Inteligencia Artificial Operativa

Este elemento es una expansión del contenido de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre este tema. [aioseo_breadcrumbs] Es un tipo de sistema inteligente diseñado para aplicaciones en el mundo real, especialmente a escala comercial. Puede compararse con la IA industrial, que se refiere a los sistemas inteligentes aplicados a los negocios a cualquier escala y para cualquier caso de uso.

Escalar en Inteligencia Artificial

La mayoría de los directores generales reconocen que la inteligencia artificial tiene el potencial de cambiar por completo el funcionamiento de las organizaciones. Pueden imaginar un futuro en el que, por ejemplo, los minoristas entreguen productos individualizados antes de que los clientes los soliciten, tal vez el mismo día en que se fabrican esos productos. Este escenario puede sonar a ciencia ficción, pero la IA que lo hace posible ya existe.

Lo que impide ese futuro es que las empresas no han descubierto cómo cambiar ellas mismas para alcanzarlo. Para ser justos, la mayoría ha estado trabajando duro para incorporar las tecnologías digitales, en algunos casos transformando realmente la forma en que sirven a sus clientes y fabrican sus ofertas.

Sin embargo, para aprovechar toda la promesa de la IA, las empresas deben reimaginar sus modelos de negocio y la forma en que se realiza el trabajo. No pueden limitarse a introducir la IA en un proceso existente para automatizarlo o añadir información. Y aunque la IA puede emplearse localmente en todas las funciones en una lista de aplicaciones específicas (conocidas como casos de uso), ese enfoque no impulsará un cambio consecuente en las operaciones de una empresa o en sus resultados. También hace que sea mucho más difícil y costoso conseguir que la IA se extienda, porque cada equipo lejano debe reinventar la rueda con respecto a la aceptación de las partes interesadas, la formación, la gestión del cambio, los datos, la tecnología, etc.

Pero eso no significa que las empresas deban tratar de reformar toda la organización con IA de una vez. Es casi seguro que eso acabaría en fracaso. Un cambio de imagen completo es un proceso enormemente complicado que implica demasiadas partes móviles, partes interesadas y proyectos para lograr un impacto significativo rápidamente.

El enfoque correcto, según varios consultores, es identificar una parte crucial de la empresa y replantearla por completo. La introducción de cambios en todo un proceso, trayecto o función central -lo que llamamos un dominio- conducirá a una importante mejora del rendimiento que las aplicaciones locales aisladas simplemente no pueden igualar. También permitirá que cada iniciativa de IA se base en la anterior, por ejemplo, reutilizando datos o avanzando en las capacidades para un conjunto común de partes interesadas. Hemos visto que este enfoque desencadena un ciclo orgánico de cambio dentro de los dominios y, en última instancia, crea un impulso para el uso de la IA en toda la organización a medida que los líderes empresariales y los empleados ven que funciona.

Otros Elementos

Además, este enfoque promueve una mentalidad de mejora continua en la plantilla, lo que es crucial porque la tecnología de IA avanza rápidamente, lo que exige que las organizaciones piensen en las transformaciones de la IA como algo continuo y no como un esfuerzo único.

En última instancia, las empresas que no puedan sacar el máximo partido de la IA serán marginadas por las que sí puedan hacerlo, como ya vemos que ocurre en varios sectores, como la fabricación de automóviles y los servicios financieros. La buena noticia es que en el último año muchas empresas (incluso con capacidades analíticas limitadas) han empezado a desarrollar las habilidades necesarias para aprovechar las oportunidades de la IA, ya que la crisis de Covid-19 les obligó a modificar su forma de hacer negocios casi de la noche a la mañana. Ahora el reto será aplicar esas habilidades para llevar a cabo iniciativas de mayor envergadura.

Establecer la estrategia

Puede ser un reto acertar con el alcance de las iniciativas de IA. Aconsejamos a los directores generales que se centren en las áreas de la empresa en las que la IA marcará una gran diferencia en un periodo de tiempo razonable; es relativamente fácil encontrar un patrocinador, conseguir que las partes interesadas se comprometan y formar un equipo; y existen múltiples actividades interconectadas y oportunidades para reutilizar los datos y los activos tecnológicos.

Impacto potencial

Los ámbitos elegidos deben ser lo suficientemente amplios como para mejorar significativamente los resultados de la empresa o las experiencias de los clientes o empleados. Una aerolínea a la que asesoramos determinó que tenía 10 dominios de negocio principales que se ajustaban a esta descripción: carga, tripulación, gestión de ingresos, comercio electrónico, servicio al cliente, aeropuertos, mantenimiento, planificación de la red, operaciones y talento.Si, Pero: Pero empezó por la carga, donde había identificado una cartera de iniciativas de IA que podían completarse en unas 18 semanas. La primera aportaría unos 30 millones de dólares de beneficios adicionales al permitir una previsión más precisa de los volúmenes y el peso de la carga y aumentar el uso de la capacidad de transporte.

En otro caso, un proveedor de telecomunicaciones optó por rediseñar su proceso de gestión del valor del cliente (que abarca todas las formas en que una empresa interactúa con sus clientes), utilizando la IA para comprender y abordar las necesidades únicas de cada cliente. Ese trabajo redujo rápidamente el tiempo de ejecución de las campañas de marketing en un 75% y permitió a la empresa reducir la pérdida de clientes en tres puntos porcentuales. La empresa espera que esas mejoras añadan 70 millones de dólares a su cuenta de resultados a finales de 2021.

Actividades interconectadas.

Informaciones

Los dominios prometedores abarcan un conjunto claro de actividades empresariales cuya recalibración puede resolver problemas sistémicos como las ineficiencias crónicas (como los largos tiempos de aprobación de los préstamos), la alta variabilidad (la rápida fluctuación de la demanda de los consumidores) y las oportunidades perdidas habitualmente (las dificultades para hacer llegar los productos a los clientes).Entre las Líneas En muchos casos, las soluciones de IA pueden abordar las causas profundas de estos problemas, en parte a través de la información proporcionada y en parte a través de mejoras organizativas.

La aerolínea identificó seis actividades de carga estrechamente entrelazadas: negociación de tarifas, asignación de espacio, reservas, documentación de envíos, gestión de operaciones en tierra y entrega, y facturación. Tanto la satisfacción del cliente como el precio dependían de factores como la disponibilidad de espacio con poca antelación, la capacidad de seguimiento de los envíos en tiempo real y la rapidez de la entrega. Cuando las seis actividades se reconfiguraron para que pudieran alimentar los datos en una plataforma apoyada por la IA, la empresa pudo reducir significativamente los residuos sistémicos y mejorar en gran medida la experiencia del cliente, reforzando sus márgenes y su reputación al mismo tiempo.

Patrocinador y equipo

En un dominio prometedor se puede identificar fácilmente lo siguiente:

• un campeón empresarial interno responsable de toda la cadena de valor implicada (en la aerolínea, era el vicepresidente de carga)
• personal empresarial senior dedicado (en la aerolínea, el director senior de carga y dos de sus subordinados directos) que pueda desempeñar las funciones de “propietario del producto” (la persona responsable de la entrega de la solución), traductor (que tiende un puente entre los ámbitos analítico y empresarial) y líder del cambio (responsable de los esfuerzos de gestión del cambio)
• un equipo de profesionales de la IA, como expertos en ciencia de datos e ingeniería, diseñadores, analistas empresariales y un maestro de scrum (estos profesionales también pueden proceder de un equipo central de la organización)
• un grupo de usuarios de primera línea o trabajadores del conocimiento responsables de las actividades cotidianas (en la aerolínea, incluían 250 agentes de ventas y reservas en América, Asia Pacífico y Europa)

La contratación de empleados de todo el ciclo de vida del dominio (independientemente de su posición anterior en la organización) y su responsabilización por el trabajo fomenta el compromiso con una iniciativa y crea entusiasmo e impulso. Estos factores son cruciales para conseguir que los empleados piensen más allá de lo habitual a la hora de idear soluciones y ayuden al proyecto a superar los inevitables obstáculos inesperados.

Tecnología y datos reutilizables

También es importante seleccionar ámbitos en los que los datos y los componentes tecnológicos necesarios para ejecutar los modelos de IA puedan coincidir. Es mucho más fácil cuando los equipos no tienen que empezar de cero cada vez y pueden reutilizar datos o fragmentos de código que ya han sido preparados para la IA. Es probable que haya una inversión inicial para el primer modelo o dos creados dentro de un dominio, pero con el tiempo los nuevos proyectos pueden basarse en los anteriores, reduciendo drásticamente el tiempo y el coste de desarrollo. Los recursos a los que nos referimos aquí suelen incluir, por el lado de los datos, bibliotecas comunes y definiciones de metadatos, y por el lado de la tecnología, scripts de aprendizaje automático, interfaces de programación de aplicaciones (API) que extraen datos de sistemas heredados y capacidades de visualización de datos.

Los equipos ejecutivos suelen identificar entre ocho y diez ámbitos en los que la IA puede transformar su negocio. Una vez que lo hayan hecho, les recomendamos que reduzcan la lista a uno o dos sobre la base de la viabilidad y el valor empresarial.

En la aerolínea, el director general y sus subordinados directos habían celebrado una serie de sesiones de estrategia durante 12 semanas. Debatieron sobre cómo las empresas de diferentes sectores estaban innovando con la IA, desarrollaron una visión para utilizar la IA con el fin de lograr un aumento de dos dígitos en los beneficios operativos en un plazo de 15 meses, priorizaron los dominios por los que empezar y comprometieron los recursos necesarios para avanzar. Cada uno de los ejecutivos pidió a los expertos de sus ámbitos individuales que identificaran lo que sus áreas podrían hacer de forma diferente para alcanzar el objetivo de beneficios y que evaluaran el valor potencial y la viabilidad de sus recomendaciones.Entre las Líneas En el ámbito de la carga, tres líderes empresariales de alto nivel, junto con el personal de TI y de finanzas, esbozaron la oportunidad de llenar mejor el espacio de carga disponible en los aviones, los beneficios esperados por hacerlo y la viabilidad de lograrlo en términos de disponibilidad de datos, tecnología, talento, etc.

Estructurar el equipo

El equipo responsable de las iniciativas de IA dentro de cada dominio debe incluir a todas las personas necesarias -de las funciones empresariales, digitales, analíticas y de TI- para diseñar, construir y apoyar las nuevas formas de trabajo.Entre las Líneas En gran medida, una vez que los equipos de dominio conozcan su objetivo y cuenten con los recursos necesarios, organizarán su trabajo por sí mismos, utilizando prácticas ágiles. El papel de la dirección, más allá de la creación de los equipos, consistirá en asegurarse de que los empleados trasladados a ellos desde otras partes de la empresa se integren plenamente y en eliminar cualquier barrera organizativa que pueda impedir el éxito de los equipos.

En muchos de los casos estudiados por algunos investigadores y consultores, la mayoría de los miembros del equipo necesarios ya trabajaban en el ámbito objetivo, y los líderes simplemente tuvieron que trasladarlos al proyecto y luego traer el talento técnico necesario de otras áreas de la empresa.Entre las Líneas En la aerolínea, los empleados de ventas, atención al cliente, operaciones y finanzas estaban involucrados en la transformación del dominio de la carga, y la mayoría de ellos habían informado a la función empresarial desde el principio. Los expertos en IA, como los científicos de datos y los ingenieros de datos, fueron asignados al equipo del centro de excelencia de IA de la empresa durante la duración del trabajo y dependían directamente del director senior de la división de carga, que era el propietario del producto para la nueva IA.

En algunos casos, las empresas tendrán que reasignar explícitamente al equipo a personas que desempeñan otras funciones no técnicas de diversas partes de la organización. Pensemos en una empresa minorista de servicios energéticos que también pretendía utilizar la IA para renovar la gestión del valor del cliente, incluyendo a qué clientes se dirigía, qué ofertas se les enviaba y a través de qué canales, y cómo se probaban las nuevas ideas. La empresa tuvo que agrupar formalmente a los expertos en campañas de marketing de todos los canales (véase qué es, su definición, o concepto, y su significado como “canals” en el contexto anglosajón, en inglés) y equipos, que anteriormente estaban divididos en silos, bajo un mismo paraguas. Intentar coordinar su trabajo en silos separados habría creado retrasos y desconexiones, ya que las solicitudes de aportaciones y aprobaciones pasaban de un departamento a otro. También habría obligado a las personas implicadas a hacer malabarismos con dos conjuntos de obligaciones.

A menudo, los equipos de proyectos de IA pueden ser simplemente escuadrones individuales, en los que todo el equipo lleva a cabo todo el trabajo por sí mismo.Si, Pero: Pero cuando las tareas son relativamente amplias y requieren el trabajo de más de una docena de personas, un solo equipo será demasiado inmanejable.Entre las Líneas En esas situaciones, tendrá sentido dividir el equipo en varios escuadrones, con un escuadrón que proporcione capacidades compartidas. La empresa de telecomunicaciones dividió su nuevo equipo de valor para el cliente en cuatro escuadrones empresariales: uno centrado en los clientes de prepago, otro en los de pospago, otro en la captación de clientes y otro en la retención de clientes. A cada uno de ellos se le asignó la misión de reducir la pérdida de clientes o mejorar las ventas cruzadas en un 20% para finales de año. Se creó una quinta brigada, la de la utilidad de los datos, con ingenieros y desarrolladores de datos, para apoyar a las otras cuatro mediante la creación de tecnología y activos que pudieran ser reutilizados por cada una de ellas y mediante el desarrollo de nuevos modelos de análisis con IA.

Reimaginar el negocio como de costumbre

Como hemos señalado anteriormente, para sacar el máximo partido a la IA es necesario reinventar los modelos de negocio, las funciones y responsabilidades y los procesos operativos, utilizando nuevas formas de pensar y trabajar. Por lo general, las empresas se benefician de la aplicación de los primeros principios o de las técnicas de pensamiento de diseño y del trabajo retrospectivo a partir de un objetivo o reto clave. Por ejemplo, las empresas pueden imaginar cómo sería una experiencia de cinco estrellas para el cliente y luego explorar con detalle cómo podrían conseguirla.

En la aerolínea, el equipo de carga empezó por entrevistar a los agentes de ventas y reservas sobre cómo asignaban el espacio en los aviones de pasajeros y decidían si aceptaban o rechazaban las solicitudes de envío. ¿Cómo comprobaban los agentes la disponibilidad de espacio de carga? ¿En qué otra información se basaban y cómo sopesaban los diferentes datos que recogían? ¿Qué preocupaciones tenían a la hora de tomar decisiones?

El equipo descubrió que el enfoque anterior estaba plagado de previsiones inexactas y de conjeturas por parte de los agentes que intentaban calcular las posibles cancelaciones. (En el caso de las reservas de carga, a diferencia de las de pasajeros, no hay penalización por cancelación, por lo que no es raro que un avión parezca totalmente reservado pero salga con el espacio de carga vacío por no haberse presentado).

Detalles

Los agentes de reservas de carga también temían el impacto en la satisfacción de los clientes si el espacio estaba sobrerreservado. Para evitar conflictos, los agentes a menudo esperaban hasta el día del vuelo para reservar espacio de carga para sus clientes, lo que provocaba un uso subóptimo de la capacidad y la pérdida de oportunidades.

Una vez identificados y comprendidos los problemas de los procesos existentes, el equipo trazó cómo sería un proceso ideal, incluida la información que necesitarían los agentes para determinar si debían reservar, cuánto podían reservar de más y con qué antelación, y cómo variarían las funciones. A continuación, dedicaron unas semanas a desarrollar un prototipo de panel de control con IA que proporcionara la información necesaria a los agentes, trabajando en sprints iterativos con ellos para incorporar las aportaciones de los modelos de previsión, que se estaban desarrollando en paralelo. El equipo probó el cuadro de mandos con agentes de 12 rutas representativas de la red global de 1.500 de la empresa. Comparó las diferencias en la utilización de la carga y los beneficios en las rutas de los agentes que seguían las recomendaciones del sistema y las de un grupo de control que utilizaba los procesos tradicionales. Para fomentar la confianza en el nuevo sistema, los ejecutivos eliminaron las repercusiones a las que normalmente se enfrentaban los agentes si un vuelo no podía acoger una reserva.

Todos los agentes tienen ahora acceso a paneles intuitivos que ilustran visualmente qué vuelos están infrautilizando el espacio. Pueden ver de un vistazo los datos sobre cómo los envíos de carga de los últimos vuelos produjeron ingresos. Los bucles de retroalimentación integrados permiten a los sistemas de IA aprender continuamente de los agentes cuando deciden si aceptan una solicitud de carga, aprovechando su experiencia en cuestiones de equilibrio de tamaño y peso de los envíos y su conocimiento de los cambios en las cadenas de suministro de los clientes, las rutas comerciales y otros factores. Estas nuevas herramientas proporcionan a los agentes información que les da confianza para vender espacio de carga con mucha antelación a las fechas de salida.

Adaptarse a los cambios organizativos y tecnológicos

En la mayoría de los casos serán necesarios importantes cambios organizativos, como la adopción de una colaboración interdisciplinar y una mentalidad ágil, para apoyar los nuevos procesos y modelos basados en la IA. De hecho, nuestra investigación muestra que las empresas que obtienen los mayores beneficios de la IA son las más propensas a promulgar prácticas eficaces de gestión del cambio, como hacer que los líderes modelen los comportamientos deseados, y que estos esfuerzos funcionan mejor cuando los facilitan los directores generales y los altos ejecutivos.

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):

Tomemos de nuevo el caso del minorista de servicios energéticos. Invirtió en volver a capacitar a los empleados para que pudieran trabajar juntos de forma eficaz en el nuevo contexto y asumir nuevas responsabilidades de liderazgo; realineó los objetivos e incentivos de los miembros del equipo del proyecto de IA con sus nuevas responsabilidades; y cubrió las responsabilidades en los departamentos que los miembros del equipo tuvieron que dejar.

La serie Print Punch de Patrick Fry explora la estética (lo artístico, o lo relacionado con el arte o la belleza) de la tarjeta perforada y reflexiona sobre una época en la que los datos eran físicamente tangibles. CentreCentre/Patrick Fry Studio

Aunque las empresas tendrán que actualizar su tecnología para soportar la IA, no necesitarán hacer una cirugía mayor en su infraestructura de TI o arquitectura de datos antes de empezar. Más bien, aconsejamos a las empresas que se centren en la tecnología que permita y acelere el desarrollo de la IA y que, a continuación, clasifiquen las inversiones adicionales en función de las prioridades de los equipos. Las plataformas de datos basadas en la nube y el uso de APIs, microservicios y otras prácticas modernas de dev-ops, por ejemplo, pueden ayudar a las empresas a desarrollar nuevas capacidades de negocio dos o tres veces más rápido.

El proveedor de telecomunicaciones estableció una plataforma basada en la nube para los datos brutos de los sistemas de transacciones y de atención al cliente existentes, de modo que los ingenieros y científicos de datos pudieran utilizarlos más fácilmente que los datos del antiguo sistema de almacén. La empresa también implementó un nuevo banco de trabajo de análisis, que ayudó a los científicos de datos a entrenar y desplegar nuevos modelos más rápidamente, y herramientas que agilizaron la recopilación de datos, el análisis y la creación de modelos para su sistema de gestión del valor del cliente impulsado por la IA. Estos cambios le permitieron empezar a utilizar datos no estructurados, aplicar enfoques más complejos y trabajar de forma más eficiente.

A la hora de priorizar las inversiones tecnológicas adicionales, los equipos deben determinar las capacidades, los datos y los recursos (como la robótica, la biometría, los sensores y las plataformas de conectividad) que necesitarán y cuándo, y luego ir desgranando cada pieza según sea necesario. Al diseñar su sistema de gestión del valor del cliente, el equipo del proveedor de telecomunicaciones se dio cuenta de que necesitaría una nueva tecnología que automatizara la mensajería directa saliente y ofreciera a los vendedores orientación en tiempo real sobre la siguiente conversación que debían mantener con los clientes.

Los equipos también deben tener en cuenta el impacto potencial que las iniciativas de IA tendrán en los procesos anteriores y posteriores, y aplicar medidas para solucionarlo. Por ejemplo, en la aerolínea, el equipo de IA desarrolló una herramienta de información para los gerentes que supervisaban la carga y descarga de la mercancía, de modo que pudieran apoyar eficazmente los mayores volúmenes producidos por el nuevo proceso de ventas y reservas.

Un efecto dominó

Una vez que el desarrollo de la IA madura dentro de un dominio inicial y las organizaciones han adquirido un ritmo para reimaginar partes del negocio, están listas para expandirse. La base tecnológica que han construido y las habilidades que han aprendido -por ejemplo, cómo romper con éxito los silos, tomar decisiones que solían tardar semanas en horas, y crear equipos más orientados a los datos- ayudarán a acelerar sus esfuerzos en nuevos dominios.

En este punto, las empresas pueden dedicarse a varios ámbitos en paralelo. De nuevo, la idea es aprovechar el trabajo anterior. Esto podría llevar a las empresas a dar prioridad a los dominios que tienen datos y habilidades en común, como la cadena de suministro y la logística. O bien, pueden dedicarse al mismo ámbito en otras unidades de negocio. El minorista de servicios energéticos estima que casi el 80% del trabajo realizado para mejorar la gestión del valor del cliente en una división de productos (que condujo a un crecimiento récord en sólo unos meses, incluyendo un aumento del 12% en los beneficios de los clientes y un aumento del 20% en la retención de clientes) puede ser reutilizado en varias otras unidades de negocio y acelerar su crecimiento también.

Todas las empresas descritas en este artículo se encuentran todavía en las primeras fases de sus transformaciones completas de la IA, pero están en el umbral de una nueva era. Ya han probado lo que es posible, y sus audaces decisiones han producido importantes beneficios en los ámbitos a los que se han dirigido y nuevas capacidades que los casos de uso discretos no podían ofrecer. Estas empresas han creado un manual de metodologías y protocolos al que pueden recurrir de nuevo. A medida que avancen hacia otros ámbitos, su ritmo se acelerará, sus capacidades de IA se incrementarán rápidamente y descubrirán que el futuro que imaginaron está más cerca de lo que parecía.

Datos verificados por: Cox

Recursos

Notas y Referencias

Véase También

Ciencia, Ciencias Aplicadas, Ciencias naturales y aplicadas, Educación y Comunicación, Modernización Judicial, Información y tratamiento de la información, Informática, Informática aplicada, Informática industrial, Aplicaciones de la inteligencia artificial
Computación de borde, Inteligencia artificial industrial, Integración continua, Informática y tratamiento de datos, Inteligencia Artificial, Prestación de Servicios Jurídicos a través de la Tecnología, Tratamiento de la información

▷ 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.