3 Things AI Can Already Do for Your Company

En 2013, el Centro Oncológico MD Anderson lanzó un proyecto «a la luna»: diagnosticar y recomendar planes de tratamiento para ciertas formas de cáncer mediante el sistema cognitivo Watson de IBM. Pero en 2017, el proyecto se suspendió cuando los costes superaron los 62 millones de dólares y el sistema aún no se había utilizado en los pacientes. Al mismo tiempo, el grupo de TI del centro oncológico estaba experimentando con el uso de tecnologías cognitivas para realizar trabajos mucho menos ambiciosos, como hacer recomendaciones de hoteles y restaurantes a las familias de los pacientes, determinar qué pacientes necesitaban ayuda para pagar las cuentas y abordar los problemas de TI del personal. Los resultados de estos proyectos han sido mucho más prometedores: los nuevos sistemas han contribuido a aumentar la satisfacción de los pacientes, a mejorar desempeño financiero, y una disminución del tiempo dedicado a la tediosa entrada de datos por parte de los gestores asistenciales del hospital. A pesar del revés de la oportunidad lunar, el MD Anderson mantiene su compromiso con el uso de la tecnología cognitiva (es decir, la inteligencia artificial de próxima generación) para mejorar el tratamiento del cáncer, y actualmente está desarrollando varios proyectos nuevos en su centro de competencia en computación cognitiva.

El contraste entre los dos enfoques es relevante para cualquiera que planifique iniciativas de IA. Nuestra encuesta a 250 ejecutivos que están familiarizados con el uso de la tecnología cognitiva en sus empresas muestra que tres cuartas partes de ellos creen que la IA transformará sustancialmente sus empresas en tres años. Sin embargo, nuestro estudio de 152 proyectos en casi el mismo número de empresas también revela que las fotos a la luna muy ambiciosas tienen menos probabilidades de tener éxito que los proyectos de «fruta fácil» que mejoran los procesos empresariales. Esto no debería sorprendernos, tal ha sido el caso de la gran mayoría de nuevas tecnologías que las empresas han adoptado en el pasado. Pero el bombo en torno a la inteligencia artificial ha sido especialmente poderoso y algunas organizaciones se han dejado seducir por ella.

En este artículo, analizaremos las distintas categorías de IA que se emplean y proporcionaremos un marco sobre cómo las empresas deberían empezar a desarrollar sus capacidades cognitivas en los próximos años para lograr sus objetivos empresariales.

Tres tipos de IA

Es útil que las empresas analicen la IA desde la perspectiva de las capacidades empresariales más que de las tecnologías. En términos generales, la IA puede satisfacer tres necesidades empresariales importantes: automatizar los procesos empresariales, obtener información mediante el análisis de datos e interactuar con los clientes y los empleados.

Ver más gráficos de HBR en Datos e imágenes

Automatización de procesos.

De los 152 proyectos que estudiamos, el tipo más común fue la automatización de las tareas digitales y físicas (normalmente las actividades administrativas y financieras administrativas) mediante tecnologías robóticas de automatización de procesos. La RPA es más avanzada que las herramientas de automatización de procesos empresariales anteriores, porque los «robots» (es decir, el código de un servidor) actúan como un ser humano que introduce y consume información de varios sistemas de TI. Las tareas incluyen:

• transferir datos de los sistemas de correo electrónico y centro de llamadas a los sistemas de registro, por ejemplo, actualizar los archivos de los clientes con cambios de dirección o incorporaciones de servicios;
• reemplazar las tarjetas de crédito o cajero automático perdidas, acceder a varios sistemas para actualizar los registros y gestionar las comunicaciones con los clientes;
• conciliar la falta de cobro por los servicios en todos los sistemas de facturación extrayendo información de varios tipos de documentos; y
• «leer» documentos legales y contractuales para extraer disposiciones mediante el procesamiento del lenguaje natural.

La RPA es la menos cara y fácil de implementar de las tecnologías cognitivas de las que hablaremos aquí y, por lo general, aporta una rentabilidad rápida y alta inversión. (También es la menos «inteligente» en el sentido de que estas aplicaciones no están programadas para aprender y mejorar, aunque los desarrolladores van añadiendo poco a poco más inteligencia y capacidad de aprendizaje.) Es especialmente adecuado para funcionar en varios sistemas de back-end.

En la NASA, la presión sobre los costes llevó a la agencia a lanzar cuatro proyectos piloto de RPA sobre cuentas por pagar y por cobrar, gastos de TI y recursos humanos, todos gestionados por un centro de servicios compartidos. Los cuatro proyectos funcionaron bien (en la aplicación de Recursos Humanos, por ejemplo, el 86% de las transacciones se realizaron sin la intervención humana) y se están implementando en toda la organización. La NASA está implementando ahora más robots de RPA, algunos con niveles de inteligencia más altos. Como señala Jim Walker, líder del proyecto de la organización de servicios compartidos: «Hasta ahora no es ciencia espacial».

Uno podría imaginarse que la automatización robótica de procesos dejaría rápidamente a la gente sin trabajo. Pero en los 71 proyectos de RPA que revisamos (el 47% del total), reemplazar a los empleados administrativos no era el objetivo principal ni un resultado común. Solo unos pocos proyectos redujeron la plantilla y, en la mayoría de los casos, las tareas en cuestión ya se habían transferido a trabajadores subcontratados. A medida que la tecnología mejore, es probable que los proyectos de automatización robótica provoquen la pérdida de algunos puestos de trabajo en el futuro, especialmente en el sector de la subcontratación de procesos empresariales en el extranjero. Si puede subcontratar una tarea, probablemente pueda automatizarla.

Perspectiva cognitiva.

El segundo tipo de proyecto más común de nuestro estudio (el 38% del total) utilizó algoritmos para detectar patrones en grandes volúmenes de datos e interpretar su significado. Piense en ello como «análisis con esteroides». Estas aplicaciones de aprendizaje automático se utilizan para:

• predecir lo que es probable que compre un cliente en particular;
• identificar el fraude crediticio en tiempo real y detectar el fraude en las reclamaciones de seguros;
• analizar los datos de la garantía para identificar los problemas de seguridad o calidad en los automóviles y otros productos manufacturados;
• automatizar la segmentación personalizada de los anuncios digitales; y
• proporcionar a las aseguradoras modelos actuariales más precisos y detallados.

La información cognitiva que proporciona el aprendizaje automático difiere de la disponible en la analítica tradicional en tres aspectos: suelen ser mucho más detallados y intensivos en datos, los modelos suelen entrenarse en alguna parte del conjunto de datos y los modelos mejoran, es decir, su capacidad de utilizar nuevos datos para hacer predicciones o clasificar las cosas en categorías mejora con el tiempo.

Herramientas relacionadas

Las últimas investigaciones: IA

Las versiones del aprendizaje automático (el aprendizaje profundo, en particular, que intenta imitar la actividad del cerebro humano para reconocer los patrones) pueden realizar hazañas como reconocer imágenes y el habla. El aprendizaje automático también puede poner a disposición nuevos datos para una mejor analítica. Si bien la actividad de curación de datos históricamente ha requerido bastante mano de obra, ahora el aprendizaje automático puede identificar las coincidencias probabilísticas (datos que probablemente estén asociados a la misma persona o empresa, pero que aparecen en formatos ligeramente diferentes) en las bases de datos. GE ha utilizado esta tecnología para integrar los datos de los proveedores y ha ahorrado 80 millones de dólares en su primer año al eliminar los despidos y negociar contratos que antes se gestionaban a nivel de unidad de negocio. Del mismo modo, un gran banco utilizó esta tecnología para extraer datos sobre las condiciones de los contratos de los proveedores y compararlos con los números de las facturas, identificando decenas de millones de dólares en productos y servicios no suministrados. La práctica de auditoría de Deloitte consiste en utilizar la visión cognitiva para extraer las condiciones de los contratos, lo que permite a la auditoría abordar una proporción mucho mayor de documentos, a menudo el 100%, sin que los auditores humanos tengan que leerlos minuciosamente.

Las aplicaciones de visión cognitiva se utilizan normalmente para mejorar el rendimiento en trabajos que solo las máquinas pueden realizar (tareas como la compra programática de anuncios que implican el procesamiento de datos y la automatización a tal velocidad que llevan mucho tiempo más allá de la capacidad humana), por lo que no suelen representar una amenaza para los empleos humanos.

Compromiso cognitivo.

Los proyectos que involucran a empleados y clientes mediante el procesamiento del lenguaje natural, los chatbots, los agentes inteligentes y el aprendizaje automático fueron los menos comunes de nuestro estudio (representan el 16% del total). Esta categoría incluye:

• agentes inteligentes que ofrecen un servicio de atención al cliente las 24 horas del día, los 7 días de la semana, que abordan una amplia y creciente gama de problemas, desde solicitudes de contraseñas hasta preguntas de soporte técnico, todo en el lenguaje natural del cliente;
• sitios internos para responder a las preguntas de los empleados sobre temas como la TI, las prestaciones para los empleados y la política de recursos humanos;
• sistemas de recomendación de productos y servicios para minoristas que aumentan la personalización, la participación y las ventas, que normalmente incluyen lenguaje enriquecido o imágenes; y
• sistemas de recomendación de tratamientos de salud que ayudan a los proveedores a crear planes de cuidados personalizados que tengan en cuenta el estado de salud de los pacientes individuales y los tratamientos anteriores.

Las empresas de nuestro estudio tendían a utilizar las tecnologías de participación cognitiva más para interactuar con los empleados que con los clientes. Eso puede cambiar a medida que las empresas se sientan más cómodas al entregar las interacciones con los clientes a las máquinas. Vanguard, por ejemplo, está poniendo a prueba un agente inteligente que ayuda a su personal de servicio de atención al cliente a responder a las preguntas más frecuentes. El plan es permitir eventualmente a los clientes interactuar directamente con el agente cognitivo, en lugar de con los agentes humanos del servicio de atención al cliente. SeBank, en Suecia, y el gigante de la tecnología médica Becton, Dickinson, en los Estados Unidos, utilizan el realista avatar de agente inteligente Amelia como servicio de ayuda interna para los empleados de soporte de TI. Recientemente, SeBank ha puesto Amelia a disposición de los clientes de forma limitada para comprobar su rendimiento y la respuesta de los clientes.

Ver más gráficos de HBR en Datos e imágenes

Las empresas tienden a adoptar un enfoque conservador con respecto a las tecnologías de interacción cognitiva orientadas al cliente, en gran parte por su inmadurez. Facebook, por ejemplo, descubrió que sus chatbots de Messenger no podían responder al 70% de las solicitudes de los clientes sin la intervención humana. Como resultado, Facebook y varias otras firmas están restringiendo las interfaces basadas en bots a ciertos dominios temáticos o tipos de conversación.

Nuestra investigación sugiere que las aplicaciones de participación cognitiva no ponen en peligro actualmente los puestos de servicio de atención al cliente o de representantes de ventas. En la mayoría de los proyectos que estudiamos, el objetivo no era reducir la plantilla sino gestionar un número creciente de interacciones entre empleados y clientes sin añadir personal. Algunas organizaciones tenían previsto entregar las comunicaciones rutinarias a las máquinas y, al mismo tiempo, hacer la transición del personal de atención al cliente a actividades más complejas, como gestionar los problemas de los clientes que se agravan, mantener diálogos prolongados y desestructurados o ponerse en contacto con los clientes antes de que llamen por problemas.

Leer más sobre

Construir la organización impulsada por la IA

A medida que las empresas se familiarizan con las herramientas cognitivas, están experimentando con proyectos que combinan elementos de las tres categorías para aprovechar los beneficios de la IA. Una aseguradora italiana, por ejemplo, creó un «servicio de asistencia cognitiva» dentro de su organización de TI. El sistema hace que los empleados utilicen la tecnología de aprendizaje profundo (que forma parte de la categoría de información cognitiva) para buscar las preguntas y respuestas más frecuentes, los casos resueltos anteriormente y la documentación para encontrar soluciones a los problemas de los empleados. Utiliza una función de enrutamiento inteligente (automatización de procesos empresariales) para reenviar los problemas más complejos a los representantes humanos y utiliza el procesamiento del lenguaje natural para atender las solicitudes de los usuarios en italiano.

Sin embargo, a pesar de su rápida experiencia con las herramientas cognitivas, las empresas se enfrentan a importantes obstáculos en su desarrollo e implementación. Basándonos en nuestra investigación, hemos desarrollado un marco de cuatro pasos para integrar las tecnologías de IA que pueden ayudar a las empresas a alcanzar sus objetivos, ya sean proyectos lunares o mejoras en los procesos empresariales.

[  1  ]

Understanding the Technologies

Antes de embarcarse en una iniciativa de IA, las empresas deben entender qué tecnologías realizan qué tipo de tareas y los puntos fuertes y las limitaciones de cada una de ellas. Los sistemas expertos basados en reglas y la automatización robótica de procesos, por ejemplo, son transparentes en la forma en que hacen su trabajo, pero ninguno de los dos es capaz de aprender y mejorar. El aprendizaje profundo, por otro lado, es excelente para aprender de grandes volúmenes de datos etiquetados, pero es casi imposible entender cómo crea los modelos que crea. Este tema de la «caja negra» puede resultar problemático en sectores altamente regulados, como los servicios financieros, en los que los reguladores insisten en saber por qué las decisiones se toman de una manera determinada.

Descubrimos que varias organizaciones desperdiciaban tiempo y dinero en buscar la tecnología equivocada para el trabajo en cuestión. Pero si conocen bien las diferentes tecnologías, las empresas están en mejores condiciones para determinar cuál puede satisfacer mejor las necesidades específicas, con qué proveedores trabajar y con qué rapidez se puede implementar un sistema. Adquirir este conocimiento requiere investigación y formación continuas, normalmente en un grupo de TI o de innovación.

Ver más gráficos de HBR en Datos e imágenes

En particular, las empresas deberán aprovechar las capacidades de los empleados clave, como los científicos de datos, que tienen los conocimientos estadísticos y de macrodatos necesarios para aprender los detalles básicos de estas tecnologías. El principal factor de éxito es la voluntad de su gente de aprender. Algunos aprovecharán la oportunidad, mientras que otros querrán quedarse con las herramientas con las que están familiarizados. Esfuércese por tener un porcentaje alto de lo primero.

Si no tiene capacidades internas de ciencia o análisis de datos, probablemente tendrá que crear un ecosistema de proveedores de servicios externos a corto plazo. Si espera implementar proyectos de IA a largo plazo, querrá contratar talento interno experto. De cualquier manera, tener las capacidades adecuadas es esencial para progresar.

Dada la escasez de talento en tecnología cognitiva, la mayoría de las organizaciones deberían establecer una reserva de recursos (quizás en una función centralizada, como la TI o la estrategia) y poner a los expertos a disposición de los proyectos de alta prioridad de toda la organización. A medida que las necesidades y el talento proliferan, puede que tenga sentido dedicar los grupos a funciones o unidades empresariales concretas, pero aun así, una función de coordinación central puede resultar útil a la hora de gestionar proyectos y carreras.

[  2  ]

Creating a Portfolio of Projects

El siguiente paso para lanzar un programa de IA es evaluar sistemáticamente las necesidades y capacidades y, a continuación, desarrollar una cartera de proyectos priorizada. En las empresas que estudiamos, esto se hacía normalmente en talleres o mediante pequeños contratos de consultoría. Recomendamos que las empresas realicen evaluaciones en tres áreas generales.

Identificar las oportunidades.

La primera evaluación determina qué áreas de la empresa podrían beneficiarse más de las aplicaciones cognitivas. Por lo general, son partes de la empresa en las que el «conocimiento» (información derivada del análisis de datos o de una colección de textos) es escaso, pero por alguna razón no está disponible.

• Cuellos de botella. En algunos casos, la falta de conocimientos cognitivos se debe a un cuello de botella en el flujo de información; el conocimiento existe en la organización, pero no se distribuye de manera óptima. Ese suele ser el caso en el cuidado de la salud, por ejemplo, donde el conocimiento tiende a estar aislado en los consultorios, los departamentos o los centros médicos académicos.

• Desafíos de escalamiento. En otros casos, el conocimiento existe, pero el proceso de uso lleva demasiado tiempo o es caro de escalar. Este suele ser el caso de los conocimientos desarrollados por los asesores financieros. Por eso muchas firmas de inversiones y gestión patrimonial ofrecen ahora funciones de «asesoramiento automático» respaldadas por la IA que proporcionan a los clientes una orientación rentable para los problemas financieros rutinarios.

  En la industria farmacéutica, Pfizer aborda el problema de la escalabilidad utilizando el Watson de IBM para acelerar el laborioso proceso de investigación del descubrimiento de fármacos en inmunooncología, un enfoque emergente del tratamiento del cáncer que utiliza el sistema inmunitario del cuerpo para ayudar a combatir el cáncer. Los medicamentos inmunooncológicos pueden tardar hasta 12 años en salir al mercado. Al combinar una amplia revisión de la literatura con los propios datos de Pfizer, como los informes de laboratorio, Watson ayuda a los investigadores a descubrir las relaciones y a encontrar patrones ocultos que deberían acelerar la identificación de nuevos objetivos farmacológicos, terapias combinadas para el estudio y estrategias de selección de pacientes para esta nueva clase de fármacos.

• Potencia de fuego inadecuada. Por último, una empresa puede recopilar más datos de los que su potencia humana o informática actual puede analizar y aplicar adecuadamente. Por ejemplo, una empresa puede tener enormes cantidades de datos sobre el comportamiento digital de los consumidores, pero no saber lo que significan o cómo se pueden aplicar estratégicamente. Para solucionar este problema, las empresas utilizan el aprendizaje automático para apoyar tareas como la compra programática de anuncios digitales personalizados o, en el caso de Cisco Systems e IBM, para crear decenas de miles de «modelos de propensión» para determinar qué clientes son propensos a comprar qué productos.

Determinar los casos de uso.

La segunda área de evaluación evalúa los casos de uso en los que las aplicaciones cognitivas generarían un valor sustancial y contribuirían al éxito empresarial. Empiece por hacerse preguntas clave como: ¿Qué tan importante para su estrategia general es abordar el problema objetivo? ¿Qué tan difícil sería implementar la solución de IA propuesta, tanto desde el punto de vista técnico como organizativo? ¿Valdrían la pena las ventajas de lanzar la aplicación? Luego, priorice los casos de uso según los que ofrezcan el mayor valor a corto y largo plazo y que, en última instancia, podrían integrarse en una plataforma o conjunto más amplio de capacidades cognitivas para crear una ventaja competitiva.

Selección de la tecnología.

La tercera área a evaluar examina si las herramientas de IA que se están considerando para cada caso de uso están realmente a la altura de la tarea. Los chatbots y los agentes inteligentes, por ejemplo, pueden frustrar a algunas empresas porque la mayoría de ellas aún no pueden igualar la resolución de problemas humanos más allá de los simples casos guionados (aunque están mejorando rápidamente). Otras tecnologías, como la automatización robótica de procesos, que puede agilizar los procesos simples, como la facturación, pueden, de hecho, ralentizar los sistemas de producción más complejos. Y aunque los sistemas de reconocimiento visual con aprendizaje profundo pueden reconocer las imágenes de las fotos y los vídeos, requieren muchos datos etiquetados y es posible que no puedan dar sentido a un campo visual complejo.

Con el tiempo, las tecnologías cognitivas transformarán la forma en que las empresas hacen negocios. Sin embargo, hoy es más prudente tomar medidas graduales con la tecnología disponible actualmente y, al mismo tiempo, planificar un cambio transformador en un futuro no muy lejano. Puede que, en última instancia, quiera convertir las interacciones con los clientes en bots, por ejemplo, pero por ahora probablemente sea más factible (y sensato) automatizar su servicio de asistencia de TI interno como un paso hacia el objetivo final.

[  3  ]

Launching Pilots

Como la brecha entre las capacidades de IA actuales y las deseadas no siempre es obvia, las empresas deberían crear proyectos piloto para las aplicaciones cognitivas antes de implementarlas en toda la empresa.

Los pilotos de prueba de concepto son especialmente adecuados para iniciativas que tienen un alto valor empresarial potencial o que permiten a la organización probar diferentes tecnologías al mismo tiempo. Tenga especial cuidado para evitar «inyecciones» de proyectos por parte de altos ejecutivos que se han visto influenciados por vendedores de tecnología. El hecho de que los ejecutivos y los consejos de administración se sientan presionados por «hacer algo cognitivo» no significa que deba saltarse el riguroso proceso de pilotaje. Los proyectos inyectados suelen fracasar, lo que puede retrasar significativamente el programa de IA de la organización.

Si su empresa tiene previsto lanzar varios proyectos piloto, considere la posibilidad de crear un centro de excelencia cognitivo o una estructura similar para gestionarlos. Este enfoque ayuda a desarrollar las habilidades y capacidades tecnológicas necesarias dentro de la organización y, al mismo tiempo, ayuda a pasar a los pequeños pilotos a aplicaciones más amplias que tendrán un mayor impacto. Pfizer tiene más de 60 proyectos en toda la empresa que emplean algún tipo de tecnología cognitiva; muchos son pilotos y otros están ahora en producción.

En Becton, Dickinson, una función de «automatización global» de la organización de TI supervisa varios proyectos piloto de tecnología cognitiva que utilizan agentes digitales inteligentes y RPA (algunos trabajos se realizan en asociación con la organización Global Shared Services de la empresa). El grupo global de automatización utiliza mapas de procesos de extremo a extremo para guiar la implementación e identificar las oportunidades de automatización. El grupo también utiliza «mapas de calor» gráficos que indican las actividades organizativas más susceptibles a las intervenciones de la IA. La empresa ha implementado con éxito agentes inteligentes en los procesos de soporte de TI, pero aún no está preparada para soportar procesos empresariales a gran escala, como desde el pedido hasta el cobro. La aseguradora de salud Anthem ha desarrollado una función de IA centralizada similar a la que llama Oficina de Capacidad Cognitiva.

Rediseño de los procesos empresariales.

A medida que se desarrollen los proyectos de tecnología cognitiva, piense en cómo podrían rediseñarse los flujos de trabajo, centrándose específicamente en la división del trabajo entre los humanos y la IA. En algunos proyectos cognitivos, el 80% de las decisiones las tomarán las máquinas y el 20% las tomarán los humanos; otros tendrán la proporción opuesta. Es necesario un rediseño sistemático de los flujos de trabajo para garantizar que los humanos y las máquinas aumentan los puntos fuertes de los demás y compensan los puntos débiles.

La firma de inversiones Vanguard, por ejemplo, tiene una nueva oferta de «servicios de asesoramiento personal» (PAS), que combina el asesoramiento de inversiones automatizado con la orientación de asesores humanos. En el nuevo sistema, la tecnología cognitiva se utiliza para realizar muchas de las tareas tradicionales del asesoramiento de inversiones, como crear una cartera personalizada, reequilibrar las carteras a lo largo del tiempo, acumular pérdidas fiscales y seleccionar inversiones con eficiencia fiscal. Los asesores humanos de Vanguard actúan como «entrenadores de inversiones» y se encargan de responder a las preguntas de los inversores, fomentar un comportamiento financiero saludable y, en palabras de Vanguard, ser «rompecircuitos emocionales» para mantener a los inversores dentro del plan. Se anima a los asesores a que aprendan sobre la financiación conductual para desempeñar estas funciones de forma eficaz. El enfoque PAS ha recaudado rápidamente más de 80 000 millones de dólares en activos bajo gestión, los costes son inferiores a los del asesoramiento exclusivamente humano y la satisfacción de los clientes es alta.

La división del trabajo de una empresa

Vanguard, la firma de servicios de inversión, utiliza la tecnología cognitiva para ofrecer a los clientes consejos de inversión a un coste menor. Su sistema de servicios de asesoramiento personal automatiza muchas de las tareas tradicionales de asesoramiento de inversiones, mientras que los asesores humanos asumen actividades de mayor valor. Así es como Vanguard rediseñó sus procesos de trabajo para aprovechar al máximo el nuevo sistema.

Tecnología cognitiva

• Genera un plan financiero
• Proporciona previsiones basadas en objetivos en tiempo real
• Reequilibra la combinación de cartera con objetivos
• Minimiza los impuestos
• Hace un seguimiento de los activos agregados en un solo lugar
• Involucra a los clientes de forma virtual

Consejero

• Entiende los objetivos de inversión
• Personaliza un plan de implementación
• Proporciona análisis de inversiones y planificación de la jubilación
• Desarrolla estrategias de reducción de los ingresos de jubilación y del Seguro Social
• Se desempeña como entrenador de comportamiento
• Supervisa el gasto para fomentar la rendición de cuentas
• Ofrece apoyo continuo a la planificación patrimonial y financiera
• Aborda las consideraciones de planificación patrimonial

Fuente: Vanguard Group

Vanguard entendió la importancia del rediseño del trabajo a la hora de implementar el PAS, pero muchas empresas simplemente «allanan el camino» automatizando los procesos de trabajo existentes, especialmente cuando utilizan la tecnología RPA. Al automatizar los flujos de trabajo establecidos, las empresas pueden implementar proyectos rápidamente y lograr el ROI, pero pierden la oportunidad de aprovechar al máximo las capacidades de la IA y mejorar sustancialmente el proceso.

Los esfuerzos de rediseño del trabajo cognitivo suelen beneficiarse de la aplicación de los principios del pensamiento de diseño: entender las necesidades del cliente o usuario final, implicar a los empleados cuyo trabajo se reestructurará, tratar los diseños como «primeros borradores» experimentales, considerar múltiples alternativas y tener en cuenta explícitamente las capacidades de la tecnología cognitiva en el proceso de diseño. La mayoría de los proyectos cognitivos también se adaptan a enfoques iterativos y ágiles del desarrollo.

[  4  ]

Scaling Up

Muchas organizaciones han lanzado con éxito los pilotos cognitivos, pero no han tenido tanto éxito en toda la organización. Para lograr sus objetivos, las empresas necesitan planes detallados de expansión, lo que requiere la colaboración entre los expertos en tecnología y los propietarios de la automatización de los procesos empresariales. Como las tecnologías cognitivas suelen respaldar tareas individuales y no procesos completos, la ampliación casi siempre requiere la integración con los sistemas y procesos existentes. De hecho, en nuestra encuesta, los ejecutivos informaron que esa integración era el mayor desafío al que se enfrentaban en las iniciativas de IA.

Las empresas deberían iniciar el proceso de ampliación considerando si la integración requerida es posible o factible. Si la aplicación depende de una tecnología especial que sea difícil de conseguir, por ejemplo, eso limitará la ampliación. Asegúrese de que los propietarios de los procesos empresariales discuten las consideraciones de escalamiento con la organización de TI antes o durante la fase piloto: es poco probable que el final de la TI tenga éxito, incluso para tecnologías relativamente simples, como la RPA.

La aseguradora de salud Anthem, por ejemplo, está abordando el desarrollo de las tecnologías cognitivas como parte de una importante modernización de sus sistemas actuales. En lugar de incorporar nuevas aplicaciones cognitivas a la tecnología antigua, Anthem utiliza un enfoque holístico que maximiza el valor que generan las aplicaciones cognitivas, reduce el coste total de desarrollo e integración y crea un efecto halo en los sistemas antiguos. La empresa también está rediseñando los procesos al mismo tiempo para, como dice el CIO Tom Miller, «utilizar la cognición para pasar al siguiente nivel».

Lectura adicional: La gran idea

El negocio de la inteligencia artificial, Dentro del taller de IA de Facebook, La IA puede ser un compañero de equipo problemático

Al crecer, las empresas pueden enfrentarse a importantes desafíos de gestión del cambio. En una cadena minorista de ropa estadounidense, por ejemplo, el proyecto piloto en un pequeño subconjunto de tiendas utilizó el aprendizaje automático para recomendar productos en línea, las predicciones para un inventario óptimo y modelos de reabastecimiento rápido y, lo más difícil de todo, la comercialización. Los compradores, acostumbrados a pedir productos por intuición, se sentían amenazados e hacían comentarios como: «Si va a confiar en esto, ¿para qué me necesita?» Tras el piloto, los compradores acudieron en grupo al director de comercialización y pidieron que se eliminara el programa. El ejecutivo señaló que los resultados fueron positivos y justificaban ampliar el proyecto. Aseguró a los compradores que, liberados de ciertas tareas de comercialización, podrían dedicarse a más trabajos de alto valor que los humanos puedan hacer mejor que las máquinas, como entender los deseos de los clientes más jóvenes y determinar los planes futuros de los fabricantes de ropa. Al mismo tiempo, reconoció que había que educar a los comerciantes sobre una nueva forma de trabajar.

Si la expansión quiere lograr los resultados deseados, las empresas también deben centrarse en mejorar la productividad. Muchos, por ejemplo, planean aumentar su productividad, añadiendo clientes y transacciones sin añadir personal. Lo ideal es que las empresas que citen la reducción del número de empleados como la principal justificación de la inversión en IA planifiquen alcanzar ese objetivo con el tiempo mediante la deserción o la eliminación de la subcontratación.

La empresa cognitiva del futuro

Nuestra encuesta y nuestras entrevistas sugieren que los directivos con experiencia en la tecnología cognitiva son optimistas en cuanto a sus perspectivas. Aunque los primeros éxitos son relativamente modestos, anticipamos que estas tecnologías acabarán transformando el trabajo. Creemos que las empresas que están adoptando la IA con moderación ahora (y tienen planes de implementación agresivos para el futuro) se encontrarán tan bien posicionadas para cosechar beneficios como las que adoptaron la analítica desde el principio.

Mediante la aplicación de la IA, los dominios que hacen un uso intensivo de la información, como el marketing, la atención médica, los servicios financieros, la educación y los servicios profesionales, podrían convertirse simultáneamente en más valiosos y más baratos para la sociedad. El trabajo pesado empresarial en todos los sectores y funciones (supervisar las transacciones rutinarias, responder repetidamente a las mismas preguntas y extraer datos de un sinfín de documentos) podría convertirse en dominio de las máquinas, lo que permitiría a los trabajadores humanos ser más productivos y creativos. Las tecnologías cognitivas también son un catalizador para que otras tecnologías con uso intensivo de datos tengan éxito, como los vehículos autónomos, el Internet de las cosas y las tecnologías de consumo móviles y multicanal.

El gran temor de las tecnologías cognitivas es que dejen a masas de personas sin trabajo. Por supuesto, es probable que se pierdan algunos puestos de trabajo cuando las máquinas inteligentes se encargan de ciertas tareas que tradicionalmente realizaban los humanos. Sin embargo, creemos que la mayoría de los trabajadores tienen poco que temer en este momento. Los sistemas cognitivos realizan tareas, no trabajos completos. La pérdida de puestos de trabajo humanos que hemos visto se debió principalmente a la pérdida de trabajadores que no fueron reemplazados o a la automatización del trabajo subcontratado. La mayoría de las tareas cognitivas que se realizan actualmente aumentan la actividad humana, realizan una tarea limitada dentro de un trabajo mucho más amplio o realizan trabajos que no realizaban los humanos en primer lugar, como el análisis de macrodatos.

La mayoría de los directivos con los que hablamos del tema de la pérdida de puestos están comprometidos con una estrategia de aumento, es decir, integrar el trabajo humano y mecánico, en lugar de reemplazar por completo a los humanos. En nuestra encuesta, solo el 22% de los ejecutivos indicaron que consideraban reducir la plantilla como uno de los principales beneficios de la IA.

Creemos que todas las grandes empresas deberían explorar las tecnologías cognitivas. Habrá algunos baches en el camino y no hay lugar para la autocomplacencia en temas como el desplazamiento de la fuerza laboral y la ética de las máquinas inteligentes. Pero con la planificación y el desarrollo adecuados, la tecnología cognitiva podría marcar el comienzo de una era dorada de productividad, satisfacción laboral y prosperidad.