La inteligencia artificial se ha convertido en uno de los mayores avances tecnológicos en el ámbito empresarial de los últimos años, pero el campo sigue estando rodeado de incertidumbre. Aunque las expectativas son altísimas, ¿qué están haciendo realmente las empresas ahora? Un nuevo informe de BCG y MIT Sloan Management Review busca desmitificar la IA en las empresas y hacer balance de su adopción actual en la industria. El informe se basa en una encuesta mundial a más de 3.000 ejecutivos y entrevistas en profundidad con más de 30 expertos y ejecutivos en tecnología. Su objetivo es ofrecer una referencia realista que permita a las empresas comparar sus iniciativas y ambiciones en materia de IA, y orientarles sobre lo que viene.
En la mayoría de las empresas, la brecha entre la ambición y la ejecución es amplia. Solo alrededor de una de cada cinco empresas ha incorporado la IA en algunas ofertas o procesos. Solo una de cada 20 la ha incorporado ampliamente en ofertas o procesos. La investigación también revela grandes diferencias entre las empresas líderes —que entienden y han adoptado la IA— y las rezagadas en todos los sectores. Una diferencia notable radica en su comprensión de los datos y el entrenamiento de la IA, y en sus enfoques al respecto. Para muchas, es probable que las diferencias se acentúen en los próximos cinco años, pero casi todas las empresas aún tienen la capacidad de establecer una ventaja competitiva y dar forma a la creación de valor que aporta la IA en sus sectores.
Altas expectativas
Las altas expectativas respecto de la IA se extienden a distintas geografías, industrias y empresas, independientemente de su tamaño. Aunque la mayoría de los ejecutivos aún no ha observado efectos sustanciales de la IA en sus ofertas y procesos, esperan claramente que los haya en los próximos cinco años. (Véase la figura 1). La mayoría de las organizaciones prevé efectos considerables en TI, operaciones y manufactura, gestión de la cadena de suministro y actividades de atención al cliente. Por ejemplo, las empresas de externalización de procesos empresariales esperan que muchos empleos trasladados en los últimos años a países con bajos costos laborales se automaticen. Sin embargo, también esperan que la IA dé lugar a nuevas actividades y fuentes de empleo. Los ejecutivos de empresas industriales prevén que el mayor efecto se producirá en operaciones y manufactura. Por ejemplo, en relación con su nuevo programa A350, Airbus utiliza la IA para acelerar y mejorar la producción. La empresa ha combinado datos de programas de producción anteriores, información continua del programa A350, coincidencia aproximada y un algoritmo de autoaprendizaje para identificar patrones en los problemas de producción. En algunas áreas, el sistema relaciona cerca del 70 % de las interrupciones de producción aparentemente inconexas con soluciones utilizadas anteriormente, casi en tiempo real.
Ambición y ejecución
Dejando de lado las expectativas, en la mayoría de las empresas la brecha entre la ambición y la ejecución es amplia. Tres cuartas partes de los ejecutivos creen que la IA permitirá a sus empresas entrar en nuevos negocios. Y casi el 85 % cree que la IA permitirá a sus empresas obtener o mantener una ventaja competitiva. Sin embargo, aunque más del 60 % de los encuestados afirmó que contar con una estrategia de IA es urgente para sus organizaciones, solo la mitad de ellos dijo que su organización ya tiene una. Las empresas más grandes (con más de 100.000 empleados) son las que más probablemente tienen una estrategia de IA, pero solo la mitad cuenta con una.
También existen grandes diferencias entre las empresas líderes y las rezagadas. Entre las líderes, tres cuartas partes han identificado casos de negocio para la IA. Cerca del 80 % afirma contar con el respaldo de la alta dirección. Los principales obstáculos en estas empresas son contratar y desarrollar talento, y establecer prioridades para las inversiones en IA; además, empiezan a preocuparse por los problemas de seguridad relacionados con la IA. En cambio, las rezagadas no han identificado casos de negocio. Más del 50 % afirma que, en general, sus altos directivos no participan en iniciativas de IA, y la mayoría aún no se ha enfrentado a las dificultades de captar talento especializado en IA.
Las diferencias en la adopción pueden ser sorprendentes, sobre todo dentro de una misma industria. Ping An Insurance Company of China, una de las mayores aseguradoras del país, emplea a 110 científicos de datos y ha puesto en marcha cerca de 30 iniciativas de IA patrocinadas por el director ejecutivo que respaldan, en parte, su visión «de que la tecnología será el principal motor del crecimiento de los ingresos de la empresa en los próximos años», afirma Jonathan Larsen, director de innovación de la compañía. En otras partes del sector asegurador, las iniciativas de IA se encuentran en el extremo opuesto del espectro y se limitan a esfuerzos como «experimentar con chatbots», según describió el programa de IA de su empresa un alto ejecutivo de una gran aseguradora occidental.
Datos, entrenamiento y algoritmos
Una de las diferencias más reveladoras entre las empresas líderes y las rezagadas es cuánto comprenden la importancia de los datos, el entrenamiento y los algoritmos. Los algoritmos de IA no son «inteligentes» por naturaleza. La IA parte de algoritmos «básicos» que solo se vuelven inteligentes cuando se entrenan con grandes cantidades de datos y, en la mayoría de las aplicaciones empresariales, con grandes cantidades de datos específicos de la empresa. Para entrenarlos con éxito es necesario comprender plenamente el proceso y el papel de los datos, que es mucho más importante que en las aplicaciones de macrodatos y analítica avanzada. El éxito también depende de contar con sistemas bien desarrollados que reúnan los datos pertinentes para el entrenamiento y sigan integrando los hallazgos de los datos recopilados posteriormente. La recopilación y preparación de datos suelen ser las actividades que más tiempo consumen al desarrollar aplicaciones de IA.
Así, aunque la organización tenga los datos que necesita, su fragmentación entre varios sistemas puede obstaculizar el entrenamiento de los algoritmos de IA. Agus Sudjianto, vicepresidente ejecutivo de riesgo de modelos corporativos de Wells Fargo, lo explicó así: «Una parte importante de nuestro trabajo consiste en manejar datos no estructurados, por ejemplo, mediante la minería de textos, y analizar enormes cantidades de datos transaccionales para detectar patrones. Trabajamos continuamente para mejorar la experiencia de nuestros clientes y la toma de decisiones en ámbitos como la prospección de clientes, la aprobación de créditos y la detección de delitos financieros. En todos estos campos hay importantes oportunidades para aplicar la IA, pero en una organización muy grande los datos suelen estar fragmentados. Este es el problema central de las grandes empresas: gestionar los datos de manera estratégica». Menos de la mitad de los encuestados afirmó que su organización comprende las necesidades de datos de los algoritmos o los procesos necesarios para entrenarlos.
Desarrollar o comprar
La necesidad de entrenar los algoritmos de IA con datos adecuados tiene amplias repercusiones en la decisión tradicional que afrontan las empresas al invertir en nuevas tecnologías: desarrollar o comprar. Generar valor a partir de la IA es más complejo que simplemente crear o adquirir una solución de IA para un proceso empresarial. Entrenar algoritmos de IA requiere diversas habilidades, entre ellas, saber cómo crear algoritmos, cómo recopilar e integrar los datos pertinentes para el entrenamiento y cómo supervisar el entrenamiento del algoritmo.
El director de sistemas de información de una gran empresa farmacéutica describió los productos y servicios que ofrecen los proveedores de IA como «niños muy pequeños». Los proveedores de tecnología de IA «necesitan que les demos muchísima información para que puedan aprender», afirmó. «El esfuerzo necesario para que un servicio basado en IA llegue a los 17, 18 o 21 años aún no parece valer la pena. Creemos que no compensa el esfuerzo». Para utilizar la IA y obtener una ventaja competitiva, las empresas deben desarrollar sus capacidades internas.
Retos de gestión
La IA exige algo más que dominar los datos. Las empresas también afrontan muchos retos de gestión comunes a otras transformaciones impulsadas por la tecnología. Entre ellos figuran la visión y el liderazgo, la apertura y la capacidad de cambio, el pensamiento a largo plazo, una estrecha alineación entre la estrategia empresarial y la tecnológica, y la colaboración eficaz. Además, las empresas afrontan retos específicos de la IA.
Lo más básico —y lo más importante— es desarrollar una comprensión intuitiva de la IA. J.D. Elliott, director de gestión de datos empresariales de TIAA, una organización de servicios financieros incluida en la lista Fortune 100 que gestiona activos por valor de casi 1 billón de dólares, afirmó: «No creo que todos los responsables de primera línea deban entender la diferencia entre el aprendizaje profundo y el superficial dentro de una red neuronal. Pero sí creo que es importante comprender, a grandes rasgos, que mediante el uso de la analítica y el aprovechamiento de los datos contamos con técnicas que producirán resultados y decisiones mejores y más precisos que la intuición».
Un segundo reto consiste en organizarse para la IA. Es probable que una adopción amplia de la IA otorgue un gran valor a las habilidades interpersonales y a la flexibilidad organizativa. Hay distintos modelos —centralizados, distribuidos e híbridos, por ejemplo—, pero, en última instancia, un modelo híbrido que haga hincapié en la colaboración interfuncional podría ser el más adecuado. «Tenemos que incorporar a personas de distintas disciplinas. Y, por supuesto, necesitamos especialistas en aprendizaje automático e IA», afirmó Sudjianto, de Wells Fargo. «Es muy importante que alguien pueda dirigir de forma integral un equipo de ese tipo». La flexibilidad organizativa es un elemento central de todos los modelos de IA. Según varios de estos ejecutivos, para las grandes empresas será abrumador el cambio cultural necesario para implementar la IA.
Un tercer reto consiste en determinar cómo pueden aprovecharse mutuamente las fortalezas de las personas y las computadoras. No es fácil. Amy Hoe, directora de tecnología y operaciones de la aseguradora FWD Group, afirma que las empresas necesitan acceso privilegiado a los datos (algo que, según nuestros hallazgos, muchas no tienen), deben establecer estructuras organizativas flexibles y aprender a lograr que las personas y las máquinas trabajen juntas de manera eficaz. Todo ello implica cambios culturales difíciles tanto para las empresas como para sus empleados.
Los directivos también deben comprender que el uso de la IA va más allá de mejorar la situación actual. El verdadero trabajo difícil consiste en entender el posible desplazamiento de grupos enteros de valor —como se espera, por ejemplo, en el sector de la salud— y cómo crear una ventaja competitiva sostenible en un entorno cambiante. (Véanse «Competir en la era de la inteligencia artificial», artículo de BCG, enero de 2017, y «Poner la inteligencia artificial en práctica», artículo de BCG, de próxima publicación).
La IA y el empleo
Contrariamente a las recientes predicciones alarmantes sobre el efecto de la IA en el empleo, nuestra encuesta apunta a un optimismo prudente. Por ejemplo, la mayoría de los encuestados no espera que la IA provoque una reducción del empleo en su organización durante los próximos cinco años. (Véase la figura 2). Cerca del 70 % también afirmó que no teme que la IA automatice su propio trabajo. En una proporción similar, los encuestados esperan que la IA se haga cargo de algunas de sus tareas actuales más aburridas y desagradables. Sin embargo, los encuestados coinciden ampliamente en que la IA exigirá a los empleados aprender nuevas habilidades en los próximos cinco años y, a la vez, potenciará las que ya tienen.
Hoy en día, casi todas las empresas necesitan un plan para la IA. La mayoría no lo tiene, y las que han tardado más en avanzar tienen que recuperar terreno. Aún no es demasiado tarde para empezar, pero las empresas que esperen mucho más se encontrarán con un terreno de juego cada vez más inclinado en su contra. El informe completo propone algunos pasos concretos para decidir qué hacer a continuación.
