Como generar valor a partir de GenAI con transformaciones de 't pequeña'.

Los líderes empresariales están obteniendo un valor real de los grandes modelos de lenguaje al abrirse camino en la pendiente del riesgo y construir la base para transformaciones futuras más grandes.

Neil Webb

Hace menos de dos años, la IA generativa fue noticia por sus nuevas y sorprendentes capacidades: podía entablar conversaciones; interpretar cantidades masivas de texto, audio o imágenes; e incluso crear nuevos documentos y obras de arte. Después de la adopción de tecnología más rápida de la historia, con más de 100 millones de usuarios en los primeros dos meses, las empresas de todas las industrias comenzaron a experimentar con ella. Sin embargo, a pesar de dos años de amplia atención gerencial y amplia experimentación, no estamos viendo las transformaciones comerciales a gran escala impulsadas por GenAI que muchas personas imaginaron inicialmente.

¿Qué pasó? ¿La tecnología no ha cumplido su promesa? ¿Se equivocaron los expertos al pedir transformaciones gigantescas? ¿Las empresas han sido demasiado cautelosas? La respuesta a cada una de esas preguntas es sí y no. La IA generativa ya se está utilizando de forma transformadora en muchas empresas, pero todavía no como motor de un rediseño total de las principales funciones empresariales. Los líderes empresariales están encontrando formas de obtener valor real de los grandes modelos de lenguaje (LLM) sin necesidad de sustituir por completo los procesos empresariales existentes. Están persiguiendo la transformación de la "t pequeña", incluso mientras construyen los cimientos para transformaciones más grandes por venir. En este artículo, mostraremos cómo lo están haciendo hoy en día y qué puedes hacer para generar valor con la IA generativa.

Cómo se están transformando las empresas con GenAI.

Nuestro equipo de proyecto entrevistó a los altos directivos de diversas funciones, como inteligencia artificial, ciencia de datos, innovación, operaciones y ventas, en 21 grandes empresas. Nos centramos en comprender qué están haciendo las organizaciones con una adopción relativamente temprana y amplia de GenAI y por qué. También revisamos información pública sobre empresas similares a las que estudiamos.

Para empezar, necesitábamos una definición de lo que significa la transformación digital. Una de las primeras definiciones es "el uso de la tecnología para mejorar radicalmente el rendimiento o el alcance de una organización".1 Más recientemente, ChatGPT de OpenAI sintetizó esta definición: "una integración integral de tecnologías digitales que reimagina fundamentalmente los modelos y procesos de negocio, en contraste con el cambio incremental, que se centra en mejoras graduales". Las transformaciones digitales, en general, consisten en numerosas mejoras habilitadas por la tecnología, a menudo reunidas con el tiempo, para crear un cambio más amplio en la forma en que opera una empresa. No están impulsados por una sola tecnología, sino por el uso de las tecnologías adecuadas para las tareas correctas para ofrecer una nueva forma de hacer negocios.

Nuestra investigación muestra que la mayoría de las empresas están siguiendo un enfoque más específico para transformarse con IA generativa. Si bien GenAI puede aumentar potencialmente la velocidad y la calidad de muchas tareas, también conlleva una variedad de riesgos relacionados con la precisión, la seguridad y la gestión de la propiedad intelectual. Los líderes que entrevistamos tienden a aplicar la lógica de una pendiente de riesgo a la hora de tomar sus decisiones, asignando un mayor riesgo a los procesos de cara al cliente que a los internos. Los líderes de sectores como la medicina y los servicios financieros también ven estos riesgos a través de la lente del cumplimiento normativo.

Algunos líderes están pensando más allá de estos riesgos altamente publicitados de GenAI para considerar también los costos y riesgos de preparar a la organización para implementaciones a gran escala. Buscan reducir la inversión en licencias de software y la contratación de personas capacitadas hasta que los rendimientos sean más claros. También ven riesgos en escalar los pilotos de transformación de IA a nivel empresarial sin limpiar primero los datos y los sistemas de back-end que los alimentan.

En el extremo inferior de la pendiente de riesgo se encuentran los usos discretos que pueden ofrecer un valor inmediato con un riesgo relativamente bajo. Las transformaciones más extensas pueden proporcionar un valor significativo, pero también tienen un mayor riesgo. Como resultado, muchos líderes digitales y de TI están invirtiendo primero en casos de uso en la parte inferior de la pendiente de riesgo, con el objetivo de ofrecer valor temprano y, al mismo tiempo, desarrollar capacidades que puedan eliminar parcialmente el riesgo de las implementaciones que son más altas en costo, riesgo y retorno potencial.

Tres categorías de transformación representan diferentes áreas de la pendiente de riesgo, comenzando con los usos individuales de bajo riesgo, luego pasando a las tareas específicas de roles y equipos, y finalmente a los productos y las experiencias orientadas al cliente.

1. GenAI en tareas que son comunes a las personas en muchos roles.

En el extremo inferior de la pendiente de riesgo, los empleados utilizan los LLM de formas que son útiles para muchas funciones, como la redacción, la síntesis de información, la generación de imágenes y la documentación de reuniones. La naturaleza casi ubicua de GenAI puede tener un impacto real dentro de la organización. A medida que los primeros usuarios consideraron qué herramientas proporcionar a qué empleados, esos empleados comenzaron a usar herramientas públicas como ChatGPT o Gemini sin pedir permiso. Desconfiando de los problemas de privacidad y precisión, pero conscientes del costo adicional, muchas empresas han comenzado a ofrecer herramientas de GenAI sin riesgo al menos a algunos de sus trabajadores. Algunos ahora están comenzando a comprar o crear conjuntos de herramientas integradas que vinculan la IA generativa con otras funciones que los empleados suelen realizar. Los beneficios varían según el uso y el usuario, y las habilidades individuales de toma de iniciativas y estímulos influyen en el valor que obtienen. Considere los siguientes enfoques.

Instancias de LLM específicas de la empresa: Una forma de abordar los problemas de privacidad y seguridad es licenciar instancias privadas de los principales LLM, como ChatGPT o Claude de Anthropic, a las que se puede acceder a través de plataformas seguras en la nube. Los empleados pueden utilizar estas herramientas independientes de GenAI para la síntesis, la escritura y otras tareas de generación de contenidos sin filtrar información confidencial. Más allá de la generación, algunos están utilizando las herramientas para aprender. Por ejemplo, un gerente de productos técnicos con el que hablamos en una gran empresa de tecnología de EE. UU. utiliza una herramienta interna que simula la retroalimentación de un ejecutivo sobre borradores de presentaciones e informes.

Integración incorporada con herramientas comunes de productividad de oficina: Los casos de uso y las ganancias de productividad se amplían cuando una organización puede integrar un LLM con la información de la empresa y las herramientas de escritorio, como Copilot y la suite Microsoft 365 o Gemini y Google Workspace. Crean lo que un gerente llamó "un súper motor de búsqueda", capaz de identificar documentos útiles tanto dentro de un equipo como en una empresa global. La integración permite a los empleados extraer contenido de diferentes fuentes, como correos electrónicos, transcripciones de reuniones y documentos internos. También permite a un usuario solicitar información específica de su bandeja de entrada, como una lista de elementos abiertos de la semana pasada, y preparar hojas de cálculo o presentaciones sin tener que empezar desde cero, dado el acceso de la LLM a la información de la empresa.

Los casos de uso y las ganancias de productividad se amplían cuando una organización puede integrar un LLM con la información de la empresa y las herramientas de escritorio.

Integración personalizada: Algunas empresas están yendo más allá de la integración básica del escritorio para agregar inteligencia específica de la empresa, mediante el entrenamiento de modelos en terminología e información que son propiedad de la empresa. La consultora global McKinsey creó Lilli, una plataforma que vincula la IA generativa con su propiedad intelectual a partir de más de 40 fuentes internas. El esfuerzo implicó obstáculos técnicos significativos, por ejemplo, la herramienta tuvo que ser modificada para leer diapositivas de PowerPoint, que son una de las principales formas de la empresa de comunicar la información del proyecto, pero la plataforma está proporcionando valor a la empresa. Si un consultor tiene una pregunta sobre los modelos de negocio de energía verde en economías menos desarrolladas, por ejemplo, Lilli puede encontrar y sintetizar rápidamente información de proyectos que ya han estudiado el problema en algún lugar del mundo. Las capacidades de la plataforma, combinadas con una sólida educación de los empleados, llevaron a que alrededor del 75% de los empleados usaran activamente Lilli en menos de un año, ahorros de tiempo de hasta el 30% y una calidad sustancialmente mejorada, informó McKinsey.

McKinsey no está solo en el desarrollo de estos modelos especializados para la fuerza laboral en general. Otra empresa que estudiamos ha ampliado su LLM especializado no solo para encontrar información, sino también para generar automáticamente borradores iniciales de texto de propuesta y presentaciones de diapositivas.

Herramientas externas: Las herramientas específicas de la empresa pueden ser útiles y seguras, pero algunas personas buscarán en otra parte funcionalidades que no pueden encontrar internamente. Un director de programa de una gran empresa tecnológica nos contó que utiliza ChatGPT para tareas que implican información no confidencial, como la redacción de especificaciones o la estructuración de documentos, mientras utiliza DALL-E para crear fácilmente imágenes sencillas en lugar de utilizar herramientas más engorrosas a las que tiene acceso. Un compañero de trabajo en la gestión de productos recurre a Superwhisper, una herramienta de voz a texto/texto a voz que mantiene toda la información en su dispositivo, para dictar, resumir y limpiar sus pensamientos durante las evaluaciones de rendimiento. También utiliza herramientas como Perplexity para verificar hechos y hacer referencias cruzadas de información en sus tareas de escritura.

2. GenAI especializada en roles y tareas específicas.

Las empresas que se abren camino en la pendiente del riesgo están desarrollando capacidades de IA generativa que mejorarán la productividad y la calidad en roles laborales o procesos comerciales específicos. Aquí, hay menos tolerancia para resultados inaceptables, aunque todavía no en el mismo grado que con las aplicaciones orientadas al cliente. Estas soluciones suelen mantener a un humano informado, donde los empleados interactúan con las herramientas y revisan los resultados en lugar de permitir que las herramientas de GenAI tomen decisiones o produzcan resultados automáticamente. Considere los siguientes casos de uso.

Las empresas que se abren camino en la pendiente del riesgo están utilizando GenAI para mejorar la productividad y la calidad en trabajos o procesos específicos.

Codificación y ciencia de datos: Esta es una de las primeras y más comunes tareas asistidas por GenAI en todas las industrias. Estudios rigurosos han demostrado importantes aumentos de productividad para los ingenieros de software que utilizan herramientas de copiloto de codificación para acelerar tareas como escribir código, encontrar bibliotecas útiles o realizar revisiones de código.2 Otra ganancia de productividad proviene de la generación de código de muestra o datos con fines de capacitación. Los científicos de datos, por su parte, están utilizando herramientas de IA generativa para realizar análisis de datos o producir scripts para herramientas analíticas. Al crear documentación legible, GenAI ofrece un importante ahorro de tiempo a los codificadores, científicos de datos y sus gerentes en la realización de lo que muchos consideran una tarea tediosa. Las herramientas de copiloto no solo pueden ayudar a los expertos a trabajar de manera más eficiente, sino también a los principiantes a mejorar sus habilidades. Sin embargo, estos beneficios no son automáticos: las personas a menudo necesitan capacitación para obtener el máximo beneficio de las muchas funciones disponibles.

Apoyo a las personas de cara al cliente (con un humano en el circuito): Uno de los primeros usos de GenAI específico de rol para aplicaciones orientadas al cliente es en el servicio al cliente. Las herramientas pueden ayudar a los agentes a encontrar información rápidamente y también sugerir acciones en tiempo real. Algunos incluso pueden entrenar al agente más tarde, sintetizando numerosas llamadas para identificar patrones y oportunidades de mejora.

En un estudio de una herramienta que proporciona coaching basado en GenAI para representantes de centros de llamadas, los investigadores del MIT descubrieron que el acceso a la herramienta aumentó la productividad, medida por el número de problemas resueltos por hora, en un 14% de media, con una mejora del 34% para los trabajadores novatos y poco cualificados.3

Algunos ejemplos actuales de cómo la IA generativa puede ayudar en el servicio de atención al cliente son:

• El chatbot interno de Amazon Pharmacy para apoyar a los representantes de atención al cliente puede recuperar respuestas de la base de conocimientos del centro de ayuda y resumir la información para los representantes, lo que permite a los representantes responder a las preguntas de los clientes en menos tiempo, según la compañía.

• Morgan Stanley descubrió que su herramienta de asistente de conocimiento, entrenada en más de un millón de páginas de documentos internos, acelera el proceso de búsqueda de información de los asesores financieros, lo que les permite dedicar más tiempo a las necesidades de los clientes. Una nueva herramienta resume las videoconferencias de los clientes y redacta correos electrónicos de seguimiento personalizados. Este tipo de interacción no se limita a las finanzas.

• Sysco, el distribuidor mayorista de alimentos más grande del mundo, está utilizando GenAI en tareas que van desde hacer recomendaciones de menú para clientes en línea hasta generar guiones personalizados para llamadas de ventas, basados en datos específicos del cliente.

  
  

Generación de contenido online: CarMax, el minorista omnicanal de autos usados más grande de los EE. UU., fue uno de los primeros en adoptar las herramientas generativas de OpenAI. CarMax utiliza la IA para producir texto para sus páginas de investigación de automóviles, que ayudan a los clientes a tomar una decisión de compra, y para incrustar palabras clave y organizar el contenido con el fin de impulsar el ranking de búsqueda de una página web. Resume las opiniones de los clientes sobre el modelo de un coche en unas pocas frases, lo que evita que los clientes tengan que pasar por cientos de opiniones individuales. Resumir más de 5.000 páginas de automóviles manualmente llevaría a varios humanos 11 años, según la compañía. Con la IA generativa, ejecuta este proceso con regularidad y solo toma unas pocas horas. La calidad ha sido incluso mejor de lo previsto, ya que se ha afinado un poco, con una tasa de aprobación de la revisión editorial del 80%. Desde entonces, CarMax ha ampliado su uso de GenAI para incluir el diseño de marketing, los chatbots para los clientes y las herramientas para los asociados internos.

Procesos creativos: Dentsu, una de las agencias creativas más grandes del mundo, utiliza la IA generativa en todas las etapas del proceso creativo, desde la propuesta hasta la planificación del proyecto y la ideación creativa. Los empleados pueden utilizarlo para convertir unas pocas líneas de texto en una propuesta, gestionar complejas hojas de cálculo de presupuestos o dar sentido a las notas de numerosas reuniones de planificación. En las sesiones creativas con un cliente, en lugar de recopilar ideas y hacer que el cliente espere días o semanas para los conceptos visuales, el equipo puede iterar con el cliente en tiempo real. "Están teniendo menos tiempo para tareas mundanas y tediosas", dijo Kate Slade, directora de habilitación de tecnología emergente de Dentsu. "Pueden ser creativos y crear contenido de mayor calidad con menos esfuerzo". Dentsu y otras empresas pueden utilizar los LLM fundamentales para generar maquetas de imágenes de productos en la fase conceptual o utilizar herramientas especializadas como Flair.ai para crear fotos de productos pulidas, incluso de ropa y accesorios, que se muestran en modelos generados por IA.

La IA generativa está transformando fundamentalmente lo que los profesionales pueden lograr en todas las industrias.

Financiero y regulatorio: Múltiples encuestas han demostrado que los equipos financieros adoptan relativamente tarde las nuevas tecnologías, y los directores financieros citan las brechas tecnológicas, las preocupaciones sobre los datos y las prioridades contrapuestas como razones de ese retraso.4 Sin embargo, algunas empresas están innovando dentro de esta función empresarial. Una empresa energética internacional que estudiamos creó una herramienta utilizando una combinación de GenAI, IA tradicional y otros algoritmos que pueden sugerir mitigaciones o ayudar a reescribir un informe de auditoría. Otras empresas están utilizando la IA generativa para ayudar en la redacción de informes para auditorías o cumplimiento normativo. En Amazon, la función financiera utiliza una combinación de IA basada en reglas, aprendizaje automático y LLM para abordar tareas de detección de fraudes, revisión de contratos, previsiones financieras, productividad personal, interpretación de reglas y regulaciones y trabajo relacionado con los impuestos. Los gerentes han informado de un mejor rendimiento en esas tareas y que los empleados han sido capaces de alejar sus esfuerzos de las tareas repetitivas para centrarse más en el trabajo que implica pensamiento crítico.

Si bien los aumentos de productividad son los beneficios esperados y comunes de aplicar GenAI a roles y tareas especializados, el verdadero impacto de la tecnología se extiende más allá: la IA generativa está transformando fundamentalmente lo que los profesionales pueden lograr en todas las industrias. No solo al mejorar la eficiencia, sino también al ampliar el ámbito de posibilidades dentro de varias funciones, GenAI está permitiendo innovaciones y remodelando los procesos tradicionales.

3. GenAI en los productos y las interacciones de cara al cliente.

Cuando las personas preguntan sobre la transformación empresarial habilitada por GenAI, a menudo se refieren a cambios en los productos y otras experiencias de los clientes. Sin embargo, estos cambios suelen ser más altos en la pendiente de riesgo de una empresa, y se justifica una acción juiciosa incluso cuando las empresas consideran estratégicamente aplicaciones futuras más amplias. Las empresas tradicionales están empezando a implementar el servicio de atención al cliente habilitado para GenAI para responder consultas sencillas y habilitar el proceso de ventas con GenAI. Mientras tanto, las principales empresas de software ya están incorporando la funcionalidad impulsada por GenAI en sus productos. Considere los siguientes casos de uso:

Interacciones directas con el servicio de atención al cliente: GenAI está llevando el menú del teléfono tradicional o el chatbot habilitado para la automatización robótica de procesos a un nuevo nivel de sofisticación. Ofrece interacciones de lenguaje natural y flexibilidad que no son posibles con la IA basada en reglas, además de agregar capacidades multilingües. Por ejemplo, la compañía de seguros de vida John Hancock creó asistentes de chatbot para manejar consultas comunes, liberando a los agentes humanos para que se encarguen de problemas más complejos. Según se informa, esto reduce los costos de la empresa, los tiempos de espera de los clientes y el tiempo que los empleados dedican a tareas simples. Ahora GenAI se está expandiendo a las interacciones de voz en organizaciones como Starbucks, Domino's, CVS y bancos. Es solo cuestión de tiempo antes de que estas herramientas se expandan para incluir video.

Experiencias de compra personalizadas: Los clientes están acostumbrados a recibir sugerencias de productos de comercio electrónico en función de lo que ellos (u otros) han comprado, o anuncios publicitarios en función de lo que han visto. Las empresas ahora están utilizando GenAI para adaptar la experiencia de compra a lo largo del recorrido del cliente.

Por ejemplo, Tapestry, la empresa matriz de marcas como Coach y Kate Spade, utiliza modificaciones de lenguaje en tiempo real para personalizar la experiencia en línea para los compradores individuales a medida que se mueven por un sitio minorista. Esto incluye inyectar un tono conversacional que imite la experiencia de interactuar con un empleado de la tienda. Tapestry afirma haber experimentado un aumento de los ingresos del comercio electrónico de al menos un 3% debido a estos cambios en la personalización.

Amazon también está personalizando el recorrido del cliente, ofreciendo recomendaciones y descripciones de productos que se ajustan a las preferencias de vacaciones, deporte o dieta del cliente, o al tamaño de su hogar. Además, está ejecutando una implementación gradual de herramientas para ayudar a los proveedores a mejorar la experiencia de compra que brindan.

La generación de videos de GenAI y un chatbot para obtener información y recomendaciones sobre el rendimiento de su negocio se encuentran actualmente en modo beta con algunos minoristas de EE. UU.

Mejora de los productos de software existentes: A pesar de que las empresas tradicionales experimentan con GenAI en las interacciones con los clientes, las principales empresas de software ya han comenzado a integrar capacidades de IA generativa en sus productos, ya sea para mejorar las funciones existentes o agregar otras nuevas. La capacidad de procesamiento del lenguaje natural de la IA generativa allana el camino para que un usuario de Lucidchart, por ejemplo, cree un diagrama de flujo simplemente escribiendo lo que quiera en lugar de tener que pasar por los pasos y menús manualmente, lo que da como resultado un borrador que se puede editar y compartir.

Canva, otra herramienta de comunicación visual, utiliza ChatGPT para facilitar el proceso de creación y modificación de diapositivas, imágenes, vídeos, presentaciones y publicaciones en redes sociales. Esto aumenta la productividad de cualquier usuario, con el beneficio adicional de disminuir la frustración para los usuarios inexpertos.

Del mismo modo, Adobe ha incorporado funciones GenAI en todo su conjunto de productos para que los usuarios puedan crear y modificar imágenes fácilmente, ajustarlas al estilo de la marca o "chatear con un PDF". En las campañas de marketing, las funciones GenAI de Adobe ayudan a realizar un seguimiento del comportamiento de los consumidores, personalizar el contenido y mejorar la medición del rendimiento.

A medida que estas y otras empresas integran la IA generativa en sus conjuntos de productos, sus clientes corporativos pueden optar por esperar a las características en lugar de crear la funcionalidad ellos mismos.

Estas integraciones en los productos y las interacciones de cara al cliente están mejorando las experiencias de los clientes sin necesidad de que los empleados estén al tanto. Esta estrategia tiene un doble propósito: personaliza las interacciones para aumentar la participación del cliente y las ventas, y permite a los usuarios alcanzar nuevos niveles de productividad y capacidades por sí mismos.

Generando Transformación.

¿Cuál es el tipo correcto de transformación con IA generativa? La respuesta es, cualquier cosa que una empresa pueda hacer para cambiar su rendimiento o alcance utilizando la tecnología, en concierto con otras tecnologías y, a menudo, con la acción humana. Nuestra investigación descubrió ejemplos en industrias que van desde la moda hasta las finanzas y roles que van desde la auditoría hasta el marketing. Las empresas que estudiamos están siendo cuidadosas a medida que se abren camino en la rampa de riesgo. Están persiguiendo la transformación de pequeñas t, a menudo con un humano en el circuito, a medida que desarrollan capacidades que pueden permitir el desarrollo de aplicaciones que tienen mayor valor y riesgo.

Nuestra investigación sugiere una serie de acciones que los líderes pueden tomar para generar transformación con IA generativa.

Identifique a los pioneros clave de su organización, desde los responsables de la toma de decisiones y las partes interesadas hasta los usuarios avanzados, y desarrolle su mensaje para ellos. Con la IA generativa, la innovación a menudo proviene de los "cyborgs", es decir, los primeros usuarios que integran la tecnología en su trabajo y están motivados para usarla para resolver un problema para ellos mismos o para los clientes.5 Sin embargo, estos trabajadores, así como los adoptantes posteriores, pueden estar preocupados por una reacción negativa de su empleador o por la sustitución de GenAI de sus puestos de trabajo, de ahí la necesidad de comunicar su visión de innovación. Traiga a la mesa a sus equipos de TI y datos, así como a los empleados de dominios que ya están adoptando GenAI o que están más interesados.

Evalúe dónde se encuentra su empresa ahora en la pendiente de riesgo en relación con las empresas que hemos descrito. ¿Qué estás haciendo ya y cuál sería el siguiente nivel de complejidad y recompensa? Observe las oportunidades en las áreas de productividad individual, mejoras específicas de roles e innovaciones en el compromiso con el producto o el cliente. Tenga en cuenta que, si bien las empresas pueden desarrollarse en los tres simultáneamente, es probable que los niveles de madurez varíen.

Las empresas que estudiamos tienen en cuenta los problemas de seguridad, la integración con otros sistemas y la sensibilidad de los resultados a la hora de decidir por dónde empezar y hacia dónde ir a continuación. Las soluciones GenAI de CarMax actualmente tienen algunos elementos humanos en el circuito, según Shamim Mohammad, vicepresidente ejecutivo y director de información y tecnología de la compañía. "A medida que GenAI madure y se vuelva cada vez más sofisticada, surgirán casos de uso transformadores o que cambien las reglas del juego", dijo. "Pero en mi opinión, pasará algún tiempo antes de que las organizaciones puedan implementar soluciones de GenAI sin intervención y supervisión humanas cómodamente". A medida que los líderes consideran ir más allá de la fruta madura que muchos han perseguido hasta ahora, se enfrentan a desafíos que deben eliminarse, incluida la escalabilidad, la aceptación de la gerencia y la necesidad de capacidades fundamentales.

Tenga en cuenta la escalabilidad. Numerosos participantes en la investigación describieron cómo el proceso de pasar del piloto a la escala no es trivial. "Es fácil hacer las pruebas de concepto, pero llevarlo al nivel adecuado de confianza entre un gran grupo de usuarios es mucho más difícil", según Pentti Tofte, vicepresidente senior de análisis de datos de FM, una gran aseguradora comercial. Los datos fuera del entorno piloto son más desordenados y están menos conectados que dentro de él. Los eventos de baja probabilidad aparecen con más frecuencia cuando se trabaja con grandes volúmenes de datos o clientes. Según el jefe de IA de un gran banco con el que hablamos, "cuantas más cosas haces, más cosas encuentras para hacer".

Más allá de las cuestiones técnicas de escalar pilotos específicos, los líderes se están haciendo preguntas estratégicas sobre si es mejor moverse rápidamente, incluso si eso significa entrenar e integrar modelos personalizados y reelaborarlos a medida que cambian las tecnologías, o esperar hasta que los proveedores de software incorporen nuevas características en los sistemas que ya utilizan.

Asegure la aceptación de la administración. La aceptación de la dirección es esencial para los proyectos más grandes, ya que los directivos han oído hablar de los riesgos de la IA generativa y pueden haber aprendido a ser escépticos sobre la promesa de las nuevas tecnologías. Un ejecutivo de una empresa tecnológica de tamaño medio en Nueva Inglaterra informó que su innovación en GenAI se estancó hasta que el CEO vio su potencial, asignó recursos y comunicó cómo GenAI sería expansiva para los empleados y para la empresa. Las innovaciones de t pequeña pueden ayudar a hacer que la historia del valor sea real y argumentar a favor de inversiones que puedan reducir el riesgo percibido de oportunidades más grandes.

Investigue las inversiones fundamentales que pueden mejorar la relación riesgo-rendimiento más arriba en la rampa de riesgo. Algunos de los casos de uso más audaces requerirán una gran inversión en limpieza de datos, entrenamiento de modelos e integración antes de que puedan estar listos para una prueba en el mundo real. "Lo más importante con GenAI es que tienes que asegurarte de que tus datos sean correctos porque los buenos datos te darán buenos resultados de la IA, especialmente de GenAI", dijo Mohammad. "También hay que contar con la gobernanza adecuada de la IA para garantizar que la IA se despliega de forma responsable".

Dos ejemplos notables en los que este es el caso son las aplicaciones de conocimiento del cliente en los servicios financieros y el cumplimiento normativo en los servicios financieros y la atención sanitaria. Los grandes bancos y aseguradoras pueden tener miles de personas haciendo estas tareas, y gran parte del trabajo consiste en integrar e interpretar grandes cantidades de información no estructurada.

Pero conseguir que GenAI produzca resultados precisos en un entorno estrictamente regulado es muy difícil. "En este espacio, la fruta no está tan baja", dijo un ejecutivo de la industria de servicios financieros. Lo que parece una aplicación perfecta para GenAI se ve ralentizada por la necesidad de construir la base interna adecuada de datos y procesos antes de proceder en estas áreas, donde las decisiones inexactas tienen altos costos. Si la IA generativa va a crear una transformación duradera del negocio, "no va de la mano con la mentalidad de la fiebre del oro que tenemos que explotar ahora", dijo Prem Natarajan, científico jefe y jefe de IA empresarial de Capital One. En cambio, las empresas deben pensar en esto, aconsejó: "Averigüe cómo hacerlo de manera reflexiva y responsable. Construyan los andamios para que todos lleven".6

Mantenga una perspectiva a largo plazo. La mentalidad de la fiebre del oro es real, pero los costos y la incertidumbre también lo son. "Los casos transformadores tardan más en construir el caso de negocio, probar los modelos, cambiar los comportamientos, etc.", dijo Chris Bedi, director de clientes de la empresa de software ServiceNow. "El desafío no es solo técnico, sino también que los líderes se tomen el tiempo para reimaginar su futuro con grandes ideas". Los líderes están tratando de separar la exageración de la realidad, al mismo tiempo que comprenden que es posible que deban invertir en datos y fundamentos técnicos antes de poder obtener los rendimientos que buscan. Aplicaciones como el servicio al cliente y las compras personalizadas pueden mostrar innovaciones reales con devoluciones de materiales, pero se necesita un trabajo más complejo para lograr un cambio más amplio.

---

Las empresas ya están utilizando GenAI para perseguir la transformación de la pequeña t más cerca de la parte inferior de la pendiente de riesgo. Para transformaciones más grandes, GenAI será una de las muchas piezas del rompecabezas. "En lugar de una cosa transformadora, uniremos muchas tecnologías, incluida la IA, para reinventar todo un proceso", dijo Tofte de FM. Aunque puede pasar tiempo antes de que su empresa se sienta lista para lanzar transformaciones más altas en la pendiente del riesgo, no necesita esperar para avanzar. Puede experimentar en algunas tareas mientras realiza inversiones fundamentales en datos e integración que harán posibles transformaciones más grandes con el tiempo. Elige las zonas en las que quieres invertir, tanto a corto como a largo plazo. A continuación, invierta en la creación de conciencia y en capacidades transversales que puedan hacerlo más rápido y eficiente en el futuro.

Fuente: McKinsey, Melissa Webster y George Westerman

Sobre los autores

Melissa Webster es profesora de comunicación gerencial en la MIT Sloan School of Management. George Westerman es profesor titular en la MIT Sloan School of Management y coautor del galardonado libro Leading Digital: Turning Technology Into Business Transformation (Harvard Business Review Press, 2014)

Referencias.