- Especialistas advierten que el principal desafío para las compañías ya no es acceder a inteligencia artificial, sino identificar dónde puede generar valor real. Estas son siete decisiones que deberían tomar antes de incrementar su inversión.
Alejandro Zubiria, consultor y empresario.
La inteligencia artificial ya forma parte del presupuesto de empresas de prácticamente todos los sectores, pero su incorporación todavía no garantiza resultados. IBM Institute for Business Value encontró que solo 25% de las iniciativas de IA analizadas alcanzaron el retorno de inversión esperado y apenas 16% habían conseguido escalarse a toda la organización.
La situación está llevando a las compañías a replantear su estrategia. En lugar de preguntarse qué herramienta incorporar, el reto comienza a ser determinar qué problemas empresariales deberían resolverse con inteligencia artificial y cómo comprobar posteriormente su impacto.
“Una empresa no debería comenzar su estrategia de inteligencia artificial preguntándose qué herramienta comprar, sino qué problema necesita resolver. Si no sabemos qué queremos mejorar, reducir o acelerar, será muy difícil demostrar después que la inversión realmente funcionó”, explica Alejandro Zubiria, consultor y empresario.
De acuerdo con Zubiria, existen siete decisiones que las compañías deberían tomar antes de aumentar sus inversiones en IA:
- Identificar un problema concreto. Procesos que consumen demasiadas horas, tiempos elevados de respuesta, tareas administrativas repetitivas, pérdida de oportunidades comerciales o costos operativos altos son puntos de partida más claros que simplemente proponerse “implementar IA”.
- Definir cómo se medirá el resultado. Antes de iniciar un proyecto debe existir un indicador: horas ahorradas, reducción de costos, disminución de errores, incremento en ventas, productividad o velocidad de atención.
- Corregir el proceso antes de automatizarlo. Incorporar IA sobre procesos desorganizados puede acelerar también sus fallas. Primero deben eliminarse pasos innecesarios, duplicidades y problemas en la información.
- Empezar por tareas cuyo impacto pueda comprobarse. Clasificación de documentos, generación inicial de reportes, análisis de información, seguimiento administrativo o búsqueda de datos permiten medir resultados antes de trasladar la IA hacia actividades más críticas.
- Determinar qué información puede utilizarse. Contratos, información financiera, datos de clientes, propiedad intelectual y estrategias comerciales requieren reglas internas específicas antes de utilizar herramientas externas de inteligencia artificial.
- Nombrar un responsable del proyecto. La implementación no debería quedar dispersa entre empleados o departamentos. Cada proyecto necesita un responsable, un objetivo de negocio y criterios para determinar si está funcionando.
- Establecer desde el inicio cuándo evaluar la inversión. Periodos de 60 o 90 días pueden permitir decidir si una solución debe escalarse, modificarse o detenerse dependiendo de los resultados alcanzados.
Zubiria señala que, la inteligencia artificial debería administrarse como cualquier otra inversión empresarial: con un objetivo, un responsable, indicadores y una revisión de resultados. “La ventaja no estará en tener más herramientas, sino en saber cuáles realmente hacen que la empresa opere mejor”, agrega.
A medida que la IA evoluciona desde asistentes capaces de apoyar tareas específicas hacia agentes que pueden ejecutar procesos completos, la capacidad de las empresas para medir resultados y decidir dónde automatizar podría ser tan importante como la propia tecnología
