Doxa 1314

Tres áreas en las que la IA aumentará su ventaja competitiva.

Por Sian Townson

Algoritmos

Harvard Business Review

#Doxa #Algoritmos #IA #competitiva #áreas #aprendizaje #digital #empresa #inteligencia #artificial

Resumen. La pregunta ya no es si una empresa debería utilizar la IA, sino dónde aporta la mayor ventaja competitiva. Hay tres áreas en las que la IA ha pasado de ser una tecnología "agradable de tener" a una "imprescindible". Las empresas que traspasan los límites de la IA para agudizar las predicciones, aumentar la eficiencia y optimizar los precios en tiempo real o el control de existencias de sus productos se están moviendo más rápido y más lejos que sus rivales que aún dudan de manera conservadora sobre la conveniencia de utilizar la IA para estos fines.

A medida que más empresas incorporan la inteligencia artificial en sus productos, servicios, procesos y toma de decisiones, la definición de qué es la IA y dónde se puede aplicar de manera más efectiva está evolucionando tan rápidamente como las técnicas mismas. Lo que comenzó como algoritmos utilizados para determinar préstamos, seleccionar nuevas contrataciones y potenciar los chatbots (con un éxito mixto), ahora está profundamente arraigado y se utiliza en todo, desde la predicción de riesgos climáticos hasta la selección de clientes potenciales de ventas. La pregunta ya no es si una empresa debería utilizar la IA, sino dónde aporta la mayor ventaja competitiva.

En nuestro trabajo con las empresas, vemos tres áreas en las que la IA ha pasado de ser una tecnología "agradable de tener" a una "imprescindible". Las empresas que traspasan los límites de la IA para agudizar las predicciones, aumentar la eficiencia y optimizar los precios en tiempo real o el control de existencias de sus productos se están moviendo más rápido y más lejos que sus rivales que aún dudan de manera conservadora sobre la conveniencia de utilizar la IA para estos fines.

Predicciones

En los últimos años, la IA ha migrado de una tecnología que encuentra relaciones en los datos y predice las tendencias existentes con mayor precisión a una tecnología que detecta cambios futuros en todo, desde gastos de ocio y patrones de viaje hasta la solvencia crediticia de la empresa mediante el análisis de preferencias y sentimientos en grandes cantidades. de datos, incluidos texto, voz, imágenes, noticias digitales y redes sociales.

La IA ahora puede reconocer los disruptores en el horizonte al establecer conexiones entre las características integradas, lo que permite a las empresas prepararse de manera más efectiva para eventos disruptivos. Los sistemas de alerta temprana de inteligencia artificial para el fraude ahora pueden detectar bots, lo que los hace cada vez más esenciales para adelantarse a las tácticas en evolución de los piratas informáticos, los actores estatales, el malware y el ransomware. Los algoritmos de aprendizaje automático adaptables a los impactos del mercado ayudan a los bancos líderes a predecir no solo el rendimiento de sus inversiones, sino también las vulnerabilidades potenciales causadas por disruptores como Covid-19.

Colección Insight Center

Asumir la transformación digital

Hacer avanzar a su empresa a raíz de la pandemia.

Esto ayuda a los bancos y empresas más grandes a mitigar el impacto y las posibles quiebras en sus carteras de inversión. Por ejemplo, un banco pudo predecir en semanas, en lugar de meses, qué préstamos sería improbable que se liquidaran y redujo su número en un 70 por ciento, aumentando los rendimientos de su cartera de préstamos en general en decenas de millones de dólares. De manera similar, la inteligencia artificial permitió a un distribuidor de piezas aeroespaciales que sufría de exceso de inventario y escasez de flujo de efectivo durante las recesiones de la industria para pronosticar con mayor precisión cuánto disminuiría la demanda de sus piezas cuando llegara Covid-19. Como resultado, la empresa pudo reducir su capital de trabajo en cientos de millones de dólares y duplicar sus entregas a tiempo.

Eficiencias

En áreas como los seguros, los recursos humanos y la vigilancia de la conducta, el aprendizaje automático lee formularios y revisa las grabaciones de voz y video para resaltar dónde debe centrarse la atención del revisor, cómo se debe enrutar una llamada o simplemente si se ha olvidado un archivo adjunto. El desarrollo de los llamados enfoques de "atención" que aprenden qué partes de la entrada son más críticas, ha acelerado el uso del procesamiento del lenguaje natural, permitiendo que la IA vincule de manera más confiable conceptos aparentemente no relacionados y trabaje más rápido.

Debido a estos avances, durante los próximos años, los procesos y filtros automatizados se volverán cada vez más omnipresentes en los departamentos y procesos que tradicionalmente no se consideran basados ​​en datos, cubriendo cada paso desde la interacción de un cliente hasta el procesamiento de un pedido, por ejemplo. Los avances en la cuantificación de la equidad y la mitigación del sesgo también permiten que los enfoques basados ​​en la inteligencia artificial sean más equitativos, transparentes y objetivos que nuestros intentos humanos anteriores, incluso si cuantificar la equidad a veces puede ser un primer paso doloroso.

Las ganancias de las nuevas eficiencias impulsadas por la inteligencia artificial se acumulan rápidamente. Un banco ahorró decenas de millones de dólares después de utilizar la inteligencia artificial para mejorar la velocidad y la consistencia de las decisiones de sus servicios al cliente. Incluso con menos personal, el banco redujo significativamente el tiempo de espera de los clientes, manteniendo el mismo nivel de vigilancia y detectando tres veces más posibles fraudes.

La inteligencia artificial también permite a las empresas expandirse más rápidamente al liberar personal para trabajos más calificados y mejorar las habilidades cuando sea necesario. Hasta hace poco, la IA se consideraba demasiado delicada para ser utilizada en procesos de datos tradicionales, como limpiar duplicados en conjuntos de datos. Pero ahora la IA se usa ampliamente para esta laboriosa tarea. En un banco, los algoritmos demostraron ser mucho más efectivos para identificar duplicados y los eliminaron en semanas, en lugar de años. Como resultado, los reguladores aprobaron el plan del banco para establecer decenas de sucursales.

Optimización en tiempo real

Del mismo modo, la IA permite a las empresas realizar tareas y cambiar estrategias en tiempo real. Los algoritmos de aprendizaje automático ahora aumentan instantánea y automáticamente las promociones de ventas o, en el otro extremo del espectro, retrasan el lanzamiento de productos que podrían canibalizar las ganancias de otras líneas de productos. En el comercio minorista, la IA puede recalibrar este tipo de decisiones para generar ventas adicionales, incluso de otros productos no promocionados.

Una razón por la que este avance ahora es posible es debido a la "computación de borde", una técnica de computación distribuida que permite que el almacenamiento de datos y los modelos de aprendizaje automático permanezcan más locales. Al eliminar la necesidad de enviar datos a la nube, la IA puede cambiar de estrategia instantáneamente, al mismo tiempo que protege la privacidad y seguridad de los datos, evitando problemas con los flujos de datos transfronterizos, especialmente cuando muchas jurisdicciones comienzan a buscar reducir la transferencia de datos.

La optimización en tiempo real tiene un impacto inmediato, y a menudo dramático, en los resultados de las empresas. Un minorista con el que trabajamos aumentó sus márgenes de beneficio en un 50% después de usar IA para optimizar instantáneamente sus ofertas. Expandió las ventas de productos principales con promociones que impulsan los márgenes y desarrolladas por IA y detuvo las ofertas especiales que destruyen los márgenes, todo sin invertir mucho tiempo de espera en la creación y prueba de nuevos datos.

Esto fue significativo ya que la baja frecuencia de las transacciones impidió las pruebas tradicionales y las promociones y cupones superpuestos agregaron complejidad.

Una compañía de seguros aumenta sus ganancias en más de decenas de millones de dólares mediante el uso de inteligencia artificial para adaptar los precios de las pólizas de seguro médico a los clientes individuales en tiempo real. Tan pronto como los clientes mejoraron su estilo de vida al dejar de fumar o hacer más ejercicio, su prima se redujo.

***

La IA a menudo se considera una inversión, en lugar de un costo fijo aceptado. Avanzar o aumentar el uso de la IA requiere recursos para abordar la gobernanza, la transparencia, la mejora de las habilidades y, por lo general, también la deuda tecnológica. Pero las empresas ya no pueden darse el lujo de tratar algo tan extendido y poderoso como opcional.

Los clientes modernos están hiperconectados. Requieren decisiones y respuestas rápidas. La IA puede comprender el lenguaje y la dinámica de múltiples canales, como Twitter, WhatsApp, TikTok o un chatbot, y puede evolucionar y cambiar de código para volverse cada vez más agradable.

A medida que la "explicabilidad" del modelo de IA mejore, junto con formas más confiables de monitorear el rendimiento, la solidez y la equidad, estos modelos más complejos se volverán aún más confiables, sus métodos y resultados serán más comprensibles y, por lo tanto, sus aplicaciones serán más creativas y factibles.

Gracias a estas capacidades, las fuerzas de trabajo remotas flexibles modernas deberían poder pasar de tareas aburridas y repetitivas. Al no aburrirse ni distraerse, es probable que una IA haga un trabajo más confiable. Al trasladar al personal a áreas de mayor valor, los gerentes no solo aprovechan al máximo su equipo, sino que tienen una empresa más feliz. Combine eso con la capacidad de detectar y mitigar los disruptores y aumentar enormemente las ganancias, y su empresa puede prosperar en los próximos años.

Sian Townson, PhD., Es directora de la práctica de datos y análisis de Oliver Wyman.