Cómo la generación de IA podría revolucionar el SaaS y transformar las empresas que lo utilizan
El software empresarial define el funcionamiento de las organizaciones. ¿Qué ocurriría si la IA de última generación lo sustituyera?
Por Deep Nishar y Nitin Nohria
IA generativa
Harvard Business Review
#Doxa #IA #SaaS #transformar #empresa #generativa #software #organización #generación #sustituye #flujo #dinámico #orientado #objeto #definir #diseña #trabajo #ejecuta #ganancia #eficiencia #organización #respuesta #estrategia #potencial
Resumen. La IA generativa está a punto de revolucionar el software empresarial, transformando los sistemas de flujo de trabajo tradicionales en entornos dinámicos y orientados a objetivos. Este cambio redefinirá cómo se diseña y ejecuta el trabajo, ofreciendo importantes ganancias de eficiencia y nuevas oportunidades para la innovación. Los líderes deben guiar proactivamente a sus organizaciones a través de esta transición, centrándose en la gobernanza, la preparación organizativa y las respuestas estratégicas para aprovechar todo el potencial de la IA.
En 2011, el capitalista de riesgo Marc Andreessen declaró que "el software se está comiendo el mundo", argumentando que las empresas impulsadas por el software trastornarían todas las industrias. Ese planteamiento explica por qué la década de 2010 estuvo dominada por la transformación digital: tanto los operadores tradicionales como los aspirantes invirtieron mucho en software empresarial para automatizar los flujos de trabajo y competir con los nuevos competidores nativos digitales.
Hoy, las empresas se enfrentan a una inflexión paralela: La IA generativa no se limitará a perturbar las industrias; perturbará el propio software que permitió la última oleada de transformación. Incluso Satya Nadella, CEO de Microsoft -cuya oferta empresarial alimenta a millones de organizaciones- ha dado la voz de alarma.
Esta disrupción generará efectos dominó mucho más allá de las empresas de software. La mayoría de las grandes empresas dependen de varios sistemas empresariales para gestionar los flujos de trabajo fundamentales, como el registro de las ventas, el cálculo de los resultados financieros y el pago a los empleados. Miles de profesionales de IT dan soporte a este software, y los flujos de trabajo diarios de millones de empleados implican interacciones diarias con él. Si las empresas pasan del software SaaS a la IA, muchos de esos puestos de trabajo cambiarán de forma significativa, y algunos desaparecerán por completo. Para los altos directivos, guiar a las organizaciones a través de este cambio será todo un reto.
De los sistemas de flujo de trabajo a los sistemas de trabajo
La mayoría de las plataformas empresariales -desde Salesforce hasta Workday- tratan a las organizaciones como sistemas de flujos de trabajo. Los flujos de trabajo son procesos que permiten a la organización realizar cualquier tarea, desde la contratación y la incorporación de un empleado hasta la prospección y la ampliación de las relaciones con los clientes. A continuación, estos flujos de trabajo se analizan como sistemas de procesamiento de la información que trazan flujos de datos, automatizan análisis estructurados y requieren que los usuarios introduzcan, supervisen y actúen sobre la información dentro de unos parámetros predefinidos.
Considere Workday. Su arquitectura de datos se centra en los registros de los empleados, lo que permite el procesamiento de nóminas, las revisiones de rendimiento, la gestión de la formación y la administración de las prestaciones. Completar una tarea como "añadir una nueva contratación" o "cambiar el depósito directo" implica navegar por este complejo sistema de software con pasos explícitos integrados en la interfaz de usuario.
De forma similar, los sistemas CRM como Salesforce definen etapas de ventas discretas, que requieren que los equipos categoricen los clientes potenciales, actualicen los campos de estado y desencadenen acciones de seguimiento. Con el tiempo, el flujo de trabajo de CRM se incrusta en las rutinas diarias.
Por el contrario, un sistema de trabajo -impulsado por la IA generativa- trata a las organizaciones como entornos de tareas orientadas a objetivos. En lugar de comenzar con un mapa detallado de cada paso de cada flujo de trabajo, empieza con el trabajo que hay que hacer, como instó Clay Christensen de Harvard, y luego deduce las acciones necesarias. Bajo el capó, la IA ingiere señales -procedentes de una amplia gama de datos estructurados y no estructurados- y cose dinámicamente las tareas necesarias para alcanzar el objetivo. No existe una coreografía rígida de pantallas y formularios, sino que el sistema aprende continuamente de las excepciones, adapta sus recomendaciones y organiza los traspasos entre funciones sin necesidad de scripts manuales. En efecto, transforma las entradas no estructuradas en una ejecución estructurada, reduciendo la carga que supone para los usuarios conocer la arquitectura del flujo de trabajo y liberándoles para que se centren únicamente en los resultados deseados.
En un contexto de CRM, un sistema impulsado por IA analizaría las señales -correos electrónicos, transcripciones de llamadas, revisiones de propuestas- y actualizaría automáticamente el estado de un cliente potencial. Aprendería de los resultados históricos para perfeccionar el proceso subyacente, eliminando la introducción manual de datos y reduciendo la latencia del proceso.
Del mismo modo, las consultas complejas -que antes eran dominio de los analistas de datos que traducían las solicitudes a un lenguaje de consulta estructurado (SQL)- se convertirían en cuestión de simples prompt conversacionales: "¿Cuántos clientes potenciales cualificados se convirtieron en acuerdos superiores a 100.000 dólares en Alemania este trimestre?". Los sistemas de IA generativa pueden analizar entradas no estructuradas, generar las consultas necesarias a la base de datos y ofrecer respuestas en cuestión de segundos.
Por qué es importante este cambio: La diferencia entre el software de flujo de trabajo y los sistemas de IA
Esta transformación es más que incremental. Redefine la relación entre cómo se diseña el trabajo y cómo se ejecuta.
El software de flujo de trabajo tradicional funciona de forma muy parecida a una cadena de montaje industrial:
- Secuencial. Las tareas se definen como pasos ordenados.
- Explícitos. Cada acción debe estar predefinida y autorizada.
- Rígido. Adaptar los procesos requiere rediseñar los modelos de datos y las interfaces.
- Experto-dependiente. Un uso eficaz exige un profundo conocimiento tanto del flujo de trabajo como de la aplicación.
Por el contrario, los sistemas de trabajo basados en la IA se asemejan a un organismo con capacidad de respuesta:
- Fluido. Los procesos surgen dinámicamente en respuesta a los objetivos y al contexto.
- Implícitos. Los flujos de trabajo se infieren a partir de patrones de datos y de la intención del usuario.
- Adaptable. El sistema aprende de las excepciones y perfecciona los procesos continuamente.
- Centrados en el usuario. Las interfaces se basan en el lenguaje natural u otras modalidades intuitivas.
En esencia, el software heredado codifica las mejores prácticas de proyectos de implementación anteriores; la IA generativa inventa las mejores prácticas en tiempo real, optimizando continuamente los resultados.
Este cambio ya está en marcha
Esta transformación no es hipotética. Cada día vemos que más empresas empiezan a hacer cambios para reducir su dependencia de los sistemas de software heredados. Entre ellas se incluyen:
- Klarna, la fintech sueca que presta servicio a 85 millones de clientes, anunció sus planes para 2024 de abandonar los principales proveedores de SaaS como Salesforce y Workday en favor de sistemas de registro internos impulsados por IA. Empezaron por crear una base de datos consolidada de los datos de su empresa utilizando Neo4j y, a continuación, emplearon herramientas impulsadas por LLM para crear aplicaciones especializadas utilizando su propia pila de software de IA.
- Los ingenieros del gigante industrial Siemens están renunciando a los sistemas de planificación de recursos de los empleados (ERP) en favor de bots de IA conversacional de creación propia que pueden consultar las plataformas del ciclo de vida de los productos de Siemens para investigar los problemas de la cadena de suministro y los sobrecostes.
- Los sistemas sanitarios avanzados, como la Clínica Mayo, están probando herramientas de IA generativa para ayudar a los médicos con la documentación clínica, sintetizando los historiales de los pacientes y elaborando planes de atención.
- Instituciones financieras como JP Morgan están equipando a sus analistas de investigación con herramientas que consultan grandes cantidades de datos financieros históricos y actuales y redactan informes de investigación casi completos.
- En Hitachi Global, la organización de RR.HH. utilizó la plataforma agentic de Ema Unlimited para obtener una eficacia operativa del 70% en los servicios compartidos de las cuatro divisiones empresariales de Hitachi. La solución se concibió y desplegó entre 120.000 empleados en ocho semanas.
Los primeros en adoptar esta solución en todos los sectores están obteniendo aumentos de eficiencia del orden del 20-30%, además de ampliar sus ofertas sustituyendo o aumentando los sistemas de software rígidos para toda la empresa por herramientas de IA generativa flexibles y dirigidas por el usuario.
La escala de la disrupción potencial es inmensa. En 2023, el gasto mundial en software empresarial alcanzó los 913.000 millones de dólares, un 12,4% más que un año antes. El capital riesgo ha invertido miles de millones en start-ups de SaaS. Sin embargo, tanto los proveedores heredados como los insurgentes del SaaS se enfrentan ahora a un riesgo existencial. (Revelación: ambos autores tienen afiliaciones con firmas de capital riesgo que mantienen inversiones tanto en empresas de IA como de software empresarial).
La oleada inicial se centrará en procesos de un solo propósito y de gran volumen, como los informes de gastos, las ofertas de empleo, el seguimiento de candidatos, el soporte de IT y la compensación de ventas.
Los informes de gastos ilustran el contraste:
- En la actualidad. Los empleados introducen manualmente docenas de campos -importe, fecha, categoría-, seleccionan en menús desplegables y dirigen los informes a través de colas de aprobación. Cada paso introduce fricciones, errores y retrasos.
- Mañana. Un empleado fotografía un recibo, da instrucciones a la IA para que archive el informe y -suponiendo que se cumpla la política- el sistema extrae los conceptos (line item), valida el gasto comparándolo con las entradas del calendario, comprueba las normas de la política, aprueba automáticamente la solicitud y activa el reembolso.
Las capacidades para dominios más complejos -planificación de la fabricación, previsión financiera, cualificación de clientes potenciales- están a menos de cinco años vista.
Implicaciones y respuesta del liderazgo
La llegada de la IA generativa que transforma los sistemas de flujo de trabajo en sistemas de trabajo tiene profundas implicaciones para los líderes. Para dirigir con éxito la transformación de la IA, tendrán que centrarse en las siguientes cuestiones clave:
Gobernanza y gestión de riesgos.
Establezca marcos sólidos de gobernanza de datos que garanticen la calidad, la seguridad, el linaje y el cumplimiento. Implantar una supervisión continua de la deriva de los modelos, los sesgos y el cumplimiento de la normativa. Defina protocolos claros de colaboración entre humanos e IA que especifiquen los puntos de traspaso, la responsabilidad y la supervisión para mantener la confianza y mitigar los errores. Una atención temprana a la gobernanza generará una confianza en el sistema de IA que podrá resistir los inevitables desafíos iniciales.
Preparación organizativa.
Reconozca que las carreras centradas en el software de flujo de trabajo -implementación, personalización y mantenimiento- evolucionarán o disminuirán. Los equipos administrativos de RR.HH., finanzas e IT se reducirán o redistribuirán, liberando talento para la innovación y el trabajo estratégico. Los proveedores, los inversores y las economías locales ancladas en los servicios de software también sentirán estos cambios. La gestión del cambio, especialmente para los humanos que se verán afectados y tendrán que adaptarse, tendrá que gestionarse cuidadosamente para permitir y acelerar la transición a los sistemas de IA.
Respuestas estratégicas.
Reconocer que, a menos que lideren esta transición de forma proactiva, los líderes de software empresarial tradicionales perderán las ventajas de las que disfrutan frente a los advenedizos disruptivos. Para conservar su ventaja, los incumbentes deberían
- Dar prioridad a la interoperabilidad. Las API abiertas y las arquitecturas modulares permiten ecosistemas de IA federados que integran los sistemas heredados y los nuevos agentes.
- Rediseñar la UI/UX para flujos de trabajo conversacionales. Sustituir las interfaces de usuario estándar de cumplimentación de formularios por interfaces de lenguaje natural y de voz para reducir las barreras de adopción.
- Ofrezca vías de adopción de la IA escalonadas. Proporcione agentes totalmente autónomos, configuraciones con humanos en el bucle y opciones híbridas, que permitan a los clientes calibrar el control y el riesgo.
- Céntrese en las tareas por hacer. Pase de automatizar procesos rígidos a ofrecer resultados cuantificables, facultando a los clientes para articular objetivos y dejando que la IA determine el flujo de trabajo óptimo.
Al unificar la gobernanza, la preparación organizativa y las respuestas estratégicas dentro de una agenda de liderazgo cohesiva, las empresas existentes pueden transformar la incertidumbre en oportunidad, posicionándose a la vanguardia de la revolución del lugar de trabajo impulsada por la IA.
- - -
La IA generativa ofrece una oportunidad única en una generación de reducir el coste y la complejidad de la IT empresarial, liberando a las organizaciones de flujos de trabajo rígidos y permitiendo reimaginar el trabajo desde cero.
Los líderes deben ampliar sus horizontes. Más allá de mejorar los sistemas existentes, deben imaginar lugares de trabajo componibles y adaptables en los que los agentes de la IA y los humanos colaboren a la perfección. Al igual que el software se comió el mundo en los últimos 15 años, la IA generativa transformará ahora el software que dio forma a las organizaciones actuales y, al hacerlo, redefinirá nuestra forma de trabajar en las próximas décadas.
Lea más sobre IA generativa o temas relacionados: informática empresarial, gestión del cambio, IA y aprendizaje automático.
Deep Nishar es un tecnólogo e inversor que se desempeñó como ejecutivo sénior de producto en Google de 2003 a 2008 y director de producto en LinkedIn de 2009 a 2014. Sus inversiones en software empresarial incluyen Figma, Glean y Slack.
Nitin Nohria es profesor de la Universidad George F. Baker Jr. y de la Universidad de Servicios Distinguidos. Fue el décimo decano de la Escuela de Negocios de Harvard de 2010 a 2020.
No hay comentarios:
Publicar un comentario