La Inteligencia Artificial (IA) empresarial está madurando rápidamente, y las empresas están cambiando a estrategias de IA de negocios primero y los beneficios de ésta se buscan en toda la organización.

La Inteligencia Artificial ha llegado a la corriente principal. En todas las industrias, las empresas han implementado pruebas de concepto exitosas e incluso han tenido éxito en la implementación de IA en producción. Algunas organizaciones incluso han puesto en práctica sus estrategias de Inteligencia Artificial y aprendizaje automático, con proyectos que proliferan en toda la empresa, completos con las mejores prácticas y canalizaciones. Hoy en día, las empresas que se encuentran a la vanguardia de la curva de madurez de la IA están utilizando la IA a escala.

Esta maduración general de cómo se implementa la IA en las empresas está cambiando la forma en que las empresas ven el valor estratégico de la IA y dónde esperan ver sus beneficios realizados. Aquí hay un vistazo a 10 tendencias de estrategia empresarial de IA que los expertos de la industria están viendo desarrollarse hoy.

1. La IA se pone “manos a la obra”

En los primeros días de la Inteligencia Artificial, los proyectos estaban totalmente dirigidos por científicos de datos. Tenían los datos y los algoritmos, y se les dio libertad para buscar formas de aplicar sus nuevas herramientas a los problemas comerciales. A veces, lo consiguieron. Hoy esa dinámica se ha invertido.

Los líderes empresariales han aprendido de los ejemplos de proyectos exitosos y están más informados sobre lo que la IA puede hacer por ellos. Como resultado, las empresas ahora están menos dispuestas a invertir en pruebas de concepto con un valor comercial poco claro, una tendencia que ve a las unidades comerciales cada vez más en el asiento del conductor para la adopción de IA.

“Cuando veo que las empresas hacen bien la IA, se debe al negocio”, asevera Alex Singla, líder global de QantumBlack en McKinsey & Co. “La IA y la TI están ahí para ayudarlas a resolver el problema, pero no es la tecnología la que impulsa la solución. Es un negocio que toma la iniciativa y agrega: ‘Yo fui parte de la solución, creo en esto, esta es la respuesta correcta'”.

Honeywell, por ejemplo, está utilizando IA en todas sus operaciones internas y la está integrando en productos y servicios orientados al cliente, explica Sheila Jordan, directora de tecnología digital de la compañía.

“Estamos muy conectados con el negocio. Nos impulsa el valor. Va a ser valor de cara al cliente. Valor interno.”

2. La IA impregna la empresa

Cuando Jordan llegó a Honeywell hace dos años, su primer gran proyecto fue implementar una estrategia de almacenamiento de datos para reunir todos los datos de transacciones de todas las fuentes.

“Cada función, cada unidad de negocio, tiene una agenda digital”, dice. Por ejemplo, Honeywell ha digitalizado todos sus contratos. Eso es más de 100,000 contratos en total, dice, y señala que esto le da a la empresa una gran cantidad de datos para ayudar a construir soluciones de IA para casi cualquier área funcional.

Por ejemplo, con IA, todos los contratos de Honeywell ahora se pueden revisar automáticamente para las áreas donde se ven afectados por la inflación o los problemas de precios, afirma Jordan. “No hay forma de que un ser humano pueda pasar por 100,000 contratos”.

De manera similar, con datos de inventario completos, Honeywell ahora puede comprender qué inventario es chatarra y cuál es reutilizable y, por lo tanto, puede tomar decisiones inteligentes sobre la gestión de materias primas de manera más eficiente, añade Jordan.

“Estamos viendo aparecer la IA en todas las funciones”, dice. “En finanzas, en legal, en ingeniería, en cadenas de suministro y, por supuesto, en TI”.

3. Supercargando la automatización con IA

Este es el tercer año de Honeywell en un programa de automatización agresivo. Si hay una tarea repetitiva, la empresa intentará automatizarla. “Probablemente tengamos 100 proyectos este año”, externa Jordan. “Estas son tareas que estamos automatizando en toda la empresa global”.

Y Honeywell está trabajando para hacer que esas automatizaciones sean más inteligentes, agrega. “Vamos a insertar más IA en más de estos bots automatizados. Se trata de que el bot automatizado se vuelva más inteligente”.

Otra empresa que comenzó con automatizaciones básicas basadas en reglas es Booz Allen Hamilton. Ahora, la empresa está progresando en la integración de la IA y el aprendizaje automático en esas automatizaciones para que sean aplicables a una gama más amplia de tareas, de acuerdo con Justin Neroda, vicepresidente de la práctica de IA de Booz Allen.

La gente comienza con las automatizaciones más simples, “y luego se preguntan, ‘¿Qué más puedo automatizar?’ Y descubren que necesita IA y Machine Learning”.

Las automatizaciones impulsadas por IA pueden ayudar a las empresas a lidiar con la escasez de personal o los grandes volúmenes de trabajo, dice. “O la mitad de la tarea se puede automatizar y luego las personas pueden hacer la parte difícil”.

4. Hornear en IA para obtener mayores beneficios

Hay un componente importante de gestión de cambios para hacer IA a escala, asevera Singla de McKinsey. Requiere entender cómo la gente lo va a usar, y eso no proviene de que la gente de tecnología trabaje sola, sino de una combinación de gente de tecnología y expertos en la materia y en negocios, dice.

“Si tengo que llamar al ajustador y decirles que vayan a tres aplicaciones diferentes para IA, las probabilidades de que las apliquen son nulas”, manifiesta Singla. “Pero cuanto más se basa automáticamente en el flujo de trabajo, más aumentamos la probabilidad de éxito. Cuanto menos tenga que cambiar el comportamiento de alguien, más probabilidades tendré de conseguir la adopción”.

5. Las estrategias de IA toman un giro federado

Una vez que las empresas tienen éxito en las pruebas de concepto iniciales, a menudo construyen centros de excelencia de IA para poner en funcionamiento la tecnología y generar talento, experiencia y mejores prácticas. Pero una vez que una empresa alcanza un nivel de masa crítica, tiene sentido dividir algunos de estos centros de excelencia y federar la IA, trasladando a los expertos directamente a las unidades de negocio donde más se necesitan.

“Para aquellas empresas que son menos maduras, es valioso tener un centro de excelencia que alberga talento y aprendizaje en toda la institución”, dice Singla de McKinsey. “Sin eso, las empresas generalmente no tienen la capacidad de escalar. Las personas talentosas quieren estar con otras personas de ideas afines. Y las personas con menos experiencia se benefician de estar en un centro de excelencia porque pueden crecer o aprender”.

Distribuirlos demasiado pronto diluiría su impacto y reduciría la capacidad de una empresa para iterar y duplicar proyectos exitosos en múltiples líneas de negocios.

“Pero a medida que se llega a una capa de madurez y escala, a largo plazo, el beneficio de que los tecnólogos tengan tanto una profunda experiencia en IA como en el dominio es un verdadero jonrón”, dice. “Pero solo cuando tienes escala”.

Los problemas comerciales se distribuyen, dice Amol Ajgaonkar, distinguido ingeniero de Insight.

“Los problemas comerciales no están en un solo lugar, por lo que no puede esperar tener implementaciones de IA centralizadas”, dice. “Tienen que ser distribuidos también. Pero sí necesita tener una estrategia de IA centralizada que esté vinculada a un impacto comercial”.

O impactos comerciales múltiples, agrega, como ingresos, ahorro de costos o posicionamiento de marketing.

Como muchas otras empresas, Booz Allen Hamilton comenzó con un grupo central de IA. “Pero en el último año realmente lo hemos estado impulsando”, manifiesta Justin Neroda, vicepresidente de la práctica de IA de Booz Allen Hamilton. “Tenemos subcélulas a través de esa firma que tienen esos expertos en IA. Pero tienes que construir una masa crítica antes de extenderla o todo se vendrá abajo”.

“Eso es algo que hemos visto dentro de nuestras propias organizaciones y los clientes con los que trabajamos”, agrega.

6. La IA desencadena la transformación de los procesos empresariales

Cuando las empresas comienzan a usar IA por primera vez, a menudo buscan pasos individuales en los procesos comerciales donde la IA puede marcar la diferencia. “Se divide el proceso en partes, se digitaliza cada parte y se coloca la IA para que sea eficiente”, dice Sanjay Srivastava, director digital de Genpact. “Pero al final del día, el proceso en sí es el mismo. Cada parte es mejor, más rápida y más barata, pero el proceso en sí no cambia”.

Pero la IA también tiene el potencial de cambiar fundamentalmente los procesos comerciales, dice. Por ejemplo, Genpact realiza una gran cantidad de trabajo de procesamiento de cuentas para los clientes.

“Cuando aplicamos IA a las facturas, podemos saber qué facturas se disputarán”, afirma. “Podemos averiguar qué parte de la cartera tiene el mayor riesgo”.

Con los poderes predictivos disponibles con la IA, todo el proceso se puede reestructurar, dice. “Cuando aplica IA, puede pensar en la cadena de valor de extremo a extremo y rediseñarla por completo”.

7. MLOps se vuelve real

Según un informe de McKinsey publicado a fines de 2021 , uno de los factores que distingue a las empresas que obtienen el mayor aumento de ganancias de la IA es el uso de MLOps.

Esta es la próxima gran tendencia en IA, dice Carmen Fontana, miembro de IEEE y líder de práctica de tecnología emergente y en la nube en Augment Therapy, una empresa de tecnología de fisioterapia pediátrica. Fontana fue anteriormente líder de práctica para la nube y tecnología emergente en Centric Consulting.

El objetivo es llevar el aprendizaje automático de la teoría a la producción, dice. “Hace dos o tres años, este era un campo floreciente y la gente pensaba que tenía que hacerlo”, dice. “Pero no lo vimos mucho en la práctica”. Hoy, sin embargo, está viendo herramientas y metodologías establecidas que permiten a las organizaciones ser más rigurosas en la forma en que entrenan, implementan y monitorean los modelos de IA.

“Eso contribuye en gran medida a institucionalizar la inteligencia artificial y el aprendizaje automático”, dice. “Observé todo eso en nuestros clientes. El mercado ha cambiado significativamente”.

8. Las empresas establecen tuberías de IA

Booz Allen Hamilton actualmente tiene alrededor de 150 proyectos de IA diferentes con sus clientes, dice Neroda de Booz Allen. Pero durante el año pasado, la compañía comenzó a alejarse de ese modelo único.

“Durante el último año y medio hemos estado invirtiendo en capacidades modulares y canalizaciones de extremo a extremo”, dice Neroda.

La IA exitosa requiere más que solo un modelo de trabajo. Se requiere todo un proceso para mantener el modelo a lo largo del tiempo a medida que los datos cambian y los modelos se refinan continuamente, señala.

“El mayor desafío es cómo vincular todas las herramientas”, dice. “Hemos estado haciendo trabajo para estandarizar eso y para construir piezas reutilizables para usar en todos los proyectos”.

9. Las organizaciones buscan generar confianza en la IA

A medida que los empleados y ejecutivos se familiarizan más con la IA, confían cada vez más en ella para tomar decisiones críticas para el negocio, incluso cuando esas decisiones van en contra de los instintos humanos.

Michael Feindt, asesor estratégico y fundador de Blue Yonder, trabajó recientemente con un gran minorista de alimentos británico que lucha con problemas de la cadena de suministro relacionados con la pandemia. Cuando la empresa utilizó procesos manuales para administrar su cadena de suministro, había muchos estantes vacíos, dice. Además, había escasez de personas con el conocimiento, la capacidad y la disposición para hacer el trabajo.

Los sistemas automatizados, AI Powered podrían ofrecer costos reducidos y un mejor desempeño. Sin embargo, cuando la pandémica golpeó, la gente quería apagar los sistemas automáticos. “Pero luego vieron que los sistemas automáticos podían adaptarse mucho más rápido que los humanos”, explica.

Entonces, en lugar de cerrar los sistemas, la compañía se expandió para incluir no solo las tiendas, sino también los centros de distribución. El resultado fue menos estantes vacíos y menos residuos de alimentos para tirar. Además, los gerentes de la tienda podrían dejar de pasar dos horas al día, afinar sus pedidos y, en su lugar, pasar más tiempo mejorando la satisfacción del cliente.

También hay otras formas de generar confianza en la IA, dice Feind. “Algunas personas son críticas y no tienen la confianza de que la AI puede tomar tan buenas decisiones como pueden, con sus años de experiencia”, dice. Agregar explicación puede ayudar a aliviar algunas de estas preocupaciones. La AI explicable es cuando el sistema explica a los usuarios humanos, qué factores entró en la decisión que hizo.

10. Surgen nuevas posibilidades de modelo de negocio

En algunas áreas, la IA está comenzando a crear oportunidades que nunca antes existieron. Los vehículos autónomos, por ejemplo, tienen el potencial de transformar sociedades y crear tipos de negocios completamente nuevos. Pero las transformaciones comerciales impulsadas por IA también pueden ocurrir a menor escala.

Por ejemplo, un banco que requiere revisión humana no puede permitirse ofrecer préstamos pequeños. El costo de investigarlos y procesarlos sería más alto que los ingresos por intereses que el banco podría ganar. Pero si se usara IA para evaluar y procesar, los préstamos más pequeños permitirían al banco atender a grupos de clientes completamente nuevos sin tener que cobrar tasas exorbitantes.

“Estos casos de uso todavía no son tan frecuentes”, asevera Jai Das, presidente y socio de Sapphire Ventures. “Cambian fundamentalmente la forma en que hacemos negocios, y las empresas no cambian tan rápido”.

La marea comenzará a cambiar una vez que AI y ML se conviertan en herramientas utilizadas por todos los trabajadores del conocimiento en la empresa, dice.

“Todavía no hemos llegado”, dice Jai Das. “Probablemente pasen otros cinco años hasta que todos usen IA y ML para hacer su trabajo”.

Maria Korolov, CIO.com