Cómo la IA ayuda a las empresas a rediseñar los procesos

En la década de 1990, la reingeniería de los procesos empresariales estaba de moda: las empresas utilizaban tecnologías incipientes, como los sistemas de planificación de recursos empresariales (ERP) e Internet, para introducir cambios radicales en los procesos empresariales amplios e integrales. Impulsadas por los defensores académicos y de la consultoría de la reingeniería, las empresas anticiparon cambios transformadores en procesos generales, como la conversión del pedido al cobro y la concepción de la comercialización de nuevos productos.

Pero si bien la tecnología trajo actualizaciones importantes, las implementaciones a menudo falló estar a la altura de las altísimas expectativas. Por ejemplo, los sistemas ERP a gran escala, como SAP u Oracle, proporcionaban una estructura de TI útil para intercambiar datos, pero también creaban procesos muy rígidos que eran difíciles de cambiar después de la implementación de la TI. Desde entonces, la gestión de procesos normalmente implicaba solo cambios graduales en los procesos locales (Lean y Six Sigma para los procesos repetitivos y métodos ágiles de Lean Startup para el desarrollo), todo ello sin la ayuda de la tecnología.

Ahora, una versión de esta idea está regresando en algunas empresas y esperamos verla en más. Necesitará no solo apreciar y entender la IA, sino también una apreciación renovada de los procesos empresariales como estructura para mejorar el trabajo. A medida que la IA se perfila como una tecnología de uso general y de aplicación universal, parece cada vez más posible que pueda permitir el tipo de rediseño radical de los procesos empresariales que originalmente previeron los defensores de la reingeniería. (Uno de nosotros, Davenport, escribió el primer libro sobre el tema.)

Actualización de la reingeniería

Las tecnologías que permitieron la reingeniería en los años 90 se basaron principalmente en las transacciones y las comunicaciones. Permitieron una captura y transferencia de datos eficientes dentro y entre las organizaciones. La IA, por otro lado, permite tomar decisiones mejores, más rápidas y más automatizadas. Básicamente, la mayoría de los despliegues de la IA en las grandes organizaciones implican aprender de grandes conjuntos de datos para hacer una predicción o clasificación, lo que a su vez ayuda a las empresas a tomar mejores decisiones operativas. Las mejores decisiones operativas, a su vez, mejoran la eficiencia al producir mejores resultados. Una diferencia clave es que los sistemas de IA actuales son una verdadera tecnología de uso general y han provocado cambios drásticos no solo en la planificación y el control de la producción, sino también en el reconocimiento e inspección visuales de imágenes, las operaciones autónomas y la generación de contenido nuevo.

Si bien los métodos que impulsan este crecimiento de la IA existen desde hace décadas, el coste de implementarlos se ha reducido vertiginosamente. Antes era el dominio exclusivo de los científicos de datos, las soluciones modernas basadas en la IA están ahora lo suficientemente maduras como para ofrecerlas «listas para usar», lo que reduce en gran medida las barreras técnicas de entrada. La caída de los costes de computación —impulsada por la amplia disponibilidad de la nube, el crecimiento del ancho de banda bajo coste y la reducción del coste de los sensores— ha reducido drásticamente el precio de la predicción basada en modelos. Las decisiones basadas en la IA también pueden incluirse en el contexto más amplio de la automatización. Tecnologías como la automatización robótica de procesos (RPA) ayudan a estructurar el flujo de trabajo y a automatizar los procesos administrativos que consumen mucha información. La RPA se basa en reglas, lo que limita su capacidad de emplear decisiones basadas en datos. Pero combinado con el aprendizaje automático como «automatización inteligente de procesos», puede gestionar una variedad mucho mayor de tareas.

Esta reingeniería impulsada por la IA ya se está llevando a cabo. Los bancos lo utilizan para transformar los consejos de gestión patrimonial para los clientes. Las compañías de seguros utilizan la IA para facilitar mucho la contratación y la suscripción de los clientes, y automatizan las estimaciones de las reclamaciones por daños a automóviles y viviendas con un análisis profundo de las fotos tomadas por el asegurado. Las empresas industriales están remodelando los procesos de mantenimiento e ingeniería. Incluso en el cuidado de la salud, donde hay una investigación considerable sobre la IA, pero mucho menos la adopción clínica, la telemedicina basada en la IA está remodelando el diagnóstico y el tratamiento en algunos países.

Todo esto tiene importantes ramificaciones para la forma en que utilizamos la IA, la forma en que se realiza el trabajo y la forma en que se organizan las empresas. Para aprovechar estos posibles beneficios, las empresas tienen que recuperar una perspectiva de procesos de principio a fin en sus negocios y pensar detenidamente en cómo la IA puede transformarlos. Básicamente, las empresas tienen que explorar dónde generan datos suficientes para extraer patrones que puedan utilizarse en apoyo de las decisiones operativas.

La IA impulsa la reingeniería de procesos

A medida que la IA aporta nuevas capacidades a un proceso empresarial, las empresas tienen que replantearse qué tareas son necesarias, con qué frecuencia y quién las realiza. Cuando la IA va acompañada de una automatización parcial, las empresas también tienen que decidir qué harán los humanos y qué harán las máquinas en sus procesos. La mayoría de las aplicaciones de IA hasta la fecha buscan mejorar una tarea determinada. Pero esto no tiene en cuenta el panorama general; las empresas inteligentes ven la introducción de la IA como la base para una nueva visión de los procesos de extremo a extremo.

En su nivel más básico, el análisis de procesos suele implicar una combinación de restricciones y oportunidades. Por ejemplo, en el DBS Bank de Singapur, el director de vigilancia de transacciones (lucha contra el blanqueo de dinero y la detección del fraude) dijo en una entrevista que se sentía frustrado por los altos niveles de falsos positivos identificados por el sistema basado en normas exigido por los reguladores bancarios. Es una restricción inevitable para el proceso, pero vio la oportunidad de utilizar la IA para predecir y puntuar el riesgo de fraude de cada resultado positivo mediante el aprendizaje automático. Las transacciones con probabilidades de fraude bajas podrían simplemente ponerse en una «nevera» durante varios meses para ver si se repetían con el mismo cliente. Los sistemas de IA basados en el aprendizaje automático para detectar valores atípicos están bien establecidos en el campo de la detección de fraudes. Pero cuando el sistema de aprendizaje automático se combinó con una nueva plataforma de flujo de trabajo y un sistema de análisis de redes de relaciones (para identificar a los miembros de la red de fraude), la productividad de los analistas de vigilancia aumentó un tercio.

Otro buen ejemplo es Shell, donde uno de nosotros (Jeavons) lidera las iniciativas de IA. Shell lleva mucho tiempo siendo una empresa centrada en los procesos y actualmente participa en una importante iniciativa de IA en áreas como la cadena de suministro, las operaciones y el mantenimiento. Como parte de esto, Shell está rediseñando sus procesos de trabajo.

Por ejemplo, piense en el trabajo de supervisión e inspección en las plantas energéticas y químicas, los oleoductos, las instalaciones en el extranjero y los parques eólicos y solares. Este trabajo lo hacían exclusivamente en persona los inspectores y los técnicos de mantenimiento, pero la IA puede reducir esa restricción. Ahora, robots y drones pueden realizar muchas tareas de inspección de bajo valor añadido de forma remota. Algunas instalaciones de Shell son tan grandes que antes se habrían tardado años en inspeccionar todo de forma manual. Ahora se están introduciendo drones y robots para automatizar estos procesos y ayudar a acortar la duración del ciclo.

Como resultado de estos cambios, los inspectores y los técnicos de mantenimiento ahora pueden replantearse su trabajo diario. Pueden centrarse en actividades de mayor valor, como priorizar los proyectos o, si están in situ, realizar una verificación más avanzada. Al mismo tiempo, están surgiendo nuevas tareas, como la anotación de imágenes para mejorar los algoritmos de inspección o la gestión de los procesos de entrenamiento de los miles de modelos de aprendizaje automático que ahora funcionan en producción. Lo que antes eran procesos de trabajo físicos ahora los gestionan equipos multidisciplinarios que realizan principalmente tareas digitales.

Este cambio implicó cierta resistencia. Al principio, fue difícil convencer a los inspectores, pero poco a poco se van convenciendo a medida que se les demuestra que el procesamiento de las imágenes proporciona una precisión similar en mucho menos tiempo. Además, Shell está contratando a estos ingenieros para que reconsideren sus procesos de trabajo con los centros de vigilancia remota, lo que les permite impulsar el cambio.

Shell está descubriendo que este proceso de reingeniería mediante la IA se está convirtiendo en una forma de operar permanente. Puede que cada proyecto individual solo lleve uno o dos años, pero cuanto más utilicen lo digital, los datos y la IA para rediseñar los procesos, más oportunidades verán de ir más allá. Esto es especialmente importante, ya que la empresa se está transformando para convertirse en una empresa de energía con cero emisiones netas.

¿Quién debe liderar el cambio de procesos basado en la IA?

La mejora de los procesos ha sido tradicionalmente el dominio exclusivo de los directores de operaciones. Por esa razón, es algo raro que las organizaciones tengan una iniciativa de reingeniería explícita junto con sus proyectos de IA. Para aprovechar realmente el poder de la IA, las actividades de diseño y mejora de los procesos deben incorporarse a la iniciativa de IA. Las iniciativas más exitosas de este tipo las orquestan cada vez más «gerentes de producto», que tienen como objetivo el despliegue exitoso del sistema, incluidos los cambios empresariales necesarios. Shell designa al propietario del producto para gestionar el cambio empresarial y a un director de producto que es responsable de la entrega técnica. Algunas organizaciones también realizan ejercicios de «pensamiento de diseño», que se superponen en parte con análisis al estilo de la reingeniería sobre cómo hay que rediseñar los flujos de trabajo y las actividades para satisfacer las necesidades internas o de los clientes.

Si bien hemos visto varios casos en los que la reingeniería se lleva a cabo junto con el desarrollo de la IA, no hay suficientes organizaciones que reconozcan aún la necesidad de cambiar los procesos. Sería útil hacer una descripción más explícita de la función y las actividades de la reingeniería (incluido el diseño de alto nivel, los flujos de proceso detallados, la medición de los costes y tiempos de los ciclos antes y después y el análisis de las habilidades y la formación necesarias), se llame «reingeniería» o no. Las actividades son demasiado importantes para el éxito de los proyectos de IA como para dejarlas en manos del azar o de un gerente astuto que recuerde el movimiento de reingeniería.

Como los proyectos centrados en la automatización tienen un impacto directo en los flujos de los procesos y es más probable que otras formas de IA impliquen solo cambios graduales, es más probable que incluyan un conjunto formal de medidas de mejora de los procesos. En Voya Financial, por ejemplo, el grupo de mejora de procesos cuenta con un centro de excelencia en automatización y ningún proyecto de automatización se lleva a cabo sin antes un esfuerzo de mejora de los procesos. El director del grupo nos dijo que la automatización en la empresa es tanto una tarea técnica como orientada a los procesos. Hemos encontrado varias otras empresas que combinan la mejora de los procesos y la automatización, pero nos gustaría ver un cambio de procesos más agresivo y tecnologías de IA más potentes, como el aprendizaje automático, también combinadas.

La IA se está convirtiendo rápidamente en una tecnología omnipresente. Una vez que el bombo disminuya, pasará a ser tan estándar como los sistemas ERP, los paquetes estadísticos o incluso las hojas de cálculo. Las plataformas de IA pueden ser utilizadas por un grupo mucho mayor de empresas para rediseñar sus procesos. La IA es un medio para lograr un fin, no un fin en sí misma. Podría decirse que las empresas que entiendan cómo utilizarla como una nueva herramienta en el contexto más amplio de la reingeniería de procesos serán las que más aprovechen la IA a largo plazo.