Cómo las empresas de alto rendimiento desarrollan y escalan la IA

Muchas empresas que llevan años desarrollando tecnologías de IA se enfrentan a la cruda realidad de que, para escalar la IA con éxito, se requiere algo más que desplegar la tecnología de IA. Las empresas que tienen éxito en sus esfuerzos de ampliación tienen más probabilidades que otras de aplicar un conjunto básico de prácticas: alinean la IA y las estrategias empresariales, garantizan la colaboración interfuncional, invierten en talento y formación en IA, capacitan a los expertos en IA con herramientas, protocolos y metodologías estandarizados, aplican prácticas de datos sólidas e impulsan la adopción y el valor.

••• En la última[Encuesta mundial de McKinsey sobre la IA](https://www.mckinsey.com/featured-insights/artificial-intelligence/global-ai-survey-ai-proves-its-worth-but-few-scale-impact) observamos un aumento significativo año tras año en el número de empresas que utilizan la IA en múltiples áreas de la empresa. Y aunque la mayoría de los encuestados dijeron que sus empresas tienen[ganó valor con la IA](https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the-executives-ai-playbook), algunas están alcanzando una mayor escala, los ingresos aumentan y ahorran costes que las demás. Según nuestras investigaciones y nuestra experiencia, esto no es casual; la forma en que las empresas diseñan su estrategia empresarial, las bases que sientan y la forma en que abordan la adopción de la IA en el lugar de trabajo pueden afectar a su potencial de transformación. Muchas empresas que llevan años desarrollando tecnologías de IA se enfrentan a la cruda realidad que requiere escalar la IA con éxito[más que solo implementar tecnología de IA](/2019/07/building-the-ai-powered-organization). Descubrimos que las empresas que tienen más éxito en sus esfuerzos de expansión tienen más probabilidades que otras de aplicar un conjunto básico de prácticas. Pero incluso las personas con mejor desempeño tienen margen de mejora, ya que nuestras investigaciones revelan que no todos utilizan la gama completa de los mejores enfoques. Entonces, ¿cuáles son algunas de las medidas que pueden tomar los líderes para aprovechar al máximo sus inversiones en IA? Estas son las seis cosas que hacen las principales empresas. ### **1. Alinean la IA y las estrategias empresariales.** Un paso fundamental para ampliar la IA es reunir a los líderes empresariales, analíticos y de TI sobre cómo la IA puede crear valor para la organización y el plan para capturarlo.[IA de alto rendimiento](https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/rebooting-analytics-leadership-time-to-move-beyond-the-math) tienen dos veces y media más probabilidades que otros de alinear su estrategia de IA con la estrategia más amplia de la empresa. También tienen casi cuatro veces más probabilidades que otros de tener una hoja de ruta clara a nivel empresarial con los casos de uso en todos los ámbitos empresariales. Priorizar los casos de uso en función de la viabilidad, la inversión de tiempo y el valor puede ayudar a los líderes a equilibrar las necesidades a corto plazo y el valor a largo plazo. Por ejemplo, cuando los líderes empresariales y analíticos de una empresa industrial expusieron su plan sobre cómo la IA podría mejorar las operaciones, secuenciaron la implementación de casi una docena de herramientas de IA en 18 meses. Estiman que su enfoque estructurado les ha permitido obtener decenas de millones en beneficios una vez que se desplieguen todos los casos de uso. ### **2. Garantizan la colaboración interfuncional.** Los expertos en IA tienen casi tres veces más probabilidades que otros de que los expertos en IA y negocios trabajen juntos para resolver los problemas empresariales, lo que demuestra que los equipos interdisciplinarios con diversas perspectivas son cruciales en el desarrollo de la IA. Estos equipos se aseguran de que las iniciativas de IA reflejen las prioridades de la organización, aborden las necesidades de los usuarios finales y generen valor más rápido. En nuestra investigación, los equipos multifuncionales de ejecución de la IA solían estar integrados en la unidad de negocio durante todo el proyecto e incluían al propietario del proyecto (normalmente de la empresa),[traductor](https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/analytics-translator), científicos de datos, ingenieros de datos, arquitectos de datos, especialista en visualización, diseñador de interfaces de usuario y analistas de negocios. En un minorista, el uso de equipos interdisciplinarios ayudó a los expertos en IA a comprender mejor cómo los compradores de productos y los vendedores de tiendas realizaban su trabajo. Con esta información, crearon un modelo más eficaz para recomendar la colocación de los productos en las tiendas. Los márgenes brutos han aumentado entre un cuatro y un siete por ciento en las categorías de productos en las que se aplica la herramienta. ### **3. Invierten en talento y formación en IA.** Las transformaciones de la IA son tanto un cambio cultural como un cambio tecnológico. Necesitan nuevas habilidades, como[experiencia en traductores](https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-to-train-your-analytics-translators), y nuevas mentalidades. Esto requiere mejorar sus habilidades y todas las organizaciones (incluidas las que tienen un alto rendimiento en IA) deberán invertir más en formación. Solo el 35% de los encuestados de empresas con alto rendimiento y un exiguo 10% de las demás afirman tener un programa activo de aprendizaje continuo sobre IA para los empleados. Si bien hay numerosos programas de aprendizaje en el mercado hoy en día, [programas internos de formación en IA](https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the-analytics-academy-bridging-the-gap-between-human-and-artificial-intelligence) (lo que llamamos academias de análisis) se perfilan como un elemento central para el aprendizaje amplio, necesario y fundamental, como los traductores. Un conglomerado minorista creó un programa de formación integral para preparar a sus más de 40 000 empleados para la transformación de la IA. Más de 1000 empleados participaron en los primeros seis meses del programa y 150 personas más reciben formación cada semana. Este esfuerzo ayudó a la empresa a pasar de casos de uso dispersos de la IA y de usuarios finales escépticos a una cartera de iniciativas que, según se prevé, impulsarán un crecimiento del 70% en los beneficios antes de intereses e impuestos en los próximos tres años. ### **4. Capacitan a los expertos en IA con herramientas, protocolos y metodologías estandarizados.** Proporcionar a los expertos en IA las herramientas adecuadas y un manual estándar y repetible puede permitirles colaborar sin problemas, moverse con fluidez por la organización para cubrir las brechas de talento, ofrecer resultados empresariales reales con mayor rapidez y gestionar mejor el riesgo empresarial. El setenta y seis por ciento de los encuestados en empresas de alto rendimiento afirman que sus organizaciones tienen conjuntos de herramientas de IA estándar, en comparación con solo el 18% de las demás. Los expertos necesitan acceso a mesas de trabajo y herramientas de última generación para gestionar y estructurar los datos, modelar y visualizar y simular los datos. También deberían tener metodologías y protocolos repetibles para llevar nuevos casos de uso a la producción. Las empresas que lo hacen bien siguen un manual estructurado en cada fase del desarrollo de la IA: identifican oportunidades, validan el valor en juego, evalúan la viabilidad, desarrollan modelos de IA, modifican su funcionamiento para garantizar que los modelos realmente captan valor y, por último, rastrean el rendimiento de los modelos y actualizan los modelos a lo largo del tiempo. Los que tienen un alto rendimiento de la IA tienen casi cuatro veces más probabilidades que otros de saber con qué frecuencia es necesario actualizar sus modelos de IA. ### **5. Aplican prácticas de datos sólidas.** Las personas con alto rendimiento de la IA también tienen más probabilidades que otras de tener una estrategia de datos clara para la IA y procesos de gobierno bien definidos para las decisiones clave relacionadas con los datos. Un banco descubrió que mejorar la gestión de los datos podría generar hasta 2000 millones de dólares en valor anual, gracias a la mejora de la venta cruzada gracias a la mejora de los datos, al ahorro de capital derivado de la reducción de los riesgos operativos que se derivan de la mala calidad de los datos y al ahorro de costes gracias a la consolidación de los sistemas y equipos de datos. En nuestro trabajo, descubrimos que las empresas tienen más éxito cuando tienen un programa de gobierno sólido y centralizado para la calidad y la gestión de los datos. Esto incluye establecer políticas sobre qué datos se pueden utilizar; cómo y dónde deben almacenarse los diferentes conjuntos de datos; cómo se supervisa y mantiene la calidad de los datos; cómo se utilizan y rastrean los datos; y cómo se documentan los metadatos, incluidas las definiciones de los datos y el linaje de los datos. Las empresas de éxito también tienen una estructura de propiedad de los datos clara, en la que las unidades de negocio son propietarias de los datos relevantes para la empresa y son responsables de la calidad de los datos que generan. ### **6. Impulsan la adopción y el valor.** Uno de los mayores desafíos a los que se enfrentan todas las organizaciones es simplemente lograr que los empleados de primera línea utilicen la información de la IA en su toma de decisiones diaria. Nuestras investigaciones recientes muestran la generalización de este tema: solo el 36% de los encuestados de empresas con alto rendimiento, y solo el ocho por ciento de todas las demás, afirman que sus empleados de primera línea utilizan la información de la IA en tiempo real para permitir la toma de decisiones diaria. Para progresar en este sentido, las empresas tendrán que rediseñar los flujos de trabajo para que los empleados puedan incorporar fácilmente la información de la IA en sus actividades diarias. También tendrán que permitir a los trabajadores de primera línea tomar decisiones basadas en los datos, en lugar de tener que solicitar la aprobación de su gerente. Los líderes también deberían poner en marcha un amplio conjunto de actividades de gestión del cambio para alentar e incentivar a los trabajadores a utilizar las nuevas herramientas. Por ejemplo, el CEO de un conglomerado minorista impulsó la participación en su transformación de la IA dando a conocer ampliamente los éxitos en toda la empresa y promocionando a los mejores talentos para nuevos puestos en función de sus esfuerzos por desarrollar nuevas herramientas de IA. Al implementar estas prácticas principales, los líderes pueden posicionar a sus empresas para que actúen más rápido y maximicen la rentabilidad de sus inversiones en IA.