Doxa 1862

Seis formas en que la IA podría alterar su negocio

Por David Edelman y Vivek Sharma

IA y Aprendizaje Automático

Harvard Business Review

#Doxa #IA #directivas #impacto #escenarios #juntas #directivas #operativos #estrategia #amenza #negocio

Resumen. ¿Cómo pueden las juntas directivas comprender mejor los posibles impactos de la IA? Los autores sugieren seis escenarios que todas las juntas directivas deben considerar, y luego actuar, que van desde predecir cambios operativos extremos hasta anticipar nuevas formas estratégicas de competir y prever amenazas existenciales que podrían obviar el negocio.

La IA es una fuerza disruptiva con el potencial de alterar muchos aspectos establecidos de nuestra economía. Creemos que las juntas directivas pueden hablar más eficazmente sobre la IA trabajando en escenarios para comprender cómo afecta a sus negocios. La IA se está moviendo demasiado rápido para adoptar el enfoque convencional de encargar a un equipo de estrategia o una consultoría que aporte datos sólidos sobre las tendencias para utilizarlos en el debate. En cambio, al impulsar un debate estructurado que utilice una variedad de escenarios sobre cómo la IA puede afectar la cultura empresarial y remodelar su negocio, puede ver las posibilidades futuras con mayor claridad y desarrollar planes apropiados para anticipar y, mejor aún, dar forma a la dirección futura.

Los escenarios más útiles que hemos desarrollado van desde predecir cambios operativos extremos hasta anticipar nuevas formas estratégicas de competir y prever amenazas existenciales que podrían obviar su negocio. Para mantenerlo ajustado, los hemos agrupado en seis escenarios, con seis preguntas, que todas las juntas directivas deben considerar. Luego deberían actuar sobre aquellas que tendrán el mayor efecto en su modelo de negocio.

Comencemos partiendo de tres escenarios de cómo las operaciones podrían cambiar drásticamente debido a la IA:

Ganancias a través de la granularidad

¿Qué oportunidades o amenazas surgen a medida que escalamos la complejidad con la que nosotros (o nuestros competidores) gestionamos cada variable que impulsa el EBITDA?

El diseño de modelos de negocio ha sido durante mucho tiempo una lucha entre escala y complejidad. La personalización siempre había parecido algo más lejano en el horizonte empresarial debido a los desafíos percibidos en la gestión de infinitas variaciones en el precio, los mensajes de marketing, la prestación de servicios, la funcionalidad del producto u otras variables. Pero la IA ahora puede probar, aprender y generar la mejor opción para cada cliente/momento/canal, desbloqueando oportunidades para crear valor a partir de una mayor granularidad en cada variable que impulsa el EBITDA de una empresa.

La junta directiva de una empresa de distribución B2B se desafió a sí misma al considerar un escenario en el que emerge un nuevo competidor que no tiene restricciones físicas, nunca se conforma con gestionar una función según "promedios" y utiliza modelos de predicción de IA para guiar las decisiones tomadas en cada función a lo largo de su valor. cadena. Para optimizar la gestión de precios y rendimiento, el modelo habilitado por IA del competidor descubre tendencias en los precios de mercado por microgeografía para cada SKU, estima el costo de atender cada pedido y modela las implicaciones de costo/precio de ofrecer una nueva oferta a un cliente. Para mejorar la adquisición de clientes, adapta el alcance a los clientes potenciales en función de predicciones de sus necesidades específicas y utiliza chatbots con tecnología de inteligencia artificial para responder preguntas o tomar pedidos iniciales, liberando a los vendedores para consultas más grandes y complejas. Finalmente, para ajustar su cadena de suministro, pronostica la demanda a nivel de cliente/geo/SKU, gestionando el inventario de manera más eficiente e identificando las mejores rutas y métodos de envío.

Al darse cuenta de que tal variedad de oportunidades podría surgir en un competidor, la junta directiva exigió un plan de autofinanciamiento que secuenciara estas oportunidades para generar ahorros de costos que luego financiarían más inversiones transformadoras. Establecieron hitos para el progreso y solicitaron un nuevo cuadro de mando que mostrara no solo cómo la IA podría impulsar la mejora del rendimiento, sino también si conducía a una mayor participación de mercado.

Un ecosistema de socios remodelado

¿Cómo cambia nuestro ecosistema de socios, la naturaleza de la colaboración y el equilibrio de poder en el mundo de la IA?

Las empresas ya se han vuelto dependientes de sus proveedores digitales y de tecnología, lo que les exige priorizar y monitorear esas relaciones en su evaluación de riesgos. Pero eso es solo el comienzo, ya que la IA cambia radicalmente el ecosistema de asociación. Inevitablemente surgirán relaciones de alto riesgo, que abarcarán proveedores, socios de canal y colaboradores para brindar experiencias a los clientes. Desde la perspectiva de una junta directiva, esto no sólo plantea nuevos riesgos que gestionar, sino que también crea oportunidades para cerrar acuerdos exclusivos, construir escala o diferenciarse. La junta necesitará pensamiento estratégico y un buen sentido de la teoría de juegos para construir un ecosistema con un equilibrio de poder empoderador.

Uno de los ejemplos más extremos de cambio de ecosistema se encuentra en la industria automotriz. Los fabricantes de equipos originales (OEM) ya están gestionando tres transiciones principales: de combustibles fósiles a vehículos eléctricos, de arrendamiento/propiedad a alquiler y de conducción a vehículo impulsado. Todo esto está dando lugar a nuevas asociaciones, basadas en métodos completamente nuevos de trabajo conjunto. Y la IA está poniendo esteroides en esta evolución.

Con la conducción autónoma, los fabricantes de automóviles se están asociando con actores tecnológicos para integrar capacidades de inteligencia artificial en sus vehículos. El software de inteligencia artificial, a menudo de proveedores externos, impulsa el mantenimiento predictivo, la gestión de inventario y la previsión de la demanda de los OEM. A medida que los vehículos conectados generan enormes cantidades de datos, los fabricantes de automóviles se están asociando con empresas de análisis de datos y proveedores de servicios en la nube para mejorar el rendimiento de los vehículos, la seguridad y las experiencias de los clientes, a veces en tiempo real. Muchas de estas capacidades se convertirán en las bases por las cuales las marcas OEM se diferencian (posiblemente incluso más que los otros impulsores tradicionales del desempeño de un vehículo), entonces, ¿quién está creando realmente valor de marca para quién?

Y a medida que los vehículos eléctricos proliferan, necesitan una vasta infraestructura. Los OEM dependen completamente de asociaciones con servicios públicos, proveedores de infraestructura de carga y empresas de energía para desarrollar redes de carga. A su vez, la IA se utiliza para optimizar la ubicación de las estaciones de carga y mejorar la eficiencia de la carga.

Riesgo creciente y regímenes regulatorios expansivos

A medida que se expandan los riesgos revelados por la IA, ¿seremos capaces de mantenernos al día con los requisitos y costos en rápido aumento para mitigarlos?

La junta directiva de una empresa de beneficios para empleados se dio cuenta de que estar al tanto de los nuevos riesgos que surgían de la IA estaba sumando costos importantes. Se preguntaron si la empresa necesitaba reconocer que las ventajas económicas que estaban obteniendo siempre necesitaban algún tipo de compensación formal en términos de nuevas inversiones en mitigación de riesgos. La organización superpuesta, la inversión en tecnología y la gestión de directrices que se implementaron supusieron una transformación tan grande como agregar IA a sus operaciones. Ambas partes (las nuevas capacidades de IA y la gestión de riesgos) serían fundamentales para su éxito. Pero como la administración inicialmente solo se centró en las ventajas de las nuevas herramientas, la junta tuvo que retroceder para asegurarse de que las compensaciones estuvieran planificadas y presupuestadas para cinco riesgos clave:

• Para la privacidad y seguridad de los datos, reforzaron sus protecciones cibernéticas, implementaron nuevas pautas sobre el acceso a los datos (con costos concurrentes por tener que administrarlos), invirtieron en software y administración de bases de datos para respaldar el cumplimiento de las regulaciones de privacidad de datos (por ejemplo, GDPR, CCPA ) y establecer nuevos procesos para garantizar el almacenamiento y la transmisión seguros de datos.
• Para detectar riesgos de sesgo e injusticia en áreas como contratación, préstamos y aplicación de reglas, establecen auditorías periódicas para detectar sesgos, inversiones en fuentes de datos más amplias y sintéticas para agregar una mejor representación y nuevas pruebas que utilizan algoritmos conscientes de la equidad.
• Para lograr transparencia y explicabilidad, invirtieron en modelos de mayor costo con capacidades de auditoría, siguieron utilizando personal para evaluar el resultado del modelo y limitaron las áreas donde se podía aplicar la IA.
• Para el cumplimiento normativo, agregan personal legal y de cumplimiento que se centra en la IA y que evalúa la idoneidad de las herramientas de sus proveedores.
• Para reducir el riesgo de dependencia de los proveedores y el talento de IA, se aseguraron de mantener la participación con al menos dos proveedores para las capacidades principales. Además, lanzaron programas de capacitación en IA, gastaron más para atraer talento calificado y comenzaron a colaborar con instituciones de investigación líderes.

La mayoría de las juntas directivas comprenden y adoptan rápidamente los tres escenarios operativos anteriores. Pero no deben quedarse aquí, sino desafiarse con dos escenarios estratégicos que abren nuevas formas de competir:

Transformación radical de costos

¿La IA cambiará su estructura de costos lo suficiente como para ejercer presión sobre su modelo de negocio y su enfoque de fijación de precios? ¿Avanzará hacia una economía de software con costos fijos más altos y costos variables mucho más bajos?

Las juntas directivas de las empresas de servicios profesionales (abogados, contadores, consultores, agencias de publicidad, comunicaciones, asuntos públicos y lobby) han dependido durante mucho tiempo de pirámides de líderes (o socios) altamente remunerados que en su mayoría venden, apoyados por talentos jóvenes que ejecutan el trabajo. Pero ese trabajo a menudo tiene aspectos extensos de investigación, análisis o producción que estarán cada vez más respaldados por la IA. Se necesitará mucha menos mano de obra para obtener una producción similar.

Un estudio reciente realizado por Harvard Business School y BCG puso a prueba la productividad de los consultores que utilizan herramientas de inteligencia artificial. “Encontró que, en comparación con los trabajadores sin acceso a IA, aquellos que usaron GPT-4 completaron en promedio un 12,2% más de tareas, un 25,1% más rápido. Además, el 40% del grupo de prueba produjo resultados de mayor calidad”. De manera similar, un análisis realizado por la Unidad de Habilidades Futuras del Departamento de Educación del Reino Unido encontró que la consultoría de gestión sería la ocupación más afectada por las nuevas aplicaciones de IA.

Para estas empresas, cuya economía se basa en la facturación de personal subalterno y cuyo crecimiento depende del aprendizaje para aprender a manejar el trabajo, los modelos futuros pueden tener una base mucho más pequeña en la base de la pirámide. Parte del trabajo realizado por estas empresas puede ser realizado por sus clientes internamente utilizando herramientas de inteligencia artificial. El valor del asesoramiento experimentado y de alto nivel se mantendrá, pero las empresas de servicios enfrentarán desafíos en cuanto a cómo desarrollar talentos de alto nivel, cómo valoran su trabajo e incluso qué trabajo ofrecen.

Muchas consultoras y agencias están compitiendo para construir sus propias herramientas de inteligencia artificial, enseñándolas a través de bases de conocimiento patentadas que han creado a través del trabajo de sus clientes, y están desarrollando nuevos modelos operativos que se centran en la estrategia, las consultas y la interpretación, en lugar del trabajo de producción. Pero se encuentran apenas en las primeras etapas de lo que serán considerables perturbaciones en la demanda de servicios y la gestión del talento.

Redefinición de la propuesta de valor

¿La IA redefine la forma de ofrecer valor a sus clientes?

La IA desafiará a la junta directiva a cuestionar los supuestos centrales de su negocio: su razón de ser, clientes objetivo, producto, posicionamiento, precios y actividades de soporte.

La propuesta de valor para los sistemas de salud está cambiando rápidamente en la era de la IA, desde tratar y pagar enfermedades de manera reactiva hasta garantizar el bienestar de manera proactiva. Anteriormente, los servicios de atención médica implicaban visitas a proveedores, lo que a menudo requería que los pacientes programaran citas, se desplazaran a los centros médicos y, en ocasiones, esperaran durante períodos prolongados en las salas de espera. El acceso se limitó principalmente al horario de oficina y a las ubicaciones físicas.

Con la IA, están surgiendo capacidades que se adelantan a la necesidad de atención y luego mantienen una mayor parte de la atención que se necesita en el hogar de alguien. Los asistentes de salud virtuales impulsados ​​por inteligencia artificial, accesibles a través de plataformas web y aplicaciones móviles, están disponibles las 24 horas del día, los 7 días de la semana para responder consultas relacionadas con la salud, brindar información médica y ofrecer evaluaciones iniciales de los síntomas.

La monitorización remota a través de dispositivos IoT y sensores portátiles, integrada con algoritmos de IA, permite la monitorización remota continua de los pacientes. La IA puede detectar anomalías y alertar a los proveedores de atención médica en tiempo real, lo que reduce la necesidad de controles frecuentes en persona. Las indicaciones personalizadas sugieren las siguientes acciones o cómo gestionar las enfermedades crónicas basándose en los datos del paciente, incluida la monitorización remota y los registros médicos electrónicos (EHR).

Y finalmente, y ciertamente en el nivel más aterrador, está el escenario en el que podrían surgir riesgos de supervivencia existencial:

Obsolescencia

¿Puede la IA hacer que su producto principal y su oferta queden obsoletos?

El negocio fotográfico de Kodak, así como los fabricantes de máquinas de fax, tuvieron que reconocer que realmente no tenían ninguna posibilidad una vez que los teléfonos inteligentes se generalizaran. Radio Shack se enfrentó rápidamente a un entorno en el que casi todo lo que vendía estaba disponible en un iPhone. Los periódicos todavía están luchando para lidiar con los efectos de la deconstrucción que ha destrozado sus paquetes de anuncios y periodismo en papel impreso.

Las empresas de TI extraterritoriales, por ejemplo, se enfrentan a esta cuestión. El procesamiento del lenguaje natural (NLP) permite a los desarrolladores describir la funcionalidad en lenguaje natural y el sistema lo traduce en código, lo que hace que la codificación sea más accesible para los no expertos. Las herramientas impulsadas por IA y los entornos de desarrollo integrados (IDE) brindan finalización, sugerencias y correcciones de código inteligentes. Pueden predecir lo que un desarrollador probablemente escribirá a continuación y ofrecen sugerencias para completar líneas o bloques de código. La IA tiene un impacto significativo en las pruebas de software al permitir una generación de casos de prueba más eficiente, una detección automatizada de errores y análisis predictivos para identificar problemas potenciales. Otras herramientas de inteligencia artificial pueden escanear código de manera proactiva en busca de vulnerabilidades de seguridad, lo que ayuda a abordar posibles problemas de seguridad durante el desarrollo en lugar de después de la implementación.

El papel de los desarrolladores de software cambiará hacia actividades de resolución de problemas más estratégicas, creativas y complejas, como comprender las necesidades de los usuarios, diseñar la arquitectura del sistema y desarrollar soluciones innovadoras. A nivel de cliente, los equipos de estrategia y planificación, con la ayuda de equipos de TI internos más pequeños, pueden hacer mucho más. Pero para las empresas de TI extraterritoriales, cuyo modelo económico depende de vender el tiempo de mano de obra calificada realizando trabajos orientados a la producción, esto plantea una amenaza existencial. Sus directorios tienen por delante decisiones difíciles sobre si escindir sus negocios basados ​​en mano de obra y centrarse en el desarrollo de herramientas patentadas de inteligencia artificial de alto valor agregado, o consolidarse a medida que el sector se contrae. De todos modos, se necesitan decisiones.

...

Cualquier combinación de estos escenarios es posible para la mayoría de las empresas, y sus directorios deben reevaluar sus nociones existentes para el futuro. La mayoría de las juntas directivas celebran sesiones anuales de estrategia prospectiva y muchas también realizan ejercicios prácticos para prepararse ante posibles ataques cibernéticos. Para una de esas sesiones, recomendamos probar estos escenarios. Haga que su equipo de estrategia decida qué escenarios son más relevantes, los desarrolle y proporcione datos que los respalden. Luego, en una sala de juntas, lleve a cabo un debate cuidadosamente gestionado sobre la probabilidad de cambio, cómo podría evolucionar el ecosistema competidor/canal/colaborador y qué esperarán los clientes. Paralelamente, concéntrese en los impulsores económicos del modelo de negocio y en cómo cambiarán esas palancas.

La capacidad de la IA para acelerar el valor de los datos (enriqueciéndolos, analizándolos, activándolos y optimizándolos) transformará radicalmente las palancas económicas de las que han dependido muchas empresas. Estos escenarios ofrecen a las juntas directivas una forma estructurada de superar los desafíos que se avecinan. Le instamos a que comience: el tiempo no es su amigo en la era de la IA.

Lea más sobre IA y aprendizaje automático o temas relacionados Algoritmos, Tecnología y análisis, Análisis y ciencia de datos, Gestión de datos, Indicadores de rendimiento, Automatización, Ciberseguridad y privacidad digital, Computación empresarial, Tecnología móvil e inalámbrica, Tecnologías basadas en la web, Internet de las cosas, Comunidades en línea y redes sociales.

David Edelman es asesor ejecutivo y profesor titular en la Escuela de Negocios de Harvard.

Vivek Sharma ayuda a construir negocios rentables a través de la tecnología digital y la ciencia de datos. Es profesor adjunto de ciencia de datos en la Universidad del Sur de California. Es miembro de las juntas directivas de JetBlue Airways y Kaiser Permanente.