Inteligencia Artificial (IA) en la Gestión de Relaciones con los Clientes

Este elemento es una expansión del contenido de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre la IA en la gestión de relaciones con los clientes. Véase asimismo en relación a “Fidelización de Clientes” y la Gestión de relaciones con los clientes en general.

[aioseo_breadcrumbs]

Inteligencia Artificial (IA) en la Gestión de Relaciones con los Clientes

En gran medida, la revolución de la gestión de las relaciones con los clientes que despegó en la década de 1990 dependía de la tecnología. Las tecnologías de entrada y almacenamiento permitieron a las empresas empezar a recopilar y almacenar datos sobre clientes individuales y, posteriormente, analizar la rentabilidad de los clientes a lo largo del tiempo, mientras que los sistemas de fabricación más inteligentes prometían una personalización masiva. Las investigaciones realizadas por las principales empresas de consultoría citaron el papel de la tasa de retención -hasta entonces, una medida poco utilizada- como un importante impulsor de la rentabilidad de una empresa. Con la primera oleada de aumento de las capacidades de recopilación, almacenamiento y análisis de datos, los profesionales del marketing empezaron a adoptar un enfoque basado en el valor del ciclo de vida del cliente para gestionar a los clientes.

La infusión de tecnología en la gestión de las relaciones continúa a buen ritmo: La tecnología de la información y los análisis avanzados apoyan la comunicación ubicua con los clientes y la disponibilidad cada vez mayor de sus datos, lo que a su vez permite a las empresas ofrecer servicios personalizados y curar las relaciones con los clientes para conseguir clientes más rentables. En el centro de la atención de los profesionales del marketing a este respecto se encuentran las tecnologías emergentes de inteligencia artificial (IA), que hacen referencia a la capacidad de un sistema para interpretar correctamente datos externos, aprender de dichos datos y utilizar esos aprendizajes para lograr objetivos y tareas específicos mediante una adaptación flexible. En el contexto de la gestión de las relaciones con los clientes, estas tecnologías permiten a las empresas analizar los datos e interactuar con los consumidores más rápidamente y a mayor escala. A largo plazo, permitir interacciones similares a las humanas entre los sistemas impulsados por la IA y los clientes permitirá la prestación de servicios personalizados generalizados a bajo coste, alterando posiblemente la naturaleza del servicio al cliente al hacerlo.

En cuanto a la gestión de los clientes, el sentimiento general parece positivo. Aunque se cuestiona el aumento de la pérdida de puestos de trabajo en un sector de servicios cada vez más automatizado, la aparición de herramientas de inteligencia artificial se percibe como beneficiosa para todas las facetas del proceso de gestión de las relaciones con los clientes: facilita a los consumidores la obtención de bienes y servicios más personalizados y, al mismo tiempo, aumenta la rentabilidad de las empresas. Sin embargo, a pesar del panorama halagüeño de la literatura sobre marketing, sigue habiendo interrogantes sobre el destino de los clientes en un futuro impulsado por la IA.

Esencialmente, los sistemas AI-CRM impulsados por el aprendizaje automático y sus tecnologías sucesoras permitirán a los directivos realizar mejores predicciones basadas en grandes cantidades de datos recopilados. Esto significa una mejor estimación de facto de las futuras transacciones individuales (es decir, el valor de vida del cliente, o CLV) junto con una mayor capacidad para crear una discriminación granular de precios y calidad a nivel individual diseñada para aumentar los beneficios de las empresas y reducir (o incluso eliminar) el excedente del consumidor. Como discutirán algunos investigadores, la mejora de la capacidad de segmentar y discriminar entre individuos basándose en datos en tiempo real contribuirá probablemente a aumentar la desigualdad social. Al mismo tiempo, la pérdida de autonomía del consumidor en la era de la inteligencia artificial puede dar lugar a una menor percepción por parte del consumidor de ser manipulado o discriminado.

La cuestión de identificar y aprovechar las diferencias potencialmente significativas entre los clientes en términos de valor vitalicio ha sido fundamental para la gestión de las relaciones con los clientes durante las dos últimas décadas. Además, la idea de “centrarse en el cliente” exige la identificación de una minoría de clientes que debería gozar de más atención por parte de los profesionales del marketing en comparación con otros clientes.

No se espera que la aparición de los sistemas de IA derribe el marketing relacional, sino que lo haga más preciso, discriminatorio y escalable. Esto puede tener un efecto sustancial en la naturaleza fundamental de las relaciones cliente-empresa en múltiples ámbitos y puede aumentar el patrimonio de los clientes. Puede tener implicaciones no sólo para la diferenciación entre clientes, sino también entre empresas, algunas de las cuales encontrarán en la competencia por los clientes un reto más importante con el paso del tiempo.

Capacidades

Recientemente hemos sido testigos de un aumento de lo que el software puede hacer, imbuido como está de capacidades suficientes para justificar el término inteligencia, tal y como se ha definido anteriormente. algunos investigadores ya están casi acostumbrados a la visión por ordenador; a la movilidad avanzada, aunque imperfecta, de robots y automóviles; al reconocimiento de voz; a la traducción de idiomas en tiempo real; y a las victorias sobre varios autores hermanos humanos en ajedrez, go, póquer Texas Hold’em sin límite e incluso en el videojuego StarCraft II. Tampoco hay indicios de que la línea de tendencia de las capacidades de la inteligencia artificial esté disminuyendo. Por ello, ha llegado el momento de preguntarse cómo se aplicarán dichas capacidades a la gestión de las relaciones con los clientes.

Cuando algunos investigadores se refieren a las capacidades de la IA-CRM, algunos investigadores se refieren a aquellas capacidades de la inteligencia artificial útiles para las tareas interrelacionadas de la gestión de las relaciones con los clientes de adquisición de clientes, retención de clientes y desarrollo de clientes. Por ello, algunos investigadores hablarán de dos capacidades de la IA-CRM:

• aprovechar los grandes datos de los clientes, y
• comunicarse, comprender y crear como lo hacen los humanos.

Algunos investigadores creen que la prevalencia de las técnicas de aprendizaje automático en la gestión de las relaciones con los clientes ya ha dejado muy claro el potencial de la IA-CRM.

El aprendizaje automático se ha utilizado:

• para mejorar las campañas publicitarias de adquisición de relaciones,
• para crear recomendaciones superiores con el fin de desarrollar las relaciones existentes , y
• para detectar antes las bajas para mejorar la retención de las relaciones.

Asimismo, el uso de chatbots similares a los humanos para la comunicación se convirtió en un método bien establecido para hacer frente a los fallos del servicio y, por lo tanto, evitar la pérdida de clientes. Estos ejemplos precursores ponen de relieve el potencial de la IA-CRM para aprovechar grandes cantidades de datos a la hora de predecir en qué anuncios harán clic los clientes, qué productos les gustarán o qué clientes se darán de baja.

Aprovechar los grandes datos de los clientes

La Internet de los objetos y las tendencias de cuantificación y digitalización relacionadas con ella conducen a la expectativa obvia de que algunos investigadores verán en el futuro conjuntos de datos de gestión de las relaciones con los clientes mucho mayores de los que utilizan las empresas en la actualidad. Los datos, por tanto, son cada vez más una base para la creación y extracción de valor. Algunos investigadores ilustran este principio con dos anécdotas históricas.

En 2009, Google compró la empresa de telecomunicaciones GrandCentral y la rebautizó como Google Voice. Entre otras ventajas estratégicas, esto dio a Google acceso a un corpus cada vez mayor de mensajes de voz. Los especialistas en software de Google utilizaron el corpus para aprender a producir transcripciones de mensajes de voz y adquirir así experiencia con el habla hablada. Esta capacidad acabaría utilizándose en la inteligencia artificial que hay detrás del asistente activado por voz de Google. En la misma línea, Amazon eligió los libros como su primera categoría de productos. Además del amplio surtido de libros en el mercado, algunos investigadores creen que la elección también permitió a Amazon atraer a los clientes adecuados (es decir, más pudientes y, por tanto, más valiosos) y aprovechar sus datos de navegación y transacciones para afinar su futuro crecimiento en otras categorías de productos. En ambos casos, algunos investigadores fueron testigos de una oportunidad histórica única para crear un recurso imperfectamente imitable.

De las tres V de Big Data (volumen, variedad y velocidad), algunos investigadores creen que la variedad es el motor más potente de la ventaja competitiva. En el contexto de la IA-CRM, la variedad se refiere a la amplitud y el alcance de la base de datos de clientes. Las empresas ya disponen de listas de casas con miles de campos de datos. Es importante que una empresa sea percibida como digna de confianza para lograr la variedad de Big Data mediante el establecimiento de múltiples asociaciones con entidades externas, lo que genera confianza. Y lo que es aún más importante, cada vez que una empresa intenta captar un nuevo tipo de datos, existe la oportunidad de que la entidad externa que los proporciona se replantee el intercambio de valor. Aunque aumentar la variedad es más difícil que aumentar el volumen, algunos investigadores sospechan que una vez que el volumen es suficiente para separar los datos de entrenamiento, prueba y validación, ampliar el alcance de los datos de los clientes produce un impacto proporcionalmente mayor en el rendimiento de la empresa: Cuantos más tipos de datos haya, más oportunidades habrá de descubrir asociaciones en ellos.

En resumen, adquirir y mantener conjuntos de datos más diversos será una fuente importante de ventaja competitiva de la IA-CRM. Curiosamente, una empresa necesitará ser percibida como digna de confianza para lograr la variedad de Big Data mediante el establecimiento de múltiples asociaciones con entidades externas, lo que hace que la confianza sea aún más crítica; cada vez que una empresa intenta captar un nuevo tipo de datos, existe una oportunidad para que la entidad externa que proporciona esos datos se replantee el intercambio de valor.

Comunicar, comprender y crear como lo hacen los humanos

Mucho antes de que muchos autores de la actual era de la inteligencia artificial, Alan Turing sugirió, en 1950, que se podía evaluar la inteligencia artificial comprobando si podía engañar a los humanos haciéndoles creer que se estaban comunicando con otros humanos. Con el crecimiento de los chatbots de servicios, los bots de Twitter y los asistentes digitales activados por voz, es cada vez más evidente que el software está mejorando a la hora de comunicarse como un humano. Por ejemplo, Precire es una empresa alemana cuyo software escucha grabaciones de entrevistas de contratación. Esto permite a las empresas hacer una criba inicial de los candidatos, eliminando a aquellos cuya velocidad del habla, volumen del habla, número de sonidos de relleno, complejidad de las frases y elección de palabras que pueden predecir el fracaso en el trabajo (Morrison, 2017). Las capacidades de comunicación de los bots y los asistentes automatizados permiten ahora un contacto con el cliente casi humano con sólo un modesto coste marginal por contacto.

La IA parece estar avanzando por una trayectoria que comenzó en las capacidades mecánicas, pasó por las capacidades analíticas y la intuición, y casi ha llegado a las capacidades empáticas, necesarias para reconocer y comprender las emociones humanas. Algunos investigadores ya han visto que los algoritmos pueden puntuar la personalidad de una persona mejor que sus amigos, o incluso que uno mismo. De hecho, no solo los informáticos pueden mejorar la inteligencia artificial, sino que los neurocientíficos también trabajan en ella, ya que comprender cómo aprenden tanto los ordenadores como los humanos puede informar el diseño de los algoritmos.

De hecho, las capacidades de la IA-CRM no necesitan alcanzar la plena empatía humana para complementar o incluso sustituir el criterio humano en la gestión de las relaciones con los clientes. Consideremos como ejemplo a los empleados de las agencias de publicidad. Ya se trate de los especialistas en publicidad masiva que idean la ejecución de los anuncios, del personal de ventas de alto rendimiento que cierra el trato o de los redactores de marketing directo cuyas palabras saltan de la pantalla, la capacidad de contar la historia de una marca o de redactar textos convincentes ha estado hasta ahora restringida a los humanos. Hay razones para creer que este monopolio humano sobre las capacidades creativas de marketing ha terminado o terminará en breve. Recientemente, una obra de arte generada por ordenador se vendió por 432.000 dólares (para una revisión de la inteligencia artificial en el arte y temas relacionados, véase en esta plataforma digital), y las agencias de publicidad ya experimentan ofreciendo a los clientes anuncios producidos por IA que funcionan mejor que los hechos por humanos.

Un enfoque conocido como redes generativas adversariales es un ejemplo de aproximación algorítmica a la inteligencia artificial creativa. En esta técnica, dos redes neuronales opuestas compiten entre sí. Una red, llamada discriminadora, se entrena para categorizar los ejemplos de entrada (como el arte) como genuinos o fabricados, produciendo un número cercano o igual a 0 si el discriminador predice que la entrada es fabricada, y cercano o igual a 1 si la predicción es que la entrada creativa es genuina. La otra red neuronal, llamada generador, fabrica arte, lo alimenta al discriminador junto con ejemplos reales, y recibe retroalimentación (como se ha mencionado sobre lo bien que ha engañado a esa red. A medida que el discriminador mejora en la categorización del trabajo creativo genuino frente a la salida del generador fabricada por el impostor, el generador mejora en la creación del material que puede engañar al discriminador. algunos investigadores no ven ninguna razón por la que estas redes generativas adversariales no puedan aplicarse a la ejecución de tareas creativas de gestión de relaciones con los clientes. Una aplicación en un futuro próximo será hacer que los chatbots parezcan más humanos en las interacciones de servicio.

Se espera que las capacidades de IA-CRM descritas anteriormente no sean fáciles de adquirir. Es probable que la competencia sea feroz para quienes posean los conocimientos y las habilidades para utilizar la AI-CRM. Dado que la ubicación y la proximidad importan en la transmisión de conocimientos, es probable que los conocimientos necesarios para formar y utilizar la IA-CRM se concentren en un pequeño número de tecnologías próximas geográficamente debido a la capacidad de los centros para facilitar el flujo de información y la transferencia de conocimientos entre empresas. La importancia de las agrupaciones regionales puede verse mitigada por el crecimiento global de los programas de análisis empresarial.

Si la aplicación de la tecnología de gestión de las relaciones con los clientes anterior a la IA en un contexto de relaciones con los clientes sirve de indicación, la creación de la IA-CRM podría no ir siempre sobre ruedas. En general, la gestión de la creación de valor se ha desplazado desde la gestión de personas y cosas hacia la gestión de activos de software como la IA-CRM. Sigue sin estar claro lo bien que los profesionales del marketing gestionarán este cambio. Lo que hace aún más desalentadora la implementación de la IA-CRM es el hecho de que las capacidades de la IA-CRM pueden no residir en un único sistema de gestión de las relaciones con los clientes: Por lo general, las empresas complementan los paquetes de gestión de las relaciones con los clientes como SugarCRM, la gestión de las relaciones con los clientes de Salesforce o la gestión de las relaciones con los clientes de SAP con un sistema de gestión de campañas para la selección y orientación de los clientes, y con un sistema ERP para el seguimiento de los costes. La AI-CRM requiere combinar diferentes fuentes de datos almacenadas en varias aplicaciones que a menudo no están (bien) integradas.

En resumen, algunos investigadores creen que la IA-CRM avanzará hacia un mejor aprovechamiento de los grandes datos de los clientes y hacia la comunicación, la comprensión y la creación del mismo modo que lo hacen los humanos. Como algunos investigadores expondrán a continuación, otros se muestran escépticos de que todo esto conduzca a una utopía de intercambio de valor tanto para las empresas como para los clientes. Veamos cómo se desarrolla esto en la siguiente sección, en la que algunos investigadores consideran el impacto en las capacidades de las empresas para adquirir, desarrollar y retener clientes y los consiguientes resultados.

Relaciones con los clientes

Adquisición

Procedemos a esbozar el potencial de la IA-CRM para mejorar los esfuerzos de adquisición. Dado que la gestión de las relaciones con los clientes, en general, tiene como objetivo aumentar el patrimonio de clientes de una empresa, algunos investigadores analizan sus posibles efectos incrementales sobre:

• el valor de vida de los nuevos clientes,
• los costes de adquisición de clientes (véase más detalles, incluso por canal o por sector) y
• el número de nuevos clientes.

Por lo general, las empresas se basan en datos internos para seleccionar a los clientes potenciales. Un estudio publicado en 2017 propuso un algoritmo de aprendizaje automático para seleccionar objetivos para la adquisición de clientes utilizando datos de un proveedor externo con información personal, del hogar y del vecindario. Aunque estos datos ya son valiosos, algunos investigadores esperan una integración más estrecha de las fuentes de datos externas con el comportamiento y los intereses de compra individuales, y una mayor disponibilidad a gran escala con mayor variedad y alcance. Estos datos alimentarán algoritmos para mejorar aún más la selección de clientes potenciales, lo que dará lugar a más datos y, por tanto, a la creación de un bucle de retroalimentación positiva. En resumen, la IA-CRM mejorará la capacidad de una empresa para predecir el “valor de vida” (CLV) de los prospectos y para utilizar esta información en la gestión del proceso de captación de clientes mediante la adquisición selectiva, por la que sólo se adquirirán los clientes más rentables (“mejores”).

Además, algunos investigadores esperan que la IA-CRM genere conocimientos más detallados sobre la calidad de los clientes adquiridos teniendo en cuenta la trayectoria por la que se adquiere al cliente; es decir, obtener conocimientos sobre las trayectorias de decisión de los clientes actuales permite optimizar la trayectoria de adquisición no sólo en términos del número de clientes recién adquiridos, sino también en lo que respecta a su calidad (es decir, CLV).

Además, una orientación más precisa y eficaz aumentará la tasa de conversión de clientes, reduciendo así los costes de adquisición de clientes. En la actualidad, la mayoría de los estudios prestan poca atención al alcance de los datos externos, pero las mejoras en las capacidades de gestión de datos permitirán a las empresas no sólo identificar mejor a los clientes potenciales con alto valor de vida del cliente, sino también desarrollar ofertas que satisfagan las necesidades de estos clientes potenciales.

Los abundantes datos sobre consumidores individuales recopilados a través de las diversas tecnologías de seguimiento disponibles (es decir, la variedad de datos) proporcionarán una visión holística de los clientes potenciales. Las empresas obtendrán información sobre los puntos débiles de los clientes potenciales y los beneficios que buscan. Con el apoyo de la IA-CRM, las empresas podrán formular propuestas de valor que respondan a las necesidades de los clientes potenciales de alto “valor de vida”. Las empresas ya utilizan herramientas de morphing para ajustar los contenidos en línea y de mensajería según las necesidades de los prospectos ayudados. Un ejemplo es la start-up Brytes, que hace visible el lenguaje corporal digital de los consumidores y utiliza esta información para identificar los rasgos psicográficos de cada usuario de un determinado sitio web en tiempo real y ofrecerle la información y la asistencia que necesita. Estos avances reducirán los costes de adquisición de clientes en general y también afectarán positivamente al “valor de vida” de los nuevos clientes.

Otro posible beneficio de la inteligencia artificial predictiva es la capacidad de anticipar tendencias y movimientos más amplios, y ayudar así a formular propuestas de valor en torno a ellos. Recientemente, varios estudios que utilizan enfoques de minería de textos han demostrado que cantidades colosales de datos externos como los contenidos generados por los usuarios (CGU) ofrecen perspectivas rápidas y valiosas.

Aunque en el pasado estos estudios solían utilizar algoritmos basados en el léxico para extraer CGU, los algoritmos de aprendizaje automático con sabor a IA, como las máquinas de vectores de soporte (SVM), los bosques aleatorios (RF) o el procesamiento del lenguaje natural (PLN), están ganando popularidad y están mejorando la capacidad de los profesionales del marketing para extraer información valiosa de los datos externos basados en texto. Aunque la investigación sobre la identificación (automatizada) de tendencias a partir de datos externos es actualmente escasa, el conocimiento de las tendencias puede generar una ventaja competitiva al crear un valor superior. Google Trends, por ejemplo, ha demostrado ser una valiosa ayuda para que las empresas identifiquen tendencias. Por ejemplo, varios investigadores examinaron, en 2014-2015, el potencial de utilizar las tendencias en las búsquedas en línea de palabras clave relacionadas con las características como indicadores de las tendencias en la importancia relativa de las características del producto correspondiente. Demostraron que aumentar los datos de marketing-mix con datos de búsqueda de características en un modelo de respuesta de mercado mejora sustancialmente el ajuste de dichos modelos. Estos avances también facilitarán la captación de nuevos clientes.

Más allá del ámbito del aprendizaje sobre las perspectivas y las tendencias, la inteligencia artificial también podría ayudar a las empresas a recopilar información sobre los competidores en los mercados existentes. Por ejemplo, podría determinar quién es cliente de qué empresa y permitir a las empresas dirigirse a clientes con un alto “valor de vida” de competidores específicos con ofertas personalizadas. Además, las herramientas de inteligencia artificial pueden aprovechar el CGU para identificar a los clientes insatisfechos de los competidores y dirigirse a ellos de forma proactiva con contraofertas. Además de cortejar a los clientes de alto valor de los competidores, las empresas también podrían utilizar la inteligencia artificial para conocer las estrategias de sus competidores observando a qué clientes se dirigen. En resumen, la AI-CRM que utiliza y combina datos internos y externos abre nuevas posibilidades en el proceso de captación de clientes, ayudando a las empresas a aumentar su patrimonio de clientes.

Desarrollo y retención

Tras la captación de clientes, hay dos aspectos de la gestión de las relaciones con los clientes que son clave para la creación de rentabilidad de los clientes: El desarrollo de clientes se refiere a los esfuerzos para aumentar el beneficio por periodo de los clientes actuales, como el aumento del margen, la frecuencia, la venta cruzada o la venta ascendente. La retención de clientes se refiere a los esfuerzos para aumentar la duración de la relación cliente-empresa. Estos dos procesos pueden estar interrelacionados, y algunos investigadores analizarán los posibles cambios a la luz de varios desarrollos que algunos investigadores prevén en los mercados en los que se implanten sistemas de IA-CRM. Muchas de las capacidades de la inteligencia artificial que mejoran el valor para el cliente y que se debatieron en el contexto de la captación de clientes también son relevantes para el desarrollo y la retención. Sin embargo, esta sección se centra en las principales cuestiones especialmente notables para el desarrollo y la retención: la personalización, la formación de hábitos y el efecto de las redes sociales.

Personalización

Siguiendo la opinión de varios autores de que los sistemas AI-CRM son aquellos que muestran una adaptación suficientemente flexible, un uso notable de dichos sistemas es permitir a las empresas crear un diálogo más personalizado con los clientes que tenga en cuenta el historial de compras y las interacciones de los primeros, y adaptar los elementos de la mezcla de marketing resultante al cliente individual. Aunque hoy en día los sistemas de inteligencia artificial realizan sobre todo tareas mecánicas y analíticas, pasarán gradualmente a realizar tareas de comunicación que exigen la imitación de la intuición y la empatía humanas. Esto, a su vez, permitirá una capacidad interactiva para predecir las necesidades individuales de los clientes y, potencialmente, satisfacerlas. Una implicación directa de ello es que algunos investigadores pueden esperar un mayor éxito a la hora de desarrollar clientes y retenerlos. Así, los valores de vida de los clientes deberían aumentar y, del mismo modo, la motivación para invertir en la captación de clientes.

Una segunda implicación es que las empresas pueden decidir en quién NO invertir. Aunque en la actualidad muchos esfuerzos para desarrollar y retener a los clientes se dirigen a la población de clientes en general, se sigue animando a los directivos a centrarse sólo en aquellos clientes que crearán una ventaja estratégica, y la personalización impulsada por la IA-CRM permitirá a las empresas avanzar cada vez más en esta dirección. Así, algunos investigadores esperan ver un uso cada vez mayor del desarrollo y la retención selectivos que se centran sólo en un subconjunto -a veces pequeño- de clientes. De hecho, en diversos mercados como el de las comunicaciones, la ropa, los coches, los viajes y las tarjetas de crédito, la decisión de invertir y el esfuerzo por retener (por ejemplo, mediante un mejor servicio y ventajas) se basan en el valor esperado de por vida de los clientes. Dadas las diferencias en la rentabilidad esperada de los clientes, también se aconseja a los profesionales del marketing que sean selectivos sobre qué clientes pretenden reactivar. Consideraciones similares se aplican a las decisiones sobre si desarrollar o no un cliente, en particular porque algunos clientes no son rentables para empezar. Así, las consultoras aconsejan a las empresas que centren sus campañas de venta cruzada en los clientes de alto valor. Algunos investigadores profundizarán más en el desarrollo selectivo cuando algunos investigadores consideren el resultado para los clientes más adelante.

Formación de hábitos

Considerar el papel de la tecnología en la retención y el desarrollo plantea la necesidad de debatir lo que ha surgido en los últimos años como una cuestión fundamental en la comprensión de varios autores de por qué los clientes siguen haciendo lo que hacen, o la formación de hábitos. Las nuevas tecnologías desempeñan un papel único en la creación de hábitos, por lo que es probable que la inteligencia artificial influya en la forma en que los hábitos afectan (o no) a la toma de decisiones de los consumidores.

Cada vez se anima más a los directivos a ajustar su forma de pensar centrándose en los hábitos de los clientes en lugar de en su fidelidad como motor del éxito en el mercado. Ese punto de vista es coherente con un creciente énfasis en la literatura empresarial y académica sobre los hábitos como impulsores críticos del comportamiento de los clientes. El comportamiento de formación de hábitos se rige, por definición, por el automatismo. Requiere una atención cognitiva mínima y está fuertemente relacionado con la frecuencia del comportamiento previo que se produce en un contexto estable y recurrente. Más allá de la simple repetición de las compras, los hábitos pueden impulsar la toma de decisiones en otras etapas del recorrido del cliente, como la respuesta a las promociones, la devolución de productos y la realización de viajes de compras dedicados.

Cabe preguntarse si la revolución de la inteligencia artificial no es antitética a la del comportamiento de formación de hábitos, porque a medida que las decisiones se vuelvan menos complejas, se necesitará menos intervención basada en la IA. algunos investigadores sostienen, sin embargo, que la inteligencia artificial generalizará el comportamiento de formación de hábitos y ayudará a las empresas a gestionar sus relaciones con los clientes a través de los hábitos.

La capacidad de la IA-CRM para fomentar el automatismo de los consumidores puede complementarse con la capacidad de rastrear el comportamiento de formación de hábitos y otros aspectos del entorno de los consumidores. Utilizando entradas de datos del Internet de las Cosas (IoT), varios sensores alrededor del consumidor pueden recopilar y analizar información sobre el estado de los productos, las existencias agotadas y la necesidad de reabastecimiento. Mecanismos de transmisión sencillos como Alexa de Amazon permiten a los clientes pedir productos casi sin esfuerzo. Los algoritmos de aprendizaje automático pueden utilizarse para identificar rápidamente las necesidades y ofrecer a los clientes una alternativa razonable de inmediato. A medida que los algoritmos hagan un mejor trabajo a la hora de ofrecer el producto adecuado en el momento oportuno, aumentará la confianza de los consumidores en ellos, así como su disposición a saltarse el proceso de búsqueda y confiar en la empresa.

Esta evolución, a su vez, acumula ventajas con el tiempo: cuanto más se utilice la empresa, cuanto más acostumbrado esté uno a ella y a los hábitos asociados a ella, mayor será la probabilidad de que siga comprando en ella. Además, cuantos más datos se recopilen, mejor podrá la empresa conocer las necesidades y preferencias del individuo, y seguir utilizando esta información para reforzar el hábito.

Con soluciones mejor adaptadas, será menos probable que los clientes de las empresas de venta directa al consumidor busquen alternativas. A medida que los compradores confíen cada vez más en el vendedor y los datos estén más disponibles, las empresas podrán mejorar aún más la capacidad de los algoritmos actuales para hacer llegar el producto adecuado al cliente adecuado en el momento adecuado. En consecuencia, algunos investigadores esperan que la “economía del hábito” impulsada por la IA-CRM mejore la capacidad de las empresas para cultivar a sus clientes. Los sistemas AI-CRM ayudarán a evitar la venta cruzada a clientes no rentables y aumentarán la motivación para realizar actividades de venta cruzada rentables.

En cuanto a la retención, una vez que se inicia una relación que crea hábito, los clientes ponen menos empeño en renovar la toma de decisiones, ya que esto último crea costes de cambio de facto para el cliente. A través de su comportamiento anterior y de la información que han facilitado en el pasado, los clientes han permitido a su proveedor de servicios conocer sus gustos y deseos. Cambiarse a un nuevo proveedor exigiría un nuevo aprendizaje, y cuanto mejor sea el trabajo de los proveedores actuales, mayores serán los costes de cambio. En la medida en que la IA-CRM mejore la gestión de las relaciones con los clientes, los costes de cambio aumentarán. Dado que incluso unos costes de cambio bajos pueden crear un efecto de bloqueo con los clientes, algunos investigadores esperan que los líderes de AI-CRM mejoren su retención de clientes deseables.

Tenga en cuenta, sin embargo, que los sistemas de inteligencia artificial no sólo pueden aumentar los costes de cambio para los clientes actuales, sino que las nuevas empresas pueden ser capaces de utilizar el proceso de aprendizaje impulsado por la IA para reducirles los costes de cambio y atraer así a los clientes, como algunos investigadores también analizan en la sección Adquisición. La cuestión es entonces qué fuerza será mayor, ¿la de retención o la de adquisición? Las capacidades de la inteligencia artificial dependen en gran medida del uso de un gran volumen y variedad de datos de los clientes para aprender y adaptarse, y es mucho más probable que estos datos estén disponibles para los clientes actuales que para los potenciales. Por ello, algunos investigadores prevén que, en general, el efecto de la IA-CRM sobre el aumento de los costes de cambio de los clientes actuales será mayor que su efecto sobre la reducción de los costes de cambio de los competidores.

Agentes y formación de hábitos. La inteligencia artificial ha hecho posible la creciente popularidad de asistentes inteligentes como Alexa, Siri o Bixby que ayudan a las personas en sus actividades cotidianas, muchas de las cuales están relacionadas con el consumo. A medida que los sistemas AI-CRM se desarrollan y los asistentes inteligentes obtienen más acceso a los datos de los productos y a las aportaciones de los consumidores sobre una amplia gama de productos, hábitos y prácticas, pueden llegar a ser mucho mejores a la hora de identificar productos y soluciones que satisfagan las necesidades de los clientes.

Esto contribuye al proceso de formación de hábitos: Cuanto más aprendan los asistentes inteligentes a anticipar y comprender las necesidades de los usuarios, más se acostumbrarán los clientes a confiar en ellos para tomar decisiones, con las implicaciones para el desarrollo y la retención comentadas anteriormente. Sin embargo, los asistentes operan a nivel de plataforma, no a nivel de marca individual, por lo que la elección de marca por parte de los clientes puede verse afectada por los intereses económicos de la plataforma. Además, las plataformas pueden restringir el acceso de las marcas a los datos de los clientes, para preservar la ventaja en la comprensión de las necesidades de los clientes. Esto significaría que para los consumidores que compran directamente a la marca, la personalización y la formación de hábitos pueden contribuir a crear un mayor valor de por vida del cliente específico de la marca. Para los consumidores que compran a través de asistentes, el valor de por vida depende de las acciones del asistente. En otras palabras, los intereses y preferencias del asistente mediarán en el valor de por vida relacionado con la marca que se cree en este caso.

La capacidad de los agentes para influir en la formación de hábitos plantea un punto importante que conviene destacar. la inteligencia artificial puede utilizarse no sólo para construir y mantener los hábitos existentes de los clientes, sino también para aprender a formar nuevos hábitos o a romper los antiguos. los sistemas de inteligencia artificial pueden aprovechar las respuestas de los clientes a intervenciones anteriores para estimular la formación de hábitos. En términos más generales, el uso de la IA-CRM para optimizar el momento, la frecuencia y la intensidad de las intervenciones de la empresa puede crear y reforzar los hábitos de los clientes de forma mucho más eficaz de lo que lo hacen hoy en día los profesionales del marketing.

El papel de las redes sociales

Las investigaciones emergentes apuntan al papel de la influencia social en el desarrollo y la retención de clientes. Debido a la esperada homofilia en los patrones de compra entre los miembros de la red social, la información sobre los miembros de la red social y su consumo puede servir como valiosa aportación a la hora de elegir qué productos son candidatos óptimos para el desarrollo de clientes focales. Dadas las pruebas sobre el impacto social de la pérdida de clientes, la información de la red social puede convertirse en una parte integral de la predicción y la gestión de la pérdida de clientes.

A pesar de la importancia establecida del papel de las redes sociales en la toma de decisiones y la rentabilidad de los clientes, la mayoría de los profesionales del marketing siguen sin aprovechar la información sobre la conectividad de los clientes, dadas las dificultades que entraña la identificación y el análisis de las redes de clientes para productos específicos. Debido a la complejidad del análisis, gran parte de las investigaciones realizadas hasta la fecha se habían limitado a utilizar datos sobre redes sociales relativamente pequeñas. Las aplicaciones de inteligencia artificial permitirán ampliar y profundizar dichas investigaciones, permitiendo un aprovechamiento mucho mejor de los datos sobre redes de clientes. Las herramientas avanzadas de aprendizaje automático permiten identificar redes sociales y comunidades concretas dentro de las redes utilizando una gran variedad de datos en línea. Impulsados por la ubicuidad de los teléfonos inteligentes, los datos basados en la localización pueden mejorar aún más la capacidad de identificar las redes sociales de los clientes utilizando técnicas avanzadas de aprendizaje automático para analizar estos datos a gran escala. Estos datos de redes pueden utilizarse entonces para personalizar mejor la interacción con los clientes.

El uso de la información de las redes sociales tiene implicaciones para los tres aspectos de la gestión de clientes: adquisición, desarrollo y retención. El papel del análisis de las redes sociales en la optimización de la captación de clientes, en particular en el contexto del crecimiento de nuevos productos, ha sido muy citado en la literatura de marketing. Sin embargo, dado que los datos a gran escala sobre los clientes y sus interacciones sociales están más disponibles para los clientes actuales que para los potenciales, algunos investigadores creen que el uso de la inteligencia artificial para realizar análisis de redes sociales tendrá un mayor impacto en el desarrollo y la retención de clientes. Esto será especialmente relevante para productos como los juegos digitales, en los que las actividades en las redes sociales de los clientes se recopilan de forma rutinaria.

Resultados

Aquí se examinará los resultados relacionados con los clientes y la empresa, desigualdad de ingresos y priorización, regulación, el papel de las habilidades tecnológicas de los consumidores y la priorización de clientes.

Resultados relacionados con los clientes

Dadas las capacidades antes mencionadas de la IA, algunos investigadores consideran los resultados para los clientes, las empresas y los mercados en general, empezando por los clientes. De hecho, muchos clientes pueden disfrutar de un mejor servicio personal, beneficio que probablemente se hará menos costoso a medida que la tecnología permita a las empresas sustituir a los humanos en un número cada vez mayor de trabajos de servicios. Sin embargo, como se desprende del debate anterior sobre la adquisición, el desarrollo y la retención selectivos, no es probable que la IA-CRM proporcione tales beneficios por igual a todos los consumidores. a continuación, algunos investigadores exponen las razones de ello.

Priorización de clientes

Históricamente, a medida que las bases de datos de clientes empezaron a proporcionar indicios de concentración en la rentabilidad de los clientes, las empresas avanzaron hacia la priorización de clientes, según la cual los clientes reciben un trato diferente en función de la rentabilidad esperada. En general, la priorización de clientes se considera una herramienta útil para la gestión de clientes. De hecho, las pruebas procedentes de múltiples industrias sugieren que los niveles de servicio están relacionados con la rentabilidad esperada de los clientes y que las diferencias pueden haberse ampliado en los últimos años. Las diferencias de trato pueden aplicarse a cualquier parte de la combinación de marketing, incluidos el nivel de servicio, el precio y la promoción; incluso pueden provocar el abandono del cliente.

Se suele suponer que una mejor predicción del “valor de vida de los clientes” por parte de la AI-CRM permitiría una mayor discriminación a lo largo de la distribución del “valor de vida de los clientes”. Dado que la distribución de la rentabilidad del cliente suele parecerse más a una Pareto que a una Normal, la capacidad de predicción de la AI-CRM motivará a las empresas a centrar sus esfuerzos e inversiones en un segmento relativamente pequeño de la distribución del “valor de vida de los clientes”. Por lo tanto, la misma distribución del “valor de vida de los clientes” puede aumentar aún más la disparidad.

A medida que han mejorado las técnicas de recopilación y extracción de datos, los profesionales del marketing han adquirido la capacidad de identificar y seguir a clientes individuales. Aun así, hasta ahora, los profesionales del marketing han visto restringida su capacidad de aplicar la priorización de clientes a escala debido a las limitaciones de la información disponible sobre individuos y a las capacidades necesarias para integrar y analizar de forma fiable la información procedente de múltiples fuentes en tiempo real. Por ejemplo, se ha demostrado que la volatilidad del gasto de los consumidores restringe la capacidad de las empresas para predecir el valor del ciclo de vida del cliente.

Los sistemas AI-CRM permitirán gradualmente a los profesionales del marketing superar estos problemas. La AI-CRM permitirá una personalización rápida de la respuesta que se deriva de la mejora de la identificación de los clientes, actualizaciones más rápidas y precisas de la rentabilidad futura mediante el aprendizaje automático y, en términos más generales, la capacidad de obtener información a nivel individual a partir de las huellas que los consumidores dejan en sus viajes. Permitirá tomar decisiones rápidas y oportunas para invertir en la adquisición de clientes adecuados y en la práctica del desarrollo y la retención selectivos. Para algunos consumidores, esto significará mayores incentivos para convertirse en clientes firmes en la etapa de adquisición, mejores bienes y servicios en la etapa de desarrollo, y posiblemente incluso obtener precios más bajos motivados por la consideración de retención. Otros consumidores serán selectivamente subadquiridos, subdesarrollados y subretenidos.

Dado que, por definición, sólo se puede dar prioridad a una minoría de clientes, la satisfacción general de la base de clientes puede disminuir. Además, la priorización de clientes afecta a los derechos de los clientes y al boca a boca. También puede haber implicaciones legales cuando se discrimina a las minorías o a otros segmentos. Esto no implica, sin embargo, que no se atienda a los clientes: Para algunos clientes menos rentables, surgirán nuevas empresas cuyas ofertas se ajustarán a su capacidad y disposición a pagar. Para muchos, simplemente significará diferentes niveles de la mezcla de marketing. Sin embargo, en general y para muchos consumidores, significará una reducción sustancial de la calidad de los productos y posiblemente precios más altos, de los que quizá ni siquiera sean conscientes: Debido a la capacidad de dirigirse a los individuos y al mencionado proceso de formación de hábitos, la priorización no se notará necesariamente.

Esta capacidad de segmentación no se limita al proceso de compra, sino que puede aplicarse a todos los aspectos del espectro de relaciones con el cliente. Por ejemplo, investigaciones recientes en la literatura jurídica advierten de la capacidad de los vendedores de utilizar big data y análisis predictivos para identificar a los clientes que se quejan con frecuencia y evitar venderles o desarmarlos antes de que puedan llamar la atención sobre la mala conducta de los vendedores.

Desigualdad de ingresos y priorización

El considerable aumento de la disparidad de ingresos en varias partes del mundo desde principios de los años 90 conduce naturalmente a un aumento de las diferencias en el consumo, creando una asimetría adicional en las distribuciones de CLV. En un sentido general, la priorización de clientes aumenta la disparidad en la población y provoca la deriva hacia una sociedad más polarizada en la que algunos clientes obtendrán productos mejores y posiblemente de menor precio que otros. Por ejemplo, las técnicas de aprendizaje automático que se han utilizado sobre los datos hipotecarios de millones de prestatarios permiten una tarificación más precisa del riesgo de impago y, por tanto, una mayor oferta de crédito. Sin embargo, los beneficios de unas hipotecas más baratas recaen de forma desproporcionada en los prestatarios más acomodados. Investigaciones desde el año 2019 han demostrado que estas técnicas pueden incluso ayudar a identificar a los prestatarios morosos por el texto que redactan al solicitar el préstamo.

En general, el trato diferenciado de los consumidores menos pudientes planteará difíciles cuestiones morales y políticas sobre el impacto de los sistemas AI-CRM en una sociedad cada vez más polarizada.

El papel de las habilidades tecnológicas de los consumidores

Hace tiempo que se estableció que los consumidores desfavorecidos pueden pagar más que los clientes con mayores ingresos debido al limitado alcance de las compras de los primeros y a su capacidad para aprovechar las oportunidades del mercado. Cabe imaginar que los sistemas de inteligencia artificial pueden ayudar a estos consumidores en este sentido. Podrían utilizar asistentes inteligentes basados en la IA que capten y analicen sus preferencias para ayudarles a enfrentarse a mercados cada vez más complejos. En ese sentido, algunos clientes de la base de la pirámide que tradicionalmente son menos capaces de aprovechar las oportunidades del mercado basado en el valor pueden utilizar tales asistentes para obtener un mejor valor por un precio más bajo.

La cuestión de las habilidades y el efecto de la IA puede depender de la tarea. Para tareas más sencillas, como encontrar un producto para comprar en una categoría determinada, un dispositivo basado en la IA como Alexa puede ayudar a las personas menos cualificadas a navegar por el mercado con la ayuda de la tecnología. Sin embargo, para tareas más complicadas (como encontrar el producto óptimo, superando los intentos de los vendedores de atraer al cliente en una dirección determinada) el uso eficiente de la inteligencia artificial puede depender de habilidades que pueden comenzar incluso con el conocimiento de qué software y tecnología utilizar. Aprovechar los asistentes cada vez más sofisticados exigirá habilidades que no están necesariamente al alcance de grandes segmentos de la población. Teniendo esto en cuenta, incluso la inteligencia artificial del lado del consumidor puede aumentar la disparidad entre los clientes.

Consideremos el caso de los altavoces inteligentes Alexa y Echo. Juntos permiten a los clientes pedir productos sin problemas y a un coste bastante asequible, proporcionando la posible base para un entorno de compras domésticas más inteligente. Sin embargo, la oportunidad de mercado atrae a más usuarios con ingresos más altos que a otros. Una de las razones es que incluso este entorno de IO aparentemente sencillo exige ciertos conocimientos técnicos (por ejemplo, configurar un perfil doméstico) que pueden crear obstáculos para los segmentos de población desfavorecidos.

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

Periodo de transición

Aunque la inteligencia artificial puede acabar creando un entorno de servicio impecable, la transición entre la gestión clásica de las relaciones con los clientes y la AI-CRM no será perfecta. Por ejemplo, aunque los chatbots pueden ser más rentables que los empleados humanos, la experiencia de servicio que proporcionan puede ser deficiente en la fase inicial, generando la frustración del consumidor. Al igual que ocurre con otros sistemas de autoservicio, factores como la edad, el sexo y el nivel socioeconómico afectarán probablemente a los conocimientos tecnológicos de los usuarios y, del mismo modo, a su aptitud, o resistencia, a la nueva tecnología. Además, se ha comprobado que las personas de más edad y con menos ingresos pueden adoptar las innovaciones más tarde y tienden a percibirlas como menos útiles. Esto afectará a la rapidez con la que los consumidores desfavorecidos adoptarán y empezarán a utilizar las herramientas impulsadas por la IA. En este momento de transición, a las personas altamente cualificadas les resulta menos difícil utilizar sistemas de servicios impulsados en parte por la inteligencia artificial, mientras que a los desfavorecidos tecnológicamente les resultará difícil beneficiarse de ellos.

Resultados relacionados con la empresa

Como ya se ha comentado, la IA-CRM es una actividad en la que las empresas dependen en gran medida de los recursos para poder atraerla. En consonancia con la visión basada en los recursos, esto implica que las empresas con recursos superiores obtendrán una ventaja competitiva que, a su vez, puede dar lugar a monopolios u oligopolios. Nótese que, en el contexto de la inteligencia artificial, los recursos necesarios incluyen, entre otros, grandes datos, personal debidamente cualificado, agilidad de gestión y una potencia informática superior, así como el uso propio de algoritmos de alto rendimiento.

Hay algunos casos en los que las startups más pequeñas pueden utilizar su agilidad y orientación técnica para aprovechar las promesas que ofrece la inteligencia artificial en el contexto de las relaciones con los clientes. Sin embargo, algunos investigadores creen que, en la mayoría de los casos, las empresas más grandes tienen más posibilidades de beneficiarse debido a su acceso a los recursos. Entre los recursos esenciales que poseen las empresas más grandes, destacan dos. Uno es el acceso a grandes bases de datos que permitirán al aprendizaje automático entrenarse y aumentar su eficacia. El segundo es el acceso a profesionales formados que gestionarán el proceso, lo que es especialmente importante a la luz de la crisis de competencias en inteligencia artificial, donde la demanda de profesionales de inteligencia artificial es mucho mayor que la posible oferta. Las grandes empresas tienen una capacidad mucho mayor para invertir en contratación, compensación y organización de profesionales de inteligencia artificial en departamentos lo suficientemente grandes que permitan la creación de centros de conocimiento eficaces en la organización.

Aunque la mayoría de los beneficios de la IA-CRM que obtienen las empresas están relacionados con una propuesta de valor mejorada, la IA-CRM también suele reducir el coste de servir a los consumidores, ya que las tecnologías emergentes en muchas industrias permiten sustituir la mano de obra humana por máquinas más baratas y automatizar la toma de decisiones para optimizar las interacciones con los consumidores en varios puntos de su recorrido. Como ya se ha dicho, cuanto más aumenta el alcance y la variedad de los datos, más puede la empresa conocer las necesidades y preferencias de los individuos. Estos conocimientos adquiridos pueden aprovecharse para ofrecer mejores propuestas de valor a estos individuos no sólo en la categoría de productos en la que se recogieron los datos, sino también en otras categorías de productos.

En consecuencia, como la IA-CRM permite a las empresas obtener más valor (por término medio) de la adquisición de consumidores aprovechando los datos de los clientes en múltiples categorías de productos, algunos investigadores esperan que se intensifique la competencia entre las empresas en la fase de adquisición. Además, algunos investigadores esperan ver más fusiones y adquisiciones que se centren en el valor de fusionar (o adquirir) datos de consumidores, en comparación con otras capacidades de las empresas. Por último, la mayor importancia del acceso rápido y directo a los datos de los consumidores puede generar una mayor ventaja competitiva sostenible para las marcas de venta directa al consumidor que compiten con las marcas minoristas tradicionales.

Dada la naturaleza cada vez más granular de los datos de los consumidores cada vez más disponibles, dicha competencia no se centrará en un nivel de segmento de consumidores, como ha sido tradicionalmente, sino que, en su lugar, las empresas competirán por cada consumidor. Además, dada la mejora de la predicción del valor vitalicio del cliente, algunos investigadores deberían esperar que dicha competencia sea desigual entre los consumidores. En el caso de los consumidores con un alto valor esperado de por vida, la competencia se intensificará, lo que hará que dichos consumidores obtengan un mayor valor (por ejemplo, las aerolíneas tienden a ofrecer más valor a los clientes actuales y potenciales de los que se espera que vuelen a menudo). Por otro lado, la competencia será menos intensa para los consumidores con un valor esperado de por vida más bajo, lo que resultará en un menor valor para ellos. Es posible, sin embargo, que esa mayor discriminación en el valor proporcionado se mitigue en las industrias en las que ofrecer una diferenciación horizontal es más fácil, como la de la confección.

Regulación

El aumento de la concentración del mercado suele asociarse con la intervención de los reguladores y la ruptura de las estructuras existentes. Sin embargo, ejemplos recientes, como el mercado de la aviación estadounidense desde el año 2018, han demostrado que esto no es necesariamente así, al menos durante un cierto periodo de transición. En el caso de la inteligencia artificial, el problema es especialmente acuciante, ya que a menudo no puede invocarse el argumento tradicional de la protección de los consumidores contra la fijación de precios resultante de los monopolios, puesto que muchas empresas de este ámbito prestan sus servicios de forma gratuita (por ejemplo, Google, Facebook). Para aquellos servicios que no son gratuitos, la ventaja competitiva de unos recursos superiores puede permitir a los monopolistas ofrecer un mayor valor a los clientes debido a la combinación de proporcionar un valor superior (por ejemplo, debido a los efectos de red) a un menor coste (por ejemplo, debido a las economías de escala, menos gastos de marketing).

Dado que los costes más bajos hacen que la aplicación de la normativa antimonopolio sea todo un reto, las empresas pueden aprovecharse plenamente de su poder de mercado, lo que suscitará la preocupación de los reguladores. La cuestión, sin embargo, es si, llegados a ese punto, la regulación será siquiera posible. Además, en los países en los que se permite a las empresas invertir parte de sus beneficios en grupos de presión (por ejemplo, en Estados Unidos), imponer una regulación puede conllevar importantes riesgos políticos.

También es posible que la inteligencia artificial cree un sistema que se autorregule. Los mismos sistemas de inteligencia artificial que ayudan a las empresas a proporcionar ofertas de productos superiores pueden ayudar a los clientes a identificar las empresas más adaptadas a sus necesidades. Algunos investigadores podrían asistir al surgimiento de proveedores terceros que permitan a los clientes de alto valor, o a los clientes con perfiles de datos superiores, encontrar las empresas perfectas con las que interactuar. Esto funcionaría de forma muy parecida a como lo hacen hoy en día los sitios de recomendaciones. El peligro, sin embargo, es la discriminación selectiva de la que han hablado algunos investigadores: los clientes considerados poco o nada rentables serán abandonados por la mayoría de las empresas. Esto, a su vez, puede provocar el surgimiento de nuevos competidores especializados en este tipo de clientela, así como una competencia más intensa entre las empresas que los abandonaron. Además, recibir un servicio constantemente inferior puede empujar a estos clientes de menor valor a falsificar sus datos en línea y generar perfiles en línea falsos. Este tipo de información es intrínsecamente difícil de detectar, como indica el reciente debate en torno a las noticias falsas.

Lo que todo esto implica es que los clientes inteligentes aprovecharán el poder de la IA para volverse ellos mismos más estratégicos. Los clientes aprenderán a negociar mejor con las empresas, a utilizar sus datos personales como ventaja estratégica y, en general, a desplazar la captura de valor lejos de las empresas. Surgirán soluciones automáticas y habilitadas por la IA para ayudar a los clientes en esas actividades. Como han comentado algunos investigadores, la inteligencia artificial permitirá a las empresas discriminar mejor entre los clientes y evitar ofrecer un servicio superior o mejores productos a los clientes que no “merezcan” ese trato. Sin embargo, la misma inteligencia artificial puede ayudar a algunos clientes a identificar las reglas de decisión utilizadas por las empresas para prestar ese servicio y aprovechar esas reglas en su propio beneficio. Esta contraestrategia puede ampliar el abismo entre los clientes de alto valor y los de menor valor, ya que las diferencias entre los clientes se derivarán no sólo de la mayor capacidad de ciertas empresas para discriminar, sino también de la mayor capacidad de ciertos clientes (muy probablemente de mayor valor) para navegar por las estrategias de las empresas en su propio beneficio.

📬Si este tipo de historias es justo lo que buscas, y quieres recibir actualizaciones y mucho contenido que no creemos encuentres en otro lugar, suscríbete a este substack. Es gratis, y puedes cancelar tu suscripción cuando quieras:

Qué piensas de este contenido? Estamos muy interesados en conocer tu opinión sobre este texto, para mejorar nuestras publicaciones. Por favor, comparte tus sugerencias en los comentarios. Revisaremos cada uno, y los tendremos en cuenta para ofrecer una mejor experiencia.

En un mundo así, la gestión de las relaciones con los clientes se convertiría en una carrera constante entre las empresas que intentan predecir el comportamiento de los clientes y un segmento de clientes que intenta anticiparse a las reglas de decisión de las empresas o aplicarles ingeniería inversa. Al mismo tiempo, un gran número de clientes podría sentirse cada vez más frustrado por la naturaleza de las decisiones de la combinación de marketing de las empresas, que provocan una disparidad cada vez mayor entre los consumidores, lo que aumentaría la presión sobre los reguladores para que tomaran medidas para mitigarla. Los gobiernos ya han reconocido algunos de los problemas que los macrodatos y la capacidad de analizarlos crean a este respecto.

En última instancia, puede ser necesaria la intervención de los reguladores para equilibrar la concentración de empresas impulsada por los recursos con la aparición de datos falsificados y el comportamiento estratégico de los clientes. Tal necesidad será más pronunciada a medida que más empresas empiecen a discriminar a los clientes de valor relativamente bajo. Los ejemplos de este tipo de intervenciones pueden ir desde la regulación del uso de soluciones automatizadas (por ejemplo, en Francia, algunas soluciones de autoservicio sólo pueden funcionar durante el horario comercial habitual, y no 24 horas al día, 7 días a la semana), pasando por gravar desproporcionadamente la creación de valor mediante IA (para compensar la ventaja que suponen estos sistemas frente a la contratación de personal humano), hasta el desmantelamiento de los monopolios (por ejemplo, como sugiere el movimiento #BreakUpBigTech).

Sin embargo, regular la inteligencia artificial puede no ser tan fácil. La inteligencia artificial es difícil de regular debido al problema de la definición, tanto ex-post como ex-ante. En primer lugar, algunos investigadores necesitan una definición clara y jurídicamente vinculante del objeto a regular. Esto aún no existe en el caso de la IA. En segundo lugar, existen varios problemas de regulación tanto en la fase ex ante (I+D del sistema de inteligencia artificial objetivo) como en la fase ex post (cuando la inteligencia artificial se comercializa).

Lo que amplifica aún más la complejidad son los diferentes sistemas de pensamiento sobre la regulación. Mientras que EE.UU. es relativamente reacio a regular, Europa está haciendo últimamente un mayor uso de sus poderes reguladores. En China, el gobierno y las entidades afiliadas al Estado están liderando el desarrollo de la inteligencia artificial y la aplicación de sistemas AI-CRM en múltiples dominios, lo que crea otra serie de retos y consideraciones. También deben tenerse en cuenta las dimensiones culturales: La legislación europea es menos tolerante a la hora de pedir a los clientes que compartan datos, mientras que EE.UU. y especialmente China, tienen menos restricciones al respecto.

Esta compleja interacción puede explicar por qué algunos en el mundo corporativo abogan por una mayor regulación. Empresas como Facebook reclamaban en 2019 la intervención del gobierno y el presidente de Microsoft, Brad Smith, pidió también una “regulación gubernamental reflexiva” de los avances tecnológicos en el reconocimiento facial. Elon Musk declaró al principio: “Cada vez me inclino más a pensar que debería haber cierta supervisión reguladora, quizá a nivel nacional e internacional”.

Implicaciones en este Campo

Sus implicaciones no son triviales: algunos investigadores avanzan hacia un sistema económico en el que la priorización de los clientes puede dominar gran parte de las relaciones con ellos, y en el que sólo una minoría de clientes es capaz de aprovechar las nuevas tecnologías. Aunque en algunos casos los profesionales del marketing descubrirán que la discriminación de los clientes no siempre es óptima desde el punto de vista económico, esto no representará necesariamente la mayoría de los casos. algunos investigadores prevén que habrá grupos de individuos que podrán verse afectados por esta priorización allí donde consuman. De ahí que los sistemas AI-CRM puedan convertirse en una preocupación y una consideración tanto de los reguladores como de los grupos de defensa de los derechos humanos. La experiencia y los conocimientos de los académicos del marketing en esta materia les confieren una responsabilidad especial para ser una voz activa que siga el desarrollo de los sistemas AI-CRM, identifique las preocupaciones y haga recomendaciones sobre cómo abordar el nuevo entorno de las relaciones con los clientes al que se enfrentan todos los investigadores.

Datos verificados por: Cox

[rtbs name=”innovacion”] [rtbs name=”regulacion”] [rtbs name=”modernizacion”]

Recursos

[rtbs name=”informes-jurídicos-y-sectoriales”][rtbs name=”quieres-escribir-tu-libro”]

Véase También

Analítica Predictiva, Disrupción, Gestión de la Información, Gestión de la Innovación, Innovación, Innovación Empresarial,
mundo académico
industria de la confección
inteligencia artificial
artes
grandes datos
moda rápida
educación superior
innovación
aprendizaje automático
sostenibilidad
Educación empresarial
Espíritu empresarial
Ética
Sistemas de información, Gestión de la tecnología, Gestión de la innovación, Ética empresarial,
Aprendizaje, tecnologías de la información, Gestión estratégica de la tecnología y la innovación
éxito de los estudiantes en la enseñanza superior

Comunicación Empresarial, Publicidad Empresarial, Internet, Marketing, Mercados minoristas, Publicidad Comercial, Redes Sociales, motivación humana

▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.