¿Qué hace que una empresa tenga éxito en el uso de la IA?

Vistra, uno de los principales productores de energía de EE. UU., tenía un problema. Para que sus plantas funcionaran de forma eficiente, los trabajadores tenían que supervisar continuamente cientos de indicadores diferentes, haciendo un seguimiento de las temperaturas, las presiones, los niveles de oxígeno y las velocidades de las bombas y los ventiladores, y tenían que hacer ajustes en tiempo real. El proceso implicaba una enorme complejidad y era demasiado para que incluso el operador más experto lo pudiera hacer bien todo el tiempo. Para hacer frente a este desafío, la planta instaló una herramienta basada en inteligencia artificial, un optimizador de la velocidad térmica, que analizaba cientos de entradas y generaba recomendaciones cada 30 minutos. Resultado: un aumento del 1% en la eficiencia. Puede que no parezca mucho, pero se traduce en un ahorro de millones y en una reducción de las emisiones de gases de efecto invernadero.

Empresas de una amplia gama de sectores están intentando integrar la analítica y los datos para mejorar sus operaciones. Wayfair, la empresa de comercio electrónico, fue una de las primeras en trasladar sus datos a la nube e invertir en aprendizaje automático. Cuando llegó la COVID-19 y se produjeron rápidos cambios en la demanda de los consumidores, pudo optimizar la logística de los portacontenedores y ajustar continuamente los productos que se enviaban a qué puertos. Resultado: una asombrosa reducción del 7,5% en los costes de logística de entrada.

Sin embargo, no todas las empresas han tenido tanto éxito como Wayfair. De hecho, los mejores pueden tener más del doble de impacto en la mitad de tiempo en comparación con la empresa promedio que implementa la inteligencia artificial. ¿Por qué a algunas empresas les va mucho mejor que a otras?

Para responder a esa pregunta, McKinsey y el MIT Inteligencia artificial para la fabricación y las operaciones (MIMO) estudió 100 empresas en sectores que van desde la automoción hasta la minería. Mediante entrevistas, investigaciones y una encuesta, intentamos hacernos una idea de cómo utilizaban las tecnologías digitales, de análisis de datos e inteligencia artificial (MI), qué querían lograr y cómo hacían un seguimiento de su progreso. Al analizar 21 indicadores de rendimiento en nueve categorías (estrategia, enfoque de oportunidades, gobierno, despliegue, asociaciones, personas, ejecución de datos, presupuesto y resultados), pudimos dividir las 100 empresas en cuatro categorías: líderes, planificadores, ejecutores y organizaciones emergentes para identificar las relaciones entre las medidas adoptadas y las inversiones realizadas, y los resultados tangibles y sostenibles.

Cualquier empresa que pretenda sacar provecho de las tecnologías digitales avanzadas tiene la oportunidad de aprender de los enfoques de las mejores prácticas, ya sea una planificadora, una ejecutora o una empresa emergente en la actualidad. Vamos más allá de las cifras de alto nivel para explorar las causas subyacentes del éxito.

Los secretos detrás de los operadores inteligentes

La carrera por aprovechar los datos y el análisis podría ganarse con múltiples acciones coordinadas en lugar de con un solo movimiento audaz. Los cuatro segmentos (líderes, planificadores, ejecutores y empresas emergentes) operan en un espacio dinámico en el que el listón está subiendo y el número de casos de uso del aprendizaje automático seguirá aumentando e incorporándose a que todo sigue igual.

No todo el mundo debería esforzarse por ser líder de inmediato, sino que deberían esforzarse por pasar al siguiente estado mejor.

Líderes son los que tienen mejor desempeño y representan alrededor del 15% de la muestra. Al invertir en los lugares correctos, han obtenido los mayores beneficios de las tecnologías digitales avanzadas. Es mucho más probable que los líderes tengan un proceso definido para la evaluación e implementación de la innovación digital. También es más probable que sigan ese proceso con regularidad y lo actualicen continuamente. Como resultado, han logrado mejoras significativamente mayores que el resto en 20 de los 21 indicadores clave de rendimiento evaluados y se encuentran entre el 25% más alto en las nueve categorías de rendimiento.

Planificadores representan alrededor de una cuarta parte del conjunto de datos. Los planificadores suelen tener grandes habilidades interpersonales y una considerable experiencia en ejecución de datos; son metódicos y se centran en realizar las inversiones correctas. Sin embargo, en muchos casos, aún no han dado sus frutos, aunque algunos están a punto de unirse a los líderes. Si bien algunos planificadores son capaces de señalar implementaciones exitosas, varios no han podido descifrar el código al escalar los casos de uso que realmente importan. Otros luchan por escapar de la» piloto del purgatorio» Describió McKinsey en 2018.

Ejecutores, aproximadamente un tercio de los encuestados, aprovechan la creciente reserva de experiencia y trabajan con los socios para crear soluciones específicas dirigidas a las oportunidades más prometedoras. Luego implementan estas soluciones de la manera más amplia posible. Los ejecutores se orientan a los resultados. Pueden y han logrado avances significativos, a pesar de haber construido menos infraestructura que los líderes o los planificadores. Por otro lado, a veces les resulta difícil unir esfuerzos dispares en el desempeño de toda la empresa.

Empresas emergentes, alrededor de una cuarta parte del grupo, tienen el nivel de madurez más bajo y han registrado las ganancias más pequeñas; muchos acaban de empezar. Algunas empresas emergentes afirman tener un éxito moderado en algunos casos de uso, pero a otras les resulta difícil incluso saber dónde invertir. Pocos tienen la estrategia, las habilidades o la infraestructura para ir mucho más lejos.

Cinco formas de ser inteligente con la inteligencia artificial

En general, descubrimos que las empresas que tenían éxito en el despliegue de tecnologías digitales avanzadas hacían una evaluación honesta de su posición en términos de los nueve indicadores de rendimiento. Sobre esa base, pudieron formarse una visión de dónde querían estar en tres o cuatro años. Al mismo tiempo, identificaron algunos casos de uso prometedores para acumular ganancias rápidas. Más específicamente, la investigación identificó cinco áreas en las que destacan los mejores.

Gobernanza.

La inteligencia artificial es una prioridad estratégica para las principales empresas. Muchos han creado centros de excelencia dedicados para apoyar sus esfuerzos de implementación, ya sea dentro de las unidades de negocio o como una función centralizada para apoyar a toda la organización, garantizar los estándares y acelerar el despliegue. Una función de soporte dedicada y centralizada también ayuda a mantener sus programas digitales al día y documenta el progreso de su cartera. Los líderes tienen muchas más probabilidades que las empresas con bajo rendimiento de tener un proceso definido para la evaluación e implementación de la innovación digital. Por ejemplo, la empresa farmacéutica Bayer utiliza un proceso de gobierno bien documentado para implementar varias aplicaciones en una planta, que luego despliega en toda su red, lo que se traduce en un aumento de ingresos.

Sin embargo, los líderes también reconocen que el cambio es inevitable en este espacio que cambia rápidamente. La mayoría de los líderes de nuestro conjunto de datos refinan y mejoran continuamente sus procesos, mientras que los ejecutores y planificadores de nuestro conjunto de datos suelen quedarse atascados, lo que limita la capacidad de escalar correctamente.

Despliegue.

Las principales organizaciones aplican el MI más ampliamente y utilizan enfoques más sofisticados. Por ejemplo, todos los líderes implementaron la MI en la previsión, la optimización del mantenimiento y la logística y el transporte. También es mucho más probable que los líderes adopten enfoques avanzados, como la aplicación de la visión artificial al control de calidad de los productos. Un actor biofarmacéutico, Amgen, descubrió que las operaciones del sistema de inspección visual ofrecían grandes oportunidades para automatizar y aprovechar las tecnologías de inteligencia artificial. Amgen es en desarrollo un sistema de inspección visual totalmente validado mediante IA que aumentará la detección de partículas un 70% y reducirá los falsos rechazos en un 60%.

Si bien aplicaciones como estas pueden tener un enorme impacto, estas empresas también se dan cuenta de que cualquier impacto a largo plazo requiere utilizar varias palancas de forma concertada y que un despliegue amplio en toda la empresa es clave.

Alianzas.

Las asociaciones son comunes, a menudo con el mundo académico, empresas emergentes, proveedores de tecnología existentes y consultores externos. Sin embargo, los líderes trabajaron con una gama más amplia de socios y de forma más intensiva para maximizar la velocidad y el aprendizaje. Por ejemplo, Colgate-Palmolive y Pepsico/Frito-Lay, dos empresas de productos de consumo que trabajaron con un proveedor de sistemas, Augury, implementaron diagnósticos del estado de las máquinas basados en la IA en sus líneas de producción; en un caso, esto evitó una interrupción de ocho días. Analog Devices, una empresa de semiconductores, colaboró con el MIT para desarrollar un nuevo control de calidad de MI que le permitiera identificar qué tiradas de producción y herramientas podían tener un fallo. Esto significaba que los ingenieros de la empresa solo tenían que revisar el 5% de los datos del proceso que tenían que revisar antes.

Los líderes, a pesar de sus mayores capacidades, en realidad confiaban más en los socios externos para acelerar aún más su aprendizaje y el tiempo de impacto.

Gente.

Las principales empresas toman medidas para garantizar que el mayor número posible de partes interesadas tengan las habilidades y los recursos que necesitan para emplear enfoques digitales avanzados, en lugar de mantener esta experiencia en manos de especialistas. Más de la mitad forma a su personal de primera línea en los fundamentos de MI, por ejemplo, en comparación con solo el 4% de otras empresas. McDonald’s, un restaurante internacional de servicio rápido, utilizó MI para mejorar una amplia gama de tareas operativas, desde predecir la respuesta de los clientes hasta pronosticar la afluencia en tiempo real. La empresa adoptó un enfoque híbrido para ello: su centro de excelencia corporativo pone a prueba y desarrolla nuevos enfoques antes de empaquetarlos en herramientas fáciles de usar que están ampliamente disponibles. Este sistema ayuda a los miembros del equipo sobre el terreno a entender la importancia de los datos correctos y a perfeccionar sus habilidades de identificación de problemas.

Quedó claro que los líderes ven el uso de los datos y el análisis como algo profundamente arraigado en su forma de operar, en lugar de mantenerlo en silos y restringido a unos pocos empleados.

Disponibilidad de datos.

Los líderes hacen que los datos sean accesibles. Todos los líderes de nuestra investigación dan acceso al personal de primera línea a los datos, en comparación con el 62% del resto. Todos los líderes también adquieren datos de clientes y proveedores, y el 89% comparte sus propios datos. Las empresas líderes tienen casi el doble de probabilidades que otras de permitir el acceso remoto a los datos y de almacenar una fracción significativa de sus datos en la nube. En resumen, la democratización de los datos es un aspecto fundamental para el uso eficaz de la analítica. Un buen ejemplo es Cooper Standard, un proveedor de automóviles. Exige que los equipos aborden la estrategia de datos al principio del proceso de desarrollo de las nuevas aplicaciones de MI; esto garantiza que todos los casos de uso se basen en datos sólidos y bien gestionados. Esta democratización de los datos contrasta marcadamente con la de muchas empresas en las que la información es poder y se protege con celo.

Los pilares de la transformación digital

Descubrimos que las cinco áreas (gobernanza, despliegue, asociaciones, personas y datos) eran más eficaces cuando se integraban en un manual de estrategias, a menudo coordinadas por un centro de excelencia. Pero primero, las empresas necesitan una evaluación honesta de su punto de partida en las nueve dimensiones. A partir de ahí, un plan de transición puede empezar a tomar forma. Aunque sea difícil, asigna objetivos realistas a medio plazo que tienen en cuenta las barreras al cambio: talento cualificado, capacidad de inversión e infraestructura crítica, como la migración de datos de los sistemas heredados a la nube. Si bien la ambición puede no tener límites, los pasos no pueden ser demasiado pequeños. La mayoría de los líderes empezaron por utilizar datos y herramientas sencillas para tomar decisiones, y luego pasaron a técnicas más avanzadas a medida que maduraban y se familiarizaban con sus datos.

A pesar de los recientes y significativos avances en MI, la oportunidad no ha hecho más que empezar a darse cuenta. Y eso nos lleva a una diferencia más importante entre los líderes y el resto: el dinero. Los líderes gastaron entre un 30 y un 60% más y esperaban aumentar sus presupuestos entre un 10 y un 15%, mientras que los demás informaron de pocos o ningún aumento. Eso significa que la brecha entre los líderes y el resto podría ampliarse.

Según su punto de partida, el camino de cada empresa será diferente. Pero en términos de lo que funciona, los líderes están mostrando el camino.

Los autores quieren dar las gracias a Duane Boning, Erez Kaminski, Pete Kimball, Retsef Levi, Ingrid Millan y Aaron Wang, junto con el programa LGO del MIT, por sus contribuciones a esta investigación y artículo.