Una solución radical para escalar la tecnología de IA

La mayoría de los ejecutivos de C-suite saben que necesitan integrar capacidades de IA para mantenerse competitivos, pero muchos de ellos no logran avanzar más allá de la etapa de prueba de concepto. Se quedan atascada enfocándose en los detalles equivocados o construyendo un modelo para demostrar un punto en lugar de resolver un problema. Eso es preocupante porque, según nuestra investigación, tres de cada cuatro ejecutivos creen que si no escalan la IA en los próximos cinco años, corren el riesgo de salir del negocio por completo. Para solucionar esto, ofrecemos una solución radical: Matar la prueba de concepto. Ve a la derecha a escala.

Llegamos a esta solución después de encuestando a 1.500 ejecutivos de C-suite en 16 industrias en 12 países. Descubrimos que, si bien el 84% sabe que necesitan escalar la IA en sus negocios para alcanzar sus objetivos estratégicos de crecimiento, solo el 16% de ellos ha avanzado más allá de experimentar con IA. Las empresas en nuestra investigación que estaban implementando con éxito IA a gran escala habían hecho una cosa: habían abandonado la prueba de conceptos.

Las empresas que hicieron esto intentaron escalar el doble de frecuencia, teniendo éxito en sus iniciativas de escalado el doble de frecuencia, y —debido a que estaban estructuradas correctamente y podían incorporar lo aprendido en el camino— terminaron no solo completando proyectos de escalado más rápidamente, sino gastando menos dinero en proyectos piloto e implementaciones totalmente escaladas. ¿El resultado? Lograron casi tres veces el rendimiento de sus inversiones en inteligencia artificial en comparación con sus contrapartes de menor rendimiento. Si tenemos en cuenta que la compañía promedio en nuestro estudio gastó $215 millones en AI en los últimos tres años, la diferencia del 54% representa una brecha de $115 millones en retornos perdidos de IA. Y no se trata sólo del dinero. Los escaladores exitosos reportan beneficios significativos en el servicio al cliente y la satisfacción de la productividad de la fuerza laboral para determinar la eficiencia con que las empresas utilizan sus activos.

Por qué la prueba de concepto no funciona

Así es como la prueba de concepto puede ser una promesa de fracaso, usando un ejemplo bastante común. Digamos que una organización reserva seis meses para construir una plataforma de optimización de la experiencia del cliente como prueba de concepto para mejorar el servicio al cliente. Lo ponen en marcha, confirman (como muchos lo han hecho antes) que funciona y luego lo mueven a producción. He aquí el error: demostraron que un concepto podía funcionar técnicamente sin pasar una hora pensando en lo que se necesitaba para ponerlo en producción, los riesgos del modelo, el sesgo de los datos, la privacidad de los datos o consideraciones éticas. ¿El resultado? Acaban de poner su organización en una deuda técnica porque nunca la construyeron a escala desde el principio.

Considere cómo una empresa con la que trabajamos hizo esto de manera diferente. Nordea, el grupo bancario más grande de los países nórdicos, necesitaba un chatbot para ayudar con el servicio al cliente para que el personal del centro de llamadas tuviera más tiempo para trabajar en problemas complejos con los clientes. Nordea tenía una estructura para las pruebas y el desarrollo ya existentes, incluyendo la base de datos correcta, el talento, el diseño organizacional y los marcos éticos, por lo que omitieron la prueba de concepto y salieron a la escala. Obtuvieron sus datos correctamente, construyeron un producto mínimo viable, le dieron un avatar, y esperaron a ver cómo los clientes interactuaron con él. En junio de 2017, Nordea pilotó un lanzamiento limitado de su chatbot a unos cientos de miles de clientes, que inmediatamente comenzaron a recogerlo. El tráfico de correo electrónico y teléfono cayó un 20% inmediatamente, mientras que el uso del chatbot y las páginas web relacionadas aumentó un 30%, todo sin tener que demostrar a los líderes de C-suite cómo funcionaba un chatbot.

¿Qué sustituye a la prueba de concepto?

En nuestra investigación encontramos que solo una de cada cinco aplicaciones de IA llega a la producción. Todos estos son disparos de bajo porcentaje, y los líderes inteligentes lo saben. Pero si la solución es omitir el POC, ¿qué lo reemplaza? Las empresas exitosas que investigamos hicieron las siguientes tres cosas.

Pivotar a pilotaje — Una tecnología piloto toma una capacidad completamente horneada y la lanza directamente al mundo real (aunque a menor escala). Permite a los tecnólogos de IA y al liderazgo de la empresa ver con precisión cómo la nueva tecnología será recibida por los clientes y obtener valor. Los POC se lanzan a una escala mucho menor, lo que a menudo dificulta extraer valor de sus datos.

Comprometer a la acción — Estamos experimentando fatiga POC en todas las industrias. En lugar de llevar a cabo un sinfín de POC, las organizaciones deberían considerar sólo unos pocos proyectos valiosos y centrarse en hacer la investigación adecuada y ponerlos en producción.

Asegúrese de que el equipo adecuado esté en su lugar — Un equipo colaborativo es crucial. A menudo, los esfuerzos de las empresas para escalar las capacidades de IA se siloan dentro de un solo departamento o equipo, frecuentemente liderados por IT. Cuando las iniciativas carecen del apoyo de un equipo más grande y multidimensional defendido por el Jefe de Inteligencia Artificial, Data o Analytics Officer, pierden una conexión crucial con los resultados empresariales y, en última instancia, fracasan.

Una mirada hacia el futuro

Para escalar el valor en la era de la IA, la clave es pensar en grande y empezar en poco tiempo: priorizar análisis avanzados, gobernanza, ética y talento desde el salto. También exige planificación. Decida qué valor tiene para usted, ahora y dentro de tres años. No sacrifiques tu relevancia futura estando tan concentrado en entregar por hoy que no estás preparado para la próxima ola. Comprenda cómo la IA está cambiando su industria y el mundo, y tenga un plan para capitalizarlo.

Sin duda, este es un territorio nuevo, pero todavía hay tiempo para salir adelante si se sientan las bases ahora. Lo que no tienes tiempo para hacer es desperdiciarlo demostrando un concepto que ya existe como consenso.

— Athina Kanioura Fernando Lucini Via HBR.org