Como diseñar una estrategia efectiva de IA

Desde hace un año venimos hablando del potencial de la IA generativa para el crecimiento de un negocio y poco a poco las empresas se han ido introduciendo para descubrir su verdadero potencial. Si bien son muchas las empresas que se han hecho eco de la llegada de la IA a sus respectivos negocios, la realidad es que todavía queda mucho por hacer. Pero vamos por el buen camino.

Actualmente, más del 60% de las organizaciones está aplicando ya la IA en diferentes casos de uso. De hecho, según un estudio reciente de Google Cloud, 2 de cada 3 empresas ya tienen planes para asignar más del 50% de los futuros presupuestos a iniciativas con esta nueva tecnología. 

Llegado a este punto, los números son clave en esta nueva fase de la transformación digital. Y la pregunta que muchos directivos se hacen es: ¿Cuál es el ROI de esta implementación? Algunos ya empiezan a desgranar los resultados y en gran parte es gracias a la apuesta por una estrategia integral de IA que está permitiendo impulsar el crecimiento de un negocio y hacerla mucho más competitiva. En concreto, el 78% de las empresas ya está viendo efectivo el ROI. 

La clave de una estrategia integral de IA se compone de 3 partes: una visión clara de la IA, o lo que es lo mismo, un conocimiento de la misma y una adaptación a las necesidades reales de la compañía en línea con los objetivos de negocio; una implementación en casos reales en una primera fase, y una escalabilidad posterior derivados de la confianza en unos resultados que han sido analizados y controlados.

Este camino es el que actualmente está siendo el elegido por las grandes compañías para afianzar la tecnología a sus empresas y tener un largo recorrido con ellas justificando así el éxito de su inversión. 

Paso 1: la visión de la IA en la empresa.

Cuando la inteligencia artificial viene a incorporarse en el día a día de las empresas, no debe tratarse como algo meramente independiente, sino todo lo contrario. Su labor estará marcada por una visión de negocio y unos objetivos a corto y largo plazo. Esto significa estrechar la relación con las tecnologías y aplicar a todos los niveles en función de las prioridades de cada empresa.

A modo ejemplo, esta implementación integral supone conectar las prioridades estratégicas de negocio con dominios específicos de IA (departamentos, productos, procesos…) y dónde es posible centrar la inversión. La escucha activa del equipo humano que forma parte de estos será clave a la hora de evaluar los resultados y re-aprender sobre los mismos.

Hasta el momento, la estrategia global no atendía a los detalles de las operaciones diarias, algo fundamental si hablamos de cómo la IA se está implementando y de qué manera puede crecer esta tecnología en nuestra empresa como conjunto.

Las empresas han observado que el impacto más significativo se deriva de aquellos análisis internos que atienden a diferentes casos de uso, y no algo residual o independiente.

Paso 2. Saber detectar y priorizar los casos de uso.

Exactamente éste es uno de los mayores desafíos de las empresas y en el que insistimos mucho desde Serimag. Saber detectar dónde es más necesaria la tecnología y dónde la IA puede ayudar a resolver mejor las necesidades. Una vez detectado, debemos priorizar y saber dónde invertir primero, ya que esto ayudará a conseguir un mayor impacto y potencial de la tecnología.

Cuando la inteligencia artificial aterriza en una compañía, se topa con muchos desafíos que requieren de un orden inteligente para ser eficientes y eficaces. Esto supone evaluar factores como la complejidad técnica, la disponibilidad de los datos, el equipo humano implicado y el grado de actuación respecto a los objetivos de negocio.

Para priorizar los casos de uso, podemos crear una matriz simple que evalúe la generación de valor esperado y la viabilidad estimada.

Preguntas cómo: ¿de qué manera este cambio puede ayudar a solucionar las necesidades de nuestros clientes? ¿y nuestros empleados? ¿Cómo puedo adaptarlo a otros procesos? ¿existen implicaciones de inexactitud o mal uso? sirven para perfilar los casos de uso más adecuados para esta fase inicial y acabar decidiendo cuáles serán nuestros casos con mayor impacto.

Por ejemplo: la implementación de agentes virtuales de IA para ayudar a responder preguntas frecuentes de los clientes y acompañarlos en su toma de decisiones  puede ofrecer un alto valor comercial al reducir los costos operativos de un centro. Una vez comprobados los buenos resultados, como segunda prioridad, la empresa identificó entonces casos de uso que permitían a los clientes acceder a sus datos financieros sin necesidad de recibir asesoramiento financiero y así agilizar los procesos documentales.

Paso 3: Establecer y medir KPI’s de proyectos de IA

Una vez puestos en marcha los casos de uso, la compañía debe asegurar un control y análisis desde el minuto 1. Sólo así observaremos el nivel de progresión de la IA para tomar decisiones a posteriori que permitan mejorar el proceso de adopción de la tecnología con el fin de hacerlo más personalizado.

Gracias a los indicadores clave de rendimiento (KPI) podemos evaluar objetivamente el trabajo realizado por la tecnología, el retorno de la inversión tangible y ajustar en base a los datos. Varios de estos indicadores serían: métricas de calidad (precisión, factibilidad, confiabilidad y seguridad), métricas de sistema, métricas de adopción de los equipos, métricas operativas y finalmente financieras. 

Este tipo de mediciones ayudarán a tener una visión global del valor de la IA (vs misma situación sin IA) y conocer el impacto real de invertir en esta tecnología. Más allá del valor tangible de la inteligencia artificial en una empresa, esta tecnología brinda a las empresas la posibilidad de revisar su estructura organizacional y validar su modelo de negocio en un entorno cada vez más competitivo y digital.