Los robots nos necesitan más de lo que nosotros los necesitamos a ellos

Imagínese intentar encontrar una imagen en particular en el archivo histórico de cientos de miles de vídeos de la National Football League. Una sola temporada produce más de 16.320 minutos (unas 272 horas) de imágenes de juego. Si incluye la cobertura de todos los programas previos, entretiempo y posteriores al partido, todos los entrenamientos y todas las entrevistas con los medios de comunicación, tiene una cantidad aparentemente infinita de imágenes. Y eso es solo para una temporada.

Para facilitar al personal la creación de vídeos destacados y otros medios a partir de todo este material, la NFL se asoció con Amazon Web Services en diciembre de 2019 para utilizar la inteligencia artificial para buscar y etiquetar su contenido de vídeo. El primer paso del proceso requirió que el equipo de creación de contenido de la NFL enseñara a la IA qué encontrar. El equipo creó etiquetas de metadatos para cada jugador, equipo, camiseta, estadio y otro contenido reconocible visualmente que quería identificar en su colección de vídeos. Luego, combinó esas etiquetas con el sistema de inteligencia artificial de reconocimiento de imágenes existente en Amazon, que Amazon ya había entrenado en decenas de millones de imágenes. La IA pudo utilizar ambos conjuntos de datos para marcar las imágenes relevantes en la videoteca y el equipo de creación de contenido pudo aprobar cada etiqueta con unos pocos clics. Mientras que los empleados antes tenían que buscar, encontrar y recortar manualmente cada vídeo, almacenarlo en un repositorio y, a continuación, etiquetar el vídeo con metadatos, la IA de Amazon automatizó la mayor parte del proceso.

En un artículo anterior de HBR (» Inteligencia colaborativa: los humanos y la IA unen sus fuerzas», julio-agosto de 2018), describimos cómo algunas organizaciones líderes desafían la expectativa convencional de que la tecnología hará que las personas queden obsoletas; en cambio, utilizan el poder de la colaboración entre humanos y máquinas para transformar sus negocios y mejorar sus resultados. Ahora, varias empresas no solo están innovando más que sus competidores con este enfoque, sino que están optando aún más decisivamente por la tecnología de IA centrada en las personas y están cambiando la naturaleza misma de la innovación tal como se practicó durante la década anterior.

En el caso de la NFL, por ejemplo, la IA aceleró el proceso de reconocimiento de imágenes, pero el sistema habría fallado sin que los empleados hubieran determinado qué datos había que subir y luego aprobar. Y la NFL no se limitó a entregar la tarea de hacer lo más destacado a la IA; los expertos en creación de contenido realizaron ese trabajo, sino que lo hicieron de forma más rápida y sencilla gracias a la capacidad única de la IA para clasificar rápidamente enormes volúmenes de información.

El nuevo enfoque de la IA centrado en las personas está cambiando las suposiciones sobre los componentes básicos de la innovación. Empresas como Etsy, L.L.Bean, McDonald’s y Ocado están redefiniendo la forma en que la IA y la automatización pueden unir una amplia gama de tecnologías y sistemas de información de vanguardia que permiten una adaptabilidad ágil y una integración perfecta entre el hombre y la máquina. (Divulgación: varias empresas mencionadas en este artículo son clientes de Accenture). Estas firmas pioneras han invertido en tecnologías digitales a un ritmo sin precedentes para responder a los nuevos desafíos operativos y a los rápidos cambios en las demandas de los clientes. Han aumentado drásticamente las inversiones en servicios en la nube, IA y similares, y están generando ingresos al doble de la velocidad de los rezagados, según un informe de Accenture de 2019 encuesta de más de 8.300 empresas. Un segundo estudiar, de más de 4000 empresas en 2021, demuestra que el 10% que más apuesta por las tecnologías digitales se está disparando aún más, aumentando sus ingresos cinco veces más rápido que los rezagados.

Hemos convertido lo que hemos aprendido de esta investigación en una guía que los líderes empresariales pueden utilizar para competir en un mundo en el que la mayoría de las empresas deben su éxito a los humanos y no a las máquinas. Nuestro marco IDEAS llama la atención sobre cinco elementos del panorama tecnológico emergente: inteligencia, datos, experiencia, arquitectura y estrategia. Puede ayudar a los ejecutivos técnicos y no técnicos a entender mejor esos elementos y a concebir las formas en que podrían entrelazarse en poderosos motores de innovación.

En este artículo, utilizamos el marco IDEAS para examinar ejemplos de empresas que han implementado procesos y aplicaciones de IA impulsados por humanos para resolver problemas en el comercio electrónico, la entrega de comestibles en línea, la robótica y más. Puede hacer lo mismo, aprovechar las habilidades y la experiencia de su propio personal para gestionar la innovación tecnológica en todo, desde la I+D y las operaciones hasta la gestión del talento y el desarrollo de modelos de negocio.

Inteligencia: hacer que la IA sea más humana y menos artificial

La inteligencia humana y la inteligencia artificial son complementarias. Ninguna máquina impulsada por la IA puede igualar la facilidad y la eficacia con las que incluso los humanos más jóvenes aprenden, comprenden y contextualizan. Deje caer accidentalmente un objeto y un niño de un año que lo vea cogerlo lo recuperará. Tíralo a propósito y el niño lo ignorará. En otras palabras, incluso los niños muy pequeños entienden que las personas tienen intenciones, una capacidad cognitiva extraordinaria que parece venir casi preconfigurada en el cerebro humano.

Eso no es todo. Desde muy pequeños, los niños desarrollan un sentido intuitivo de la física: esperan que los objetos se muevan por caminos suaves, permanezcan en existencia y caigan cuando no tienen apoyo. Antes de que adquieran el lenguaje, distinguen a los agentes animados de los objetos inanimados. A medida que aprenden el idioma, demuestran una notable habilidad para generalizar a partir de muy pocos ejemplos, ya que aprenden palabras nuevas después de oírlas solo una o dos veces. Y aprenden a caminar por sí mismos, mediante ensayo y error.

En colaboración con el científico de la interacción entre humanos y máquinas Erwin R. Boer, la fotógrafa Wanda Tuerlinckx documenta la creación de robots en los principales institutos científicos y universidades y explora las cambiantes relaciones entre los humanos y las máquinas.

Por el contrario, la IA puede hacer muchas cosas que las personas, a pesar de estar dotadas de inteligencia natural, encuentran imposibles o difíciles de hacer bien: reconocer patrones en grandes cantidades de datos; derrotar a los grandes campeones del ajedrez; ejecutar procesos de fabricación complejos; responder simultáneamente a muchas llamadas a los centros de servicio de atención al cliente; analizar el clima, las condiciones del suelo y las imágenes de satélite para ayudar a los agricultores a maximizar la producción de las cosechas; escanear millones de imágenes de Internet en la lucha contra la explotación infantil; detectar el fraude financiero; predecir las preferencias de los consumidores; personalizar la publicidad; y mucho más. Lo más importante es que la IA ha permitido a los humanos y las máquinas trabajar juntos de forma eficiente. Y al contrario de lo que dicen los agoreros de la automatización, esa colaboración está creando una serie de nuevos puestos de trabajo de gran valor.

En Obeta, un mayorista alemán de productos electrónicos cuyo almacén está gestionado por la empresa austriaca de logística de almacenes Knapp, los trabajadores humanos enseñan a una nueva generación de robots recolectores cómo manipular artículos de diferentes tamaños y texturas. Los robots emplean una rama industrial estándar, una pinza de succión y un sistema de visión. Lo más importante es que también están equipados con software de IA de Covariant, una startup con sede en California.

Para entrenar a un robot, los trabajadores de Knapp colocan objetos desconocidos delante de él y comprueban si puede adaptarse con éxito a ellos. Cuando fracasa, puede actualizar su comprensión de lo que ve y probar diferentes enfoques. Cuando tiene éxito, recibe una señal de recompensa, programada por los humanos, para reforzar el aprendizaje. Cuando un conjunto de SKU difiere totalmente de otros conjuntos, el equipo vuelve al aprendizaje supervisado, recopilando y etiquetando muchos datos de entrenamiento nuevos, como ocurre con los sistemas de aprendizaje profundo.

Gracias al software Covariant Brain, los recolectores de robots de Knapp están adquiriendo habilidades de uso general, incluida la percepción 3D, la comprensión de cómo se pueden mover y manipular los objetos, la capacidad de planificar el movimiento en tiempo real y la capacidad de dominar una tarea con solo unos pocos ejemplos de entrenamiento (aprendizaje con unos pocos tiros). Estas habilidades les permiten realizar su trabajo (recoger artículos de contenedores de almacenamiento a granel y añadirlos a los pedidos individuales para su envío) sin que les digan qué hacer. En muchos casos, los artículos no están preclasificados, lo que es inusual en los sistemas de embalaje industrial; significa que los robots aprenden a manipularlos en tiempo real. Es una habilidad fundamental cuando se trata de aparatos electrónicos, especialmente si se tienen en cuenta los diferentes cuidados que se requieren para manipular una bombilla y una estufa.

Para tener éxito en un entorno comercial, los robots deben funcionar con un estándar muy alto. Antes, los recolectores de robots de Knapp solo manipulaban de forma fiable alrededor del 15% de los objetos; los robots impulsados por Covariant ahora manipulan de forma fiable alrededor del 95% de los objetos. Y son más rápidos que los humanos, escogen unos 600 objetos por hora frente a los 450 de los humanos. Sin embargo, no han provocado ningún despido de personal en las instalaciones de Obeta. Los trabajadores humanos, en lugar de perder sus trabajos, se han vuelto a capacitar para que entiendan más sobre la robótica y los ordenadores.

Datos: gestione la información, no se limite a acumularla

En 2018, McDonald’s venía de uno de sus años más difíciles en décadas. Sus competidores habían utilizado la entrega en línea para superar su posición en el mercado de la comida rápida. Los líderes de la empresa idearon rápidamente una solución de entrega en línea a través de una asociación global con Uber Eats que, en 2019, añadía 4 000 millones de dólares a las ventas anuales. Pero los altos ejecutivos sabían que el futuro a largo plazo de la empresa dependía de realizar una transformación rápida y completa para pasar a basarse en los datos. Eso implicó una estrategia para reconfigurar sus restaurantes en enormes procesadores de datos, con aprendizaje automático y tecnología móvil para permitir pedidos de clientes altamente personalizados y entregas en la acera. El análisis de datos también podría ayudar a calcular cómo los factores externos, desde el clima hasta los grandes eventos deportivos, afectarían a la demanda y a la capacidad de los restaurantes para atender a los clientes. Y recopilar y procesar datos era importante para desarrollar nuevos productos e iniciativas que pudieran tener un éxito inmediato. En dos años, el esfuerzo de transformación ya había dado resultados financieros: pocas empresas del S&P 500 han superado a McDonald’s. Lo que hicieron los líderes de la empresa fue reconocer que los datos eran una fuente de capital valioso y sin explotar que había que utilizar de manera estratégica.

Para dominar el uso de datos grandes y pequeños para generar valor a partir de la IA, las organizaciones primero deben sentar una base de datos sólida. Los datos empresariales suelen estar encerrados en plataformas antiguas e in situ que están en silos, lo que dificulta, si no imposible, que los empleados obtengan diferentes tipos de datos para trabajar juntos. Eso dificulta aún más a los usuarios empresariales encontrar y procesar la información correcta para tomar las decisiones adecuadas. Crear una base de datos sólida requiere sacar la información de los silos heredados para poder unificarla, almacenarla de forma óptima, acceder fácilmente y analizarla fácilmente con nuevas herramientas, todo en la nube.

Tres capacidades son clave: la ingeniería de datos moderna, la gobernanza de datos asistida por la IA y la democratización de los datos.

• Ingeniería de datos moderna. En una base sólida basada en la nube, los datos provienen de varias fuentes internas y externas. Se une en conjuntos de datos seleccionados y reutilizables que se pueden emplear para diversos fines analíticos. Una buena base se basa en los marcos de ingesta de datos y ETL (extracción, transformación, carga) que admiten diversos tipos de datos. Estos marcos también gestionan las normas para estandarizar la información, clasificarla, garantizar su calidad y capturar los metadatos. Además, permiten un enfoque más rápido y basado en plantillas del uso de los datos, lo que permite a los ingenieros desarrollar rápidamente nuevos casos de uso y productos de datos analíticos.
• Gobernanza de datos asistida por IA. Las herramientas de IA basadas en la nube ofrecen las capacidades avanzadas y la escalabilidad necesarias para limpiar, clasificar y proteger automáticamente los datos recopilados en la nube a medida que se ingieren, lo que contribuye a una mejor calidad, veracidad y manejo ético de los datos.
• Democratización de los datos. Una base de datos moderna pone más datos en más manos. Hace que los datos sean accesibles y fáciles de usar de manera oportuna, al tiempo que permite analizarlos de varias formas, por ejemplo, mediante el autoservicio, la inteligencia artificial, la inteligencia empresarial y la ciencia de datos. Las últimas herramientas basadas en la nube democratizan los datos y permiten a más personas en la empresa encontrar y aprovechar fácilmente la información relevante para sus necesidades empresariales específicas.

Crear una base de datos sólida requiere sacar la información de los silos heredados para poder unificarla, almacenarla de forma óptima, acceder fácilmente y analizarla fácilmente, todo en la nube.

En conjunto, estas tres funciones ayudan a las empresas a superar algunas de las barreras más comunes para obtener valor de los datos: problemas de accesibilidad, confiabilidad, preparación para su uso y puntualidad. Permiten a las empresas combinar elementos de conjuntos de datos grandes y pequeños en tiempo real, crear informes ágiles y aplicar la IA para crear información ampliamente accesible sobre los clientes, el mercado y las operaciones que ofrezca resultados empresariales significativos.

Con una base de datos sólida (más datos de más fuentes, gestionados con la ayuda de la IA y ampliamente difundidos en su organización), ya no se siente abrumado por los datos, sino que es capaz de maximizar su potencial. Puede darle usos cada vez más poderosos y detallados, pero, al igual que con una inteligencia más parecida a la humana, eso requerirá una mayor participación de su gente.

Experiencia: dé rienda suelta al talento de sus empleados

En Etsy, el mercado en línea de productos vintage y hechos a mano, el lema es «Mantenga el comercio humano». Y fueron necesarios humanos para enseñar al motor de búsqueda de la empresa a reconocer cuál es el meollo de muchas decisiones de compra: el estilo estético. Al considerar la compra de un artículo, los clientes de Etsy no solo se fijan en detalles como el tamaño, el material, el precio y las valoraciones, sino también en sus aspectos estilísticos y estéticos.

Para Etsy, clasificar los artículos por estilo es especialmente difícil. La mayoría de los productos de su sitio son creaciones únicas. Muchos toman prestado de varios estilos o no muestran ningún estilo claramente identificable. Y hay unos 50 millones de artículos en oferta en un momento dado. En el pasado, los sistemas de recomendación basados en el estilo producían sugerencias de productos inexplicables para grupos de compradores. Esto se debe a que la IA supuso que dos artículos deben tener un estilo similar si un grupo demográfico de clientes común los compra juntos con frecuencia. Otro enfoque utiliza atributos de bajo nivel, como el color y el material, para agrupar los artículos por estilo. Ninguno de los dos métodos ha podido entender cómo el estilo afecta a las decisiones de compra.

¿Quién mejor para enseñar a la IA las nociones subjetivas del estilo que los expertos en comercialización de Etsy? Basándose en su experiencia, desarrollaron 42 etiquetas de estilo que capturaban el gusto de los compradores en 15 categorías, desde joyas hasta juguetes y manualidades. Algunas etiquetas son conocidas en el mundo del arte (art nouveau, art déco). Algunas evocan emociones (diversión y humor, inspiradoras). Los comerciantes elaboraron una lista de 130 000 artículos distribuidos en estos 42 estilos.

Wanda Tuerlinckx

Los tecnólogos de Etsy recurrieron entonces a los compradores que suelen utilizar términos relacionados con el estilo en sus búsquedas, y escriben cosas como «aparador art déco». Para cada consulta de este tipo, Etsy asignó el nombre del estilo elegido a cada artículo en el que el usuario hizo clic, «marcó como favorito» o compró durante esa búsqueda. Con tan solo un mes de consultas de este tipo, la empresa pudo recopilar un conjunto de datos etiquetados de 3 millones de instancias con el que comprobar sus clasificaciones de estilos. Luego, los ingenieros de Etsy entrenaron una red neuronal para que utilizara señales textuales y visuales para distinguir mejor las clasificaciones de cada artículo. El resultado fueron predicciones de estilo para los 50 millones de artículos activos de Etsy.com.

Esto se hizo especialmente útil cuando se produjo la pandemia de la COVID-19 y las cadenas de suministro de los minoristas masivos se derrumbaron. Muchos compradores acudieron a Etsy en busca de un producto muy necesario: mascarillas. Entre las más vendidas en esa categoría había máscaras adaptadas a la sensibilidad estética de los clientes, que podían especificar el diseño que buscaban: lunares, motivos florales, rostros de animales o lo que sea. La venta de mascarillas pasó de prácticamente nada a principios de abril de 2020 a unos 740 millones de dólares durante el resto del año. Los ingresos de la empresa se duplicaron con creces durante ese tiempo y su valor de mercado subió hasta los 22 000 millones de dólares. La clave era permitir a los compradores encontrar una máscara «que expresara su sentido del gusto y el estilo», dijo el CEO de Etsy, Josh Silverman.

La enseñanza automática dará rienda suelta a la experiencia, a menudo sin explotar, que existe en su organización, y permitirá a una franja mucho más amplia de su personal utilizar la IA de formas nuevas y sofisticadas. Como se puede personalizar para su situación empresarial, abre el camino a una verdadera innovación y ventaja. Ya no se limita a ponerse al día con la tecnología. En los escenarios de aprendizaje supervisado, la enseñanza automática es especialmente útil cuando hay pocos o ningún dato de entrenamiento etiquetado para los algoritmos de aprendizaje automático, ya que no suele ser así porque las necesidades de un sector o una empresa son muy específicas.

Para sacar el máximo provecho de los trabajadores de los sistemas y del conocimiento, las organizaciones deben reimaginar la forma en que los no especialistas y los especialistas interactúan con las máquinas. Puede empezar por dar a sus expertos en el dominio un conocimiento práctico de la IA para que puedan transferir sus conocimientos de forma eficiente a los procesos y la tecnología de la empresa. El conocimiento de los conceptos básicos de la inteligencia artificial también los preparará para desarrollar formas creativas de aplicarla a la empresa.

Arquitectura: construir sistemas vivos adaptables

Las arquitecturas antiguas están muy limitadas y mantienen las barreras entre las líneas de negocio, las geografías, los canales de venta y las funciones. Son rígidos, incapaces de adaptarse a las nuevas tecnologías inteligentes o de adaptarse a las nuevas estrategias, las condiciones cambiantes del mercado y las nuevas oportunidades operativas. Por eso los proyectos de innovación de muchas empresas se estancan.

Las rápidas transformaciones que se producen hoy en día y la repentina llegada de nuevas tecnologías han puesto a la arquitectura de TI en primer plano. Si bien los rezagados no aprovechan la oportunidad de innovar en TI, los líderes adoptan una amplia gama de tecnologías de la información emergentes y las combinan en lo que llamamos sistemas vivos porque no tienen límites, se adaptan y son radicalmente humanos.

Por «sin límites» queremos decir que derriban barreras (dentro del sistema de TI, entre las empresas que utilizan plataformas basadas en la nube para aprovechar los efectos de red y entre los humanos y las máquinas), lo que brinda a las empresas infinitas oportunidades de mejorar su forma de operar. Por «adaptable» queremos decir que los sistemas, impulsados por los avances de los datos y las tecnologías inteligentes, se adaptan rápidamente a los cambios empresariales y tecnológicos, minimizando la fricción, ampliando la innovación y aprendiendo y mejorando. Y cuando describimos los sistemas como «radicalmente humanos», queremos decir que se basan en el cerebro y el comportamiento humanos y son capaces de escuchar, ver, hablar y entender de formas más humanas que las generaciones anteriores de tecnología inteligente.

Pensemos en L.L.Bean, la tienda minorista de 110 años con una herencia que incluye ropa clásica, ropa resistente para actividades al aire libre y un profundo compromiso con la satisfacción del cliente. En los últimos años, a medida que la empresa llegaba cada vez más a clientes a través de varios canales (imprenta, tiendas físicas, sitios web de ordenadores y móviles, correo electrónico y redes sociales), se vio obstaculizada por un legado menos valioso: un engorroso sistema de TI, partes del cual habían estado en uso durante dos décadas. Gran parte del sistema consistía en ordenadores centrales y servidores distribuidos in situ. Diferentes plataformas, solo que conectadas de forma débil, admitían cada uno de los diferentes canales de clientes, todos los cuales se ejecutaban en aplicaciones distintas. Ofrecer una experiencia de cliente perfecta en todos los canales era casi imposible. Y en lugar de centrarse en ofrecer valor a los clientes, el personal de TI tuvo que dedicar tiempo a gestionar la infraestructura.

Wanda Tuerlinckx

Mientras tanto, el 73% de los consumidores estadounidenses utilizaban varios canales para comprar, según un estudio publicado en HBR.org (consulte» Un estudio realizado a 46 000 compradores demuestra que la venta minorista omnicanal funciona», de Emma Sopadjieva, Utpal M. Dholakia y Beth Benjamin). La investigación también indicó que los compradores multicanal gastaban más dinero que los clientes monocanal: una media de un 4% más en cada viaje a la tienda y un 10% más en Internet. Además, los compradores multicanal también eran más leales y tenían más probabilidades de recomendar su tienda favorita a amigos y familiares.

Para competir con éxito en la era de Amazon, L.L.Bean necesitaba ofrecer a los clientes una experiencia omnicanal satisfactoria que los minoristas exclusivamente en línea no pudieran igualar. Así que el minorista desvinculó las aplicaciones de misión crítica de su sistema de TI anterior y las ubicó en la nube de Google. El equipo de TI ahora puede integrar los datos de varios sistemas, gestionar los picos de carga de los sitios web de forma más eficaz y ofrecer nuevas funciones a los clientes con mayor rapidez. Como la arquitectura basada en la nube se optimiza continuamente en segundo plano, los desarrolladores de front-end de la empresa dedican menos tiempo a gestionarla y más a utilizar un software ágil para experimentar con nuevas funciones y lanzarlas tan pronto como estén listas. Y con la arquitectura de front-end flexible que ahora reside en la nube, desacoplada del sistema heredado, la empresa puede aumentar la capacidad de forma fácil, rápida y rentable en los períodos de máxima compra y reducirla durante los períodos de calma. Esta capacidad de responder rápidamente a las condiciones cambiantes es una de las ventajas más importantes de los sistemas vivos.

El camino hacia este futuro vendrá determinado por las decisiones que tome su empresa a lo largo de su oferta tecnológica. Debe hacer la transición a enfoques de la IA y la automatización más centrados en las personas. Puede empezar por acelerar las inversiones en tecnologías principales, como la computación en nube, el análisis de datos y la movilidad. Puede reimaginar su enfoque del desarrollo de aplicaciones para aprovechar las capacidades y los microservicios de la nube y la flexibilidad que ofrecen. Y puede centrarse en crear componentes reutilizables que tengan el máximo valor en lugar de ser mínimamente viables. Las organizaciones que combinen con éxito sus estrategias empresariales y tecnológicas podrán desarrollar ofertas únicas con una agilidad sin precedentes.

Estrategia: Ahora todos somos empresas de tecnología

Durante más de dos décadas, Ocado, el mayor minorista de abarrotes en línea del mundo sin tiendas físicas, ha estado desarrollando algunas de las capacidades más avanzadas del mundo en inteligencia artificial, aprendizaje automático, robótica, tecnologías de nube, IoT (Internet de las cosas), simulación y modelado, una propiedad intelectual inestimable que incluye más de 150 patentes y cientos más pendientes.

Los logros de Ocado en materia de propiedad intelectual son particularmente notables porque la industria de abarrotes es uno de los entornos operativos más exigentes que se puedan imaginar. Es la categoría minorista más grande del mundo y también una de las más complejas: a diferencia de los libros, los DVD o muchos otros productos, los productos de abarrotes tienen una vida útil y requisitos de temperatura de almacenamiento muy diferentes. Tome esa complejidad en Internet, en la que los clientes que están repartidos por todo un país exigen una gestión de los pedidos precisa y fiable a un precio atractivo, y los desafíos aumentan de forma exponencial.

Fundada en 2000, Ocado pasó de ser tres personas en una oficina de una habitación en Londres a convertirse en una empresa con más de 18 500 empleados que atendían a cientos de miles de clientes en todo el Reino Unido. Los centros logísticos de clientes (CFC) de Ocado cuentan con la tecnología de recogida de alimentos más avanzada del mundo. Un CFC típico tiene aproximadamente el tamaño de un campo de fútbol. En su interior, cientos de robots, que se comunican entre sí a través de una red 4G, recorren una red de aluminio de tres pisos conocida como Hive.

Utilizando la tecnología de enjambre, que coordina un grupo de robots autónomos para que funcionen como un sistema que lleve a cabo las tareas, los robots del tamaño de un lavavajillas avanzan a casi 14 millas por hora levantando cajas de productos de abarrotes con sus garras mecánicas. O mueven las cajas a otro lugar (según un algoritmo basado en la frecuencia de compra del producto) o las dejan caer por una rampa hasta una estación de recolección. En cada CFC hay dos centros de control con empleados para monitorear a los robots y asegurarse de que su elaborado baile no degenere en colisiones constantes. Los empleados humanos también hacen la mayor parte del trabajo en las estaciones de recogida: ven el pedido de un cliente en una pantalla, seleccionan los artículos adecuados de las cajas de productos que tienen delante y los ponen en bolsas de la compra que los robots colocan dentro de otra caja. Luego, las cajas de productos se devuelven a la parrilla para rellenarlas con los artículos, mientras que las cajas con los pedidos de los clientes se envían al muelle de embarque. Un pedido de 50 artículos se puede gestionar en tan solo cinco minutos.

Las organizaciones que combinen con éxito sus estrategias empresariales y tecnológicas podrán desarrollar ofertas únicas con una agilidad sin precedentes.

Ocado podría haberse dormido en los laureles como una exitosa tienda de comestibles en línea, pero tomó la decisión estratégica de ampliar aún más su experiencia tecnológica. En 2015, creó la plataforma inteligente Ocado, una combinación de comercio electrónico integral, logística y tecnología de enjambre que otros minoristas de todo el mundo utilizan para gestionar sus propios negocios de abarrotes en línea. La plataforma les permite replicar de forma rentable y escalable el modelo de Ocado en sus propias regiones.

Al funcionar en la nube, la plataforma inteligente de Ocado ofrece funciones como la proyección de existencias en tiempo real, el procesamiento de pedidos de última hora y el enrutamiento inteligente de furgonetas de reparto. Los minoristas pueden ofrecer a los clientes acceso móvil a sus sitios a través de una aplicación. Y la nube proporciona a Ocado una arquitectura elástica basada en eventos que responde a los picos de la demanda de los clientes de una manera rentable. También mejora la agilidad del desarrollo. Los ingenieros de Ocado pueden probar nuevas iniciativas sin asumir compromisos iniciales de infraestructura y pueden llevar las ideas del concepto a la producción en menos de una hora. La empresa también puede integrar datos de cientos de microservicios en un lago de datos que impulse las capacidades de IA en toda la infraestructura.

Los minoristas de abarrotes de todo el mundo se han apuntado. Durante los próximos años, Kroger planea construir 20 CFC automatizados con Ocado. La plataforma también ha sido adoptada por Sobeys (exclusivamente en Canadá), ICA (en Suecia), Groupe Casino (en Francia), Bon Preu (en España) y Aeon (en Japón). La estrategia tecnológica más profunda de Ocado se puede aplicar a cualquier sector. Sus robots realizan tareas básicas (levantar, mover, clasificar) que son útiles en muchos entornos operativos. Pronto los robots podrán hacer más. La empresa se ha embarcado recientemente en un proyecto para desarrollar «manos suaves» que puedan recoger prácticamente cualquier objeto delicado (por ejemplo, fruta fresca) sin dañarlo, una habilidad que sería bienvenida en muchos entornos de fabricación.

Pocas empresas han combinado la estrategia y la tecnología de manera tan exhaustiva como Ocado. No solo ha descubierto cómo utilizar la automatización para mejorar sus propias operaciones, sino que ha hecho que las ventajas resultantes estén ampliamente disponibles para otros actores. Se ha convertido en una empresa minorista de abarrotes y tecnología y ha adaptado su estrategia de manera brillante para satisfacer la nueva demanda del mercado.

. . .

Al igual que Ocado, otras empresas han adoptado nuevos enfoques de la inteligencia, los datos, la experiencia y la arquitectura y los han integrado en estrategias distintivas tan variadas como los sectores en los que compiten las empresas. No hay una talla única para todos. Adoptar una estrategia de integración tecnológica requiere dos posturas un tanto contradictorias: previsión y rapidez. Las inversiones en tecnología deben secuenciarse de forma lógica y cuidadosa. Sin embargo, nunca ha sido tan cierto que «el que duda está perdido».

Tras el éxito demostrable de la innovación radicalmente humana y basada en ideas, la tarea consistirá en avanzar con una rapidez deliberada. El futuro ha llegado mucho antes de lo esperado y requiere un dominio rápido y sensato de los nuevos enfoques de la innovación que apenas están empezando a surgir. Lo hemos visto en todas partes, desde el reparto del supermercado hasta la comida rápida, en la venta minorista de productos hechos a mano e incluso en la NFL. La IA ayuda a las empresas a funcionar de formas que la mayoría de nosotros nunca podríamos haber imaginado, y seguirá haciéndolo, pero solo si las personas lideran el camino. Nuestro marco proporciona una hoja de ruta clara para las empresas que están listas para empezar.

Nota del editor: Este artículo está adaptado de Radicalmente humano: cómo la nueva tecnología está transformando los negocios y dando forma a nuestro futuro, de H. James Wilson y Paul R. Daugherty (Harvard Business Review Press, 2022).