Doxa 1248

Cómo las empresas medianas pueden competir en IA

Las empresas conjuntas de IA pueden ayudarlos a mantenerse al día con los gigantes y las nuevas empresas por igual.

Por Yannick Bammens y Paul Hünermund 

IA y aprendizaje automático

Harvard Business Review

#Doxa #IA #empresa #aprendizaje #tecnología #industria #comercial #datos #gestión

Resumen. La inteligencia artificial (IA), como una próxima tecnología de propósito general, está preparada para crear muchas nuevas oportunidades comerciales y para revolucionar industrias enteras. Las nuevas empresas y las grandes corporaciones están aprovechando las oportunidades de inteligencia artificial y fortaleciendo su posición. Pero, ¿qué pasa con las empresas medianas que a menudo carecen de acceso a big data y talento de inteligencia artificial? Estas empresas medianas corren el riesgo de quedarse atrás en la era de la IA. Como solución, estas empresas deberían considerar la posibilidad de poner en común sus datos y talento en empresas conjuntas de IA.

En la próxima era de la IA, dos clases muy diferentes de empresas parecen estar bien posicionadas para aprovechar las capacidades de la IA: empresas de nueva creación y corporaciones gigantes multimillonarias. Se están lanzando nuevas empresas de inteligencia artificial prometedoras a un ritmo cada vez mayoren áreas como atención médica, finanzas, comercio minorista, medios de comunicación y tecnología intersectorial, por nombrar algunas. Y junto con gigantes tecnológicos como Google o Microsoft, las grandes corporaciones tradicionales están empleando IA para digitalizar su modelo y procesos comerciales. Los ejemplos de automatización y aumento impulsados ​​por IA van desde la aprobación automatizada de préstamos del cliente y los sistemas inteligentes de información y entretenimiento en el fabricante de automóviles Daimler hasta el mantenimiento predictivo en el gigante del petróleo y el gas Shell y la lectura de imágenes médicas asistida por IA en el fabricante industrial Siemens. La innovación corporativa en IA está bastante concentrada y las 10 principales empresas de patentes del mundo representan más del 15% de las patentes de IA en el período 2011 a 2016.

Estas dos clases de empresas, startups y gigantes, también están construyendo asociaciones sólidas en el campo de la IA. Un estudio reciente revela que, mientras que en 2013, las nuevas empresas de IA rara vez fueron el objetivo de la inversión de capital de riesgo corporativo (CVC), solo cinco años después estas nuevas empresas de IA recibieron más de $ 5 mil millones en fondos de CVC (aproximadamente el 10% de todas las inversiones de CVC). Si bien gran parte de este dinero proviene de gigantes tecnológicos asiáticos y estadounidenses, como Baidu y Google, las grandes corporaciones no digitales están haciendo cada vez más inversiones para acceder al talento de inteligencia artificial de las nuevas empresas. El talento de Big Data y AI (por ejemplo, científicos de datos, ingenieros de aprendizaje automático) son dos de los recursos más críticos para crear aplicaciones de AI exitosas.. Al combinar el talento innovador de las nuevas empresas de inteligencia artificial con la gran cantidad de datos de procesos y usuarios que poseen las corporaciones gigantes, se pueden crear fuertes sinergias.

En este campo, las empresas medianas, muchas de las cuales están controladas por familias, tienen dificultades para mantenerse al día. Investigaciones anteriores documentaron cómo las empresas medianas ya estaban luchando en la economía de la última década en la que el ganador se lo lleva todo. Es probable que esa lucha solo se intensifique.

Estas empresas medianas, que tienen entre 50 millones y 1000 millones de euros en ingresos anuales, tienen la escala y la complejidad suficientes para obtener un valor sustancial de una estrategia de inteligencia artificial, pero a menudo carecen de los recursos de datos y talento para implementar una estrategia como ésta. Utilizando los datos a nivel de empresa alemanes recopilados en 2019 por el Centro Leibniz de Investigación Económica Europea (ZEW), pudimos medir cuántas empresas por categoría de tamaño han adoptado tecnologías de inteligencia artificial en su negocio. En una muestra representativa de más de 6.000 empresas de todos los sectores, encontramos que solo entre el 10 y el 15% de las empresas medianas han adoptado la IA en sus negocios hasta ahora. Eso es mejor que el menos del 5% de las pymes alemanas (hasta 50 millones de euros en ingresos) que tienen, pero significativamente por detrás del tercio de las corporaciones gigantes con más de mil millones de euros en ingresos anuales que están implementando soluciones de inteligencia artificial.

Teniendo en cuenta la importancia de las empresas medianas para las economías nacionales y el empleo en todo el mundo, es fundamental imaginar cómo pueden fortalecer su competitividad en IA. Una lección que hemos extraído de nuestra investigación es que las empresas medianas deberían considerar unir fuerzas reuniendo datos y talento en una estructura de empresa conjunta centrada en la inteligencia artificial.

Cómo las empresas conjuntas de IA pueden ayudar a las empresas medianas

Si las empresas medianas quieren prosperar en la era de la inteligencia artificial, deben buscar nuevas formas de competir, incluidas opciones que quizás nunca antes habían considerado. La combinación de datos y habilidades analíticas de datos de más allá de las fronteras de las empresas puede ser una de las pocas opciones disponibles para que las empresas medianas sigan siendo competitivas en la nueva economía impulsada por los datos. Estas empresas conjuntas de IA pueden ser creadas por socios de la cadena de valor vertical, socios del sector horizontal o una combinación de ambos. Vemos tres beneficios importantes para las empresas medianas al establecer una estructura de este tipo.

Primero, las empresas conjuntas de IA pueden obtener y organizar datos de varias empresas participantes para capacitar e implementar algoritmos de aprendizaje automático (ML) para una variedad de aplicaciones comerciales que ahorran costos y aumentan los ingresos. De manera similar a los esfuerzos de integración de datos en las unidades de negocios de una sola gran corporación, la agrupación de datos entre empresas tiene un gran potencial para las empresas medianas que carecen de los grandes lagos de datos a los que tienen acceso las corporaciones gigantes.

A través de la agrupación de datos, el enfoque vertical de estas empresas conjuntas puede convertir una visión fragmentada de las actividades de la cadena de valor en un hilo cohesivo, con algoritmos de ML que utilizan datos de usuario enriquecidos de socios intermedios para informar las operaciones de la empresa, o datos de entrada de socios ascendentes para informar dinámicas precios. Del mismo modo, el enfoque horizontal puede explotar los datos agrupados de los socios para aumentar la precisión de los sistemas de back-office capacitados en ML o la calidad de las ofertas aumentadas por IA.

La agrupación de datos horizontal puede ser realizada por socios del sector que no compiten directamente entre sí (p. Ej., Prestan servicios en diferentes áreas geográficas), pero que incluso pueden tener sentido para los competidores directos cuya supervivencia se ve amenazada por los grandes jugadores digitales. (Volvemos a este espinoso tema de la agrupación de datos a continuación).

En segundo lugar, puede ayudar a abordar el cuello de botella para atraer talento que las empresas de todos los tamaños, pero especialmente las más pequeñas, a menudo enfrentan cuando son pioneras en nuevas aplicaciones de inteligencia artificial. Los ejecutivos tienen la opción de comprar tecnologías listas para usar de los proveedores de inteligencia artificial, y para muchas empresas más pequeñas o aplicaciones que requieren poca personalización, esto puede ser suficiente. Pero a medida que los procesos comerciales aumentan en complejidad y las aplicaciones de inteligencia artificial se vuelven cada vez más específicas y estratégicamente importantes, un equipo interno de expertos capacitados en inteligencia artificial puede ayudar a desarrollar soluciones únicas. De hecho, las empresas que subcontratan completamente la IA y confían únicamente en soluciones de IA plug-and-play, ponen en riesgo la creación de valor a largo plazo.

La creación de aplicaciones de inteligencia artificial exitosas requiere una masa crítica de científicos de datos e ingenieros de aprendizaje automático, que tienen una gran demanda, y atraer el talento necesario es particularmente desafiante para las empresas medianas que carecen del atractivo de las nuevas empresas y los recursos de los gigantes. Al compartir recursos financieros en una ambiciosa iniciativa de empresa conjunta de IA, estas empresas estarán en mejores condiciones de desarrollar talentos internos de IA y algoritmos de ML capaces de aprovechar lagos de datos únicos entre empresas.

En tercer lugar, si bien la agrupación de datos y talentos son los objetivos principales de una empresa conjunta de IA, en una etapa posterior también permiten un compromiso de inicio más amplio y profundo al conectar un fondo CVC agrupado a la empresa. Numerosas ideas novedosas y disruptivas en IA se desarrollan en las nuevas empresas, y muchas corporaciones gigantes han construido fuertes vínculos con estos focos de innovación, particularmente a través de inversiones en CVC. Al conectar un fondo CVC centrado en la inteligencia artificial (como Gradient Ventures en Google) a su empresa conjunta de inteligencia artificial, las empresas medianas participantes pueden aunar recursos financieros, así como experiencia técnica y comercial para escanear e invertir en la escena de inicio de la inteligencia artificial.

Al ofrecer acceso a una red interconectada de empresas, en lugar de a una sola empresa, estas empresas conjuntas también pueden ser socios más interesantes para las nuevas empresas que buscan recursos financieros y complementarios.

Los buenos acuerdos hacen buenos amigos

La puesta en común de datos y talento en una empresa conjunta de IA no está libre de riesgos. Al igual que con cualquier tipo de empresa conjunta, los ejecutivos deben evaluar cuidadosamente las decisiones a lo largo de cada fase del proceso de asociación de la empresa conjunta, incluidas las decisiones sobre la selección de socios, el horizonte temporal, los recursos invertidos, la gestión de la propiedad intelectual, la evaluación del desempeño y los mecanismos de resolución de conflictos. De particular importancia para las empresas conjuntas de IA es la seguridad y la gestión de los datos a nivel de empresa.

Los socios pueden acordar que la empresa conjunta solo genera predicciones basadas en ML para las empresas participantes, pero nunca comparte sus datos sin procesar con otros. Por ejemplo, las empresas asociadas pueden agrupar datos de solicitudes de préstamos de clientes etiquetados en la base de datos central de la empresa conjunta para entrenar y probar un algoritmo de aprendizaje profundo. Las nuevas solicitudes de préstamos serían procesadas de forma centralizada por el algoritmo capacitado, y luego la decisión de aceptar o rechazar se devolvería a la empresa. En tal modelo, la empresa A nunca obtiene acceso a los datos de la empresa B, sino solo a las predicciones del algoritmo ML entrenado en datos entre empresas. Los términos de estos acuerdos siempre deben estar por escrito formalmente, por adelantado, en un acuerdo de empresa conjunta.

Al negociar acuerdos de empresas conjuntas, incluidos protocolos de datos, para empresas conjuntas internacionales de IA, un factor de complicación serán las diferencias (supra) nacionales en las regulaciones de datos. Por ejemplo, mientras que el marco regulatorio de la UE en relación con la recopilación, el intercambio, el almacenamiento y el análisis de los datos de los usuarios es relativamente estricto, las empresas ubicadas en China enfrentan menos restricciones.relacionados con la privacidad de los datos. Esto no solo puede poner en desventaja a las empresas conjuntas de IA europeas en comparación con sus contrapartes chinas, sino que las diferencias en las regulaciones también crean dificultades al establecer empresas conjuntas que involucren a partes de múltiples regiones. Además, en países con estrictas regulaciones de datos que brindan a los usuarios más control sobre sus datos personales, las cosas se vuelven particularmente desafiantes para las empresas medianas porque los usuarios están más inclinados a confiar sus datos a las grandes corporaciones y se abstienen de compartirlos con jugadores más pequeños. Teniendo en cuenta el papel fundamental de los acuerdos de empresas conjuntas bien elaborados y la experiencia en las regulaciones de datos (internacionales), los asesores legales tendrán un papel que desempeñar en la implementación de empresas conjuntas de IA.

A pesar de estos desafíos, los beneficios potenciales de establecer una empresa conjunta de IA superan sus riesgos. Este enfoque colaborativo implica un cambio de enfoque desde el interés propio a corto plazo de una empresa individual a una perspectiva centrada en la red y el ecosistema. En la era de la IA, puede ser mejor para las empresas medianas unirse a un equipo ganador que intentar defender su posición individualmente. A pesar de su naturaleza colaborativa, las empresas conjuntas permiten a las empresas participantes permanecer en gran medida independientes y continuar su legado, que es de suma importancia para las muchas empresas medianas controladas por familias. Ya se han introducido varias aplicaciones de inteligencia artificial, pero las mayores oportunidades aún están por venir. ¡Las medianas empresas no llegan tarde a la fiesta!

Yannick Bammens es profesor asociado de estrategia y espíritu empresarial en la Escuela de Negocios y Economía de la Universidad de Maastricht (Países Bajos). Su investigación se centra principalmente en la innovación empresarial y el emprendimiento, con especial interés en el entorno de empresas familiares. Su trabajo ha sido publicado en varias revistas, incluidas Journal of Management, Journal of Product Innovation Management y Family Business Review.

Paul Hünermund es profesor adjunto de estrategia e innovación en la Copenhagen Business School (Dinamarca). Sus intereses de investigación se encuentran en el área de estrategia empresarial, política de innovación y aplicaciones de ciencia de datos. Ha publicado artículos en importantes revistas académicas y no académicas como Research Policy, Journal of Product Innovation Management y Harvard Business Review.