Llevar la IA a gran escala

La mayoría de los directores ejecutivos reconocen que la inteligencia artificial tiene el potencial de cambiar por completo la forma en que funcionan las organizaciones. Pueden imaginarse un futuro en el que, por ejemplo, los minoristas entreguen productos individualizados incluso antes de que los clientes los soliciten, quizás el mismo día en que se fabrican esos productos. Puede que ese escenario suene a ciencia ficción, pero la IA que lo hace posible ya existe.

Lo que se interpone en ese futuro es que las empresas no han descubierto cómo cambiarse a sí mismas para hacerle frente. Para ser justos, la mayoría se ha esforzado por incorporar las tecnologías digitales, y en algunos casos han transformado genuinamente la forma en que atienden a sus clientes y fabrican sus ofertas.

Sin embargo, para hacer realidad toda la promesa de la IA, las empresas deben reimaginar sus modelos de negocio y la forma en que se hace el trabajo. No pueden simplemente incluir la IA en un proceso existente para automatizarlo o añadir información. Y aunque la IA se puede emplear localmente en todas las funciones de una larga lista de aplicaciones específicas (conocidas como casos de uso), ese enfoque no impulsará cambios consecuentes en las operaciones o los resultados de la empresa. También hace que sea mucho más difícil y caro hacer que la IA escale, ya que cada equipo lejano debe reinventar la rueda con respecto a la participación de los stakeholders, la formación, la gestión del cambio, los datos, la tecnología y más.

Pero eso no significa que las empresas deban intentar reformar toda la organización con la IA de una vez. Es casi seguro que eso acabaría en fracaso. Un cambio de imagen completo es un proceso enormemente complicado que implica demasiadas partes móviles, partes interesadas y proyectos como para lograr un impacto significativo rápidamente.

Hemos descubierto que el enfoque correcto consiste en identificar una parte crucial del negocio y repensarla por completo. Introducir cambios a lo largo de todo un proceso, recorrido o función principal, lo que denominamos dominio —supondrá una mejora importante en el rendimiento que las aplicaciones locales aisladas simplemente no pueden igualar. También permitirá que cada iniciativa de IA se base en la anterior, por ejemplo, reutilizando los datos o mejorando las capacidades para un conjunto común de partes interesadas. Hemos visto cómo este enfoque desencadena un ciclo orgánico de cambios en los dominios y, en última instancia, ha dado impulso al uso de la IA en toda la organización, a medida que los líderes empresariales y los empleados ven que funciona. Además, este enfoque promueve una mentalidad de mejora continua en la fuerza laboral, lo cual es crucial porque la tecnología de la IA avanza rápidamente y exige que las organizaciones piensen en las transformaciones de la IA como esfuerzos continuos y no únicos.

En última instancia, las empresas que no puedan aprovechar al máximo la IA quedarán marginadas por las que sí puedan, como ya hemos visto en varios sectores, como la fabricación de automóviles y los servicios financieros. La buena noticia es que durante el último año muchas empresas(incluso las empresas con capacidades de análisis limitadas) han empezado a desarrollar las habilidades necesarias para aprovechar las oportunidades de la IA, ya que la crisis de la COVID-19 los obligó a cambiar su forma de hacer negocios casi de la noche a la mañana. Ahora el desafío consistirá en aplicar esas habilidades para llevar a cabo iniciativas más amplias. (Para saber si no ha definido correctamente el alcance de sus iniciativas, consulte la siguiente barra lateral.)

Señales de que está pensando en la IA

Demasiado amplio o demasiado limitado

DEMASIADO AMPLIAMENTE

DEMASIADO LIMITADO

El trabajo identificado en un dominio no se puede completar en tres o cuatro oleadas de trabajo en un período de 12 a 15 meses.

Está resolviendo un desafío de nicho dejando intactas las causas fundamentales de los problemas o sin tener en cuenta los procesos interrelacionados.

Hay más de una docena de líderes con diferentes objetivos que pueden decir lo que debe suceder después y no hay un propietario de negocio claro con responsabilidad.

El líder empresarial del área objetivo no se siente propietario porque el proyecto no moverá la aguja y usted no ha involucrado a líderes de una cadena de valor específica.

Tiene que rediseñar toda la arquitectura tecnológica y de datos de la empresa para sacar provecho.

Ha creado una solución que no se integra con otros procesos ascendentes y descendentes.

© HBR.org

En este artículo, nos basaremos en nuestra experiencia trabajando con cientos de clientes, incluidas algunas de las organizaciones más grandes del mundo, para describir lo que las empresas tienen que hacer para que la IA crezca.

Paso 1: Definir la estrategia

Puede resultar difícil entender el alcance correcto de las iniciativas de IA. Recomendamos a los directores ejecutivos que se centren en las áreas de la empresa en las que la IA marcará una gran diferencia en un período de tiempo razonable; es relativamente fácil encontrar un patrocinador, conseguir que las partes interesadas acepten y formar un equipo; y hay varias actividades y oportunidades interconectadas para reutilizar los datos y los activos tecnológicos.

Posible impacto.

Los dominios elegidos deben ser lo suficientemente grandes como para mejorar significativamente los resultados de la empresa o las experiencias de los clientes o los empleados. Una aerolínea a la que asesoramos determinó que tenía 10 dominios comerciales principales que se ajustaban a esa descripción: carga, tripulación, gestión de ingresos, comercio electrónico, servicio de atención al cliente, aeropuertos, mantenimiento, planificación de redes, operaciones y talento. Pero empezó con Cargo, donde identificó una cartera de iniciativas de IA que podían completarse en unas 18 semanas. La primera generaría unos 30 millones de dólares adicionales en beneficios, al permitir una previsión más precisa del volumen y el peso de la carga y aumentar el uso de la capacidad de transporte.

En otro caso, un proveedor de telecomunicaciones decidió rediseñar su proceso de gestión del valor para el cliente (que abarca todas las formas en que una empresa interactúa con sus clientes), utilizando la IA para entender y abordar las necesidades únicas de cada cliente. Ese trabajo redujo rápidamente el tiempo necesario para ejecutar las campañas de marketing en un 75% y permitió a la empresa reducir la rotación de clientes en tres puntos porcentuales. La empresa espera que esas mejoras añadan 70 millones de dólares a sus resultados a finales de 2021.

Actividades interconectadas.

Los dominios prometedores abarcan un conjunto claro de actividades empresariales cuya recalibración puede resolver problemas sistémicos, como las ineficiencias crónicas (como los largos plazos de aprobación de los préstamos), la alta variabilidad (la demanda de los consumidores fluctúa rápidamente) y las oportunidades que se pierden de forma rutinaria (dificultades para hacer llegar los productos a los clientes). En muchos casos, las soluciones de IA pueden abordar las causas fundamentales de estos problemas, en parte mediante la información proporcionada y, en parte, mediante mejoras organizativas. Centro/Estudio Patrick Fry

La aerolínea identificó seis actividades de carga estrechamente relacionadas: la negociación de tarifas, la asignación del espacio, la reserva de reservas, la documentación de los envíos, la gestión de las operaciones terrestres y la entrega y la facturación. La satisfacción de los clientes y los precios dependían de factores como la disponibilidad de espacio con poca antelación, la posibilidad de rastrear los envíos en tiempo real y la velocidad de entrega. Cuando se reconfiguraron las seis actividades para poder introducir los datos en una plataforma compatible con la IA, la empresa pudo reducir significativamente el despilfarro sistémico y, al mismo tiempo, mejorar considerablemente la experiencia del cliente, lo que reforzó sus márgenes y su reputación al mismo tiempo.

Patrocinador y equipo.

En un dominio prometedor, puede identificar fácilmente lo siguiente:

• un campeón empresarial interno responsable de toda la cadena de valor implicada (en la aerolínea, era el vicepresidente de carga)
• personal empresarial sénior dedicado (en la aerolínea, esto incluía al director sénior de carga y dos de sus subordinados directos) que pueden ocupar las funciones de «propietario del producto» (la persona responsable de la entrega de soluciones), traductor (que une el ámbito de la analítica y la empresa) y responsable del cambio (responsable de las iniciativas de gestión del cambio)
• un equipo de profesionales de la IA, como expertos en ciencia e ingeniería de datos, diseñadores, analistas de negocios y un scrum master (estos profesionales también pueden provenir de un equipo central de la organización)
• un grupo de usuarios de primera línea o trabajadores del conocimiento responsables de las actividades diarias (en la aerolínea, había 250 agentes de ventas y reservas en América, Asia-Pacífico y Europa)

Contratar a empleados de todo el ciclo de vida del dominio (independientemente del puesto que ocupen anteriormente en la organización) y darles la responsabilidad por el trabajo genera compromiso con una iniciativa y genera entusiasmo e impulso. Esos factores son cruciales para que los empleados piensen más allá de lo habitual a la hora de diseñar soluciones y ayuden al proyecto a superar los inevitables e inesperados obstáculos.

Tecnología y datos reutilizables.

También es importante seleccionar los dominios en los que los componentes de datos y tecnología necesarios para ejecutar los modelos de IA puedan superponerse. Es mucho más fácil cuando los equipos no tienen que empezar de cero cada vez y pueden reutilizar datos o fragmentos de código que ya están preparados para la IA. Es probable que se haga una inversión inicial para el primer modelo o los dos que se creen dentro de un dominio, pero con el tiempo, los nuevos proyectos pueden basarse en los anteriores, lo que reduce drásticamente el tiempo y los costes de desarrollo. Los recursos a los que nos referimos aquí suelen incluir, por el lado de los datos, bibliotecas y definiciones de metadatos comunes y, por el lado de la tecnología, scripts de aprendizaje automático, interfaces de programación de aplicaciones (API) que extraen datos de sistemas antiguos y funciones de visualización de datos.

Los equipos ejecutivos suelen identificar entre ocho y 10 dominios en los que la IA puede transformar su negocio. Una vez que lo hagan, le recomendamos que reduzca la lista a uno o dos en función de la viabilidad y el valor empresarial.

Habrá una inversión inicial para el primer modelo o los dos que se creen, pero con el tiempo, los nuevos proyectos pueden basarse en los anteriores, lo que reduce drásticamente el tiempo y los costes de desarrollo.

En la aerolínea, el CEO y sus subordinados directos habían celebrado una serie de sesiones de estrategia a lo largo de 12 semanas. Hablaron de cómo las empresas de diferentes sectores estaban innovando con la IA, desarrollaron una visión del uso de la IA para lograr un aumento de dos dígitos en los beneficios operativos en un plazo de 15 meses, priorizaron los dominios con los que empezar y comprometieron los recursos necesarios para seguir adelante. Cada uno de los ejecutivos pidió a expertos de sus dominios individuales que identificaran qué podrían hacer sus áreas de manera diferente para alcanzar la meta de beneficios y que evaluaran el valor potencial y la viabilidad de sus recomendaciones. En el ámbito de la carga, tres altos directivos empresariales, junto con personal de TI y finanzas, explicaron la oportunidad de ocupar mejor el espacio de carga disponible en los aviones, los beneficios esperados al hacerlo y la practicidad de lograrlo en términos de disponibilidad de datos, tecnología, talento, etc.

Paso 2: Estructurar el equipo

El equipo responsable de las iniciativas de IA en cada dominio debe incluir a todas las personas necesarias (desde funciones empresariales, digitales, analíticas y de TI) para diseñar, crear y apoyar las nuevas formas de trabajo. En gran medida, una vez que los equipos de dominio conozcan su objetivo y dispongan de los recursos, organizarán su trabajo por su cuenta mediante prácticas ágiles. La función de la dirección, más allá de crear los equipos, consistirá en garantizar que cualquier empleado que se traslade a ellos desde otras partes de la empresa esté totalmente integrado y eliminar cualquier barrera organizativa que pueda impedir el éxito de los equipos.

En muchos casos que hemos estudiado, la mayoría de los miembros del equipo necesarios ya trabajaban en el dominio objetivo y los líderes simplemente tenían que dedicarlos al proyecto y, luego, incorporar el talento técnico necesario de otras áreas de la empresa. En la aerolínea, todos los empleados de ventas, servicio al cliente, operaciones y finanzas participaron en la transformación del dominio de la carga y la mayoría de ellos habían dependido de la función empresarial desde el principio. Los expertos en IA, como científicos e ingenieros de datos, fueron asignados al equipo desde el centro de excelencia de IA de la empresa durante todo el trabajo y dependían directamente del director sénior de la división de carga, que era el propietario del producto de la nueva IA. Centro/Estudio Patrick Fry

En algunos casos, las empresas tendrán que reasignar explícitamente al equipo a personas que desempeñan otras funciones no técnicas de varias partes de la organización. Pensemos en un minorista de servicios de energía que también quería utilizar la IA para renovar la gestión del valor para los clientes, incluida la segmentación de los clientes, las ofertas que se les enviaban y a través de qué canales, y la forma en que se ponían a prueba nuevas ideas. La empresa tuvo que trasladar formalmente a los expertos en campañas de marketing de todos los canales y equipos bajo un mismo paraguas. Intentar coordinar su trabajo en silos distintos habría provocado retrasos y desconexiones a medida que las solicitudes de información y aprobaciones se trasladaban de un departamento a otro. También habría obligado a las personas involucradas a hacer malabares con dos conjuntos de obligaciones.

A menudo, los equipos de proyectos de IA pueden ser simplemente equipos individuales, en los que todo el equipo lleva a cabo todo el trabajo por sí solo. Pero cuando las tareas tienen un alcance relativamente amplio y requieren el trabajo de más de una docena de personas, un solo equipo será demasiado difícil de manejar. En esas situaciones, tendrá sentido dividir el equipo en varios equipos, de forma que un equipo proporcione capacidades compartidas. La empresa de telecomunicaciones dividió su nuevo equipo de valor para los clientes en cuatro equipos de negocios: uno centrado en los clientes de prepago, otro en los clientes de pospago, otro en la adquisición de clientes y otro en la retención de clientes. Les dio a cada uno la misión de reducir la pérdida de clientes o mejorar las ventas cruzadas en un 20% antes de fin de año. Se creó un quinto equipo, una utilidad de datos, con ingenieros y desarrolladores de datos, para apoyar a los otros cuatro mediante la creación de tecnología y activos que cada uno pudiera reutilizar y el desarrollo de nuevos modelos de análisis basados en la IA.

Paso 3: Reimaginar que todo siga como de costumbre

Como mencionamos anteriormente, para aprovechar al máximo la IA es necesario reinventar los modelos de negocio, las funciones y responsabilidades y los procesos operativos, utilizando nuevas formas de pensar y trabajar. Por lo general, descubrimos que la mejor manera de servir a las empresas es aplicar los primeros principios o técnicas de pensamiento de diseño y trabajar hacia atrás a partir de un objetivo o desafío clave. Por ejemplo, las empresas podrían imaginarse cómo sería una experiencia de cliente de cinco estrellas y, luego, explorar con detalle cómo podrían lograrlo.

En la aerolínea, el equipo de carga comenzó entrevistando a los agentes de ventas y reservas sobre la forma en que asignaban el espacio en los aviones de pasajeros y decidió si aceptaban o rechazaban las solicitudes de envío. ¿Cómo comprobaron los agentes la disponibilidad del espacio de carga? ¿En qué otros datos se basaron y cómo sopesaron los diferentes datos que recopilaron? ¿Qué preocupaciones tenían a la hora de tomar decisiones?

Los equipos deberían tener en cuenta el posible impacto que las iniciativas de IA tendrán en los procesos iniciales y posteriores e implementar medidas para abordarlo.

El equipo descubrió que el enfoque tradicional estaba plagado de previsiones inexactas y de conjeturas por parte de los agentes que trataban de estimar las posibles cancelaciones. (En las reservas de carga, a diferencia de las reservas de pasajeros, la cancelación no conlleva penalización, por lo que no es inusual que un avión parezca estar completamente reservado y salga con el espacio de carga vacío por no presentarse). Los agentes de reservas de carga también estaban preocupados por el impacto en la satisfacción de los clientes si el espacio estaba sobrevendido. Para evitar conflictos, los agentes solían esperar hasta el día del vuelo para reservar espacio de carga para sus clientes, lo que provocaba un uso subóptimo de la capacidad y la pérdida de oportunidades.

Tras identificar y entender los problemas con los procesos existentes, el equipo planificó cómo sería un proceso ideal, incluida la información que los agentes necesitarían para determinar si reservar, cuánto podrían sobrereservar de forma segura y con qué antelación, y en qué se diferenciarían las funciones. Luego, dedicó unas semanas a desarrollar un prototipo de panel de control con IA que proporcionara la información necesaria a los agentes, y trabajó en sprints iterativos con ellos para incorporar los datos de los modelos de previsión, que se estaban desarrollando en paralelo. El equipo probó el panel de control con agentes para 12 rutas representativas de la red global de la empresa, de 1500 personas. Comparó las diferencias entre la utilización de la carga y los beneficios en las rutas para los agentes que seguían las recomendaciones del sistema y para un grupo de control que utilizaba los procesos tradicionales. Para fomentar la confianza en el nuevo sistema, los ejecutivos eliminaron cualquier repercusión a la que pudieran enfrentarse normalmente los agentes si un vuelo no podía gestionar una reserva.

Todos los agentes tienen ahora acceso a paneles intuitivos que ilustran visualmente qué vuelos están infrautilizando el espacio. Pueden ver de un vistazo los datos sobre cómo los envíos de carga de los vuelos recientes generaron ingresos. Los circuitos de retroalimentación integrados permiten a los sistemas de IA aprender continuamente de los agentes a la hora de decidir si aceptan una solicitud de carga, basándose en su experiencia en cuestiones de tamaño y peso de los envíos y en sus conocimientos sobre los cambios en las cadenas de suministro, las rutas comerciales y otros factores de los clientes. Estas nuevas herramientas proporcionan a los agentes información que les da la confianza necesaria para vender espacio de carga con bastante antelación a la fecha de salida.

Paso 4: Adaptarse al cambio organizativo y tecnológico

En la mayoría de los casos, significativo cambios organizativos, como adoptar una mentalidad ágil y de colaboración interdisciplinaria, será necesaria para respaldar los nuevos procesos y modelos basados en la IA. De hecho, nuestra investigación muestra que las empresas que obtienen los mayores beneficios con la IA tienen más probabilidades de adoptar prácticas de gestión del cambio eficaces, como hacer que los líderes modelen los comportamientos deseados, y que esos esfuerzos funcionan mejor cuando los facilitan los directores ejecutivos y los altos ejecutivos.

Vuelva a llamar a la tienda de servicios de energía. Invirtió en volver a capacitar a los empleados para que pudieran trabajar juntos de forma eficaz en el nuevo contexto y asumir nuevas responsabilidades de liderazgo; realineó los objetivos e incentivos de los miembros del equipo de proyectos de IA con sus nuevas responsabilidades; y rellenó las responsabilidades en los departamentos que los miembros del equipo tuvieron que dejar.

La serie de Patrick Fry Punzón de impresión explora la estética de la tarjeta perforada y reflexiona sobre una época en la que los datos eran físicamente tangibles. Centro/Estudio Patrick Fry

Si bien las empresas necesitarán actualizar su tecnología para dar soporte a la IA, no necesitarán realizar una cirugía importante en su infraestructura de TI o arquitectura de datos antes de empezar. Más bien, recomendamos a las empresas que se centren en tecnología que permitirá y acelerará la IA desarrollo y, luego, clasificar las inversiones adicionales según las prioridades de los equipos. Las plataformas de datos basadas en la nube y el uso de las API, los microservicios y otras prácticas modernas de desarrollo y operaciones, por ejemplo, pueden ayudar a las empresas desarrolle nuevas capacidades empresariales dos o tres veces más rápido.

El proveedor de telecomunicaciones creó una plataforma basada en la nube para los datos sin procesar de los sistemas de transacciones y servicio al cliente existentes, de modo que los ingenieros y científicos de datos pudieran utilizarlos más fácilmente que los datos del antiguo sistema de almacén. La empresa también implementó una nueva mesa de trabajo de análisis, que ayudó a los científicos de datos a formar e implementar nuevos modelos con mayor rapidez, y herramientas que simplificaron la recopilación de datos, el análisis y la creación de modelos para su sistema de gestión del valor del cliente impulsado por la IA. Esas medidas le permitieron empezar a utilizar datos no estructurados, aplicar enfoques más complejos y trabajar de manera más eficiente.

Al priorizar las inversiones en tecnología adicionales, los equipos deberían planificar las capacidades, los datos y los recursos (como la robótica, la biometría y los sensores y las plataformas de conectividad) que necesitarán y cuándo, y luego reducir cada pieza según sea necesario. Al diseñar su sistema de gestión del valor para el cliente, el equipo del proveedor de telecomunicaciones se dio cuenta de que necesitaría una nueva tecnología que automatizara la mensajería directa saliente y proporcionara a los vendedores información en tiempo real sobre la próxima conversación que iban a mantener con los clientes.

Los equipos también deberían tener en cuenta el posible impacto que las iniciativas de IA tendrán en los procesos iniciales y posteriores e implementar medidas para abordarlo. Por ejemplo, en la aerolínea, el equipo de IA desarrolló una herramienta de informes para que los gerentes supervisaran la carga y descarga de la carga, de modo que pudieran soportar de forma eficaz los mayores volúmenes generados por el nuevo proceso de ventas y reservas.

Un efecto dominó

Una vez que el desarrollo de la IA madure en un dominio inicial y las organizaciones hayan seguido un ritmo de reinvención de las partes del negocio, estarán listas para expandirse. La base tecnológica que han creado y las habilidades que han aprendido (por ejemplo, cómo romper con éxito los silos, tomar decisiones que antes llevaban semanas en horas y crear más equipos basados en los datos) ayudarán a acelerar sus esfuerzos en nuevos dominios.

En este momento, las empresas pueden dedicarse a varios dominios en paralelo. De nuevo, la idea es basarse en trabajos anteriores. Esto podría llevar a las empresas a priorizar los dominios que tienen datos y habilidades en común, como la cadena de suministro y la logística. O pueden dedicarse al mismo dominio en otras unidades de negocio. El minorista de servicios de energía estima que casi el 80% del trabajo realizado para mejorar la gestión del valor para los clientes en una división de productos (lo que se llevó a un crecimiento récord en solo unos meses, incluido un aumento del 12% en los beneficios de los clientes y un aumento del 20% en la retención de los clientes) se puede reutilizar en varias otras unidades de negocio y acelerar también su crecimiento.

Todas las empresas descritas en este artículo se encuentran aún en las primeras etapas de su transformación total de la IA, pero están en el umbral de una nueva era. Se han hecho una idea de lo que es posible y sus decisiones audaces les han dado importantes beneficios en los dominios a los que se dirigían y nuevas capacidades que los casos de uso discretos no podían ofrecer. Estas empresas han creado un manual de metodologías y protocolos al que pueden recurrir de nuevo. A medida que pasen a otros dominios, su ritmo se acelerará, sus capacidades de IA se agravarán rápidamente y descubrirán que el futuro que imaginaban está más cerca de lo que parecía.