Qué hacen de manera diferente las empresas que tienen éxito con la IA

Hace tres años, cuando preguntamos a las empresas cómo utilizaban la inteligencia artificial en sus operaciones, las empresas con mejor desempeño (las líderes) destacaron en cinco áreas: gobierno, despliegue, asociaciones, personas y disponibilidad de datos. Desde entonces, la IA generativa (generación de IA) ha irrumpido en escena. Así que, a finales de 2023, hicimos un seguimiento, encuestamos a más de 100 empresas de sectores, desde la automoción hasta la minería, y realizamos entrevistas en profundidad con altos ejecutivos.

Hemos visto tres avances notables. En primer lugar, la brecha entre los líderes y el resto se ha ampliado. Los líderes, definidos como el 25% de los encuestados más altos, ven ahora niveles de rendimiento 3,8 veces mayores que los de la mitad más pobre de las empresas, frente a 2,7 veces en 2021. Una de las razones es que, a medida que los líderes crean capacidades diferenciadas, estas tienen un efecto agravante con el tiempo y aumentan la ventaja de rendimiento.

En segundo lugar, el período de amortización de las inversiones relacionadas con la IA es mucho más corto: converge entre seis y 12 meses para todas las empresas encuestadas. En 2021, solo los líderes vieron un impacto en ese plazo, mientras que los rezagados tardaron mucho más, normalmente de 18 a 24 meses. La experiencia ha sido un profesor exitoso. Las mejores prácticas de gobierno han permitido a las empresas identificar e implementar los casos de uso más prometedores. Las empresas también tienen ahora datos más completos, accesibles y de mayor calidad, así como un ecosistema mayor de proveedores de soluciones de software de IA. Pueden proporcionar resultados consistentes con una cuota mensual, lo que libera a las empresas de la necesidad de realizar costosas inversiones iniciales. Y a medida que el potencial de creación de valor de la IA ha quedado claro, hay menos barreras organizativas y de implementación que en el pasado hacían subir los costes.

En tercer lugar, si bien ha habido un tsunami de iniciativas de IA, los ganadores son mejores a la hora de identificar e implementar los casos de uso que ofrecen resultados positivos con un menor riesgo.

Los resultados de nuestra encuesta sugirieron cuatro factores subyacentes a esta evolución:

1. Patrocinio ejecutivo

En nuestra encuesta de 2023, más de las tres cuartas partes de los líderes de IA tenían un patrocinio de nivel C, la mayoría de las veces por parte del CEO o del consejo de administración. Determinar el retorno de la inversión (ROI) de las iniciativas de IA es difícil: es posible que el ahorro no sea inmediato y algunos de los beneficios, como liberar tiempo a los empleados para realizar más trabajos de valor añadido, son indirectos.

Se necesita liderazgo para decidir seguir adelante sin expectativas claras y, al mismo tiempo, dirigir los recursos a los proyectos con el mayor potencial. Por ejemplo, la iniciativa inicial de aprendizaje automático del fabricante industrial Cooper Standard no funcionó cuando una asociación no funcionó. Pero un campeón sénior intervino para dirigir la investigación interna que desarrolló una operación de fabricación de control de procesos avanzado impulsada por la IA que funcionó tan bien que se convirtió en una empresa subsidiaria exitosa.

Ver más gráficos de HBR en Datos e imágenes

2. Una red de socios

Las capacidades internas son necesarias; casi el 90% de los líderes de la encuesta de 2023 informaron que utilizaban recursos internos para desarrollar soluciones de IA. Pero a menudo no son suficientes: dos tercios de los líderes también tenían socios externos, normalmente para cubrir los vacíos de experiencia y acelerar el desarrollo y la amortización.

Lo que nos sorprendió es que el tipo de asociaciones haya cambiado significativamente. En nuestra encuesta de 2021, el mundo académico y las empresas emergentes fueron los socios más comunes; dos años después, los encuestados mencionaron un ecosistema de consultores, vendedores y socios industriales que estaba madurando. La implicación es que la IA ha madurado lo suficiente como para que se valoren más los enfoques prácticos.

Además, el alcance y la profundidad de la colaboración interindustrial son notables, ya que los líderes interactúan con otros a través de conferencias, revistas y reuniones presenciales, lo que les permite aplicar casos de uso análogos a sus propias operaciones. Antes de invertir mucho en IA, por ejemplo, la empresa minera Freeport-McMoRan visitó empresas de otros sectores y aplicó lo que aprendió sobre cómo las compañías farmacéuticas utilizan la IA para mapear las moléculas a su propio trabajo cartografiando los compuestos químicos.

Ver más gráficos de HBR en Datos e imágenes

3. Comunicación interdepartamental

En las empresas de éxito, hemos visto una colaboración fluida entre TI y operaciones. Un enfoque común es crear un «centro de excelencia» (CoE), una organización interna que abarque silos y que cuente con empleados con conocimientos de ciencia de datos. El Consejo de Europa garantiza que los proyectos de IA se implementen de manera eficiente y ofrezcan valor, al tiempo que aborda cuestiones como la ciberseguridad, los errores de datos y el cumplimiento. Los directores de escuela suelen crear procesos estandarizados y mantener la cartera de talentos llena, tanto mediante la contratación como el desarrollo de capacidades. Pueden aprovechar la mayor colaboración, el talento y la diversidad de experiencias que conlleva un equipo más grande. Casi seis de cada 10 líderes encuestados tienen un informe del Consejo de Europa a nivel corporativo o de unidad de negocio.

En una implementación, un CoE de Target, uno de los 10 principales minoristas por ingresos mundiales, solo tardó seis meses en desarrollar un chatbot de IA de la generación en las tiendas. Unos meses después, se extendió a sus casi 2000 puntos de venta. El chatbot hace que los empleados de la tienda puedan acceder fácilmente a miles de páginas de mejores prácticas y manuales, lo que reduce el tiempo de formación, la demanda de expertos internos y, quizás, la deserción.

Un enfoque alternativo es crear equipos multifuncionales dedicados de científicos de datos, gurús de las operaciones y expertos en ingeniería dentro de una unidad de negocio. A veces, ubicado en una planta de producción, este grupo recibe el mandato de abordar temas de alta prioridad para la unidad de negocio, pero con una menor estandarización con otras partes de la empresa.

4. Gestión de datos

Para que las empresas utilicen bien la IA, necesitan datos precisos, pertinentes y bien organizados. Sin embargo, con demasiada frecuencia o no recopilan la información correcta o es tan inexacta y está mal gestionada que no es útil.

Los líderes con los que hablamos invierten en sistemas y procesos para asegurarse de que eso no suceda. Para empezar, es mucho más probable que registren los datos relevantes de los equipos, como las mediciones del proceso, el ritmo de producción y el tiempo de inactividad fundamentales para la calidad. Luego lo gestionan meticulosamente, a menudo en la nube, lo que les permite tomar decisiones informadas que impulsan la eficiencia y la innovación.

Ver más gráficos de HBR en Datos e imágenes

Los resultados de esos esfuerzos pueden ser sustanciales. Para gestionar sus datos, Titan Cement, con sede en Bruselas, integró miles de sensores, invirtió en el almacenamiento de datos basado en la nube, conectó todas sus plantas y creó un equipo de ciencia de datos centralizado, con una ciberseguridad sofisticada que mantuvo todo seguro. Al rastrear el consumo de energía y el rendimiento de la producción, Titan mejoró ambos de forma significativa. Y al utilizar sus datos bien organizados para desarrollar algoritmos únicos, optimizó la producción, mejoró la fiabilidad y simplificó la logística. En total, estos esfuerzos se tradujeron en un ROI estimado del 500% para Titán.

Con el auge de la IA de la generación, los datos no estructurados basados en texto ahora pueden impulsar una mejora rápida y ayudar a cubrir el vacío de habilidades que sufren muchas empresas. Por ejemplo, Panasonic Energy North America ha utilizado la plataforma de inteligencia artificial de Palantir para crear un asistente de mantenimiento con 1 millón de billetes que ayude a 350 técnicos de mantenimiento a fabricar 5,5 millones de baterías al día. El asistente ofrece recomendaciones de reparación precisas a los técnicos de primera línea al integrar la información del historial de tickets, los manuales de mantenimiento, la telemetría de las máquinas y los conocimientos de los expertos capturados. Los técnicos contribuyen a la base de conocimientos y la refinan en tiempo real, lo que se traduce en una reducción del tiempo de inactividad de las máquinas, un mayor rendimiento y una rápida incorporación de nuevos técnicos.

. . .

Captar el valor de la IA en las operaciones es un desafío, y la IA de generación añade más complejidad. Pero las recompensas son reales: Una investigación de McKinsey ha descubierto que, en todos los sectores, los líderes de la IA ofrecen una mayor rentabilidad para los accionistas.

Con soluciones y herramientas de análisis más maduras, la IA es cada vez más accesible. Incluso los novatos en la ciencia digital y de datos pueden utilizar ahora las herramientas de aprendizaje automático, lo que reduce las barreras de entrada. Ponerse al día, entonces, es una posibilidad clara. Para ello, los rezagados harían bien en centrarse en estos cuatro elementos, básicamente, en seguir a los líderes. Si no lo hacen, corren el riesgo de quedar fuera de la competencia por completo.

Los autores quieren dar las gracias a las siguientes personas por sus contribuciones. Líderes de operaciones globales del MIT: los profesores Duane S. Boning y Retsef Levi y el científico investigador Ben Armstrong. En McKinsey: Kyle Danner, Arnav Dey, Pete Kimball y Delphine Zurkiya. Estudiantes del MIT: Caeley Harihara, Rachael Harkavy, Ryan Kochert, Dave Lauzun, Carla Lorente, Max Malinowski y Will McNulty.