha empezado a experimentar con la IA, pero no la ha integrado en su día a día y ha conseguido poco o ningún rendimiento económico.
Convertirse en una máquina de aprendizaje organizacional
Una forma de resumir todos estos atributos es pensar en las empresas que impulsan la IA como máquinas de aprendizaje organizacional. En estas organizaciones, muchos aspectos del aprendizaje vinculado a la IA están institucionalizados y bien arraigados. Son máquinas de aprendizaje organizacional en al menos dos sentidos: aprenden continuamente de su investigación y del despliegue de la IA y adoptan procesos rápidos de prueba y error para extraer lecciones de lo que funciona y lo que no. Han conseguido, como afirman nuestros compañeros John Hagel y John Seely Brown, un "aprendizaje escalable". Combinar la experimentación con el entrenamiento es fundamental para convertirse en un referente mundial en IA.
Por ejemplo, Ping An, con sede en China, empezó en el sector de los seguros y ahora se ha adentrado en diversas áreas de negocio asociadas a los servicios financieros. La firma cuenta con un amplio grupo de investigación formado por doctores especializados en informática y campos afines. Su fundador, Peter Ma Mingzhe, coleccionista de arte, sugirió al científico jefe, Jing Xiao, cómo una IA capaz de crear arte y música podría beneficiar a la amplia red de clientes y socios de la empresa. Xiao encargó a un pequeño equipo que intentase crear pinturas, composiciones musicales y poesía entrenando un sistema de aprendizaje automático a partir de obras ya existentes y de calidad.
El experimento funcionó: los investigadores fueron capaces de crear arte, música y poemas sofisticados. Se presentó al mundo en la Conferencia Mundial de Inteligencia Artificial de 2019, recabando una buena acogida por parte de la prensa. El programa de composición musical desarrollado incluso ganó un premio internacional. Xiao nos explicó en una entrevista que Ping An está trabajando en modelos de negocio que conectan la inteligencia artificial artística con diferentes ecosistemas de la empresa, como prescribir música creada por IA con fines terapéuticos o para otros propósitos relacionados con la salud. A raíz de este experimento, el equipo de investigación ha aprendido a desarrollar IA para nuevos proyectos que implican emociones o sentimientos subjetivos de los participantes, como negociaciones en el mercado de valores.
La otra forma en que las empresas impulsadas por la IA se convierten en máquinas de aprendizaje organizacional está directamente relacionada con el machine learning (al menos en su forma supervisada, que es con diferencia la más común). Esta tecnología es capaz de hacer predicciones basándose en modelos entrenados con datos previos de los que se conocen los resultados. A simple vista puede parecer complejo, pero las compañías que logran convertirse en máquinas de aprendizaje se nutren constantemente del machine learning. La capacidad actual de la IA ha conseguido hacer posible y económicamente viable la producción de conocimiento a escala y a mayor velocidad.
Las organizaciones que impulsan la IA supervisan sus modelos para conocer el grado de acierto de sus predicciones (a menudo mediante una tecnología denominada operaciones de aprendizaje automático). Cuando detectan que dejan de hacer pronósticos precisos, estas empresas utilizan nuevos datos para volver a entrenar el sistema y mejorar sus predicciones. De ese modo, el entrenamiento continuo promueve el aprendizaje constante para perfeccionar la capacidad predictiva y ajustarla a los nuevos datos. En otras palabras, si el mundo cambia, los modelos de predicción también cambian con él.
Una empresa que fuera una verdadera máquina de aprendizaje aplicaría este criterio en una amplia variedad de modelos, o al menos en los más relevantes. Hacerlo así implica que la compañía concibe la IA como un activo empresarial importante que merece la pena supervisar y mejorar. También reconoce que la precisión puede variar con el tiempo y es consciente de que la tecnología facilita los procesos operativos. Estas capacidades son exactamente las que se dedica a potenciar una organización impulsada por la IA.
Por supuesto, las máquinas de aprendizaje organizacional también pueden aprender continuamente de otros tipos de IA. DBS Bank, por ejemplo, implementó chatbots —inicialmente en su banco digital de la India— para ofrecer un servicio de atención al cliente de gran calidad, sin esperas y disponible 24/7. Durante una revisión de un fallo en el servicio en 2016, la dirección retó al equipo a supervisar más de cerca el comportamiento online de los usuarios y anticipar los problemas antes de que se produjeran.
Las organizaciones que impulsan la IA supervisan sus modelos para conocer el grado de acierto de sus predicciones
El reto inspiró al equipo a idear un nuevo programa para supervisar en tiempo real el recorrido de cada uno de sus clientes en la banca digital. Tras analizar de forma proactiva indicios de problemas con el uso de la aplicación móvil, la empresa desarrolló la capacidad de intervenir cuando fuera necesario y ofrecer opciones a los usuarios sobre cómo continuar con sus operaciones. El proyecto fue un éxito y los conocimientos adquiridos con el chatbot se aplicaron tanto en la India como en Singapur.
El término ‘máquina de aprendizaje organizacional refleja empresas con metas firmes, fiables e infatigables. Su apuesta por la IA para transformar el negocio es tan implacable como la de una máquina con elevadas prestaciones. Invierten en infraestructura de IA como feature stores (repositorios centralizados de características bien definidas para su uso en modelos de aprendizaje automático) y bibliotecas de algoritmos que pueden reutilizarse repetidas veces en toda la organización. Estos recursos aseguran que numerosos empleados adquieran un aprendizaje continuo en IA. No tratan la inteligencia artificial como una moda, sino como una herramienta muy potente para que la empresa sea mucho más eficiente y eficaz en el mercado.
Obviamente, no es solo la tecnología la que crea máquinas de aprendizaje organizacional. Es la combinación de un compendio de atributos: el ADN de la organización, una cultura corporativa que apoye la IA y las decisiones basadas en datos, una actitud de experimentación e innovación continuas, así como el compromiso de empleados, clientes y socios comerciales en la consecución de estos objetivos. Y la clave para activar esta transformación son las personas, no los datos ni los algoritmos ni los servidores de altas prestaciones.
Thomas H. Davenport es catedrático distinguido de Tecnología y Gestión de la Información en el Babson College, profesor visitante en la Saïd Business School de Oxford, investigador en la MIT Initiative on the Digital Economy y asesor principal de Analítica en Deloitte. Entre sus libros más vendidos figuran Competing on analytics y Big data at work.
Nitin Mittal es socio principal de Deloitte Consulting LLP. En la actualidad, es responsable de consultoría de crecimiento estratégico de inteligencia artificial (IA) en EE. UU. y responsable de estrategia global, analítica y fusiones y adquisiciones.
Reimpreso con permiso de Harvard Business Review Press. Extraído de All in on AI: How smart companies win big with artificial intelligence, Thomas H. Davenport y Nitin Mittal. Copyright 2023 Deloitte Development LLC. Todos los derechos reservados.