Una estrategia de plataformas no funcionará a menos que sea bueno en el aprendizaje automático

Imágenes Pm Images/Getty Images

Los modelos de negocio de plataformas están en auge y son cada vez más grandes y potentes que nunca. Basta con tener en cuenta que unos cuantos tuits del presidente hicieron que la capitalización bursátil de Amazon cayera unos 40 000 millones de dólares, o que personas influyentes rusas pudieron llegar a 126 millones de personas a través de Facebook. En OpenMatters, dedicamos mucho tiempo a estudiar orquestación de redes—modelos de negocio en los que las empresas facilitan las relaciones e interacciones, en lugar de ofrecer todos los productos, servicios y contenidos por sí mismas. Piense en Facebook, Uber, Pinterest, Alibaba, Airbnb y un sinfín» unicornios» que están siendo bañados en dólares de los inversores. Estas empresas son pioneras y aprovechan los efectos de las redes y un coste de escalado casi nulo para superar a la competencia o definir nuevos mercados. Sin embargo, no todas las plataformas funcionan; el modelo de negocio por sí solo no basta para tener éxito. Hay muchas cosas que pueden hacer que una plataforma tenga éxito o fracase, por supuesto, pero un aspecto cada vez más central de una estrategia de plataforma exitosa es el aprendizaje automático.

El modelo de negocio basado en la red, la función de «conector», no es nuevo. Teníamos casamenteros antes de tener Match.com, tableros de mensajes (¡de verdad!) antes de tener Twitter y los reclutadores antes de tener LinkedIn. Pasar a un modelo en línea es una gran mejora, ya que permite un escalado rápido e increíblemente económico. Esto es valioso para una red que quiere atraer a millones de usuarios, pero este tipo de escala conlleva sus propios problemas. Las plataformas a gran escala son demasiado complejas y los casos de uso son demasiado variados para que los gestionen algoritmos simples. Porque, ¿qué obtiene cuando acumula un millón de currículums, perfiles de citas o ideas de 280 caracteres? Un lío. Un lío demasiado grande para ser valioso para sus clientes, e incluso demasiado grande para que un equipo de empleados lo limpie. Y dentro de este revoltijo de conexiones, el uso indebido y la manipulación se pueden ocultar fácilmente.

Tradicionalmente, la forma de evitar esto es hacer que los humanos escriban algoritmos inteligentes para solucionar el lío. Hoy en día, el aprendizaje automático es lo que resuelve este problema, ya que organiza lo que ofrece la red, ofrece a los usuarios resultados cuidadosamente personalizados y detecta el mal comportamiento. Esto es cierto para las redes de cualquier tipo, ya sea que compartan ideas, servicios, relaciones o incluso ofertas tangibles.

Centro Insight

• Competir en el futuro

  Patrocinado por Accenture Strategy

  Cómo hacer que su empresa sea más ágil y receptiva.

La capacidad del aprendizaje automático es lo que distingue a una plataforma buena de una mala. Las compañías de plataformas existen en un continuo proceso de curación. Por un lado, están las empresas del «Lejano Oeste» que se limitan a agregar todo lo que ofrece la red o que utilizan reglas simples como la votación a favor para aumentar el contenido. Estos sistemas imponen a sus usuarios la gran responsabilidad de identificar el contenido que desean. Lamentablemente, son demasiado básicos para adaptarse a diferentes usuarios y casos de uso, y también se manipulan fácilmente. Por otro lado, están las empresas que utilizan el aprendizaje automático para revisar y organizar los datos, los servicios o los productos que llegan y se los ofrecen a sus clientes de forma personalizada. Las empresas que seleccionan, en lugar de simplemente transmitir, ofrecen a los usuarios más valor.

Veamos un ejemplo. Monster.com, la bolsa de trabajo en línea, fue pionera en Internet y salió a bolsa en 1996. Monster.com, uno de los primeros modelos de negocio de plataformas, proporcionaba un espacio en línea para que quienes contrataban y buscaban trabajo se reunieran. Sin embargo, proporcionar la plataforma era casi todo lo que hacía Monster.com, básicamente actuaba como un tablón de anuncios digital. La gente que buscaba trabajo, o contrataba, tenía que revisar montones de paja, buscando una aguja en un pajar. En su apogeo en el 2000, Monster.com valía casi 8.500 millones de dólares. En 2016, la adquirió por 429 millones de dólares, tan solo el 5% de su valor máximo.

Lo que pasó está bastante claro: la gente se cansó de clasificar a cientos de candidatos no cualificados para cada oferta de trabajo. La pila de currículums era demasiado grande y los simples algoritmos que intentaban ofrecer contenido relevante eran insuficientes para el tamaño y las diversas necesidades de la base de usuarios. Entonces, surgieron soluciones mejores. Empresas como LinkedIn y Glassdoor empezaron a cubrir el vacío y se destacaron por una mejor selección de las redes profesionales. Craigslist es otro gran ejemplo de una empresa de plataformas temprana que no logró innovar ni seleccionar, y es perder cuota de mercado rápidamente a plataformas de valor añadido como OfferUp o incluso Facebook Marketplace.

Las mejores plataformas hacen más que crear un espacio de conexión. Reconocen el valor de sus propios datos, los recopilan de forma continua y aprovechan el aprendizaje automático para mejorar la experiencia del cliente. LinkedIn, por ejemplo, sabe mucho más sobre sus usuarios que Monster.com. Cada usuario y cada empresa crea un perfil repleto de información. Estos datos, combinados con el aprendizaje automático, ayudan a la empresa a obtener más información sobre sus clientes, segmentar mejor la publicidad y el contenido y conectar mejor a las personas y las oportunidades. El vicepresidente de ingeniería de LinkedIn, Deepak Agarwal, afirma que la empresa utiliza inteligencia artificial en casi todos los productos.

Si observa el mundo de las empresas de plataformas, descubrirá rápidamente que el uso de la IA para la selección es un sello distintivo de la plataforma con un rendimiento superior. Netflix es una «antigua» empresa de plataformas que ofrece un gran contrapunto a Monster. La empresa de streaming de vídeo se fundó en 1997, justo un año después de que Monster saliera a bolsa, pero ha prosperado en las dos décadas transcurridas desde su fundación. ¿Qué ha hecho que Netflix sea relevante y útil para sus clientes? Tiene una larga trayectoria en la selección cuidadosa del contenido para los clientes. Netflix utiliza el aprendizaje automático para hacer recomendaciones personalizadas, lo que reduce la pérdida de clientes al mantener a los clientes satisfechos e incluso reducir costes al permitir que Netflix utilice mejor el contenido que ya ha comprado. Netflix sigue manteniendo la IA a la vanguardia y ahora la utiliza para monitorear y abordar los problemas de ancho de banda para el streaming en los mercados emergentes.

Además de utilizar el aprendizaje automático para analizar y entender los datos generados por una red, las empresas de plataformas se están dando cuenta ahora de la importancia de la IA para detectar y prevenir el uso indebido. Los comportamientos fraudulentos, delictivos y abusivos son un problema para muchas redes y las empresas se están dando cuenta de que ya no pueden lavarse las manos ante las acciones de sus usuarios. Twitter ha tenido que tomar medidas para frenar el abuso, Yelp y LinkedIn están trabajando para filtrar el contenido falso, y es probable que Facebook esté empezando un largo viaje para evitar el uso indebido tras el escándalo de la influencia rusa. Estas plataformas son simplemente demasiado grandes y complicadas para que las soluciones manuales o dirigidas por humanos descubran y frustren el uso indebido. El aprendizaje automático y la inteligencia artificial son la única manera de gestionar el contenido a escala y a medida que evoluciona.

Si su organización quiere entrar, adoptar una estrategia de plataforma y empezar a aprovechar los efectos de red que ofrece, más le vale reconocer que la selección es una parte esencial del viaje y asegurarse de que tiene las competencias de aprendizaje automático necesarias para hacerlo realidad.