Convierta la IA generativa de una amenaza existencial en una ventaja competitiva

Al hacer que sea mucho más fácil y económico crear o mejorar productos y servicios, la IA generativa tiene el potencial de generar disrupción o incluso mercantilizar las empresas cuya oferta antes requería una gran cantidad de mano de obra humana y creatividad. Para competir, muchas empresas tendrán que replantearse sus estrategias y encontrar nuevas formas de añadir valor a los clientes.

¿Qué pueden hacer las empresas para convertir la IA generativa de una amenaza en una oportunidad? ¿Cómo pueden usarlo para crear una ventaja competitiva? ¿Qué tipos de negocios tienen el mayor potencial? Estas son las preguntas a las que responderemos aquí.

Cómo aprovechar la IA generativa

Basándonos en nuestras décadas de experiencia combinada trabajando con firmas de Silicon Valley e investigando las ventajas competitivas a partir de los datos y la IA a través de la modelización económica, hemos descubierto que la IA generativa se puede implementar en tres niveles que corresponden a un grado cada vez mayor de ventaja competitiva.

1. Adopte herramientas disponibles al público.

Las empresas pueden proporcionar a los empleados modelos lingüísticos extensos (LLM) listos para usar u otros tipos de IA generativa, como Midjourney y Runway, para ayudarlos a hacer su trabajo de forma más eficaz y eficiente. Por ejemplo, los empleados pueden utilizar las herramientas de nivel 1 para mejorar la comunicación interna o los documentos de presentación, generar ideas para nuevas funciones de productos, investigar sobre la competencia, escribir mensajes de divulgación de clientes para vendedores, retocar fotos en los materiales de marketing, crear publicaciones en las redes sociales, etc.

Prácticamente todas las firmas de todos los sectores, desde las firmas de tecnología hasta los fabricantes de productos de consumo, los arquitectos y las consultorías, deberían considerar la posibilidad de implementar el nivel 1. Así como Internet pasó a ser esencial para sobrevivir y prosperar a finales de la década de 1990, también lo harán las herramientas de IA generativa disponibles al público a medida que sean más precisas, aplicables y seguras. Estos incluyen no solo LLM generales, como ChatGPT de OpenAI y Bard de Google, sino también otros específicos del sector, como Alexi para bufetes de abogados y Karbon AI para firmas de contabilidad, y otros específicos para funciones, como Copy.ai para la edición y GitHub Copilot para la codificación. Las empresas que no implementen esas herramientas se verán gravemente discapacitadas.

A corto plazo, algunas empresas podrán obtener una ventaja al aprovechar estas herramientas mejor o más rápido que sus competidores. Las empresas que también impulsen un cambio fundamental en los procesos empresariales basándose en el uso de la IA generativa lograrán una ventaja aún mayor; las que sean demasiado lentas se quedarán en el camino. Sin embargo, confiar únicamente en los modelos de IA a los que todos (tanto los nuevos participantes como los rivales actuales) tengan acceso solo aportará una ventaja temporal antes de convertirse en apuestas de mesa.

En su forma básica, la implementación de nivel 1 no implica la personalización del modelo de IA. En la práctica, las empresas pueden lograr una pequeña medida de personalización ajustando los modelos con sus propios datos, una medida que hace que la empresa pase al nivel 2.

2. Personalice las herramientas.

Las empresas pueden crear sus propias herramientas de IA generativa personalizadas que utilicen los datos y los conocimientos que han acumulado en el proceso de atender a sus clientes, ya sea creándolas a partir de modelos de código abierto o utilizando modelos proporcionados por empresas de LLM como Anthropic y Cohere. Estas herramientas pueden mejorar la experiencia del cliente al facilitar la interacción con los productos y añadir nuevas funciones, como recomendaciones personalizadas.

Por ejemplo, los proveedores de productos de software (especialmente los complejos) pueden crear interfaces de chat basadas en la IA generativa y específicas del producto. Como nos dijo Des Traynor, cofundador y director de estrategia de Intercom, una empresa que ofrece herramientas en línea para el servicio de atención al cliente: «Lo mejor de estas interfaces es que liberan a los proveedores de tener que cambiar la facilidad de uso por la personalización». El uso del producto de software pasa a ser intuitivo para todos (no solo para los expertos) y se puede personalizar automáticamente para diversos casos de uso. En lugar de tener que navegar por un laberinto de menús desplegables y saber exactamente qué datos introducir y dónde, la gente puede hablar en la interfaz de chat en lenguaje natural, como si tuviera un asistente personal.

Matilda Temperley fotografió al entrenador de grandes felinos Thomas Chipperfield y a sus leones. Su familia lleva 300 años trabajando con circos, desde la Feria Frost, en 1683. Su método de entrenamiento se basa en el estímulo y la compasión.

Piense en un fabricante de software empresarial que ofrezca un producto para gestionar los gastos de viaje. Podría añadir una herramienta de IA generativa, basada en datos de cómo los empleados presentaban anteriormente los gastos, que cubriera una serie de solicitudes de personas que desempeñan diversas funciones. Los empleados simplemente le dirían a la IA que quieren presentar los gastos de viaje de un viaje de negocios reciente y ella los guiará a lo largo del proceso, indicando qué recibos subir y qué otra información necesita. También les permitiría anotar cualquier circunstancia especial que deba tenerse en cuenta, por ejemplo, «Me tomé días de vacaciones el miércoles y el jueves», para que sepa excluir los gastos y las dietas de esos días. La herramienta procesaría entonces los reembolsos de acuerdo con las políticas de la empresa. Si surgiera alguna complicación, pediría a los usuarios información adicional o señalaría las discrepancias.

O piense en los bancos y otras empresas de servicios financieros, que podrían implementar el nivel 2 creando banqueros privados con IA generativa. Se formarían sobre las recomendaciones hechas por banqueros privados humanos a los clientes actuales antes de ponerlos a disposición de los clientes que buscan un asesoramiento de inversión personalizado para sus circunstancias y necesidades.

En su forma más simple, la implementación de nivel 2 consiste en combinar una herramienta de IA generativa con datos internos para ofrecer a los clientes una interfaz de usuario más intuitiva y servicios más personalizados. Muchas empresas podrán seguir mejorando su modelo personalizado incorporando los comentarios de los usuarios. Esto empieza a moverlos en la dirección del nivel 3.

3. Cree bucles de retroalimentación de datos automáticos y continuos.

Cuando están completamente implementadas, las herramientas de IA generativa producen señales fiables en el proceso natural en el que los clientes utilizan el producto o servicio, que se devuelven automáticamente al modelo para mejorar sus capacidades con una mínima intervención humana. Las empresas que permitan que la herramienta de IA deduzca lo útil que ha sido para los clientes a la hora de lograr sus objetivos recibirán las señales más fiables.

Crear un ciclo de retroalimentación que sea único para el producto o servicio de cada empresa es el santo grial. Cuantos más clientes utilicen la oferta, más señales de comentarios generarán, lo que permitirá a la herramienta de IA generativa mejorarse aún más, lo que se traduce en más usuarios, más uso, más comentarios, etc. El resultado es una forma poderosa de aumentar la ventaja competitiva.

Considere cómo Chegg, una empresa de educación en línea, utiliza la IA generativa para crear un asistente de aprendizaje personalizado para los estudiantes. Esta herramienta en línea personalizada se basa en la biblioteca exclusiva de contenido educativo y datos de Chegg sobre el uso de sus productos. Los estudiantes interactúan con una interfaz de usuario conversacional, que puede adaptar la orientación a sus necesidades individuales. La herramienta mejora continuamente su contenido de estudio, como tarjetas didácticas y exámenes de práctica, al determinar los principales puntos conflictivos comunes a los usuarios. Esto crea un ciclo de retroalimentación de datos entre los usuarios de Chegg. También se crea un ciclo de retroalimentación específico para cada usuario, que permite a la herramienta ajustar el ritmo de la instrucción y el contenido y la dificultad de los exámenes de práctica de acuerdo con el rendimiento de la persona. De este modo, la herramienta ayuda a los estudiantes a aprender mejor y, al mismo tiempo, a generar señales de retroalimentación fiables, lo que le permite seguir mejorando.

Comprar capacidad de IA generativa a proveedores externos pasará a ser similar a comprar servicios de computación en la nube, ya que los precios bajan constantemente y la seguridad aumenta.

Las empresas de todo tipo de sectores pueden beneficiarse de una implementación de nivel 3. Los editores de videojuegos online, por ejemplo, pueden utilizar la IA generativa para crear y mejorar constantemente personajes no jugadores personalizados (o PNJ, los que no están controlados por jugadores humanos), utilizando información sobre cómo los usuarios reaccionan ante los diferentes NPC e interactúan con ellos durante el juego. Las empresas también pueden utilizar la IA generativa para experimentar con diferentes guiones y entornos y aprender, casi en tiempo real, cuáles aumentan la participación de los usuarios.

Las empresas propietarias de servicios de streaming y producción de contenido (como Disney, HBO y Netflix) también son buenas candidatas para las soluciones de nivel 3. Por ejemplo, una empresa podría desarrollar una solución de IA propia para personalizar sus programas ajustando determinadas escenas para diferentes públicos. Le vendría bien una herramienta como Runway para producir contenido que se adapte mejor a los gustos de los espectadores, teniendo en cuenta, por ejemplo, la tolerancia hacia el contenido o el idioma para adultos, la sensibilidad de los televidentes de los diferentes países o los atributos de otros programas que ven los usuarios. El modelo se actualizaría solo en función del comportamiento de los consumidores, por ejemplo, si los clientes siguen viendo las escenas ajustadas después de las escenas ajustadas, así como en cualquier comentario directo que pudieran dar, y el modelo incorporaría esa información en proyectos futuros. Sin embargo, el ciclo de retroalimentación no sería tan fuerte y continuo como lo sería con los videojuegos, donde lo aprendido se puede incorporar en tiempo real.

Las firmas de servicios profesionales, como las consultorías de investigación y asesoramiento o las agencias de marketing, también deberían considerar pasar al nivel 3. Una consultora podría crear un modelo de IA generativa que produjera los primeros borradores de los informes de investigación, por ejemplo. Los empleados hacían entonces revisiones a los primeros borradores y la IA asimilaba esos comentarios de forma continua, que los utilizaba para producir mejores borradores iniciales. (Una salvedad: las empresas deben asegurarse de que la herramienta de IA no utiliza los datos confidenciales de un cliente cuando interactúan con otro cliente, especialmente con uno del mismo sector). Básicamente, una herramienta así aceleraría el proceso de aprendizaje de las empresas y sus profesionales.

El principal desafío para llegar al nivel 3 radica en averiguar cómo obtener comentarios sin interrumpir la experiencia del cliente. Lo ideal es que la señal se genere durante el uso natural del producto. Piense de nuevo en la herramienta de IA de Chegg. Observa qué tan bien le va a un estudiante en cada examen de práctica pregunta por pregunta. Obtiene información inmediata sobre los problemas del estudiante, lo que le permite cambiar la forma en que se explican los conceptos o ajustar la dificultad y la naturaleza de las preguntas en futuros exámenes, sin afectar negativamente a la experiencia del estudiante al hacer el examen.

Cuando no se pueda lograr un ciclo de retroalimentación natural y de alta calidad, como ocurre con muchas ofertas, las empresas tendrán que recurrir a la solicitud directa de comentarios de los clientes. Esto debe hacerse de forma mínimamente intrusiva y dejar claro a los clientes los beneficios que se les da (por ejemplo: «Díganos, en una escala del 1 al 10, qué tan útil fue nuestro chatbot de IA para que pueda aprender a servirle mejor en el futuro»). Y si pedir la opinión directa de los clientes es demasiado disruptivo o proporciona una señal poco fiable, las empresas podrían implicar a las personas en el proceso, como se ha descrito anteriormente al crear los borradores de los informes.

Consideraciones sobre la implementación

Aprovechar al máximo la IA generativa requiere gastos y experiencia técnica cada vez mayores a medida que las empresas avanzan en los niveles. También implica ajustes más amplios en los productos, servicios y procesos internos en línea.

En el nivel 1, la cuestión clave que deben abordar las empresas es la cantidad de datos internos que los empleados deben poder compartir con las herramientas de IA generativa disponibles al público. Cada vez que estas herramientas utilizan datos patentados, surgen problemas de seguridad de los datos y de competencia; sin embargo, ya estamos viendo que los proveedores de IA generativa toman medidas para resolver estos problemas, por ejemplo, delimitando la IA y los datos de cada cliente empresarial.

En el nivel 2, las empresas tendrán que centrarse en entrenar y ajustar las herramientas de IA personalizadas para garantizar que sus resultados son lo más precisos posible (minimizando las «alucinaciones») y son muy relevantes para los clientes.

Matilda Temperley

A medida que las empresas implementen el nivel 3, deben centrarse en rediseñar sus productos y servicios en línea, así como en algunos procesos internos, para integrar a la perfección la IA generativa en toda la experiencia del cliente. Al hacerlo, maximizarán la amplitud, la profundidad y la calidad de las señales de retroalimentación que extraen.

A primera vista, puede parecer que solo las grandes empresas tienen los recursos para alcanzar los niveles 2 y 3, pero en realidad, la personalización con datos empresariales exclusivos es cada vez más fácil y asequible. Las empresas ahora pueden obtener la capacidad de IA generativa de proveedores como Open AI (ChatGPT Enterprise), Microsoft (Bing Chat Enterprise) y Anthropic (Claude para empresas) y ajustarla en función de sus propios datos. También pueden estar razonablemente seguros de que sus datos se mantendrán seguros y privados y de que lo que aprendan de ellos no se extenderá a nadie más (al proveedor de IA generativa o a la competencia). Comprar capacidad de IA generativa a proveedores externos pasará a ser similar a comprar servicios de computación en la nube, ya que los precios bajan constantemente y la seguridad aumenta. Como alternativa, las empresas pueden crear sus propias capacidades de IA generativa adoptando modelos de código abierto, como Llama de Meta, y entrenándolos con sus propios datos. Eso mantendrá todo bajo el control de la empresa, como ocurre cuando se dedica a la computación en la nube en sus propios servidores.

¿Qué empresas se beneficiarán más?

Como hemos señalado, prácticamente todas las empresas deberían adoptar la IA generativa en el nivel 1. La mayoría debería al menos considerar pasar al nivel 2 y posiblemente al nivel 3. Para determinar si hacerlo conferiría una ventaja, los líderes deben hacerse dos preguntas:

¿Qué parte de nuestra oferta actual puede sustituirse por IA generativa?

Esta pregunta determina el alcance de la posible disrupción por parte de la IA generativa, lo que, por supuesto, indica la urgencia que tiene una empresa por empezar a ascender en los niveles de implementación.

El impacto de la IA generativa en las empresas que fabrican productos de consumo sencillos, como artículos de limpieza y utensilios de cocina, será mínimo. Pero incluso esas empresas pueden beneficiarse de la adopción de nivel 1 al utilizar las herramientas para aumentar la productividad y la creatividad internas, por ejemplo, para crear nuevas ideas, diseños o formulaciones de productos. (Consulte» Cómo la IA generativa puede aumentar la creatividad humana», HBR, julio-agosto de 2023.)

Las empresas de software descubrirán que la medida en que sus productos pueden ser sustituidos por una IA generativa variará mucho. En igualdad de condiciones, los productos de software complejos tienen más probabilidades de verse afectados, ya que una interfaz de chat en lenguaje natural podría facilitar mucho su uso para una base de clientes más amplia. Por otro lado, el software que ofrece valor mediante la integración con otros productos o servicios es más inmune a las interrupciones. Por ejemplo, la plataforma de pagos Stripe se basa en conexiones complejas y altamente seguras con instituciones financieras que no son fácilmente replicables mediante la IA generativa.

En el caso de los servicios en línea que actualmente prestan los humanos, la amenaza de interrupción es alta e inmediata, porque la IA generativa será capaz de gestionar la mayor parte del trabajo. Los ejemplos incluyen los servicios de diseño de logotipos y sitios web (como Webflow, Fiverr y Upwork) y la educación en línea (Chegg).

Para las empresas en las que el servicio y el soporte posventa son importantes, la IA generativa puede desempeñar un papel clave a la hora de crear una ventaja competitiva. En concreto, se puede utilizar para mejorar el servicio de atención al cliente, que es una parte central de la propuesta de valor para los usuarios que desean aprovechar al máximo los productos o que se enfrentan a problemas técnicos al usarlos.

Si la amenaza de disrupción es alta, obviamente las empresas deberían pasar lo antes posible a los niveles 2 y 3. Si no lo es, pueden adoptar un enfoque más lento para implementar la IA generativa.

¿Qué posibilidades hay de mejorar nuestra posición competitiva mediante la IA generativa?

Las empresas solo podrán utilizar la IA generativa para mejorar el valor que ofrecen a los clientes si tienen el potencial suficiente para aprovechar sus propios datos y crear un modelo que supere lo que se puede lograr con herramientas de IA disponibles al público, como ChatGPT o Midjourney. Para evaluar ese potencial, las empresas deberían hacerse tres preguntas adicionales:

¿Qué tan idiosincrásicos son los datos de nuestra empresa?

Para ofrecer una ventaja, los datos internos de una empresa no deben sustituirse fácilmente por datos alternativos disponibles públicamente que puedan utilizarse para entrenar modelos de IA similares. Por ejemplo, es poco probable que las empresas de diseño de sitios web y logotipos acumulen datos especializados que puedan conferir una ventaja mayor que la que la competencia podría lograr con datos derivados de sitios web públicos. Por el contrario, el valor que Chegg ofrece a sus estudiantes no lo pueden replicar los rivales que utilizan un LLM público. Esto se debe a que sus datos provienen de las acciones únicas de sus alumnos, ya que responden a los cuestionarios, interactúan durante las sesiones de enseñanza, hacen preguntas cuando están confundidos, etc.

Los datos internos suelen ser más valiosos cuando son idiosincrásicos para el producto o sector correspondiente y para las necesidades específicas del cliente. Estos datos producen recomendaciones, contenido y otros resultados que no pueden replicar las herramientas de IA generalistas que se basan en datos históricos y disponibles públicamente. En esos casos, estamos de acuerdo con Dan Rosensweig, presidente y director ejecutivo de Chegg, quien nos dijo: «La verdadera verticalización debería ganar». En otras palabras, las empresas que obtengan información especializada de grupos de clientes altamente segmentados tendrán una clara ventaja.

¿Qué tan fiables son los comentarios que recibimos de los clientes?

Las empresas que pueden observar de cerca hasta qué punto sus productos ayudan a los clientes a alcanzar sus objetivos finales están en una posición sólida para aprovechar la IA generativa al más alto nivel. Los fabricantes de videojuegos reciben señales muy fiables al observar el juego de la gente y pueden utilizar esa información para determinar hasta qué punto los elementos impulsados por la IA aumentan la participación. En otros casos, las empresas deben conformarse con señales menos fiables, como las tasas de clics. Pensemos en Firefly de Adobe, una herramienta de IA generativa integrada en Adobe Photoshop e Illustrator para crear y manipular imágenes mediante instrucciones de texto. Las únicas señales que tiene Adobe Firefly para evaluar si la herramienta funciona bien a los clientes son la frecuencia con la que cada cliente la utiliza y el número de veces que cada persona intenta generar imágenes diferentes, que son medidas ruidosas de satisfacción.

Tenga en cuenta que el mismo tipo de valoración puede ser más fiable para algunos productos y menos para otros. Por ejemplo, el pulgar hacia arriba o el pulgar hacia abajo es un indicador mucho más útil de si a los clientes les ha gustado una recomendación de película que de qué tan útil les parece una función concreta de un producto de software empresarial.

¿Cuánto cuesta recibir comentarios fiables de los clientes?

Algunas empresas podrán obtener una señal muy fiable simplemente observando a sus clientes mientras utilizan sus productos. Otras empresas tendrán que diseñar circuitos de comentarios de los clientes, lo que puede resultar caro para la empresa o sus clientes. (Consulte» Para obtener mejores datos de los clientes, incorpore bucles de comentarios en sus productos», HBR.org, 11 de julio de 2023.) Una empresa puede tener pocas oportunidades de observar los comentarios útiles de los clientes o las normas de privacidad pueden prohibirle utilizar la actividad de los clientes para entrenar su modelo. Solucionar estos problemas pidiendo a los clientes que den su opinión durante el uso o haciendo que los empleados actúen como «humanos informados» a fin de acumular datos de entrenamiento para la herramienta de IA generativa puede resultar difícil. El primer enfoque puede molestar a los clientes y el segundo puede agotar los recursos de la empresa. Cuando obtener comentarios fiables es oneroso o caro, las empresas no deben intentar alcanzar el nivel 3.

. . .

Dada la esperada adopción generalizada de las tecnologías de IA generativa, las empresas mejor posicionadas para lograr una ventaja competitiva duradera son las que tienen acceso a datos únicos de los clientes que se pueden reponer de forma continua a través de circuitos de retroalimentación que se refuerzan a sí mismos. Esto tiene importantes implicaciones no solo para los gerentes sino también para los inversores, que deberían centrarse en las empresas que tienen el potencial de alcanzar el nivel 3 de implementación.

Sin embargo, para aprovechar las oportunidades que la IA generativa está creando se requiere una ejecución adecuada, que es donde algunos operadores tradicionales pueden quedarse cortos. Los directores ejecutivos y altos directivos deben asegurarse de que esta tecnología se trata como una parte fundamental de la estrategia empresarial, no solo como una cuestión tecnológica que se delega en TI. En ese sentido, es diferente a la computación en nube, donde la decisión de cuánto confiar en los proveedores de nube externos en lugar de crear una capacidad de alojamiento interna no es del todo estratégica. La IA generativa, por el contrario, puede y debe afectar directamente a la propuesta de valor del cliente. Aunque la IA generativa no sea una amenaza existencial, los líderes deberían presionar a sus organizaciones para que añadan capacidades de forma preventiva para asegurarse de que no se quedan atrás.