Doxa 2262

Cómo las empresas de capital privado crean valor con IA

Por Vikram Mahidhar y Thomas H. Davenport

IA y aprendizaje automático

Harvard Business Review

#Doxa #empresa #capital #privado #valor #IA #aprendizaje #automático #riesgo #resultado #rendimiento #inversión #generativa #ejecutivo #talento #negocio #datos #empresa #objetivo #líder #consultor #ingeniero #firmas #competitivo #método

Resumen. Al igual que muchas otras empresas, las firmas de capital riesgo están interesadas en la IA como herramienta para una creación de valor más rápida. Y al igual que otras empresas, los resultados han sido desiguales, ya que pocas informan hasta ahora de rendimientos significativos de las inversiones en IA generativa. Dicho esto, algunas firmas están desarrollando enfoques más estructurados para mejorar los resultados. Estos esfuerzos comienzan por asegurar la aceptación por parte de los ejecutivos y la incorporación de los talentos pertinentes, incluidos los socios operativos que entienden tanto el negocio como la implementación. En lugar de invertir en exceso en científicos de datos difíciles de retener, las empresas suelen recurrir a consultores o ingenieros full-stack. Antes de adquirir empresas, las firmas líderes evalúan cómo la IA puede afectar a industrias enteras y realizan diligencias sobre el potencial de un objetivo para obtener ganancias impulsadas por la IA. Esto incluye la evaluación de las oportunidades de automatización de la mano de obra, la preparación de los datos y el posicionamiento competitivo. Aunque los métodos varían, las empresas que dan estos pasos con antelación están mejor posicionadas para alinear las iniciativas de IA con sus objetivos de inversión.

Las empresas de capital privado (PE) están especialmente interesadas en una rápida realización del valor de las inversiones en las empresas de su cartera. "Compran para vender",suelen adquirir empresas que consideran infravaloradas e intentan mejorar su rendimiento y sus finanzas en el transcurso de cinco a siete años antes de venderlas. Dada la promesa del potencial transformador de la IA, el sector se centra cada vez más en cómo puede ayudar esta tecnología.

El problema, sin embargo, es que crear valor rápidamente a través de las inversiones en IA dista mucho de ser algo seguro en estos momentos. Las encuestas sugieren que sólo el 20-25% de las empresas cuentan con alguna aplicación de producción de IA generativa. Una encuesta reciente realizada a 120 líderes tecnológicos de grandes empresas reveló que sólo el 10% había logrado un retorno de la inversión "significativo"; un 11% adicional informó de retornos moderados. El resto informó de rendimientos nulos o decepcionantes. Aunque estas encuestas se centran en la IA generativa, la IA analítica también tiene un historial problemático de retornos en muchas empresas.

Aun así, varias empresas de inversión se están inclinando hacia este reto, creando procesos y desarrollando casos de uso que, una vez refinados y probados, puedan desplegarse de forma repetible para impulsar una creación de valor constante.

Uno de nosotros (Mahidhar) trabaja en Apollo, donde es socio operativo, jefe del equipo de datos, digital y de IA, y dirige los esfuerzos para garantizar el rendimiento de la IA en las empresas de cartera de capital riesgo. El otro (Davenport) es un investigador académico que estudia la IA y ha realizado formación ejecutiva en empresas de PE.

Para comprender cómo está enfocando el sector esta cuestión, entrevistamos a ocho firmas sobre el tema de la creación de valor a través de la IA. Tres de las firmas de PE que entrevistamos se crearon específicamente para buscar oportunidades que implicaran IA y transformación digital en sus procesos de inversión: MGX, que se centra en proveedores e infraestructuras de IA; BayPine, que se centra en impulsar la transformación digital, incluida la adopción de tecnologías de IA, en las empresas de su cartera; y GrowthCurve Capital, que se centra tanto en la IA para la diligencia como para la creación de valor de la cartera.

En la actualidad, muchas empresas consideran que la creación de valor a partir de la IA es un reto. Dado el mandato de las empresas de PE de crear valor en un plazo relativamente corto, ofrecen una perspectiva única sobre cómo impulsar la innovación en este ámbito.

Prepararse para crear valor con la IA

Las empresas de capital riesgo obtienen valor de sus inversiones en IA a través de una progresión de etapas, las primeras de las cuales implican la preparación dentro de la propia empresa de capital riesgo.

La primera de ellas es asegurar el compromiso y el talento. Puede parecer obvio, pero para que las iniciativas de IA tengan éxito, los directivos -tanto de la empresa de capital riesgo como de las empresas en cartera- deben aceptar la idea de que la tecnología ofrece un potencial considerable para crear valor. Esto puede requerir educación o persuasión, pero es la antesala del éxito.

En una importante empresa de capital riesgo, por ejemplo, el objetivo inicial era identificar a los líderes de la empresa y de la cartera de empresas que ya creían en el papel transformador de la IA. Luego se confió en ellos para que expusieran los argumentos a los ejecutivos menos comprometidos.

Una vez establecido el compromiso, la empresa necesita adquirir talento, tanto a nivel de liderazgo interno como en primera línea en las empresas de cartera. Hablamos con varias empresas cuya inclinación inicial era contratar científicos de datos para estas funciones, pero el consenso entre las empresas era que eran difíciles de contratar y retener, y muchos pasos de creación de valor no requerían sus habilidades.

Los líderes ideales para las iniciativas de IA son los socios operativos que entienden los procesos de creación de valor y cómo trabajar con las empresas de cartera. Para crear y desplegar soluciones de IA en las empresas de cartera, contratar a varios científicos de datos es un enfoque sensato, pero la mayoría de las empresas que entrevistamos confían en consultores para este fin. Misha Logvinov, socio operativo de MGX, dijo: "Si bien el papel de los científicos de datos sigue siendo importante para ciertas iniciativas, los avances en el desarrollo de la IA y las herramientas de análisis permiten ahora a los ingenieros de IA full-stack, trabajando en estrecha colaboración con expertos en la materia, construir y desplegar rápidamente soluciones de IA a escala."

La siguiente etapa -aún preparatoria para la creación de productos de IA- consiste en evaluar la exposición a la IA y llevar a cabo una diligencia detallada de la IA. Esta etapa implica múltiples procesos. Una evaluación de la exposición a la IA examina las industrias, no las empresas, y señala dónde hay riesgos y oportunidades para la IA, y qué industrias es probable que vean el mayor impacto positivo o negativo. A continuación, la evaluación orienta a la empresa hacia los ámbitos de oportunidad de la IA y la aleja de los de alto riesgo. No todas las empresas que entrevistamos llevan a cabo una evaluación de la exposición a la IA, pero Apollo sí lo hace, y sus socios la consideran muy valiosa.

La realización de una diligencia detallada de la IA se lleva a cabo cuando se evalúa una empresa concreta para su adquisición, con el fin de comprender el papel de la IA y su impacto potencial en su futura creación de valor. En este proceso, las empresas pueden evaluar la cantidad de trabajadores del conocimiento (potencialmente afectados por la genAI), la posible automatización o aumento de la mano de obra, el panorama competitivo en relación con la IA y una evaluación financiera detallada que considere las implicaciones de costes y la preparación para la implementación.

Se trata de un proceso cada vez más importante para las empresas de capital riesgo comprometidas con el valor potencial de la IA -una de las empresas que entrevistamos contaba con 25 socios generales implicados en procesos de diligencia de la IA-, pero también puede ser realizado por consultores externos o con su ayuda. Cory A. Eaves, socio y responsable de Operaciones de Cartera de Baypine, subrayó: "Asegurar la creación de valor a partir de los datos y la IA desde el principio aumenta significativamente la probabilidad de una implementación exitosa durante el periodo de propiedad." Apollo adopta un enfoque similar incorporando la diligencia relacionada con la IA según proceda al considerar cada inversión.

De nuevo, no existe un enfoque uniforme. Otras firmas de PE que entrevistamos dijeron que consideraban la IA en los procesos de diligencia debida, pero que la evaluación no era sistemática. El experto en IA de una empresa, por ejemplo, dijo que adoptaban un "enfoque generalista" para la creación de valor en las empresas de cartera, y que la IA sólo se tenía en cuenta en algunas industrias y candidatos a adquisiciones.

Aplicación de la IA en las empresas de cartera

Una vez que un fondo de PE ha comprado una empresa, la actividad de IA se desplaza a la planificación e implementación de productos y proyectos de IA dentro de la empresa adquirida. Eso incluye desarrollar casos de uso específicos y una hoja de ruta para ponerlos en práctica, colaborando estrechamente con el CEO y otros ejecutivos de la empresa.

Existen varios enfoques válidos para este importante paso. Una empresa líder, por ejemplo, adopta un enfoque de "volante de inercia" que no sólo se centra en resolver problemas empresariales con la IA, sino también en crear una capacidad y un impulso sostenidos en la empresa de cartera. Los componentes del volante de inercia incluyen

• Gobernanza y cumplimiento de la IA
• Reclutamiento de talentos
• Identificación y priorización de casos de uso en alineación con la tesis del acuerdo
• Asociaciones tecnológicas (seleccionadas por el fondo de capital riesgo)
• Socios de implementación (seleccionados por el fondo PE)

Adopción y realización del valor

Otra empresa de PE utiliza un marco DANCE para identificar casos de uso valiosos. Al centrarse en la creación de contenidos, la personalización y la productividad de los empleados, resulta muy adecuado para identificar casos de uso generativos de la IA. El marco incluye:

• D: Descubrir perspectivas
• A: Automatizar procesos
• N: Creación novedosa de productos o contenidos
• C: Personalizar soluciones (productos o servicios personalizados)
• E: Mejorar el rendimiento y la productividad de los empleados

Las empresas de PE de éxito empiezan a pensar en posibles escenarios de salida casi tan pronto como han comprado una empresa y, por lo tanto, tienen que considerar cuánto tiempo llevará implantar las iniciativas de IA y si harían a la empresa más atractiva para un futuro adquirente. Por ejemplo, dos líderes de IA en empresas de PE mencionaron que es poco probable que las aplicaciones de productividad individual de la IA generativa atraigan a los compradores, a menos que haya aumentos de productividad cuidadosamente medidos, lo que puede ser difícil de conseguir.

En general, los líderes de PE dijeron que buscan mejoras de la IA en las métricas operativas que demuestren impulso a lo largo del periodo de propiedad. Un ejecutivo consideró que al principio del viaje de su empresa hacia la IA (2022), incluso las pruebas de concepto de los casos de uso de la IA podrían ser suficientes para mostrar al próximo comprador el valor potencial de la IA, lo que evitaría todos los retos del despliegue de la producción. Sin embargo, en 2025 está claro que tanto los inversores de las sociedades de capital riesgo como los posibles próximos compradores exigen algunos despliegues de producción con valor demostrable.

Varios líderes de IA de empresas de PE señalaron que es importante abordar la calidad de los datos -ya sean datos estructurados para casos de uso de IA analítica o datos no estructurados para aplicaciones de IA gen- antes decrear la IA. Lo ideal sería que los problemas de calidad de los datos salieran a la luz durante el proceso de diligencia. Sin embargo, dado el coste y el tiempo de las iniciativas de gestión de datos sustanciales, es importante ser selectivo en qué dominios de datos se mejoran. "Evite la tentación de hervir el océano" fue el comentario de un líder de IA.

También hay que tener en cuenta importantes cuestiones relacionadas con el talento y la gestión del cambio. Desde el punto de vista del talento, una cuestión clave es quién se encargará del desarrollo y la aplicación de la IA. Hay tres opciones principales: recurrir a consultores externos, confiar en el propio personal de la empresa de cartera o crear un centro de excelencia interno que albergue las capacidades tecnológicas e impulse la implementación en toda la empresa y su cartera.

Aunque algunas firmas de PE que entrevistamos han construido pequeños CoE, el enfoque principal es introducir a las empresas de cartera en un ecosistema de recursos de talento que puedan aumentar su experiencia interna. Un líder de IA en una empresa de PE dijo que, en parte debido a los desafíos de talento, la empresa está alentando a las empresas de cartera a comprar aplicaciones de IA en lugar de construirlas, o aprovechar los casos de uso ya construidos por otras empresas de cartera.

Una cuestión clave de la gestión del cambio es conseguir la aceptación y reclutar a los stakeholders dentro de la empresa en cartera. "Este es un momento carpe diem para que las empresas vean sus datos como una partida fuera de balance", nos dijo Sajjad Jaffer, jefe de datos y análisis de Growthcurve Capital. "Los datos pueden ser tanto un activo latente como un pasivo latente. El sector del capital riesgo se encuentra en las primeras fases de infundir una cultura de 'los datos primero'. Esta cultura comienza en la cúspide con el CEO. Los consejos de administración de los fondos de capital riesgo/inversión también están desarrollando un enfoque de "los datos primero" para guiar a sus CEO y equipos de gestión."

Otra empresa de PE intenta crear un compromiso implicando al equipo ejecutivo y al consejo de administración de la empresa en la priorización de los casos de uso y pidiendo después a los directivos voluntarios que se responsabilicen de la aplicación. Otra se apoya en los jefes funcionales (por ejemplo, el CFO para un caso de uso orientado a las finanzas) para que sean los principales impulsores del proyecto.

Varios de los líderes de IA de las empresas hicieron hincapié en que la IA analítica (en contraposición a la generativa) a menudo puede crear un valor más rápido en las empresas de cartera. Por ejemplo, una empresa utilizó la IA analítica para identificar a los mejores y peores clientes de una empresa de cartera. Otra la utilizó para identificar oportunidades de venta cruzada. Las empresas más centradas en la creación de valor con IA generativa la veían principalmente como un medio para crear productos y servicios mejores y menos costosos, como en una empresa de libros de texto y en una firma de servicios profesionales.

El compromiso de estas empresas de capital riesgo con la transformación posibilitada por la IA es una prueba de que los inversores a gran escala ven valor en la tecnología. Pero no se produce automáticamente, ni mucho menos. Las firmas y empresas que tendrán más éxito a la hora de impulsar la creación de valor a través de las aplicaciones de la IA son aquellas que ven tanto el panorama general -cómo está impactando la IA en sectores específicos en conexión con otras macrotendencias- como las que se centran en los casos de uso concretos y específicos que se traducen en mejoras cuantificables de la productividad, la rentabilidad y el crecimiento.

La diligencia debida centrada en la IA y las actividades de creación de valor en las empresas de cartera de PE son un claro indicio de que las inversiones en IA no producirán suficiente valor sin un análisis, una planificación y una implementación cuidadosos. A medida que el libro de jugadas de PE continúa evolucionando hacia un mayor enfoque en iniciativas que impulsan la creación de valor intrínseco, los casos de uso de IA probados y repetibles se están desarrollando ahora. Cualquier empresa puede y debe adoptar los enfoques que utilizan las empresas de PE para sacar el máximo partido de esta tecnología transformadora.

Lea más sobre IA y aprendizaje automático o temas relacionados: IA generativa, tecnología y analítica, capital privado, analítica y ciencia de datos, automatización e informática empresarial.

Vikram Mahidhar es el líder del negocio de inteligencia artificial en Genpact. Fue emprendedor y creó el negocio de soluciones de IA en Rage Framework (adquirido por Genpact).

Thomas H. Davenport es Profesor Distinguido del Presidente de Tecnología de la Información en Babson College, Profesor Bicentenario de Analítica en la Escuela de Negocios Darden de la Universidad de Virginia (UVA), profesor visitante en la Iniciativa del MIT sobre la Economía Digital y asesor principal del Programa de Director de Datos y Analítica de Deloitte.