Club-BPM - Gestión, Automatización, Inteligencia de Procesos y Transformación Digital
   

Siguenos en:
Club-BPM en Linkedin
Club-BPM en Twitter
Club-BPM en Facebook
 
 
Quiénes
Somos
Observatorio y
Recursos BPM
Centro de Estudios
y Certificaciones
España
Latinoamérica

Metodología BPM:RAD®

Videos

             

 

  Artículo

 

¿Está listo su negocio para la inteligencia artificial?

Fuente: BCG perspectives
Autor: Philipp Gerbert, Martin Reeves, Sebastian Steinhäuser, and Patrick Ruwolt
- Traducido del Inglés

La inteligencia artificial se ha convertido en uno de los mayores desarrollos tecnológicos en los negocios en los últimos años, pero el campo todavía está envuelto en incertidumbre. Si bien las expectativas van por las nubes, ¿qué están haciendo las empresas actualmente? Un nuevo informe de BCG y MIT Sloan Management Review tiene como objetivo desmitificar la IA en los negocios y hacer un balance de la adopción actual de la industria. El informe se basa en una encuesta global de más de 3.000 ejecutivos y entrevistas en profundidad con más de 30 expertos en tecnología y ejecutivos. Su objetivo es presentar una línea de base realista que permita a las empresas comparar sus ambiciones y esfuerzos de IA y proporcionar una guía para lo que vendrá.
La brecha entre la ambición y la ejecución es grande en la mayoría de las empresas. Solo aproximadamente una de cada cinco empresas ha incorporado AI en algunas ofertas o procesos. Solo uno de cada 20 ha incorporado de forma exhaustiva AI en ofertas o procesos. La investigación también revela grandes brechas entre los líderes, las empresas que entienden y han adoptado AI, y los rezagados en todas las industrias. Una diferencia importante es su comprensión y enfoque de los datos y entrenamiento de IA. Para muchos, las diferencias probablemente se ampliarán en los próximos cinco años, pero casi todas las empresas aún tienen la capacidad de establecer una ventaja competitiva y dar forma a la creación de valor de la inteligencia artificial en sus sectores.

Altas expectativas

Las altas expectativas para AI cruzan geografías, industrias y empresas, independientemente de su tamaño. Si bien la mayoría de los ejecutivos aún no han visto efectos sustanciales de la IA en sus ofertas y procesos, claramente lo esperan en los próximos cinco años. (Véase el Anexo 1.) La mayoría de las organizaciones prevén efectos considerables en TI, operaciones y fabricación, gestión de la cadena de suministro y actividades orientadas al cliente. Las empresas de subcontratación de procesos empresariales, por ejemplo, esperan que muchos de los empleos que se mudaron a países de bajo costo laboral en los últimos años sean automatizados. Sin embargo, también esperan que AI genere nuevas actividades y fuentes de empleo. Los ejecutivos de las empresas industriales esperan el mayor efecto en las operaciones y la fabricación. En relación con su nuevo programa A350, por ejemplo, Airbus está utilizando AI para acelerar y mejorar la producción. La compañía ha combinado datos de programas de producción anteriores, insumos continuos del programa A350, concordancia difusa y un algoritmo de autoaprendizaje para identificar patrones en problemas de producción. En algunas áreas, el sistema combina aproximadamente el 70% de las interrupciones de producción aparentemente no relacionadas con las soluciones utilizadas anteriormente, en tiempo casi real.

Ambición y ejecución

Dejando a un lado las expectativas, la brecha entre la ambición y la ejecución es grande en la mayoría de las empresas. Tres cuartas partes de los ejecutivos creen que AI permitirá a sus empresas mudarse a nuevos negocios. Y casi el 85% cree que AI permitirá que sus empresas obtengan o mantengan una ventaja competitiva. Pero mientras que más del 60% de los encuestados dijeron que una estrategia para AI es urgente para sus organizaciones, solo la mitad dijo que sus organizaciones tenían una estrategia en marcha. Las empresas más grandes (aquellas con más de 100,000 empleados) son las más propensas a tener una estrategia de AI, pero solo la mitad tiene una.

También hay grandes diferencias entre los líderes y los rezagados. Entre los líderes, tres cuartas partes han identificado casos comerciales para AI. Cerca del 80% dice que los líderes principales están a bordo. Los mayores obstáculos en estas empresas son la contratación y el desarrollo de talentos y el establecimiento de prioridades para las inversiones en inteligencia artificial; también están empezando a preocuparse por los problemas de seguridad relacionados con la IA. Rezagados, por otro lado, no han identificado casos comerciales. Más del 50% informan que sus líderes sénior generalmente no están involucrados en la IA, y la mayoría aún no ha encontrado las dificultades para obtener talento de IA.

Las diferencias en la adopción pueden ser sorprendentes, particularmente dentro de la misma industria. Ping An Insurance Company of China, una de las aseguradoras más grandes de ese país, emplea a 110 científicos de datos y ha lanzado unas 30 iniciativas de IA patrocinadas por CEO que respaldan, en parte, su visión de que "la tecnología será el factor clave para generar crecimiento de primera línea". para la compañía en los años venideros ", dice el director de innovación de la compañía, Jonathan Larsen. En otras partes de la industria de seguros, las iniciativas de inteligencia artificial se encuentran en el otro extremo del espectro, limitadas a esfuerzos tales como "experimentar con chatbots", ya que un alto ejecutivo de una gran aseguradora occidental describió el programa de IA de su compañía.


Datos, Entrenamiento y Algoritmos

Una de las diferencias más reveladoras entre líderes y rezagados es su comprensión de la importancia de los datos, la capacitación y los algoritmos. Los algoritmos de Inteligencia Artificial no son nativamente "inteligentes". AI comienza con algoritmos "desnudos" que se vuelven inteligentes solo cuando reciben capacitación en grandes cantidades de datos y, para la mayoría de las aplicaciones empresariales, grandes cantidades de datos específicos de la compañía. Una capacitación exitosa requiere una comprensión total de este proceso y del papel de los datos, que es mucho más importante que en las aplicaciones de big data y de análisis avanzado. El éxito también depende de tener sistemas bien desarrollados que puedan reunir la capacitación relevante y continuar integrando los hallazgos de los datos posteriores recopilados a lo largo del tiempo. La recopilación y preparación de datos suelen ser las actividades que consumen más tiempo en el desarrollo de aplicaciones de IA.

Por lo tanto, incluso si la organización posee los datos que necesita, la fragmentación en varios sistemas puede obstaculizar el proceso de entrenamiento de algoritmos de inteligencia artificial. Agus Sudjianto, vicepresidente ejecutivo de riesgo de modelo corporativo en Wells Fargo, lo expresó de esta manera: "Un gran componente de lo que hacemos es tratar con datos no estructurados, como minería de textos, y analizar enormes cantidades de datos de transacciones, observando patrones. Trabajamos en la mejora continua de la experiencia de nuestros clientes, así como en la toma de decisiones en términos de prospección de clientes, aprobación de crédito y detección de delitos financieros. En todos estos campos, hay oportunidades significativas para aplicar IA, pero en una organización muy grande, los datos a menudo están fragmentados. Este es el tema central de la gran corporación, que trata estratégicamente los datos. "Menos de la mitad de los encuestados dijeron que su organización entiende las necesidades de datos de los algoritmos o los procesos necesarios para entrenar los algoritmos.

Hacer contra comprar

La necesidad de entrenar algoritmos de inteligencia artificial con datos apropiados tiene amplias implicaciones para la decisión tradicional de hacer versus comprar que las compañías enfrentan con inversiones de nueva tecnología. Generar valor a partir de AI es más complejo que simplemente crear o comprar IA para un proceso de negocios. La formación de algoritmos de inteligencia artificial implica una variedad de habilidades, que incluyen la comprensión de cómo construir algoritmos, cómo recopilar e integrar los datos relevantes para fines de capacitación y cómo supervisar el entrenamiento del algoritmo.

El CIO de una gran compañía farmacéutica describió los productos y servicios que los vendedores de IA ofrecen como "niños muy pequeños". Los proveedores de tecnología de IA "requieren que les demos toneladas de información para que aprendan", dijo. "La cantidad de esfuerzo que se necesita para que el servicio basado en la IA llegue a los 17, 18 o 21 años de edad todavía no parece valer la pena. Creemos que el jugo no vale la pena apretarlo ". Usar AI para obtener ventajas competitivas requiere que las empresas desarrollen sus habilidades internas.

Desafíos de gestión

AI requiere más que dominio de datos. Las empresas también se enfrentan a muchos desafíos administrativos comunes a otras transformaciones impulsadas por la tecnología. Estos incluyen la visión y el liderazgo, la apertura y la capacidad de cambio, el pensamiento a largo plazo, la alineación estrecha entre la estrategia comercial y tecnológica, y la colaboración efectiva. Las empresas también enfrentan desafíos específicos de IA.

Lo más básico, y más importante, es desarrollar una comprensión intuitiva de la IA. JD Elliott, director de gestión de datos empresariales en TIAA, una organización de servicios financieros Fortune 100 con casi $ 1 billón en activos bajo administración, dijo: "No creo que cada gerente de primera línea tenga que entender la diferencia entre el aprendizaje profundo y superficial dentro de un red neuronal. Pero creo que una comprensión básica de que, mediante el uso de análisis y aprovechando datos, tenemos técnicas que producirán resultados y decisiones mejores y más precisos que el instinto visceral es importante ".

Un segundo desafío es organizar para AI. La adopción de AI en general probablemente otorgará una prima a las habilidades blandas y la flexibilidad organizacional. Existen diferentes modelos, como centralizados, distribuidos e híbridos, pero, en última instancia, un modelo híbrido que enfatice la colaboración multifuncional puede tener más sentido. "Tenemos que traer personas de diferentes disciplinas. Y luego, por supuesto, necesitamos el aprendizaje automático y la gente de IA ", dijo Sudjianto de Wells Fargo. "Alguien que puede liderar ese tipo de equipo de manera integral es muy importante". La flexibilidad organizativa es una pieza central de todos los modelos de inteligencia artificial. Para las grandes compañías, el cambio de cultura requerido para implementar AI será desalentador, según varios de estos ejecutivos.

Un tercer desafío es descubrir cómo los humanos y las computadoras pueden construir las fortalezas de cada uno. Esto no es facil. Amy Hoe, directora de tecnología y operaciones de la aseguradora FWD Group, dice que las empresas necesitan acceso privilegiado a los datos (que, de acuerdo con nuestros hallazgos, muchos no tienen), necesitan establecer estructuras organizativas flexibles, y deben aprender cómo hacer que las personas y las máquinas funcionen efectivamente juntas. Todo lo cual significa cambios culturales duros tanto para la empresa como para el empleado.

Los administradores también deben darse cuenta de que el empleo de la IA va más allá de mejorar el status quo. El verdadero trabajo duro es comprender el cambio potencial de los conjuntos de valores completos, como se espera en la industria del cuidado de la salud, por ejemplo, y cómo construir una ventaja competitiva sostenible en un entorno cambiante. (Consulte "Competir en la Era de la Inteligencia Artificial", artículo de BCG, enero de 2017, y "Implementación de la Inteligencia Artificial", artículo de BCG, en prensa).

AI y trabajos


Contrariamente a las predicciones calamitosas recientes sobre el efecto de AI en el empleo, nuestra encuesta sugiere un optimismo cauteloso. La mayoría de los encuestados, por ejemplo, no esperan que AI genere una reducción de puestos de trabajo en su organización dentro de los próximos cinco años. (Ver Anexo 2). Casi el 70% también dijo que no temen que AI automatice sus propios trabajos. Por un margen similar, los encuestados esperan que AI tome el control de algunas de sus tareas actuales más aburridas y desagradables. Sin embargo, los encuestados coinciden abrumadoramente en que la IA requerirá que los empleados aprendan nuevas habilidades en los próximos cinco años y que aumenten sus habilidades existentes.

Casi cualquier compañía hoy necesita un plan con respecto a AI. La mayoría no tiene uno, y aquellos que han sido más lentos para moverse tienen que ponerse al día. No es demasiado tarde para comenzar, pero las empresas que esperan mucho más encontrarán el campo de juego inclinado cada vez más en contra de ellos. El informe completo proporciona algunos pasos concretos sobre qué hacer a continuación.

Leer más en : https://www.bcg.com/publications/2017/strategy-technology-digital-is-your-business-ready-artificial-intelligence.aspx

 

 

 

 

 

El Libro del BPM y la Transformacion Digital - Club-BPM