Doxa 1882

La maquinaria pesada se encuentra con la IA

La combinación de máquinas digitales y analógicas revolucionará a las empresas industriales.

Por Vijay Govindarajan y Venkat Venkatraman

IA y aprendizaje automático

Harvard Business Review

#Doxa #IA #digital  #analógica #industria #aprendizaje #automático #empresa #software #producto #generativa #innovadores #Honeywell #gestión #clientes #productos #servicios #sistemas

Resumen. Hasta hace poco, la mayoría de las empresas industriales establecidas no utilizaban software muy avanzado en sus productos. Pero ahora los líderes del sector han comenzado a aplicar IA generativa y aprendizaje automático a todo tipo de datos (incluidos texto, imágenes 3D, video y sonido) para crear diseños complejos e innovadores y resolver los problemas de los clientes con una velocidad sin precedentes.

Sin embargo, el éxito implica mucho más que instalar computadoras en los productos. Requiere estrategias de fusión, que unan lo que los fabricantes hacen mejor (crear productos físicos) con lo que las empresas digitales hacen mejor: extraer conjuntos de datos gigantes para obtener conocimientos críticos. Hay cuatro tipos de estrategias de fusión: Los productos Fusion, como el vidrio inteligente, están diseñados desde cero para recopilar y aprovechar información sobre el uso del producto en tiempo real. Los servicios Fusion, como el servicio de Rolls-Royce para aumentar la eficiencia del combustible de los aviones, ofrecen recomendaciones personalizadas inmediatas de la IA. Los sistemas Fusion, como el de Honeywell para la gestión de edificios, integran máquinas de múltiples proveedores de manera que los mejoran a todos. Y las soluciones de fusión, como las de Deere para aumentar el rendimiento de los agricultores, combinan productos, servicios y sistemas con innovaciones de empresas asociadas de maneras que mejoran enormemente el rendimiento de los clientes.

Durante más de 187 años, Deere & Company ha simplificado el trabajo agrícola. Desde la llegada del primer arado autofregador, en 1837, hasta el lanzamiento de su primer tractor totalmente autónomo, en 2022, la empresa ha desarrollado tecnología industrial avanzada. El See & Spray es un excelente ejemplo contemporáneo. El herbicida automatizado cuenta con un brazo de fibra de carbono autopropulsado de 120 pies revestido con 36 cámaras capaces de escanear 2100 pies cuadrados por segundo. Impulsado por 10 unidades de procesamiento de visión a bordo que manejan casi cuatro gigabytes de datos por segundo, el sistema utiliza inteligencia artificial y aprendizaje profundo para distinguir cultivos de malezas. Una vez que se identifica una maleza, se envía una orden para rociarla y matarla. La máquina se mueve por un campo a 12 millas por hora sin detenerse. El trabajo manual sería más caro, consumiría más tiempo y sería menos fiable que el See & Spray. Al fusionar hardware y software de computadora con maquinaria industrial, ha ayudado a los agricultores a reducir el uso de herbicidas en más de dos tercios y aumentar exponencialmente la productividad.

Deere recopila datos de todos sus equipos agrícolas modernos, incluido See & Spray, a medida que se utilizan. En total, la empresa recopila miles de millones de mediciones sobre el suelo, los cultivos y las condiciones climáticas de unas 500.000 máquinas en más de 325 millones de acres de tierra. Esos datos ingresan al sistema JDLink habilitado en la nube de Deere, donde se analizan y utilizan para generar mejoras inmediatas y futuras a los equipos y las granjas. Introducir toda esa información en algoritmos de aprendizaje automático e inteligencia artificial permite a Deere crear una cartera de servicios digitales y analógicos combinados para una gestión óptima de semillas, fertilizantes y malezas.

Deere es una de las empresas líder en el sector industrial. Hasta hace poco, los fabricantes tradicionales de equipos de construcción y minería y otra maquinaria pesada no utilizaban el software más avanzado en sus productos. Eso ya no es cierto. Hoy en día, utilizando IA generativa y aprendizaje automático, extraen conocimientos y tendencias de datos estructurados y no estructurados (incluidos texto, imágenes 3D de alta resolución, interacciones de voz, video y sonido) y crean diseños complejos en segundos.

Después de haber estudiado empresas industriales durante más de 40 años, estamos fascinados por la forma en que ahora fusionan maquinaria analógica y tecnologías digitales avanzadas. Las empresas más inteligentes se han dado cuenta de que los conocimientos más profundos, más que los activos físicos más valiosos, separarán a los ganadores del resto del grupo. Pero lograr el éxito no es tan fácil como instalar una computadora en un tractor. Hay muchas cosas a considerar primero.

El proceso comienza con el desarrollo de lo que llamamos estrategias de fusión, que combinan lo que los fabricantes hacen mejor (crear productos físicos) con lo que las empresas digitales hacen mejor: utilizar la IA para extraer enormes conjuntos de datos interconectados para obtener conocimientos críticos. Las empresas industriales tendrán que descubrir cómo conectar hardware y software, acero y silicio, y humanos y máquinas. En este artículo describiremos cuatro tipos de estrategias de fusión y cómo ejecutarlas. Todos requieren reimaginar los productos y servicios analógicos como ofertas habilitadas digitalmente y aprender a crear nuevo valor a partir de los datos generados por activos físicos y digitales combinados. De manera igualmente crucial, las empresas industriales necesitarán asociarse con otras empresas para crear ecosistemas con un enfoque inquebrantable en resolver los problemas de los clientes.

En qué se diferencia la estrategia Fusion del Internet de las cosas

Tradicionalmente, los fabricantes industriales se fijaban principalmente en los datos de ventas y marketing. Lo analizaron para ver qué grupo demográfico compró un producto en particular o quién estaría dispuesto a gastar más en un producto mejor. Los sistemas digitales no eran tan importantes. Las empresas los vieron como una forma de reducir los costos de fabricación o agregar funciones, como Wi-Fi, a los productos analógicos existentes. Hoy, sin embargo, las empresas de bienes industriales también deben centrarse en lo que sucede después de la venta: en cómo las combinaciones de productos digitales y analógicos permiten resultados positivos para los clientes. Los datos al respecto deben recopilarse constantemente y sus conocimientos deben aplicarse en tiempo real a los problemas de los clientes.

Al igual que el Internet de las cosas, la estrategia de fusión implica una red de objetos físicos integrados con sensores, software y conectividad. Pero la estrategia de fusión va más allá de equipar un producto analógico para poder monitorearlo y recopilar datos a través de Internet. Con la estrategia de fusión, usted reimagina por completo cómo se podría diseñar para que funcione ese producto analógico si se construyera desde cero utilizando todas las herramientas y funciones digitales disponibles.

La responsabilidad de la estrategia de fusión también se maneja de manera diferente en las organizaciones. El Internet de las cosas se posee a nivel funcional y los casos de uso son sencillos: los gerentes de operaciones (como los coordinadores de la cadena de suministro y los ejecutivos de control de calidad) utilizan los datos de los sensores para garantizar que los procesos basados ​​en maquinaria cumplan con estándares y protocolos específicos de la industria.. Los diseñadores crean productos habilitados para Internet que generan datos que pueden usarse en futuras iteraciones de esos productos. En realidad, las funciones separadas no tienen que coordinar sus esfuerzos. La estrategia de fusión, por el contrario, es multifuncional. Requiere que ejecutivos de alto nivel de diferentes departamentos trabajen juntos para determinar cómo se pueden aprovechar los datos de los sensores para ofrecer valor a los clientes existentes y crear nuevos productos para clientes futuros.

La estrategia de fusión también genera conocimientos y beneficios más rápidamente que el Internet de las cosas. Si bien la maquinaria detrás del Internet de las cosas garantiza que los datos se registren y registren, la estrategia de fusión aplica esos datos inmediatamente, observando el uso de los productos en diversos entornos y luego aprovechando la información contenida en ellos para ofrecer recomendaciones o experiencias automatizadas y personalizadas a los clientes.

El argumento comercial para la estrategia de fusión es la diferenciación competitiva. Se trata de experimentar con tecnologías más nuevas y desarrollar una hoja de ruta para incorporarlas y obtener una ventaja. Puede ver que esto sucede con las empresas automotrices que están desarrollando vehículos autónomos. Invertirán en el Internet de las cosas para cumplir con los estándares de seguridad, pero la verdadera diferenciación que obtienen está en cómo se integran los sensores, el software y la conectividad de datos para que sus autos funcionen mejor que los de la competencia.

Daniel Stier es un artista visual que divide su tiempo entre Londres y Alemania. Su serie How Things Work pone una mirada creativa en la maquinaria, viendo la ciencia a través de la lente del arte.

Las oportunidades estratégicas que presentan la IA tradicional y generativa y otras tecnologías digitales avanzadas se dividen en cuatro categorías principales: productos de fusión, servicios de fusión, sistemas de fusión y soluciones de fusión. Aunque la mayoría de las empresas deberían empezar centrándose en productos de fusión, también deberían explorar y probar las otras tres estrategias. Experimentar con las cuatro estrategias de fusión les permitirá determinar cómo pueden crear y capturar valor, evaluar cómo las amenazan las estrategias de otras empresas y determinar la mejor manera de asignar sus recursos.

Productos de fusión

Como hemos señalado, los productos de fusión están diseñados desde cero para recopilar y aprovechar información sobre el uso de los productos en tiempo real. La cantidad de datos que generan es cada vez mayor y las empresas pueden aplicarles IA de tres maneras: pueden usar la IA tradicional para analizarlos en busca de, por ejemplo, posibles mejoras de productos, procesos y costos; pueden utilizar IA generativa para crear gemelos digitales de productos existentes (duplicados virtuales que reflejan su funcionamiento) y entrenar robots; y pueden utilizar los grandes modelos de lenguaje dentro de la IA generativa para desarrollar conocimientos patentados que agregarán valor para los clientes.

Tomemos como ejemplo los automóviles Tesla. Fueron diseñados desde el principio para ser computadoras sobre ruedas conectadas a la nube. Durante más de tres décadas, los fabricantes de automóviles tradicionales han agregado funciones digitales a sus productos, incluidos OnStar de GM, Sync de Ford y Mbrace de Mercedes, pero esas funciones no permitieron a las empresas rastrear automóviles en tiempo real, analizar datos continuamente y mejorar los vehículos en tiempo real. la mosca como lo hace Tesla. Los sensores de cada Tesla brindan información inmediata sobre su desempeño en la carretera. La IA determina si está funcionando de manera óptima o si necesita reparación y, en muchos casos, Tesla puede corregir problemas con las actualizaciones de software. Tesla puede evitar que una puerta vibre, ajustando el sistema hidráulico, por ejemplo, o puede ajustar los niveles de frenado regenerativo con actualizaciones de software inalámbricas para reducir el riesgo de colisión.

Hoy en día, en lugar de utilizar un ejército de técnicos in situ, las empresas industriales pueden dejar que las recomendaciones personalizadas generadas por la IA fluyan automáticamente a los clientes.

Tesla ahora está experimentando con el uso de IA generativa para programar vehículos autónomos. Al estudiar los datos de vídeo tomados desde el interior de cada Tesla, la IA generativa puede reconstruir multitud de escenarios de conducción, que luego Tesla puede utilizar para entrenar los coches para evitar colisiones y otros peligros.

En cada Tesla, un sistema operativo, que alberga datos de todos los vehículos, le ayuda a responder rápidamente a la información procedente de cientos de miles de coches. El sistema integra tres gemelos digitales: una representación virtual del modelo del automóvil tal como fue diseñado (el gemelo del producto), una versión virtual de la línea de ensamblaje que lo creó (el gemelo del proceso) y una representación del producto en uso (el gemelo de rendimiento). El sistema también incorpora información recopilada de la cadena de suministro, las operaciones de fabricación y los servicios posventa de Tesla.

Los competidores de Tesla ahora están tratando de ponerse al día desarrollando sus propios productos de fusión originales. Mercedes se está centrando en diseñar sistemas operativos mejorados con IA para sus vehículos y se ha asociado con Nvidia para software, hardware y chips de IA. GM, en asociación con su filial Cruise, ya ha puesto en circulación taxis autónomos. (Aunque el otoño pasado tuvo que retirarlos después de que se cuestionara su seguridad, una vez que GM comprenda las causas de las fallas de seguridad, probablemente reanudará la operación de los taxis).

Los productos Fusion también se pueden encontrar en otras industrias. El fabricante de ventanas View, por ejemplo, ha desarrollado un vidrio inteligente que utiliza datos en tiempo real e inteligencia artificial para ajustar automáticamente la cantidad de luz solar que entra. Cuando la luz natural en una habitación es escasa, el vidrio permite que entre más, pero si la habitación recibe demasiada caliente, filtrará la luz del sol.

Los pioneros pueden capturar valor de los productos de fusión de varias maneras. La opción más atractiva es cobrar precios superiores por ellos, como hace Tesla. Los fabricantes de productos pueden justificar precios más altos si sus ofertas funcionan mejor que las de sus rivales y su operación cuesta menos. Otra opción es ofrecer contratos de desempeño para garantizar que los productos de fusión se mantengan y actualicen de manera proactiva, asegurando un tiempo de inactividad mínimo. Rolls-Royce es una empresa que hace esto. Garantiza un tiempo de actividad cercano al 100% para sus clientes de aerolíneas comerciales mediante el uso de IA para monitorear y mantener los motores de los aviones. Cuando algo falla en uno de sus motores, Rolls-Royce lo sabe de antemano o lo descubre en tiempo real, lo que le permite solucionar el problema mucho más rápidamente.

Otra forma de capturar valor es utilizar conocimientos de productos de fusión para ingresar a espacios adyacentes. Tesla, por ejemplo, ha entrado en el negocio de seguros de automóviles y puede ofrecer tarifas más bajas que las de la competencia debido a su capacidad para registrar y analizar el comportamiento de conductores individuales en lugar de agruparlos en diferentes perfiles de riesgo, que es como operan otras aseguradoras..

Servicios de fusión

Hasta ahora, los servicios relacionados con bienes industriales han requerido mucha mano de obra y las empresas dependían de conocimientos codificados y protocolos estándar para solucionar los problemas. Aunque es más rentable ofrecer servicios personalizados rápidamente y en grandes volúmenes, hacerlo era difícil y costoso en el mundo analógico. Pero hoy en día, en lugar de utilizar un ejército de técnicos in situ para prestar servicios, las empresas industriales pueden dejar que las recomendaciones personalizadas generadas por la IA a partir de los datos del producto en uso fluyan automáticamente a los clientes.

Nuevas empresas ya han aprovechado esta oportunidad. Por ejemplo, los datos meteorológicos y climáticos de empresas como Weather.com y ClimateAi permiten a los agricultores tomar decisiones precisas de manera oportuna y mejorar la rentabilidad. Norm, una aplicación ChatGPT para agricultura, extrae datos disponibles sobre el clima, las condiciones del suelo y los eventos actuales para responder todo tipo de preguntas sobre la gestión agrícola.

Estrategia tradicional versus estrategia de fusión

Pasar de una estrategia tradicional a una estrategia de fusión requerirá que las empresas industriales reconsideren todos los aspectos de las operaciones, desde cómo utilizan los datos hasta cómo se asocian con otras empresas y cómo atienden a los clientes individuales. A continuación se muestra una descripción general de alto nivel de las principales diferencias entre la estrategia tradicional y la estrategia de fusión. Esta exposición no es exhaustiva. Las empresas industriales encontrarán muchas más diferencias entre cómo operan hoy y cómo operarán utilizando una estrategia de fusión.

Algunas empresas industriales establecidas también se han metido en los servicios de fusión. En la industria de la aviación civil, mejorar la eficiencia del combustible de los motores de los aviones en un 1% podría ahorrar 2.000 millones de dólares al año. Los R 2 Data Labs de Rolls-Royce ahorran a sus clientes 200.000 dólares por avión al año al analizar los patrones de consumo de combustible revelados por los datos de uso del producto, como las rutas que toman los aviones, las altitudes y velocidades a las que vuelan, las condiciones climáticas y la cargas que llevan y luego transmitir los conocimientos a los clientes en tiempo real.

En sus primeras etapas, los servicios de fusión se pueden vender mediante precios desagregados, donde los compradores pagan sólo por los servicios que consideran valiosos. A medida que crece el aprecio de los clientes por los servicios, las empresas industriales pueden migrar y ofrecer paquetes de servicios combinados. Con el tiempo, incluso podrían celebrar acuerdos de participación en las ganancias que les otorguen un porcentaje del aumento de las ganancias que generan sus servicios de fusión.

Sistemas de Fusión

Muchos clientes de Deere y de otros fabricantes de equipos agrícolas y de construcción utilizan sistemas complejos que incluyen múltiples tipos de máquinas, cada una de las cuales es fabricada por un proveedor especializado diferente. La mayoría de los clientes administran ellos mismos la interoperabilidad de estas máquinas, pero algunos contratan integradores y consultores de sistemas para instalarlas, conectarlas y actualizarlas. La digitalización puede facilitar mucho su funcionamiento. Pero con los sistemas de fusión, se pasa de un nivel micro (mejorar productos de diferentes empresas de forma independiente para mejorar su eficiencia) a un nivel macro (mejorar múltiples productos relacionados de múltiples empresas en conjunto para mejorar la eficiencia de todo el sistema).

Un integrador de sistemas de fusión no sólo debe conectar todas las máquinas y equipos que ha vendido, sino también interconectarlos con los de socios y competidores. Y en lugar de ser responsable simplemente de interconectar diferentes elementos y hacer que el sistema funcione, como lo son los integradores de sistemas tradicionales, el creador de un sistema de fusión debe asegurarse de que mejora continuamente a medida que se agregan nuevas piezas y funcionalidades.

El marco de la estrategia de fusión.  Las empresas deben hacerse dos preguntas: una, ¿cuál es el alcance de nuestros datos de uso de productos?  En segundo lugar, ¿qué tan ricos son nuestros datos sobre el uso de productos?  Sus respuestas les ayudarán a diseñar cuatro tipos de estrategias de fusión.  El marco traza las cuatro estrategias de fusión en un continuo de la riqueza de los datos del producto en uso, desde un solo producto hasta múltiples productos interconectados, y en un continuo del alcance de los datos del producto en uso, desde la eficiencia de la máquina hasta los resultados del cliente..  Las estrategias de fusión son: Uno: Los productos Fusion aprovechan los datos sobre la eficiencia de la máquina de un solo producto.  Dos: los servicios Fusion aprovechan los datos sobre los resultados de los clientes de un solo producto.  Tres: Los sistemas Fusion aprovechan los datos sobre la eficiencia de las máquinas de múltiples productos interconectados.  Cuarto: Las soluciones Fusion aprovechan los datos sobre los resultados de los clientes de múltiples productos interconectados.  La mayoría de las empresas comenzarán con productos de fusión, que requieren la menor cantidad de datos para su construcción, y luego se expandirán hacia servicios y sistemas de fusión a medida que adquieran más experiencia.  A partir de ahí pueden trabajar para avanzar hacia soluciones de fusión, que crean el mayor valor.

Ver más gráficos HBR en Datos y elementos visuales

Aquí es donde la IA juega un papel clave. La mayoría de las empresas de bienes industriales se sienten cómodas sintetizando datos estructurados como nombres, direcciones, números de tarjetas de crédito y otra información de clientes fácilmente formateada. Pero las empresas avanzadas introducen datos no estructurados (como imágenes de defectos, el sonido de máquinas defectuosas y transmisiones de vídeo de procesos autónomos) en la IA generativa en tiempo real para desarrollar sistemas gemelos digitales complejos y realistas. Luego pueden utilizar esos gemelos para experimentar mezclando y combinando diferentes permutaciones de productos, máquinas, componentes y periféricos para determinar qué combinación de tecnologías funciona mejor.

El Burj Khalifa de Dubái, el edificio más alto del mundo, emplea numerosos sistemas Honeywell (para ventilación, aire acondicionado, iluminación, gestión del agua, estacionamiento, almacenamiento, ascensores, telecomunicaciones y seguridad) en su sistema general de gestión de instalaciones. Honeywell recopila datos en tiempo real del intrincado sistema del edificio y los analiza para identificar anomalías, como equipos que funcionan mal. Ayuda a Burj Khalifa a detectar incidentes antes, reaccionar más rápido y mitigar riesgos potenciales. Esa estrategia ha reducido el tiempo de mantenimiento de los activos mecánicos del Burj Khalifa en un 40% y ha mejorado su disponibilidad al 99,95%.

Es probable que los sistemas de fusión cambien las preferencias de compra de los clientes. Pueden pasar de centrarse en productos con características distintivas a centrarse en productos que pueden integrarse con otros productos. Debido a esto, los fabricantes industriales deben crear una arquitectura tecnológica que integre hardware, software, aplicaciones, datos y conectividad en la nube y que pueda incorporar datos y algoritmos del producto en uso de otros productos. Las empresas industriales monetizarán el valor que crean sus sistemas de fusión mediante tarifas de integración y cargos por conectar máquinas adicionales. También pueden generar ingresos vendiendo software de sistemas de fusión como un servicio mediante tarifas de licencia únicas, suscripciones mensuales o un modelo de pago por uso.

Soluciones de fusión

Las soluciones Fusion combinan productos, servicios y sistemas de fusión de maneras que mejoran directamente el desempeño del cliente. En lugar de desarrollar soluciones a través de procesos de ventas consultivos tradicionales que abordan cada problema del cliente como un problema único, las empresas las desarrollan con conocimientos de los datos del producto en uso y los diseñan para que sean aplicables a muchos clientes. Pero diseñar estas soluciones de forma eficaz requiere que las empresas industriales sean expertas en resolver los problemas de los clientes de una manera que ninguna otra empresa puede hacerlo. Deben ganarse un nivel inusualmente alto de confianza de los clientes, y deben vincular sus ingresos y ganancias al éxito del cliente mediante contratos basados ​​en resultados y acuerdos de participación en las ganancias (como eventualmente pueden hacer con los sistemas de fusión).

Para crear el mayor valor para los clientes, las empresas industriales tendrán que asociarse con otras empresas para desarrollar ecosistemas de soluciones. Deere, por ejemplo, se ha asociado con la empresa de software agrícola Granular, que utiliza datos no estructurados para desarrollar modelos de rendimiento para los agricultores. Los modelos de Granular recopilan y analizan imágenes de satélites, recopilan información sobre el clima, las elevaciones y las condiciones del suelo, y combinan esos datos con estadísticas de rendimiento históricas para ayudar a los clientes de Deere a pronosticar costos, ingresos y ganancias. Al vender soluciones de fusión en el mercado, Deere se enfrentará cara a cara con competidores tradicionales como CNH Industrial y AGCO, pero también competirá con empresas de software, como Climate Corporation, ahora parte de Bayer, y gigantes digitales. como IBM y Alphabet. En última instancia, la batalla por los clientes será entre diferentes ecosistemas de fusión, no entre empresas individuales. Si bien cada estrategia de fusión crea conjuntos de valor para las empresas, al combinarlas todas, las soluciones de fusión crearán el mayor valor.

...

Cada empresa industrial tendrá que desarrollar su propia estrategia de fusión. El primer paso será dejar de tratar la inteligencia humana y la inteligencia artificial como si estuvieran separadas. Cada función y proceso puede mejorarse si humanos y máquinas trabajan juntos. Las empresas que adopten ese tipo de inteligencia colaborativa superarán a aquellas que traten la IA como una tecnología esotérica o pospongan su adopción.

Hasta ahora las empresas industriales han competido desarrollando tecnologías propias e integrándose verticalmente. Para ejecutar estrategias de fusión, la mayoría tendrá que asociarse con nativos digitales y empresas emergentes en nuevas tecnologías y aplicaciones, pero hacerlo, en última instancia, reducirá los costos, aumentará la velocidad y mejorará la satisfacción del cliente. Sin embargo, este será un cambio importante y requerirá que los directores ejecutivos industriales lideren los esfuerzos digitales, una responsabilidad que generalmente han delegado en el pasado. Sus empresas necesitarán una estrategia holística sobre cómo, cuándo y dónde las tecnologías digitales impulsarán la organización para garantizar que todos en ella compartan la misma visión de las prioridades y las necesidades de asignación de recursos. Y cada empleado tendrá que adoptar la tecnología digital para que la organización pueda diseñar, ejecutar y adoptar una estrategia de fusión que tenga éxito.

Una versión de este artículo apareció en la edición de marzo-abril de 2024 de Harvard Business Review.

Lea más sobre IA y aprendizaje automático o temas relacionados Estrategia, Tecnología y análisis, Análisis y ciencia de datos, Estrategia competitiva y Sector industrial.

Vijay Govindarajan es profesor distinguido de Coxe en la Tuck School of Business de Dartmouth College, miembro ejecutivo de la Harvard Business School y socio docente de la incubadora Mach 49 de Silicon Valley. Es autor de bestsellers del New York Times y del Wall Street Journal. Su último libro es Fusion Strategy: How Real-Time Data and AI Will Power the Industrial Future. Sus artículos de Harvard Business Review “ Ingeniería de innovaciones inversas ” y “ Stop the Innovation Wars ” ganaron premios McKinsey al mejor artículo publicado en HBR. Sus artículos de HBR “ Cómo GE se está revolucionando a sí misma ” y “ El papel del CEO en la reinvención del modelo de negocio ” se encuentran entre los 50 más vendidos de todos los tiempos de HBR. Síguelo en LinkedIn. @vgovindarajan

Venkat Venkatraman es profesor David J. McGrath en la Questrom School of Business de la Universidad de Boston, donde es miembro de los departamentos de sistemas de información y de estrategia e innovación. Su investigación actual se centra en cómo las empresas desarrollan estrategias digitales ganadoras. Su último libro es Fusion Strategy: How Real-Time Data and AI Will Power the Industrial Future.  Síguelo en LinkedIn. @NVenkatraman