Cómo hacer que los empleados dejen de preocuparse y amen la IA
Resumen.
Muchas empresas no pueden aprovechar al máximo el enorme potencial de la IA porque los empleados no confían lo suficiente en las herramientas de IA para entregarles su trabajo y dejar que la máquina funcione. La resistencia al cambio disruptivo impulsado por la tecnología no es inusual. En concreto, muchas personas se resisten a la IA por el bombo publicitario que la rodea, su inherente falta de transparencia (su toma de decisiones parece tener lugar en una caja negra), su miedo a perder el control sobre su trabajo y la forma en que interrumpe los patrones de trabajo familiares. Por lo tanto, ¿qué pueden hacer las empresas para ayudar a los empleados a sentirse más cómodos trabajando con sistemas de IA? Supere la resistencia de la IA realizando experimentos, creando una forma para que los empleados visualicen el proceso de decisión de la IA e involucrando a los grupos que se beneficiarían de la tecnología. Cuanto antes se incorpore a la gente, antes podrá su empresa ver los resultados potenciales que la IA puede producir.
David Maister estaba enfadado. Se había sorprendido y molestado al enterarse de que su empresa había establecido un nuevo sistema de marketing basado en IA que estaba haciendo la mayor parte de lo que pensaba que era su trabajo como gerente de marketing digital en Global Consumer Brands: decidir qué anuncios colocar dónde, para qué segmentos de clientes y cuánto gastar. Y cuando descubrió que el sistema estaba comprando anuncios para audiencias que no encajaban con el perfil de cliente de la empresa, irrumpió en la oficina de su jefe y gritó: «¡No quiero que hombres y mujeres mayores de 55 años compren nuestro producto! ¡No es nuestro público!» Maister exigió que el proveedor del sistema lo modificara para poder anular sus recomendaciones sobre cuánto gastar en cada canal y para cada público objetivo. El vendedor se apresuró a darle los controles que quería. Sin embargo, después de que se le dieran las riendas de las decisiones presupuestarias y de compra, Maister vio que sus decisiones eran resultados degradantes. Por ejemplo, a pesar del perfil de cliente más joven de la empresa, hombres y mujeres mayores de 55 años compraban regalos para sus hijos, sobrinas y nietos, lo que los hacía, de hecho, una audiencia muy rentable.
Maister devolvió el control al sistema y los resultados mejoraron. Durante las semanas siguientes, comenzó a entender qué hacía bien el sistema y qué podía hacer para ayudarlo. Aprendió a dejar las decisiones sobre dónde gastar y a quién apuntar al sistema. Se centró en introducir parámetros más estratégicos, como la agresividad de una campaña o un límite de gasto, y en probar diferentes enfoques de ejecución. Los resultados siguieron mejorando a lo largo de 2017 a medida que el sistema aprendía y se hacía más inteligente, mientras que Maister aprendió a mejorar la estrategia de la marca en respuesta a los conocimientos generados por la IA. En los tres primeros meses de uso del sistema en nuevos canales, la marca registró un aumento del 75% en las compras en canales digitales de pago, un aumento del 77% en el valor de compra, un aumento del 76% en el retorno del gasto añadido y una disminución significativa del coste por adquisición.
Los nombres de esta historia han cambiado, pero la moraleja es clara: si le das el control sobre los experimentos de IA a los empleados para mantenerlos involucrados y permitirles ver lo que hace bien la IA, puedes aprovechar lo mejor tanto de los humanos como de las máquinas.
Desafortunadamente, las empresas no podrán aprovechar al máximo el enorme potencial de la IA si los empleados no confían lo suficiente en las herramientas de IA como para entregarles su trabajo y dejar que la máquina funcione. Esto problema de las bajas tasas de adopción de IA está aumentando a medida que las empresas de todo tipo ven aplicaciones exitosas de IA y se dan cuenta de que se puede aplicar a muchos procesos y tareas con uso intensivo de datos, incluso cuando la tecnología de IA (antes solo disponible en grandes empresas como Google, Amazon, Microsoft e IBM) se está volviendo menos costosa y más fácil para empresas más pequeñas para acceder y operar, gracias a la IA como servicio.
La resistencia al cambio disruptivo impulsado por la tecnología no es inusual. En concreto, muchas personas se resisten a la IA por el bombo publicitario que la rodea, su falta de transparencia, su miedo a perder el control sobre su trabajo y la forma en que altera los patrones de trabajo familiares.
Considere estos casos en los que los seres humanos interfirieron con una iniciativa de IA y las razones detrás de ellos:
Pérdida de control. Un minorista implementó una herramienta de optimización de publicidad en el sitio web. El equipo de marketing podía subir algunos banners o mensajes clave diferentes a la ubicación más destacada del sitio web y, después de reunir algo de experiencia, el sistema decidiría qué mensaje producía la mayor participación de los visitantes. Lo ofrecería a los futuros visitantes. Sin embargo, el equipo de marketing tuvo problemas para permitir que el sistema tomara el control y, a menudo, intervino para mostrar un mensaje que prefería, socavando el valor de la herramienta.
Interrupción de los planes. Al CEO de una institución crediticia global se le vendieron rápidamente los beneficios financieros y la eficiencia operativa de introducir un sistema habilitado para IA para tomar las decisiones de préstamo. Pero el vicepresidente de análisis vio el nuevo sistema como una desviación de sus planes para sus equipos de análisis y las inversiones tecnológicas de la compañía. Se apresuró a descarrilar la consideración del nuevo sistema. Describió en detalle lo que hicieron sus analistas, y concluyó: «No hay forma de que este sistema vaya a ser capaz de producir el tipo de resultados que están reclamando».
Interrupción de las relaciones. El jefe de comercio electrónico de un grupo regional de productos de una empresa de productos de consumo se escabulló para obtener permiso de la sede global para llevar a cabo un experimento con un sistema habilitado para IA en algunas de las campañas publicitarias de su producto. Las pruebas iniciales demostraron resultados sin precedentes. En 2017, las ventas mejoraron un 15% gracias a las campañas. Pero la adopción más allá del grupo regional y de la única línea de productos se estancó debido a la resistencia de personas con relaciones amistosas y de larga data con las agencias que llevaban a cabo las campañas publicitarias de la empresa, que perdían trabajo a manos de la máquina.
Por lo tanto, ¿qué pueden hacer las empresas para ayudar a los empleados a sentirse más cómodos trabajando con sistemas de IA?
Ser capaz de visualizar la forma en que un sistema habilitado para IA toma sus decisiones ayuda a desarrollar la confianza en el sistema, abriendo la caja negra para que la gente pueda ver su interior. Por ejemplo, Albert, proveedor de una herramienta basada en IA que ayuda a los especialistas en marketing a tomar mejores decisiones de inversión en publicidad y mejora el rendimiento de la campaña, desarrolló una herramienta de visualización («Inside Albert») para que sus usuarios vean dónde y cuándo su marca está funcionando mejor, qué conceptos publicitarios están convirtiendo más clientes, quién es el cliente ideal en términos de género, ubicación y características sociales, y el número total de microsegmentos de audiencia que ha creado el sistema (a menudo en decenas de miles). Los clientes se dieron cuenta de que no podían microgestionar un conjunto de variables, como la frecuencia de los anuncios, porque el sistema estaba atravesando y considerando un gran número de variables para decidir el ritmo y el momento. Aunque inicialmente los usuarios sintieron que el sistema no era consciente de cuáles creían que eran sus días y frecuencia de mejor rendimiento, se enteraron de que el sistema estaba encontrando altas conversiones operando fuera de sus supuestos previamente establecidos. «Inside Albert» permite a los especialistas en marketing comprender mejor cómo tomaba las decisiones el sistema, de modo que, en última instancia, no sintieran la necesidad de microgestionarlo.
Para superar la resistencia de las partes interesadas que tal vez no estén dispuestas a comprometerse con el nuevo sistema, como el vicepresidente de análisis de la institución crediticia, otro enfoque es crear un impulso político para un nuevo sistema habilitado por la IA movilizando a las partes interesadas que se benefician de su adopción. Por ejemplo, Waymo se ha asociado con Mothers Against Drunk Driving, The National Safety Council, The Foundation for Blind Children y Foundation for Senior Living para reunir a estas circunscripciones en apoyo de los automóviles autónomos.
A medida que la IA se despliega cada vez más en los procesos de toma de decisiones de su empresa, el objetivo debe ser realizar la transición lo más rápido posible. Como ilustran los ejemplos de Albert y Waymo, puedes superar la resistencia de la IA realizando experimentos, creando una forma de visualizar el proceso de toma de decisiones de la IA e involucrando a los grupos que se beneficiarían de la tecnología. Cuanto antes se incorpore a la gente, antes podrá su empresa ver los resultados potenciales que la IA puede producir.
— Escrito por Brad Power
