Dos marcos para equilibrar la innovación y el riesgo de la IA

Solo el 26% de las empresas han desarrollado productos de IA que funcionan y solo el 4% ha obtenido una rentabilidad significativa de sus inversiones, según 2024 estudiar. Reducir la brecha entre la aspiración y los logros requiere un enfoque sistemático de la transformación de la IA, que prepare a las organizaciones para pensar en las preguntas más importantes que plantea esta tecnología sin perder de vista su impacto diario.

Lo que está en juego no podría ser más alto. Las organizaciones que no se adapten se convertirán en las Polaroids y los éxitos de taquilla de la era de la IA. Sin embargo, una implementación apresurada conlleva sus propios peligros. Cuando Zillow anunció en febrero de 2021 que comenzaría comprar propiedades que habían sido valoradas por un algoritmo de aprendizaje automático, la medida fue ampliamente aclamada como un paso hacia el nuevo y valiente mundo de la inteligencia artificial. Ocho meses después, la nueva unidad de negocios cerró con pérdidas de unos 300 millones de dólares.

Las oportunidades y los riesgos que presenta la IA exigen una reflexión cuidadosa y respuestas estratégicas deliberadas. Las soluciones poco sistemáticas no bastarán. El ritmo del desarrollo de la IA, combinado con la capacidad única de la tecnología para transformar las relaciones humanas y la cultura organizacional, requiere marcos que puedan equilibrar tanto una incertidumbre sin precedentes como la necesidad de una acción inmediata. Las organizaciones necesitan sistemas de pensamiento integrales que puedan guiarlas en una transformación continua sin perder de vista sus propósitos principales y las partes interesadas humanas.

Llevo tres décadas guiando la transformación digital en organizaciones que van desde empresas de la lista Fortune 2000 hasta las mayores agencias gubernamentales. A lo largo de estas experiencias, me he encontrado repetidamente con dos actitudes comunes pero contrastantes que impiden a las organizaciones implementar con éxito las nuevas tecnologías: la resistencia institucional al cambio y la adopción impulsiva de la tecnología sin un propósito estratégico. Ahora veo que muchas organizaciones repiten los mismos errores en su enfoque de la IA.

La solución a este doble problema está en adoptar marcos complementarios que se combinen para crear un enfoque equilibrado de la adopción de la IA. El marco OPEN (esquema, socio, experimento, navegación) proporciona un proceso sistemático de cuatro pasos para aprovechar el potencial de la IA, que guía a las organizaciones desde la evaluación inicial hasta la implementación sostenida. El marco CARE (Catastrophize, Assess, Regulate, Exit) ofrece una estructura paralela para identificar y gestionar los riesgos relacionados con la IA, tanto en los proyectos de innovación como en todo el entorno empresarial. Si bien sus propósitos son distintos, ambos marcos están diseñados para ser lo suficientemente flexibles como para evolucionar junto con la IA.

Estos marcos incorporan y permiten dos mentalidades complementarias: un optimismo radical sobre el potencial de la IA, equilibrado con una profunda cautela ante sus riesgos. Al integrar un proceso de gestión de la innovación con un enfoque de gestión financiera y de carteras (PfM), las organizaciones pueden impulsar un cambio transformador y, al mismo tiempo, mantener unas garantías sólidas.

El marco ABIERTO

Basado en el propósito organizacional y en la experiencia de la IA humana, el marco OPEN hace hincapié en que la adopción exitosa depende no solo de la tecnología, sino también del liderazgo y de una cultura capaces de mantener una transformación continua. Cada paso del proceso contribuye al desarrollo de una cartera de innovación que permite a las organizaciones gestionar los proyectos de IA desde la ideación hasta el despliegue, el mantenimiento y, finalmente, la jubilación.

1. Esquema

Demasiadas organizaciones comienzan su viaje a la IA preguntándose: «¿Qué puede hacer esta tecnología?» en lugar de «¿Qué puede hacer esta tecnología? para ayudarnos a cumplir nuestra misión ?» Este enfoque conduce a soluciones impulsadas por la tecnología en busca de problemas más que a nuevas formas de ofrecer un valor real. Al reafirmar su propósito al principio del proceso y, después, alinear todas las decisiones con ese propósito como el criterio único y más básico de éxito, las organizaciones pueden evitar dejarse desviar por las capacidades casi ilimitadas de la IA.

Coca-Cola ofrece un estudio de caso convincente sobre la facilidad con la que las empresas pueden perder la concentración en su propósito principal, impulsadas por la tentación de experimentar con las últimas tendencias tecnológicas. En 2023, Coca-Cola lanzó una nueva bebida, la Y3000, que había sido creada conjuntamente con la IA. Como era de esperar, la empresa recibió críticas generalizadas por el poco atractivo sabor de la bebida. En 2024, Coca-Cola volvió a adoptar la IA como truco, socavando su larga historia de campañas publicitarias navideñas exitosas con un esfuerzo impulsado por la IA que apeló a casi nadie. Si bien podría decirse que había algo de valor en poner a prueba las capacidades de la IA generativa a gran escala, la asociación de una marca muy querida con imágenes inquietantes sacadas directamente de un valle inquietante fue un claro traspié.

Nike ofrece un contraejemplo que muestra cómo las iniciativas de IA pueden alinearse profundamente con el propósito de la organización. La misión de Nike es «brindar inspiración e innovación a todos los atletas» (haciendo hincapié en que «si tiene un cuerpo, es un atleta»). En lugar de dedicarse a la IA como un truco de marketing, Nike ha implementado soluciones de IA que sirven directamente a su misión. Su tecnología Nike Fit utiliza la visión artificial para ayudar a los clientes a encontrar su talla de zapato perfecta mediante un simple escaneo del teléfono. Su estrategia de aceleración de Consumer Direct emplea la IA para detectar la demanda y optimizar el inventario, garantizando que los productos correctos lleguen a los consumidores correctos en el momento adecuado. Al empezar con su objetivo principal de servir a los atletas, Nike ha evitado la trampa de la tecnología por el bien de la tecnología y, en cambio, ha desarrollado casos de uso de IA que crean un valor genuino para sus clientes y, al mismo tiempo, fortalecen su marca.

Pautas prácticas para la fase de esbozo:

Reafirmar el propósito organizacional: Antes de adoptar la IA, revise y reafirme la misión de su organización de garantizar la claridad y la aceptación.
Evalúe los conocimientos actuales: Evalúe los conocimientos y la preparación para la IA de la organización. Organizar talleres para identificar las brechas de conocimiento. Desarrollar programas para cerrar brechas.
Casos de uso de Brainstorm: Asigne equipos multifuncionales para que participen en el cielo azul pensando en las aplicaciones de la IA.
Filtrar: Filtre los posibles casos de uso evaluándolos según los criterios del propósito organizativo y la preparación para la IA.

2. Socio

Desarrollar e implementar una estrategia de innovación de la IA es un problema interdisciplinario clásico. La tarea no se puede delegar al departamento de TI, al equipo de I+D ni al director de innovación. Estas funciones, y más, tienen que estar activas e implicadas si las soluciones de IA quieren crear un valor real. Por lo tanto, las asociaciones dentro de una organización son fundamentales para el éxito de las iniciativas de IA. Pero rara vez serán suficientes.

Incluso las organizaciones con capacidades internas sólidas suelen necesitar forjar asociaciones externas para hacer realidad sus ambiciones de inteligencia artificial. Si bien las grandes empresas de tecnología pueden crear soluciones de IA personalizadas desde cero, la mayoría de las organizaciones tendrán que trabajar con socios especializados que puedan ayudarlas a desarrollar e implementar las tecnologías específicas necesarias para lograr sus objetivos. Suelen ser proveedores de servicios externos, pero también pueden ser académicos, asesores éticos independientes o reguladores del sector.

Pero quizás la asociación más importante de todas sea la que existe entre los humanos y los propios sistemas de IA. Esta asociación remodelará de manera fundamental la cultura de todas las organizaciones que despliegan soluciones de IA, cambiando las relaciones laborales, las estructuras de presentación de informes y las funciones individuales. Las organizaciones tienen que pensar detenidamente en cómo sus implementaciones de IA transformarán no solo los procesos sino toda la experiencia humana dentro de su organización. ¿Un sistema de IA aumentará las capacidades humanas o las sustituirá? ¿Cómo afectará a la dinámica del equipo y a las jerarquías organizacionales? ¿Funcionará entre bastidores o interactuará directamente con los usuarios? Estas preguntas sobre la asociación entre humanos y la IA deben tenerse en cuenta desde el principio de cualquier iniciativa de IA, no tratarlas como una idea tardía una vez que la solución técnica ya esté creada.

Pautas prácticas para la fase de socio:

Mapa de la experiencia interna y las oportunidades de colaboración: Empiece por identificar las capacidades internas existentes que se pueden aprovechar para las iniciativas de IA. Haga un mapa de la experiencia interdepartamental para garantizar que los equipos adecuados (por ejemplo, ciencia de datos, TI, operaciones y marketing) puedan trabajar juntos sin problemas.
Evaluar e investigar a los socios externos: Seleccionar colaboradores externos, como proveedores de tecnología, instituciones académicas o empresas emergentes de IA especializadas, es fundamental para cubrir las brechas de capacidad. Los líderes deben asegurarse de que los posibles socios se alinean con sus objetivos, valores y requisitos operativos organizacionales.
Establecer estructuras de gobierno para las asociaciones: Las asociaciones de IA suelen implicar el intercambio de datos, consideraciones de propiedad intelectual (IP) e innovación colaborativa. Las estructuras de gobierno claras ayudan a gestionar estas complejidades y a garantizar la rendición de cuentas.
Priorice el diseño centrado en las personas en los proyectos de IA: Asegúrese de que las implementaciones de IA, ya sean internas o orientadas al cliente, mantengan la experiencia humana en el centro de su diseño e implementación. Esto es vital para la adopción y los resultados positivos.

3. Experimento

Pasar de pensar en las posibilidades de la IA a la implementación práctica requiere un enfoque experimental cuidadosamente estructurado. Muchas organizaciones cometen el error de pasar directamente de la ideación al despliegue a gran escala, lo que provoca costosos fracasos y oportunidades perdidas. Otros se quedan atrapados en un ciclo interminable de pruebas de concepto que nunca se traducen en valor en el mundo real. Ambos enfoques desperdician recursos y, lo que es más importante, desperdician la oportunidad de aprender lecciones vitales sobre cómo la IA puede crear valor en un contexto organizacional específico.

La clave del éxito de la experimentación con la IA es estructurar los experimentos como un viaje de aprendizaje más que como un ejercicio de validación. Cada experimento debe diseñarse no solo para comprobar si una solución de IA en particular funciona, sino para generar información sobre cómo puede crear valor, cómo podría ampliarse y cómo los humanos interactuarán con ella. Esto significa ir más allá de probar la viabilidad técnica para explorar la viabilidad a nivel empresarial y la deseabilidad humana. Significa probar no solo el sistema de IA en sí, sino también las capacidades organizativas necesarias para apoyarlo. Y significa estar dispuesto a fallar rápido y aprender rápido.

Pautas prácticas para la fase de experimento:

Desarrollar prototipos conceptuales: Utilice modelos conceptuales para visualizar cómo la IA se integra en su arquitectura empresarial actual. Haga un guion gráfico del recorrido del cliente para anticipar los puntos de contacto y los desafíos.
Empiece de a poco: Despliegue pilotos de uso limitado para recopilar datos sobre la viabilidad y el rendimiento. Por ejemplo, un banco podría probar la detección de fraudes basada en la IA en una sola sucursal antes de expandirse.
Incorpore escenarios del mundo real: Diseñe experimentos para reflejar las condiciones y excepciones del mundo real en lugar de configuraciones idealizadas. Esto garantiza que los resultados sean prácticos y escalables, al tiempo que descubre los posibles problemas que podrían surgir en un despliegue más amplio.
Defina las métricas del éxito: Identifique los KPI de cada experimento, como el aumento de la eficiencia operativa o la satisfacción de los clientes.

4. Navegar

La fase Navegar implica guiar a la organización a través de la adopción de la IA y, al mismo tiempo, garantizar la alineación con los objetivos estratégicos y los valores culturales más amplios. Hace hincapié en el aprendizaje y la adaptación continuos en un panorama en rápida evolución en el que los factores técnicos y humanos están profundamente entrelazados.

La clave del éxito de la innovación en IA radica en mantener un flujo constante de proyectos de alto potencial a través de una cartera de innovación cuidadosamente diseñada que transforme las ideas en sistemas operativos. Los proyectos avanzan en este proceso en función de las puntuaciones de clasificación compuestas que reflejan la prioridad estratégica, el nivel de riesgo, el valor potencial, el coste y la dificultad de implementación. Estas clasificaciones proporcionan una base objetiva para priorizar los proyectos que deben avanzar en un momento dado.

La velocidad de los oleoductos (la rapidez con la que los proyectos pasan por el sistema) requiere una gestión cuidadosa. Avanzar demasiado rápido corre el riesgo de hacer avanzar los proyectos antes de que estén listos, mientras que avanzar demasiado despacio puede provocar la pérdida de oportunidades o una desventaja competitiva. La clave es mantener un impulso constante y, al mismo tiempo, garantizar que las puertas de calidad se apliquen correctamente. Esto significa a menudo ejecutar varios proyectos en paralelo en diferentes etapas, crear un flujo continuo en lugar de un proceso de parada y arranque.

Pautas prácticas para la implementación de Navigate:

Aplicar métricas objetivas: Desarrollar una cartera de innovación que clasifique las iniciativas de IA en función del riesgo, la recompensa, los requisitos de recursos, la dificultad de implementación y la alineación estratégica. Revise y actualice la cartera con regularidad para asegurarse de que refleja la evolución de las prioridades y las condiciones del mercado.
Priorizar la asignación de recursos: Asigne los recursos de forma estratégica en función del posible impacto y la viabilidad de los proyectos de IA. Para evitar dispersar demasiado los recursos, concéntrese en iniciativas que se alineen estrechamente con su misión principal y sus objetivos a largo plazo.
Adopte una cultura de aprendizaje: Fomentar el aprendizaje iterativo mediante la integración de bucles de retroalimentación. Por ejemplo, una empresa de logística que utilice la IA para optimizar las rutas podría ajustar los modelos en función de los comentarios de los conductores.
Supervise el horizonte: Manténgase actualizado sobre las tendencias de la IA para anticiparse a los cambios. Asigne recursos a I+D para garantizar la preparación para la próxima ola de innovación.

El marco CARE

Si bien la IA promete transformar todas las funciones organizativas, también introduce vulnerabilidades que podrían socavar o incluso destruir a las organizaciones que no estén preparadas. Por ejemplo, si bien las herramientas de diagnóstico impulsadas por la IA están revolucionando la prestación de servicios de salud, los sistemas de IA también pueden cometer errores potencialmente catastróficos en el diagnóstico médico debido a los datos de entrenamiento sesgados. Del mismo modo, a medida que las organizaciones despliegan la IA para la gestión de infraestructuras críticas, se enfrentan a una mayor exposición a las amenazas de ciberseguridad que podrían afectar en cascada a los sistemas interconectados. Estos desafíos técnicos se ven amplificados por los cambios organizativos y culturales que la IA necesita, ya que los equipos deben adaptarse a las nuevas formas de trabajar y pensar. Las organizaciones también deben sortear una serie de otros riesgos, entre ellos

Los riesgos reputacionales que pueden surgir de los desastres de RRPP impulsados por la IA
Exposición legal como resultado de los prejuicios de la IA, las ambigüedades en torno a los derechos de autor y las cuestiones de privacidad de los clientes
Los riesgos estratégicos que surgen a medida que la IA reforma rápidamente sectores enteros.

La complejidad y la naturaleza interconectada de estos riesgos exigen un enfoque estructurado para la identificación, la evaluación y la mitigación.

El marco CARE (Catastrofizar, evaluar, regular, salir) adopta un enfoque proactivo más que reactivo para la gestión de riesgos de la IA. A diferencia de los enfoques tradicionales de gestión de riesgos, CARE está diseñado específicamente para abordar las dimensiones técnicas y humanas del riesgo de la IA. Explica la rápida evolución de las capacidades de la IA, la posibilidad de que surjan comportamientos inesperados, la transformación de la cultura organizacional y las complejas interconexiones entre los factores técnicos, operativos y humanos. El marco se puede aplicar de forma iterativa a medida que los sistemas de IA evolucionen y surjan nuevos riesgos.

CARE ofrece a las organizaciones una metodología estructurada para identificar y gestionar los riesgos relacionados con la IA.

Identifique sistemáticamente los posibles riesgos en las dimensiones técnicas, operativas y estratégicas. Esto crea un inventario de riesgos completo que sirve de base para toda la planificación posterior.
Evaluación de la probabilidad del riesgo, el posible impacto y la capacidad organizativa para responder. Esto permite priorizar los riesgos y asignar los recursos de manera eficiente.
Implementación de controles, sistemas de supervisión y estructuras de gobierno para gestionar los riesgos identificados. Este paso traduce el análisis en medidas de seguridad y procedimientos procesables.
Desarrollo de protocolos claros de respuesta a los riesgos, incluidos los procedimientos de cierre del sistema y los planes de continuidad empresarial. Esto proporciona una red de seguridad vital cuando las medidas preventivas fallan.

La IA representa un cambio fundamental en la forma en que las organizaciones funcionan y crean valor. Para tener éxito, las empresas deben adoptar un enfoque equilibrado que aproveche el potencial de la IA y sea consciente de sus riesgos. Al integrar marcos estructurados como OPEN y CARE, las organizaciones pueden sortear las complejidades de la adopción de la IA y garantizar tanto la innovación como la resiliencia. Este doble enfoque permite a las organizaciones aprovechar el poder transformador de la IA y, al mismo tiempo, protegerse de posibles obstáculos. En última instancia, la clave para prosperar en la era de la IA reside en un enfoque estratégico, reflexivo y equilibrado.