Deja de ejecutar tantos pilotos de IA
En lugar de probar muchos casos de uso en toda la empresa, elige un área y profundiza en ella
Por Goutam Challagalla, Mahwesh Khan y Fabrice Beaulieu
Tecnología y Análitica
Harvard Business Review
#Doxa #pilotos #IA #casosdeuso #empresa #enfoque #estrategia #implementación #innovación #productividad #priorización #eficiencia #gestión
Resumen. Las empresas deseosas de adoptar la IA generativa a menudo lanzan numerosos proyectos piloto en todos los departamentos, buscando victorias rápidas y eficiencias marginales. Pero un enfoque disperso no generará un impacto transformador. La empresa global de bienes de consumo envasados Reckitt adoptó un enfoque diferente. Optó por profundizar en un dominio: el marketing, donde la IA generativa podría aplicarse a tareas interconectadas como la generación de información, la creación de contenido y el desarrollo de productos. ¿La lección? Para desbloquear todo el potencial de la IA generativa, las organizaciones deben resistir la tentación de experimentar ampliamente y, en cambio, profundizar y centrarse en un área específica, concentrando los esfuerzos donde la escala y la sinergia pueden impulsar un cambio significativo. Deben comenzar por seleccionar un único dominio estratégico donde la IA generativa pueda aplicarse a tareas interconectadas. Luego, deben aprovechar las fortalezas existentes, como los activos de datos o las capacidades técnicas, para escalar la adopción de la IA de manera significativa. Al repensar los procesos centrales dentro de ese dominio y alinear a los equipos en torno a la transformación en lugar de la experimentación, las empresas pueden obtener información más profunda, acelerar la innovación y lograr un impacto medible.
A finales de 2023, cuando el equipo directivo de la empresa de bienes de consumo envasados Reckitt consideró la adopción de la IA general, los posibles casos de uso abarcaban todo el negocio, desde la elaboración de presentaciones hasta la prestación de soporte al cliente y la optimización de contratos de adquisición. Muchos de los casos de uso garantizaban ahorros de tiempo y un retorno de la inversión inmediato, pero se aplicaban a tareas distintas. Los ejecutivos de Reckitt estaban satisfechos con el tiempo que la IA general podía ahorrar, pero sabían que el esfuerzo no transformaría la estrategia de la empresa ni crearía una ventaja significativa. Esperaban algo más drástico, no solo mejoras marginales en la eficiencia
Así que, en lugar de dar luz verde a todos los proyectos de IA que generaran un retorno de la inversión positivo, decidieron centrarse en un solo dominio: el marketing. Aquí, la IA gen podía utilizarse en muchas tareas interrelacionadas, incluyendo la generación de insights, la generación de contenido y el desarrollo de nuevos productos. Las tareas estaban relacionadas entre sí, utilizando información extraída de los mismos datos, clientes e investigación de mercado. Los resultados de una tarea se conectaban con otras. Por ejemplo, los insights del consumidor en tiempo real conducen a una innovación de producto superior y una mejor segmentación. Una innovación de producto mejor y más rápida ayuda a las empresas a llevar productos relevantes al mercado, fortaleciendo así la lealtad, la retención y la promoción. Los ejecutivos creían que centrar sus esfuerzos solo en el marketing ayudaría a la empresa a mejorar a escala.
Reckitt tenía fortalezas existentes en marketing, como datos de clientes enriquecidos y un equipo competente en tecnologías avanzadas, incluyendo IA predictiva. Adoptar la IA gen con un enfoque en mejorar las operaciones de marketing ayudó a Reckitt a descubrir nuevas formas en que el departamento podía operar. Obligó al equipo de marketing a repensar drásticamente todo su enfoque, reformulando muchos procesos a medida que el equipo aprendía cómo la IA gen podía mejorar toda la operación de marketing, no solo una o dos tareas aisladas
Menos de dos años después, Reckitt atribuye a su adopción deliberada de IA gen el haberle ayudado a generar conceptos de productos hasta un 60 % más rápido que antes. También atribuye a la IA gen el haber hecho que los procesos de comunicación de marca y marketing sean más eficientes en un 30 % o más (dependiendo del proceso). Estas ventajas no habrían sido posibles si Reckitt no hubiera centrado sus esfuerzos de experimentación e inversión en IA en un conjunto de funciones o tareas interconectadas dentro de un único dominio
La experiencia de Reckitt ilustra una lección vital: para obtener una ventaja competitiva duradera, las empresas deben evitar dos errores comunes y relacionados en la implementación de la IA general. El primero es dispersar los esfuerzos y recursos en casos de uso aislados en toda la empresa. El segundo es centrarse únicamente en el retorno de la inversión inmediato. Este enfoque —tener muchos casos de uso no relacionados, cada uno justificado por la fuerte promesa de un retorno de la inversión inmediato— a menudo se describe como una implementación «superficial y amplia». Muchos ejecutivos con los que hablamos dijeron que creen que deberían implementar la IA general de la forma más amplia posible para ver qué funciona. Si bien esta técnica generará algunas eficiencias de costos inmediatas, es poco probable que ofrezca una ventaja competitiva, y las empresas que la utilizan no tienen tanto éxito como podrían tener
He aquí el porqué. Supongamos que una empresa automatiza varios procesos distintos en contabilidad, la cadena de suministro, marketing, finanzas y recursos humanos. Suceden dos cosas: primero, los directivos tienen poca motivación para reformar por completo las funciones cuando solo entre el 5 % y el 10 % de las tareas utilizan inteligencia artificial. Segundo, ejecutar casos de uso sin un objetivo principal suele provocar fatiga por la iniciativa. Y cuando los casos de uso ofrecen poca ventaja competitiva o son fácilmente copiados por la competencia, los empleados pueden volverse escépticos o desilusionados. (En Reckitt, por el contrario, el objetivo principal era impulsar el crecimiento de los ingresos lanzando nuevos productos al mercado con mayor rapidez).
En lo que respecta a la implementación de la IA, las empresas deberían seguir el ejemplo de Reckitt: lo que llamamos el enfoque "profundo y específico". Es una estrategia inusual: solo el 4 % de las empresas adoptan un enfoque centrado en unas pocas prioridades donde se transforman profundamente, según una encuesta de BCG de 2024 a 1000 directores ejecutivos y altos directivos. Pero aquellas que lo hacen logran el doble del retorno de la inversión con el tiempo.
Tenemos décadas de experiencia como profesionales, educadores y consultores para marcas globales en marketing, estrategia y tecnología. Y desde la introducción de la IA de generación al mercado en 2022, hemos observado que el enfoque profundo y específico tiene muchas ventajas. Requiere que replantees fundamentalmente cómo se realiza el trabajo dentro de una sola parte de tu negocio. Conduce a una mayor productividad al aprovechar tus fortalezas competitivas. Y fomenta el descubrimiento de nuevas formas de trabajar que son únicas para la cultura de tu empresa, lo que dificulta que los rivales las copien. Una vez que domines la IA de generación en un área de negocio, podrás aplicar lo que has aprendido a otras
Cuando propusimos por primera vez la idea de implementaciones profundas y específicas, muchos ejecutivos se mostraron preocupados porque parecía contraintuitiva y más arriesgada que el enfoque superficial y amplio. Al fin y al cabo, las implementaciones superficiales y amplias no son del todo incorrectas: ahorran tiempo y dinero. Y los ejecutivos deberían sentirse cómodos realizando algunos experimentos superficiales y amplios, especialmente al empezar a evaluar la disposición y la preparación de la organización para adoptar la IA. Pero necesitan comprender que los casos de uso aislados y sin conexión entre sí no constituyen implementaciones transformadoras. A los ejecutivos también les inquietaba la importante inversión necesaria para reconstruir los procesos y temían desviarse de la sabiduría convencional, que afirma que se necesitan cientos de proyectos de IA para tener éxito. Además, muchos no habían realizado una evaluación honesta y exhaustiva de las competencias básicas y la madurez de los datos de su empresa —un paso necesario para decidir dónde profundizar— porque consideraban que ese proceso era demasiado difícil y lento. Con el tiempo, sin embargo, muchos de los escépticos llegaron a comprender por qué la implementación profunda y específica tiene sentido.
En este artículo exploraremos por qué tantas empresas gestionan mal su adopción de la IA general. Luego, proporcionaremos una guía para profundizar y especializarse con éxito en sus propias implementaciones de IA, utilizando ejemplos de IKEA, L'Oréal y otras.
¿Por qué profundizar y especializarse?
Los líderes tienden a exigir proyecciones concretas de ROI para cada caso de uso. Solo después de que se demuestre un ROI inmediato, nos dijeron, creen que deberían implementar la IA general en otros lugares. Pero ese enfoque ignora la realidad de cómo funciona realmente la adopción de la IA: el ROI se acumula a una velocidad y magnitud diferentes para cada caso de uso. En las empresas que creemos que han implementado la IA general de manera efectiva, el impacto puede tardar algún tiempo en materializarse y el progreso no debe medirse solo por el ROI a corto plazo
En comparación con una implementación superficial y amplia, una implementación profunda y específica requiere mucho tiempo y esfuerzo. Es excepcionalmente difícil realizarla simultáneamente en múltiples dominios porque requiere una gestión del cambio extensa. Introducirá tecnologías nuevas para sus empleados. Cambiará los procesos de trabajo. Las estructuras de su equipo y las formas de trabajar también tendrán que cambiar. Por supuesto, la introducción de cualquier tecnología nueva requerirá aprendizaje y cierta adaptación de los procesos de trabajo, pero profundizar requiere cambios totales y una reinvención de cómo se realiza el trabajo.
Las implementaciones profundas y específicas pueden centrarse en una sola función o en procesos de extremo a extremo. L'Oréal, la empresa de cosméticos más grande del mundo, ha implementado la IA ampliamente dentro de su función de marketing, al igual que lo hizo Reckitt. Acme Bank (nombre ficticio), por el contrario, se centró en transformar su proceso hipotecario de extremo a extremo. Su proceso original era notablemente engorroso: primero, un asesor hipotecario recopilaba los documentos del prestatario e ingresaba manualmente los datos en el sistema de originación de préstamos A continuación, un oficial de préstamos verificó los documentos y utilizó documentos adicionales (como búsquedas de títulos y certificaciones de inundación) para ayudar en la evaluación. Finalmente, un analista de crédito evaluó la solvencia crediticia del prestatario y estableció los términos del préstamo. Acme ahora utiliza IA gen para automatizar el procesamiento de toda la documentación hipotecaria. El banco también creó una interfaz conversacional de IA gen para los analistas de crédito. Pueden conversar con el sistema y pedirle que realice tareas, como ejecutar modelos predictivos de IA y escribir una explicación para la aprobación o el rechazo de un solicitante. Esta interfaz fácil permitió a los oficiales de préstamos analizar las decisiones del modelo y descubrieron que proporcionar mejor información sobre el contexto del cliente mejoraba los resultados tanto para los clientes como para el banco. Como resultado, Acme Bank mejoró la calidad de sus decisiones, su velocidad y su capacidad de respuesta a las inquietudes de los clientes.
Cómo empezar
Antes de implementar la IA general, debe identificar dónde sería más estratégica, ya que, en última instancia, desea que la IA general fortalezca sus ventajas competitivas existentes. Para ello, recomendamos un proceso de cuatro pasos.
Paso 1: Identifique la oportunidad más prometedora
La IA general es una tecnología de propósito general con un amplio espectro de usos. Las tareas de productividad de oficina, como resumir reuniones y crear presentaciones, se encuentran en el extremo rutinario del espectro. En el otro extremo están las actividades de generación de valor, como el uso de la IA general para habilitar nuevos modelos de negocio o, cuando se incorpora a productos y servicios, para renovar las experiencias de los clientes. En el medio del espectro se encuentra la reinvención del dominio: la reimaginación integral de los procesos o funciones de trabajo.
La productividad de oficina se trata de mejorar la eficiencia del manejo de tareas rutinarias. No es probable que genere una ventaja competitiva. Habilitar nuevos modelos de negocio utilizando IA es una oportunidad emocionante, pero puede ser difícil para las empresas que venden productos en los que la IA no se puede incorporar fácilmente (por ejemplo, pasta de dientes). La reinvención del dominio, que abarca funciones y procesos, es un área de oportunidad para casi cualquier empresa
Volvamos al ejemplo de Acme Bank. Es uno de los prestamistas más grandes de la región y los préstamos hipotecarios son una parte importante de su cartera. La financiación hipotecaria tiene grandes márgenes incluso en entornos de tipos de interés bajos, lo que convierte a las hipotecas en un producto estratégicamente importante para el banco. Acme utilizó los préstamos hipotecarios para mejorar las relaciones con los clientes y realizar ventas cruzadas de otros productos. El equipo trazó los pasos esenciales del proceso, evaluó dónde tenía sentido hacer las cosas de manera diferente y eliminó las redundancias. El equipo desarrolló un proceso más eficaz y la IA lo hizo aún más rápido y fácil.
Paso 2: Identificar áreas de ventaja duradera.
Siempre que implemente la IA en profundidad, su objetivo debe ser proteger o mejorar una ventaja competitiva existente o crear una nueva ventaja que sea difícil de copiar
L'Oréal utilizó la IA genérica para crear una nueva ventaja competitiva. La empresa francesa de cosméticos, con una facturación de 43.000 millones de euros, combinó recientemente su experiencia en cosmética con potentes herramientas de IA genérica para reinventar la interacción con sus clientes. Nicolas Hieronimus, CEO de la compañía, afirmó que L'Oréal cambió su visión de belleza para todos a belleza para cada uno, al situar la personalización en el centro de su misión. ¿Cómo? Centró sus esfuerzos de IA genérica en la experiencia del consumidor, tanto en detalle como en precisión. Su chatbot Beauty Genius realiza un diagnóstico exhaustivo de la piel de cada usuario y, a continuación, ofrece análisis expertos, recomendaciones de productos y rutinas personalizadas. Esto es posible gracias al desarrollo constante de las capacidades de realidad aumentada (RA) de L'Oréal desde 2015 y al acceso a la investigación avanzada de la compañía sobre la biología de la piel. L'Oréal centró su programa de IA genérica en su experiencia en el sector y en su amplio conjunto de datos de clientes. Reinventó la experiencia del consumidor con el lanzamiento de Beauty Genius, que facilita a los consumidores la comprensión de su piel (diagnóstico), la obtención de consejos, la selección de los productos adecuados y la posibilidad de compartir información con amigos. Además, cada vez que un cliente interactúa con el chatbot, L'Oréal obtiene datos más valiosos.
El proyecto ha sido un éxito. Beauty Genius ha mantenido más de 400.000 conversaciones en Estados Unidos durante sus primeros seis meses. L'Oréal está integrando Beauty Genius en WhatsApp, lo que prevemos que impulsará su uso. La estrategia de L'Oréal consiste en ofrecer una amplia gama de servicios de tecnología de belleza, de los cuales Beauty Genius es un componente clave. Estos servicios —como las pruebas virtuales de productos y Hapta, un aplicador de maquillaje computarizado— aprovechan al máximo la IA y se han utilizado más de 110 millones de veces. En el Sudeste Asiático, Oriente Medio y el Norte de África, la tecnología de belleza ha duplicado la tasa de conversión de sus 50 millones de usuarios. Con un éxito así, es inevitable que surjan muchos imitadores, pero ninguno puede ofrecer la extensa investigación cosmética que realiza L'Oréal.
IKEA está adoptando un enfoque ligeramente diferente: está utilizando IA genérica para potenciar sus fortalezas. La empresa, reconocida por sus muebles asequibles, también ofrece servicios de diseño de interiores. Sin embargo, para los clientes, el precio suele ser una barrera, ya que se requieren diseñadores con salarios elevados para prestar estos servicios. Ahora, IKEA busca utilizar la IA genérica para que los servicios de diseño sean más asequibles. Según los primeros resultados, Francesco Marzoni, director de datos y análisis de IKEA, prevé que los diseñadores profesionales de IKEA podrán utilizar la IA genérica para completar proyectos de diseño en 10 minutos y, posteriormente, utilizar su experiencia para mejorarlos. Esto supone un gran cambio con respecto al uso de consultores, cuyas tarifas suelen ser de 99 dólares por habitación y tardan unos días en entregar los diseños
Esta nueva forma de diseñar proyectos mejora la ventaja competitiva existente de IKEA en el diseño. Ya cuenta con la comunidad de diseñadores de interiores más grande del mundo y realiza muchos más proyectos de diseño de interiores que sus competidores. Ahora puede alimentar sus modelos de IA de generación en tiempo real con datos de alta calidad de miles de proyectos. Estos dos elementos, experiencia y escala, permitirán que su sistema de IA de generación aprenda más rápido y mejor que otros. Será difícil para otros minoristas de muebles ofrecer un servicio comparable con la misma calidad y precio.
Paso 3: Elija la secuencia correcta.
La IA de generación puede aumentar las ganancias al permitir la eficiencia de costos y el crecimiento. ¿Debería priorizar la eficiencia, el crecimiento o una combinación de ambos? Cuando se profundiza en un área específica, comenzar con las ganancias de eficiencia de costos dentro de un solo dominio suele ser la opción más inteligente, porque normalmente puede reducir sus costos más rápidamente de lo que puede lograr un crecimiento de los ingresos
Eso es lo que hizo Reckitt. La empresa identificó cinco pilotos de IA de última generación para demostrar eficiencias de marketing inmediatas. Un experimento, por ejemplo, demostró que la IA de última generación podía desarrollar análisis de campañas de medios en horas en lugar de días. Los primeros éxitos como ese ayudaron a obtener el apoyo de los ejecutivos. Una vez que los líderes se convencieron, Reckitt se centró en áreas específicas del marketing para impulsar tanto la eficiencia como el crecimiento
Siguiente Reckitt adoptó un enfoque sistemático para la implementación. Categorizó todas las tareas realizadas por sus más de 2000 profesionales de marketing globales. Esta fue una actividad minuciosa que incluyó encuestas y entrevistas individuales. Esa investigación identificó 300 tareas distintas. Los profesionales de marketing proporcionaron estimaciones de cuánto tiempo les tomaba cada tarea. Luego, la empresa trazó cada tarea en dos ejes: el grado de automatización posible (según el tipo de IA generacional aplicable) y el tamaño de la oportunidad para la empresa (según el tiempo dedicado a la tarea). Este análisis ayudó al equipo a centrarse en aproximadamente 100 tareas que serían las más adecuadas para el uso de IA generacional. Debido a que gran parte del trabajo del equipo ahora involucraría IA, los líderes de Reckitt reconocieron que los profesionales de marketing tendrían que reconsiderar por completo la forma en que trabajaba el departamento. A medida que la IA generacional se encargaba de las tareas rutinarias, los profesionales de marketing humanos asumieron trabajos más exigentes, incluidas tareas que anteriormente habían sido realizadas por sus gerentes Reckitt centró su implementación de IA general en la eficiencia porque esas ganancias contribuirían de inmediato a los resultados finales. Una vez que los ejecutivos vieron eso, dieron luz verde al uso de la IA general para los objetivos de crecimiento, que normalmente tardan más en lograrse. Los profesionales del marketing utilizaron la IA general para lograr el crecimiento corporativo al traducir los conocimientos del consumidor en una innovación de productos mejor y más rápida y un tiempo de comercialización más veloz.
Debido a que el enfoque profundo y específico requiere más atención en la transformación de procesos y tiene un mayor impacto en el trabajo diario de los empleados, es más intensivo en gestión que el enfoque superficial y amplio. La gestión del cambio representa el 70 % del desafío. Perfeccionar los datos y utilizar la IA general de manera efectiva representan solo el 20 % y el 10 %, respectivamente. A medida que las empresas intentan aprovechar sus primeros éxitos e ir más allá del departamento inicial donde profundizaron, deben estar preparadas para una iniciativa de gestión del cambio a gran escala.
Paso 4: Monitorear el panorama competitivo
Así como usted utiliza la IA gen para fortalecer su posicionamiento competitivo, sus competidores también lo hacen. Pregúntese: ¿Puede nuestro principal competidor replicar una fortaleza valiosa nuestra mediante el uso de la IA gen? La otra empresa no tiene que ser tan buena como usted en esa fortaleza. Para causar problemas, solo debe proporcionar una solución "suficientemente buena" que sea más simple y más barata. Para evitar perder su ventaja, debe implementar la IA gen de manera que aumente la brecha entre su empresa y sus competidores, como lo hace Beauty Genius de L'Oréal. Cuando priorice la IA gen dentro de sus operaciones, revelará oportunidades para cambiar la forma en que trabaja. Aprovéchelas.
..
Todavía estamos en los primeros días de la IA generativa y la IA agentiva, pero ya ha surgido un patrón claro. La mayoría de las empresas implementan la IA ampliamente en toda la organización; utilizan el enfoque superficial y amplio y esperan que algunos pilotos ofrezcan un valor significativo. Muchos de estos esfuerzos sí proporcionan un retorno de la inversión, pero en conjunto, su impacto suele ser limitado y temporal porque las implementaciones superficiales y amplias se replican fácilmente.
Profundizar y centrarse en un área específica refuerza las fortalezas de su empresa de manera deliberada. IKEA, L'Oréal, Reckitt y otras empresas utilizaron el enfoque profundo y específico para mejorar funciones o procesos complejos de extremo a extremo. Se hicieron preguntas difíciles sobre sus objetivos de IA. En algunos casos, esto las llevó a crear nuevas líneas de negocio. Y los resultados han valido la pena. Un estudio de BCG descubrió que las empresas que utilizan el enfoque profundo y específico tienen el doble de retorno de la inversión que las empresas que utilizan implementaciones superficiales y amplias. Predecimos que la brecha seguirá ampliándose.
Lee más sobre tecnología y análisis o temas relacionados: IA generativa, innovación, estrategia y experimentación.
Una versión de este artículo apareció en la edición de noviembre-diciembre de 2025 de Harvard Business Review.
Goutam Challagalla es el titular de la Cátedra Dentsu Group en Estrategia y Marketing Sostenibles en IMD.
Mahwesh Khan es asesor sénior en IMD.
Fabrice Beaulieu es el exdirector global de marketing de Reckitt y asesor sénior en Boston Consulting Group.
