Cómo la IA puede hacer que la estrategia sea más humana

UN radicalmente humano El enfoque de la interacción hombre-máquina está poniendo patas arriba las suposiciones sobre los componentes básicos de la innovación. En concreto, la nueva utilidad de los datos pequeños —incluida la capacidad de crear datos «sintéticos» para simular un conjunto de circunstancias— está poniendo el poder de la IA a escala al alcance de las entidades que antes no podían permitírselo. En lugar de que las máquinas «aprendan» procesando montañas de datos, los humanos ahora pueden enseñar a las máquinas basándose en la experiencia, la percepción y la intuición humanas. Eso significa que más personas en las organizaciones pueden utilizar la IA de nuevas formas, en función de su experiencia individual.

¿El panorama general resultante? La engorrosa arquitectura de TI tradicional está dando paso a sistemas vivos que pueden unir tecnologías, datos y talento en un mundo hiperdigital de computación móvil, IA, Internet de las cosas (IoT) y miles de millones de dispositivos. Estos acontecimientos han abierto enormes posibilidades de innovación estratégica. Sin embargo, solo un pequeño número de empresas han dado un salto radical hacia las nuevas estrategias que han abierto estas tecnologías radicalmente humanas.

Tres de estas nuevas estrategias de alto potencial incluyen: Forever Beta, Idea mínima viable (MVI), y Laboratorio colaborativo. Explicaremos cada una de ellas en detalle, con ejemplos de empresas que las emplean actualmente. Aunque sus estrategias específicas son distintas, las empresas que utilizan estas nuevas estrategias comparten tres características importantes. En primer lugar, su tecnología, estrategia empresarial y ejecución están tan estrechamente entrelazadas que son casi indistinguibles. En segundo lugar, los humanos, no las máquinas, están en el asiento del conductor. En tercer lugar, estas empresas entienden que todas las empresas, sin importar su sector, son ahora empresas de tecnología.

Forever Beta

Las estrategias de Forever Beta ofrecen productos y servicios basados en software que evolucionan y mejoran continuamente tras la compra, de modo que los clientes ven crecer en valor y utilidad con el tiempo, en lugar de desaparecer. Por ejemplo, Tesla, a diferencia de otros fabricantes de automóviles, no ofrece actualizaciones anuales de sus modelos. Esto se debe a que Tesla publica un modelo y, después, lo mejora continuamente. Los propietarios de Tesla ven cómo sus coches actuales se transforman continuamente mediante actualizaciones que mejoran las capacidades de conducción autónoma del vehículo, mejoran el rendimiento y mejoran las características de seguridad.

[

Insight Center Collection

Setting Your Corporate Strategy

Beyond a return to “normal.”

](/insight-center/setting-your-corporate-strategy)

Mediante la conectividad nube/perimetral con los coches, Tesla monitorea el rendimiento y proporciona diagnóstico y reparación remotos. Por ejemplo, un problema motor que implicaba un sobrecalentamiento ocasional lo diagnosticó y reparó un parche de software. Los conductores de Tesla mantienen un ciclo de retroalimentación constante con la empresa, ya que imparten su experiencia humana a la red neuronal de Tesla y la mejoran simplemente conduciendo.

El resultado es una experiencia de propiedad que hace que el coche crezca continuamente en valor y utilidad. Esta experiencia está diseñada para ser una parte intrínseca de la utilidad y la diferenciación del producto para los clientes, que son, de hecho, usuarios beta con muchos privilegios de cada nueva mejora.

Signify, anteriormente Philips Lighting, mantiene la mejor y más reciente tecnología al alcance de sus clientes a través de la iluminación circular de Signify, una solución empresarial en la que Signify ofrece iluminación en función del tiempo de actividad y las necesidades energéticas de sus clientes. La empresa asumió la responsabilidad de la iluminación de las centrales eléctricas que proporcionan toda la electricidad a Dubái, lo que resultó en un ahorros del 68% en el consumo de energía relacionado con la iluminación de la ciudad.

Al entrelazar tan estrechamente la tecnología y la estrategia empresarial, estas empresas están forjando relaciones más sólidas con los clientes, basándose en el entendimiento de que las experiencias de servicio que compren hoy se apreciarán en valor mañana.

Idea mínima viable

Las estrategias de Mínima Idea Viable utilizan tecnologías inteligentes para atacar con precisión los eslabones débiles de un sector tradicional y ofrecer una experiencia de cliente superior que se puede escalar rápidamente para entrar rápidamente en el mercado. Lemonade, una compañía de seguros con sede en Nueva York cofundada por Daniel Schreiber y Shai Wininger, ofrece cobertura a inquilinos, propietarios de condominios, propietarios de viviendas y dueños de mascotas. Su aplicación basada en inteligencia artificial agiliza la obtención de cotizaciones y la resolución de las reclamaciones, a veces en segundos. Pero, dice Wininger, «Lemonade es una empresa de tecnología que se dedica a los seguros, no una aseguradora que hace una aplicación».

Lemonade ha combinado los chatbots de IA, el aprendizaje automático y la nube para centrarse con una precisión láser en las características de los seguros tradicionales, que hacen que el sector no guste mucho a los consumidores. Y, en cuanto al elemento de la experiencia, encontraron una manera increíblemente creativa de poner a un humano al tanto.

Considere el proceso de reclamaciones de la empresa. Los usuarios tocan el botón de «Reclamar» de la aplicación y simplemente le cuentan al chatbot, llamado Maya, lo que ha pasado. No hay formularios que rellenar, no hay que esperar en una cola telefónica, no hay que pasarlos de un departamento a otro. La IA de la empresa utiliza sus algoritmos antifraude y, si la reclamación se aprueba al instante (como lo hace alrededor del 30%), la IA la paga de inmediato. Si no, la reclamación pasa a una persona que contacta con el asegurado lo antes posible.

El proceso es muy sencillo gracias, en parte, a un modelo financiero que resuelve lo que los fundadores de Lemonade veían como un conflicto de intereses inherente para las compañías de seguros: cada dólar de la reclamación de un cliente que una empresa niega es otro dólar de beneficio para la empresa. Esto incentiva a la aseguradora a hacer todo lo posible para denegar o reducir el importe de una reclamación y motiva al cliente a exagerar las reclamaciones.

La limonada simplemente se lleva un porcentaje fijo de cada prima. Devuelve el resto no reclamado en un «Día de devolución» anual, cuando el dinero se dona a causas dignas que interesan a los asegurados. Los asegurados que eligen la misma causa se agrupan en un grupo virtual de pares. El dinero de la prima recaudado en cada grupo de pares se utiliza para pagar las reclamaciones del grupo. El dinero que quede se destina a la causa de ese grupo. En Día de la donación en 2020, la empresa donó más de 1,1 millones de dólares a 34 organizaciones sin fines de lucro, incluidas UNICEF, Direct Covid Relief Response, Malala Fund, Born This Way y otras.

Las personas que intervienen en el proceso de reclamación son los propios clientes. Cuando presentan una reclamación, saben que la limonada no tiene ningún incentivo para negarla o reducirla de forma irrazonable. Igual de importante es que saben que cada dólar con el que inflan una reclamación significa menos dinero para una causa que les importa mucho. Esta dinámica no solo pone al ser humano en el círculo, sino que pone lo que es humano de manera única y radical en el centro: la conciencia moral.

Laboratorio colaborativo

Las estrategias de colaboración producen resultados superiores en las ciencias u otros entornos intensivos en conocimiento a través del descubrimiento guiado por humanos e impulsado por máquinas. Liberado por la automatización y el aprendizaje automático para aprovechar el conocimiento humano en los niveles más altos, los especialistas y los trabajadores del conocimiento, impulsar estas poderosas plataformas tecnológicas, aumentar exponencialmente la productividad, multiplicar el valor y erigir altas barreras de entrada.

Exscientia, una startup con sede en el Reino Unido, ha desarrollado una plataforma de descubrimiento de fármacos basada en la IA que llama Centaur Chemist. Para identificar una enfermedad a la que atacar, Exscientia aplica inicialmente algoritmos de aprendizaje profundo para reducir el número casi ilimitado de posibles candidatos a la enfermedad. Luego, los expertos de la empresa diseñan una estrategia que lleva a cabo el químico centauro» aprendizaje activo » sistema que «aprende» para entrar en un conjunto de datos de descubrimiento de fármacos con puntos de datos limitados, que se basa en algoritmos altamente eficientes en cuanto a datos. Por lo general, en el descubrimiento de fármacos, se sabe poco sobre los nuevos objetivos de las terapias y hay pocos datos que puedan utilizarse en los enfoques de aprendizaje automático de macrodatos. En 2020, Exscientia se convirtió en la primera empresa farmacéutica en crear una molécula diseñada por la IA para entrar en ensayos clínicos en humanos, seguida de otra en 2021. Ejemplos igualmente impresionantes del poder de la estrategia de Co-Lab son el desarrollo de las vacunas contra la Covid por parte de Moderna y Pfizer/BioNTech en un tiempo récord.

¿Pasos pequeños o un salto gigante?

Forever Beta, Minimum Viable Idea y Co-lab apenas agotan las audaces estrategias empresariales que están surgiendo del giro radicalmente humano de las tecnologías inteligentes. Pero las estrategias empresariales impulsadas por la tecnología no se autogeneran. Necesitan líderes con visión de futuro. Aquellos que sean capaces de ver oportunidades en el nuevo nexo radicalmente humano entre las personas y la tecnología se adelantarán a la disrupción y aprovecharán el futuro. Los que sigan por el camino de la automatización gradual sufrirán. También lo harán los trabajadores. En rompedor investigación sobre el desplazamiento de trabajadores a causa de la automatización, los economistas Daron Acemoglu, del MIT, y Pascual Restrepo, de la Universidad de Boston, concluyeron que «no son las «brillantes» tecnologías de automatización las que amenazan el empleo y los salarios, sino las «tecnologías regulares» las que generan pequeñas mejoras de productividad». Lo mismo puede decirse de las estrategias regulares.