Doxa 2098

Cómo crear valor de forma sistemática con Gen AI

Por Todd McLees, Nicole Radziwill, y Greg Satel

Gen AI

Harvard Business Review

#Doxa #valor #sistemática #GenAI #AI #visión #estratégica #rendimiento #organización #capacidad

Resumen. La diferencia entre la IA de generación incremental y la transformativa no radica en la sofisticación técnica o la visión estratégica, sino en una comprensión compartida de lo que impulsa el rendimiento de su organización. Este artículo describe una herramienta estratégica simple que su organización puede usar como marco para evaluar la madurez de la IA de generación y desarrollar las capacidades necesarias para crear y capturar valor de la IA.

Desde el lanzamiento empresarial de ChatGPT en marzo de 2023, organizaciones de todos los tamaños e industrias han estado compitiendo para liberar valor con IA generativa (gen AI). Si bien las capacidades de la tecnología en sí se están expandiendo rápidamente, la capacidad de la mayoría de las empresas para obtener este valor ha mejorado poco, si es que lo ha hecho.

Pocas organizaciones han desarrollado una estrategia coherente para crear y capturar valor a partir de la inteligencia artificial de última generación, por lo que no debería sorprender que la mayoría de los programas carezcan de estructura o planificación. La mayoría de las veces, adquieren acceso a los servicios de inteligencia artificial de última generación, ponen la tecnología a disposición de los empleados y esperan que todo salga bien.

Podemos hacerlo mejor. Durante los últimos 18 meses, hemos trabajado intensamente con empresas para ayudarlas a desarrollar habilidades para una colaboración eficaz en materia de IA generativa. En este trabajo, hemos desarrollado una herramienta sencilla: la pirámide de creación de valor de IA generativa. Ya hemos visto que ha ayudado a muchas de nuestras organizaciones clientes a lograr avances significativos en un corto período de tiempo.

La pirámide de creación de valor de la IA generativa

La diferencia entre la IA de generación incremental y la transformativa no radica en la sofisticación técnica o la visión estratégica, sino en una comprensión compartida de lo que impulsa el rendimiento de su organización. Esta pirámide proporciona un marco claro para evaluar la madurez de la IA de generación y desarrollar las capacidades necesarias para crear y capturar valor a partir de la IA.

Si bien las organizaciones se centran inicialmente en ganancias de productividad a pequeña escala, los líderes del mercado construyen valor sistemáticamente a través de cuatro niveles de competencia: mejoras individuales, inteligencia colectiva, transformación y crecimiento, e innovación visionaria:

Pirámide de creación de valor con IA generativa. Diagrama piramidal que muestra cómo las organizaciones pueden generar sistemáticamente capacidades y valor crecientes con IA generativa, en cuatro niveles de madurez. La pirámide se divide en cuatro niveles: los dos niveles inferiores representan la captura de valor a través del trabajo rápido mediante la automatización de tareas con IA, mientras que los dos niveles superiores muestran la creación de valor a largo plazo a través del trabajo lento mediante el aumento de los esfuerzos colaborativos con IA. Nivel 1: Mejoras individuales: Mejorar la productividad individual, desarrollar habilidades fundamentales de IA y lograr ganancias rápidas y mensurables. Nivel 2: Inteligencia colectiva: Desarrollar una comprensión compartida del equipo, integrar la IA como un miembro del equipo y permitir la colaboración multifuncional. Nivel 3: Transformación y crecimiento: Mejorar el valor del cliente, reimaginar los procesos de trabajo centrales, centrarse en la calidad y equilibrar la experiencia con la innovación. Nivel 4: Innovación visionaria: Crear nuevos mercados, productos y servicios; transformar las relaciones con los clientes y las partes interesadas e impulsar la evolución del modelo de negocio. Fuente: humanskills.ai con Todd McLees, Greg Satell y Nicole Radziwill

Ver más gráficos de HBR en Datos y elementos visuales

Tenga en cuenta que cada nivel se basa en capacidades anteriores. Analicemos cada una de ellas:

Mejoras individuales

Las investigaciones han demostrado que las personas pueden aumentar sus capacidades en un período de tiempo relativamente corto. Los estudios de especialistas como agentes de atención al cliente, ingenieros de software y científicos de datos descubrieron que la inteligencia artificial de última generación mejoraba significativamente la productividad con una capacitación mínima.

El grado de mejora puede variar ampliamente según el nivel de habilidad, la experiencia y la profesión. En estos estudios, los agentes de atención al cliente resolvieron los problemas hasta un 34 % más rápido, y los nuevos empleados mostraron la mejora más rápida. Los ingenieros de software entregaron un 26 % más de código y los científicos de datos completaron las tareas, en promedio, en un 10 % menos de tiempo.

Si bien se trata de avances significativos, es necesario ponerlos en perspectiva: incluso una mejora puntual del 34 % para tareas aisladas representa un impacto mucho menor cuando se aplica a toda una empresa. Cuando se aplica de esta manera, la IA de última generación representa lo que el premio Nobel Daron Acemoglu y su coautor Pascual Restrepo llaman “tecnologías mediocres” : innovaciones que desplazan a los trabajadores, pero que no aumentan la productividad lo suficiente como para tener un impacto en la competitividad o mejorar las vidas.

Muchas organizaciones se encuentran en esta etapa. Se necesita poco más que poner a disposición de los empleados tecnología y orientación sobre inteligencia artificial. En esta etapa, si bien puede haber áreas de mejora, es probable que el efecto sea mínimo. Dependiendo de las tasas de adopción en su industria, es posible que incluso se encuentre rezagado respecto de sus pares.

Inteligencia colectiva

La eficacia de un equipo depende de la creación y el desarrollo de una comprensión compartida del trabajo que se debe realizar en conjunto. Las organizaciones que aprovechen la inteligencia artificial para cerrar las brechas de comprensión entre las personas obtendrán una importante ventaja competitiva sobre las que no lo hagan.

Las investigaciones demuestran que generar consenso sobre el propósito y el contexto del trabajo tiene un impacto positivo en la calidad, la novedad y la utilidad de los resultados. Los grupos pueden utilizar la inteligencia artificial genómica para identificar y eliminar barreras a la colaboración entre personas, descubrir modelos mentales compartidos de su trabajo, reducir los sesgos en la toma de decisiones y resolver conflictos con mayor rapidez.

Por ejemplo, cuando el equipo de innovación de una aseguradora se encontraba abrumado por el trabajo posterior a la fusión, los métodos de inteligencia artificial predictiva y generativa desarrollados por uno de nuestros equipos (el equipo de Nicole) revelaron la causa principal: requisitos y expectativas poco claros de las nuevas partes interesadas. Aprovechando la inteligencia artificial generativa, el equipo aclaró rutinariamente las definiciones de tareas, lo que redujo el desperdicio y mejoró significativamente la productividad en cuestión de semanas.

La clave no es solo enseñar a la gente a usar la IA, sino crear un lenguaje común en torno a lo que es posible. Los equipos con los que trabajamos están descubriendo que pueden trabajar con la IA de última generación casi como si fuera otro colega. Tratar a la tecnología como un miembro especializado del equipo, trabajando junto a expertos humanos con roles claramente definidos, libera un potencial colaborativo más profundo y ofrece resultados significativos.

Transformación y crecimiento

Si bien mejorar la productividad es valioso, el verdadero poder de la inteligencia artificial radica en reimaginar la forma en que se realiza el trabajo en su conjunto. Las organizaciones que van más allá de las mejoras de productividad individuales y la inteligencia colectiva pueden crear fuentes de valor completamente nuevas.

Pensemos en un médico que documenta la visita de un paciente. Normalmente, tendría que dividir su atención entre escuchar activamente al paciente y tomar notas detalladas. Al utilizar la IA para recopilar y organizar información clave, el médico puede interactuar más plenamente con los pacientes, las familias y los cuidadores.

La Clínica Cleveland ha comenzado a implementar sistemas de IA en varios aspectos de la atención. En su discurso sobre el estado de la clínica de 2024, el director ejecutivo y presidente, el doctor Tom Mihaljevic, destacó cómo la IA ya está ayudando a los proveedores a reducir el tiempo de documentación y a ayudar con el papeleo, lo que permite a los médicos centrarse más en la atención al paciente.

Sin embargo, el uso de la IA para tareas críticas requiere una consideración cuidadosa. Como se señala en las directrices actualizadas de la Organización Mundial de la Salud, son esenciales unos protocolos éticos y de seguridad sólidos. En la Clínica Cleveland, el énfasis está puesto en aprovechar la IA para mejorar la prestación de servicios de salud, al tiempo que se garantiza que la supervisión y la rendición de cuentas humanas en la atención al paciente sigan siendo la prioridad.

Las organizaciones que buscan aprovechar el potencial transformador de la IA deben equilibrar cuidadosamente la innovación con la responsabilidad. Aconsejamos a los clientes que creen un espacio dedicado a la experimentación donde los equipos puedan desafiar de manera segura las prácticas establecidas, probar nuevos enfoques y descubrir formas novedosas de aumentar su experiencia con las capacidades de la IA de última generación.

Innovación visionaria

Una vez que desarrolle los hábitos y las prácticas necesarios para reimaginar los procesos internos, podrá comenzar a transformar la forma en que se relaciona con sus clientes, proveedores y otras partes interesadas para crear nuevos productos y servicios innovadores. Aquí es donde la IA puede ser verdaderamente revolucionaria y cambiar las reglas del juego por completo.

Una nueva investigación de un gran laboratorio de I+D de Estados Unidos muestra que la inteligencia artificial puede acelerar el ritmo de la innovación. En este estudio, los científicos descubrieron un 44 % más de materiales y generaron un 39 % más de solicitudes de patentes que en un período anterior. Sin embargo, el 82 % de los científicos manifestaron una menor satisfacción laboral debido a una menor creatividad y a una infrautilización de sus habilidades, algo que hay que tener en cuenta. En nuestro trabajo, hemos descubierto que la formación en habilidades humanas puede mitigar parcial o incluso totalmente esos efectos.

Cuando trabajamos con organizaciones para alcanzar este nivel de la pirámide, les pedimos que sean ambiciosas y que tracen un mapa de las experiencias que más impactan en su negocio. A medida que avanzan más allá de los logros individuales y comienzan a centrarse en las eficiencias escalables y el valor para el cliente, comienzan a pensar en grande.

En un taller que uno de nosotros (Todd) dirigió con un distribuidor de mil millones de dólares, una única sesión de medio día proporcionó un cambio de lo táctico a lo transformador. Aprovechando su experiencia en el mercado, un equipo no técnico creó una GPT personalizada que generó diversos perfiles de clientes para evaluar los materiales de marketing de productos. Inmediatamente descubrió puntos ciegos en los mensajes y generó nuevas ideas sobre las interacciones con los clientes.

Esto desencadenó la innovación al mostrar lo que es posible con la inteligencia artificial de última generación. Las unidades de negocios descubrieron nuevos enfoques para aprovechar la tecnología por sí mismas para brindar un mejor servicio a los clientes. Los equipos de ciencia de datos e inteligencia artificial se asociaron entre las unidades para desarrollar productos y servicios innovadores impulsados ​​por sus nuevos conocimientos.

Poniendo la pirámide en práctica

Si bien la pirámide proporciona un marco claro, su verdadero poder reside en la rapidez con la que las organizaciones pueden pasar del concepto a la ejecución. Nuestra experiencia demuestra que los equipos pueden pasar de mejoras individuales básicas a prototipos transformacionales en tan solo medio día utilizando un enfoque estructurado:

Empezar con el descubrimiento (60 minutos)

Equipos multifuncionales de cuatro a seis personas hacen un inventario del uso actual de la IA de última generación e identifican oportunidades en cada nivel de la pirámide. La clave es mirar más allá de las ganancias de productividad obvias para encontrar casos de uso que puedan transformar la forma en que los equipos trabajan juntos o atienden a los clientes (niveles 2 y 3).

Priorizar casos de uso (30 minutos)

Los equipos evalúan las oportunidades en función de la creación de valor potencial y la viabilidad de la implementación. El enfoque no está en la velocidad, sino en las mejoras de calidad que son importantes para las partes interesadas. Los mejores candidatos se alinean con los objetivos de la empresa y solo requieren herramientas de inteligencia artificial de última generación existentes, como ChatGPT, Copilot u otras soluciones empresariales ya implementadas.

Construir para aprender (90 minutos)

Las oportunidades de alta prioridad seleccionadas pasan directamente al desarrollo de prototipos. En solo 90 minutos, los equipos pueden crear prototipos funcionales que demuestren un valor transformador, sin necesidad de una infraestructura técnica compleja.

...

No nos engañemos: estamos al comienzo de un largo viaje con la IA de última generación. Los ganadores se determinarán según quién aproveche mejor la tecnología para ampliar su capacidad colectiva de crear valor significativo. Al final, la transformación sostenible de la IA no es solo una historia tecnológica: es una historia humana sobre cómo equipar a las personas para servir a las partes interesadas de formas nuevas y revolucionarias.

Lea más sobre la IA generativa o un tema relacionado: planificación estratégica

Todd McLees es el fundador de humanskills.ai y un reconocido líder de opinión sobre el impacto de la IA generativa en el trabajo y el potencial humano. Es un pionero de marcos como AI Agility y Human Skills for the AI ​​Economy y colabora con universidades y líderes de la industria en todo el país para ayudar a las personas a prosperar en la economía de la IA. Todd forma parte de varios grupos de trabajo y juntas de IA en la educación superior y la industria. Conéctese con él en LinkedIn, X: @toddmclees, o visite humanskills.ai.

Nicole Radziwill es directora científica de datos de team-x.ai, directora de tecnología y directora de datos de Qzuku, académica de la International Academy of Quality (IAQ) y miembro de la American Society for Quality (ASQ). Es autora de Connected, Intelligent, Automated: The Definitive Guide to Digital Transformation and Quality 4.0 y Data, Strategy, Culture & Power. Conéctese con ella en LinkedIn.

Greg Satell es cofundador de  ChangeOS, una consultora de transformación y cambio, orador internacional destacado, presentador del  podcast Changemaker Mindset y autor de los best-sellers Cascades: How to Create a Movement that Drives Transformational Change  y Mapping Innovation.  Puede obtener más información sobre Greg en su sitio web, GregSatell.com, seguirlo en Twitter @DigitalTonto, su canal de YouTube y conectarse en LinkedIn.