Tres áreas en las que la IA aumentará su ventaja competitiva

A medida que más empresas incorporan la inteligencia artificial en sus productos, servicios, procesos y toma de decisiones, la definición de qué es la IA y dónde se puede aplicar de la manera más eficaz evoluciona tan rápido como las propias técnicas. Lo que comenzó como algoritmos utilizados para determinar los préstamos, seleccionar nuevas contrataciones y potenciar los chatbots (con un éxito desigual), ahora está muy arraigado y se utiliza en todo, desde la predicción de los riesgos climáticos hasta la selección de oportunidades de venta. La pregunta ya no es si una empresa debe utilizar la IA, sino dónde aporta la mayor ventaja competitiva.

En nuestro trabajo con las empresas, vemos tres áreas en las que la IA ha pasado de ser una tecnología «agradable de tener» a una «imprescindible». Las empresas que traspasan los límites de la IA para afinar las predicciones, aumentar la eficiencia y optimizar los precios o el control de las existencias en tiempo real de sus productos avanzan más rápido y más lejos que sus rivales, que siguen dudando de forma conservadora ante la sabiduría de utilizar la IA para estos fines.

Predicciones

En los últimos años, la IA ha pasado de ser una tecnología que encuentra relaciones en los datos y predice las tendencias existentes con mayor precisión a una tecnología que detecta los cambios futuros en todo, desde los gastos de ocio y los patrones de viaje hasta la solvencia crediticia de las empresas, mediante el análisis de las preferencias y las opiniones en enormes cantidades de datos, incluidos el texto, la voz, las imágenes, las fuentes de noticias digitales y las redes sociales.

La IA ahora puede reconocer los disruptores en el horizonte al establecer conexiones entre las características integradas, lo que permite a las empresas prepararse de forma más eficaz para los eventos disruptivos. Los primeros sistemas de alerta de fraude con IA ahora pueden detectar los bots, lo que los hace cada vez más esenciales para adelantarse a las tácticas cambiantes de los piratas informáticos, los actores estatales nacionales, el malware y el ransomware. Los algoritmos de aprendizaje automático que se adaptan a las crisis del mercado ayudan a los principales bancos a predecir no solo el rendimiento de sus inversiones, sino también las posibles vulnerabilidades causadas por disruptores como la COVID-19.

[

Insight Center Collection

Taking on Digital Transformation

Moving your company forward in the wake of the pandemic.

](/insight-center/taking-on-digital-transformation)

Esto ayuda a los bancos y a las grandes empresas a mitigar el impacto y las posibles quiebras en sus carteras de inversiones. Por ejemplo, un banco pudo predecir en semanas, en lugar de meses, qué préstamos sería poco probable que se liquidaran y redujo su cifra un 70 por ciento, lo que aumentó la rentabilidad de su cartera total de préstamos en decenas de millones de dólares. Del mismo modo, la IA permitió a un distribuidor de piezas aeroespaciales que sufrió un exceso de inventario y una escasez de flujo de caja durante las recesiones del sector pronosticar con mayor precisión la demanda de sus piezas cuando llegara la COVID-19. Como resultado, la empresa pudo reducir su capital de trabajo en cientos de millones de dólares y duplicar sus entregas puntuales.

Eficiencias

En áreas como los seguros, los recursos humanos y la vigilancia de la conducta, el aprendizaje automático lee los formularios y revisa las grabaciones de voz y vídeo para destacar dónde debe centrarse la atención del revisor, cómo se debe desviar una llamada o simplemente si se ha olvidado un archivo adjunto. El desarrollo de los llamados enfoques de «atención», que aprenden qué partes de la entrada son más críticas, ha acelerado el uso del procesamiento del lenguaje natural, lo que ha permitido a la IA vincular de forma más fiable conceptos que aparentemente no están relacionados y trabajar más rápido.

Gracias a estos avances, en los próximos años, los procesos y filtros automatizados se generalizarán cada vez más en los departamentos y procesos que tradicionalmente no se consideran basados en datos, y abarcarán todos los pasos, desde la interacción del cliente hasta el procesamiento de un pedido, por ejemplo. Los avances en la cuantificación de la equidad y la mitigación de los prejuicios también están permitiendo que los enfoques basados en la IA sean más equitativos, transparentes y objetivos que nuestros intentos humanos anteriores, aunque cuantificar la imparcialidad a veces puede ser un primer paso difícil.

Los beneficios de las nuevas eficiencias impulsadas por la IA se acumulan rápidamente. Un banco ahorró decenas de millones de dólares tras utilizar la IA para mejorar la rapidez y la coherencia de las decisiones de sus servicios de atención al cliente. Incluso con menos personal, el banco redujo significativamente el tiempo de espera de los clientes, al tiempo que mantuvo el mismo nivel de vigilancia y detectó tres veces más posibles fraudes.

La IA también permite a las empresas expandirse más rápidamente, al liberar al personal para trabajos más cualificados y mejorar sus habilidades cuando es necesario. Hasta hace poco, la IA se consideraba demasiado delicada para utilizarla en los procesos de datos tradicionales, como limpiar los duplicados en los conjuntos de datos. Pero ahora la IA se utiliza ampliamente para esta ardua tarea. En un banco, los algoritmos demostraron ser muchas veces más eficaces para identificar los duplicados y los eliminaron en semanas, en lugar de años. Como resultado, los reguladores aprobaron el plan del banco de abrir docenas de sucursales.

Optimización en tiempo real

Del mismo modo, la IA permite a las empresas llevar a cabo tareas y cambiar de estrategia en tiempo real. Los algoritmos de aprendizaje automático ahora aumentan de forma instantánea y automática las promociones de ventas o, en el otro extremo del espectro, retrasan el lanzamiento de productos que podrían canibalizar los beneficios de otras líneas de productos. En el comercio minorista, la IA puede recalibrar este tipo de decisiones para generar ventas adicionales, incluso de otros productos no promocionados.

Una de las razones por las que este avance ahora es posible es por la «computación perimetral», una técnica de computación distribuida que permite que los modelos de almacenamiento de datos y aprendizaje automático permanezcan más locales. Al eliminar la necesidad de enviar datos a la nube, la IA puede cambiar de estrategia al instante y, al mismo tiempo, proteger la privacidad y la seguridad de los datos y evitar problemas con los flujos de datos transfronterizos, especialmente ahora que muchas jurisdicciones comienzan a tratar de reducir la transferencia de datos.

La optimización en tiempo real tiene un impacto inmediato y, a menudo, drástico en los resultados de las empresas. Un minorista con el que trabajamos aumentó sus márgenes de beneficio un 50% tras utilizar la IA para optimizar sus ofertas al instante. Amplió las ventas de los productos principales con promociones desarrolladas por la IA que aumentaban los márgenes y detuvo las ofertas especiales que destruían los márgenes, todo ello sin invertir mucho tiempo de espera en acumular y probar nuevos datos.

Esto era importante, ya que la baja frecuencia de las transacciones impedía las pruebas tradicionales y la superposición de promociones y cupones añadía complejidad.

Una compañía de seguros aumenta sus beneficios en más de decenas de millones de dólares mediante el uso de la IA para adaptar los precios de las pólizas de seguro médico a los clientes individuales en tiempo real. En cuanto los clientes mejoraron su estilo de vida al dejar de fumar o hacer más ejercicio, su prima se redujo.

***

A menudo se menciona la IA como una inversión, más que como un coste fijo aceptado. Pasar al uso de la IA o aumentar su uso requiere recursos para abordar la gobernanza, la transparencia, la mejora de las habilidades y, por lo general, también la deuda tecnológica. Pero las empresas ya no pueden darse el lujo de tratar algo tan extendido y poderoso como opcional.

Los clientes modernos están hiperconectados. Requieren decisiones y respuestas rápidas. La IA puede entender el lenguaje y la dinámica de varios canales, como Twitter, WhatsApp, TikTok o un chatbot, y puede evolucionar y cambiar de código para hacerse cada vez más agradable.

A medida que la «explicabilidad» de los modelos de IA mejore, junto con formas más fiables de supervisar el rendimiento, la solidez y la imparcialidad, estos modelos más complejos se harán aún más fiables, sus métodos y resultados más comprensibles y, por lo tanto, sus aplicaciones serán más creativas y factibles.

Gracias a estas capacidades, los trabajadores remotos modernos y flexibles deberían poder dejar atrás las tareas aburridas y repetitivas. Al no aburrirse ni distraerse, es probable que la IA haga un trabajo más fiable. Al trasladar al personal a áreas más valiosas, los directivos no solo aprovechan al máximo su equipo, sino que tienen una empresa más feliz. Combine eso con la capacidad de detectar y mitigar los disruptores y aumentar considerablemente los beneficios, y su empresa podrá prosperar en los próximos años.