Incorporación de Service Bus en Logic App
18 octubre, 2021
Global Summit for Insurance Innovation
25 octubre, 2021

¿Está la IA impulsando la Transformación Digital? ¿O es la Transformación Digital la que impulsa la adopción de la IA? ¿Tanto monta, monta tanto?

Numerosos estudios demuestran que las grandes organizaciones sólo consiguen un éxito limitado en los proyectos de Transformación Digital. Por ejemplo, las investigaciones de BCG y McKinsey sitúan las tasas de éxito en el rango del 30%, si bien es cierto que la pandemia ha acelerado algunos aspectos de las Transformaciones Digitales, ya que la capacidad de trabajar a distancia requiere nuevas herramientas, tecnología e infraestructura. Sin embargo, aún no está claro si esa aceleración está llevándonos al éxito de los esfuerzos de transformación más allá de la capacidad de trabajar a distancia.

En muchos casos, la aceleración ha significado simplemente iniciar y desplegar nuevas herramientas con rapidez, pero a costa de un aumento de la deuda técnica y de una menor atención a los procesos y a la calidad de los datos. No es raro escuchar a algún responsable de tecnología o a algún CEO decir eso de que ‘hemos hecho cinco años de transformación en cuestión de semanas’. Eso puede sonar bien, pero en realidad, no es posible hacerlo sin recortar algunas esquinas.

Las estadísticas sobre el éxito de los programas de Inteligencia Artificial tampoco son buenas. Según un estudio de 2021 realizado por IBM y citado en un reciente artículo de Sloan Management Review sobre la IA, poco más del 20% de las organizaciones encuestadas han desplegado la IA en toda la empresa. Otra investigación citada en el artículo indica que el 40% de las organizaciones que han realizado inversiones significativas en IA no han obtenido beneficios empresariales. En otras palabras, y poniéndonos positivos, el 60% de las organizaciones que han realizado inversiones significativas en IA han obtenido beneficios empresariales. Algunos expertos afirman que la IA acelera y mejora el éxito de las transformaciones digitales, sin embargo, un estudio de McKinsey de 2018 informó que solo el 23% de las organizaciones con transformaciones digitales exitosas están aprovechando la tecnología de IA. La mayoría de las transformaciones exitosas parecen haber sido así sin aprovechar explícitamente la tecnología de IA.

 

El problema de las encuestas

Este verano, leía un libro blanco sobre los éxitos de la IA en las transformaciones B2B. En él, se hablaba sobre una organización que había conseguido un enorme valor de la IA en la personalización de las comunicaciones B2B. Casualmente conozco a un directivo de ésta y con la excusa del libro le escribí para ver cómo le iban las cosas. Al decirle cómo es que me había acordado de él en plenas vacaciones, me comentó que la empresa sigue teniendo esos problemas con la personalización, y ahí me vino a la cabeza la ‘paradoja de la primera línea’, esa en la que los empleados de la primera línea suelen ser los primeros en percibir el cambio inminente, pero los últimos en ser escuchados dentro de una organización’. También son los que tienen que enfrentarse directamente a los retos y ver el impacto de las nuevas tecnologías y procesos de trabajo. Parafraseando al profesor de Stanford Robert Burgelman y a Andy Grove, el difunto director general de Intel, ‘los empleados de primera línea pueden sentir los vientos del cambio porque pasan el tiempo fuera, donde arrecian las nubes tormentosas de la disrupción’.

El mensaje es que la información que los directivos comunican a la prensa o que se deriva de encuestas y entrevistas no tiene por qué coincidir con la experiencia de quienes interactúan con los clientes o utilizan las nuevas soluciones para atenderlos. En este caso, la realidad sobre el terreno era muy diferente de lo que se comunicaba desde los puestos de más responsabilidad.

 

Un tema común

Un artículo de Toward Data Science publicado en noviembre de 2020 afirma que ‘la transformación digital es uno de los motores más críticos sobre cómo las empresas seguirán ofreciendo valor a sus clientes en un entorno empresarial altamente competitivo y en constante cambio’. Continúa diciendo: ‘La Inteligencia Artificial ha sido reconocida como uno de los habilitadores centrales de la transformación digital en varias industrias’.

Teniendo en cuenta las bajas tasas de éxito de las Transformaciones Digitales y los obstáculos de la operativa de la IA, no está claro cómo un tipo de programa de alto riesgo y bajo éxito puede ser un habilitador crítico de otro tipo de programa de alto riesgo y baja tasa de éxito. Es similar a la estrategia de combinar dos empresas que pierden dinero para crear una rentable. ¿Podría funcionar? Claro. ¿Es probable que lo haga? No.

El artículo continua articulando la importancia de organizar y estructurar los datos para apoyar transformaciones amplias e iniciativas específicas de IA. ‘No tiene sentido hablar seriamente de Inteligencia Artificial si no tienes tus datos organizados’ Lo mismo, por supuesto, puede decirse de las transformaciones digitales en general. Una transformación digital es, entre otras cosas, una transformación de datos. Las organizaciones necesitan frenar y abordar cuestiones fundamentales en torno a los datos antes de poder acelerar los programas de IA o tener éxito con iniciativas de transformación más amplias.

Alcance amplio con intervenciones estrechas

Una dicotomía interesante es que la Transformación Digital suele ser de amplio alcance, abarcando múltiples departamentos y procesos, pero los proyectos de IA exitosos son de alcance reducido, abordando procesos específicos y mejoras incrementales. La Transformación Digital implica una visión holística de las cadenas de valor, mientras que la aplicación de la Inteligencia Artificial a los departamentos y procesos individuales puede conducir a esfuerzos fragmentados y desconectados de los flujos de información más amplios de la empresa. Obtener el máximo valor de los experimentos distribuidos con IA requiere la capacidad de centralizar las lecciones aprendidas y estandarizar los enfoques que han obtenido valor.

Para equilibrar estas dos perspectivas es necesario que los líderes adopten una visión holística de la transformación general y, al mismo tiempo, se acerquen a los detalles de las docenas o cientos de procesos individuales que respaldan los objetivos y resultados empresariales. Pasar de una visión macro a una micro y viceversa forma parte de una transformación exitosa de cualquier tipo. Introducir tecnologías adicionales como parte de la transformación cuando la organización puede carecer de madurez añade complejidad y aumenta el número de dependencias en los procesos fundacionales, la arquitectura de datos y la calidad de los datos. Por ejemplo, no tiene sentido invertir en tecnologías de personalización si hay poca comprensión de las necesidades de los clientes en todos los segmentos.

 

 

Muchas incógnitas, muchas suposiciones

La conclusión: no añadamos demasiadas incógnitas a los programas de transformación. Los proyectos de Inteligencia Artificial requieren pruebas iterativas y la evolución de los procesos de apoyo, y los datos limpios, coherentes y bien diseñados son el peaje. No demos por sentado que los datos están en su sitio y son utilizables para el proceso objetivo, y no tomemos las promesas de los líderes del proyecto, si están alejados de la primera línea, como una realidad. La mejor manera de determinar si los procesos y datos de apoyo están al nivel requerido para el éxito es a través de la evaluación comparativa de la competencia, la evaluación comparativa interna, las evaluaciones heurísticas y las evaluaciones de madurez. Se necesitan métricas objetivas para saber si los datos son adecuados.

Una evaluación heurística (recopilación de las mejores prácticas y reglas generales) puede proporcionar una instantánea de lo bien que lo está haciendo nuestra organización. ¿Con qué cuenta la organización para trabajar? ¿Son sólidos los procesos y la calidad de los datos? ¿O el fortalecimiento de los cimientos requiere un tiempo y un esfuerzo considerables? ¿Tenemos al mejor proveedor posible como compañero de viaje? Una evaluación de la madurez abarca múltiples dimensiones que pueden parecer más allá del alcance del dominio, pero que tendrían un impacto en los procesos posteriores de un área determinada. Por ejemplo, la madurez de los datos del producto incluiría una comprensión de si los acuerdos de nivel de servicio para los proveedores y vendedores incluyen medidas de calidad de datos y procesos de corrección. Los proveedores forman parte de la cadena de suministro de información, y los problemas en el origen pueden afectar negativamente a muchos procesos posteriores y aumentar drásticamente los costes.

La IA puede proporcionar ventajas competitivas, acelerar el tiempo de obtención de valor, reducir los costes y mejorar la experiencia del cliente. Todas estas perspectivas son apasionantes. Sin embargo, no hay una manera sencilla de lograr estos impresionantes resultados sin abordar los pasos previos de habilitación, que a menudo se consideran aburridos o no necesarios. Entre ellos se encuentran los procesos de apoyo previos, los datos, la arquitectura, la gobernanza y la gestión del cambio. Con demasiada frecuencia, se da por sentado que ya están en marcha o que son asunto de otros. O, lo que es peor, se considera que no son lo suficientemente importantes como para abordarlos.

De hecho, según una encuesta realizada en 2020 por PWC, más del 40% de los ejecutivos tenían la intención de desplegar la IA para mejorar la productividad y la eficiencia, pero sólo el 13% dijo que la estandarización, el etiquetado y la limpieza de los datos para su uso en los sistemas de IA era una prioridad para ellos en el próximo año. Curioso, ¿no?. Se trata de una estadística muy reveladora que pone de manifiesto la falta de comprensión del papel fundamental que desempeñan los datos estandarizados, etiquetados, bien diseñados y limpios. Dado que las dependencias se multiplican una vez que la IA se integra en los programas de Transformación Digital, las inversiones en el trabajo fundacional no pueden posponerse o abordarse en una fase posterior.

 

La historia en primera línea

Por encima de todo, vivamos la historia real desde las primeras líneas de la organización en relación con el progreso y los beneficios de los proyectos de Inteligencia Artificial y los programas de Transformación Digital mientras hay tiempo para corregir el rumbo. Demasiadas organizaciones se dedican al postureo, donde la realidad o los fracasos y contratiempos no se comunican a la C-Suite. En algunos casos, el impacto en las carreras de los líderes es insignificante, porque para cuando los fracasos se muestran en el rendimiento de la empresa, estas personas han pasado a la siguiente oportunidad. Por lo tanto, la motivación para ser transparente y responsable no siempre es fuerte.

El éxito o el fracaso de la IA y la Transformación Digital es existencial para muchas organizaciones, por lo que llegar a la verdad es esencial, pero a menudo hay una desconexión entre los objetivos declarados y una evaluación realista sobre lo que se necesita para llegar allí. En una empresa, los recortes en los presupuestos para digitalización supone que no se cubran puestos clave y que los proyectos tengan pocos recursos. Pero los plazos y los objetivos no cambian. La primera línea verá el choque de trenes que se avecina, pero la dirección no lo hará. Ni la Inteligencia Artificial ni la Transformación Digital son soluciones mágicas que sustituyan los fundamentos de nuestro mundo digital. Más bien, ambas son soluciones que dependen del desarrollo de esos fundamentos, un proceso crítico que no se puede ignorar si la empresa quiere avanzar.

 

 

Diez consejos para el éxito de la transformación digital basada en la IA

  • Considerad los datos necesarios para apoyar el esfuerzo antes de comenzar el programa. Involucrad a los expertos en gobernanza de datos y calidad de la organización para esbozar los datos necesarios para apoyar la transformación. Si se requieren migraciones o esfuerzos de calidad significativos, deben comenzar antes, no esperar al final del desarrollo técnico.

 

  • Prestad atención a lo que informan los miembros del equipo que se encuentran en primera línea sobre cómo ven los avances del proyecto y sobre cómo afecta a su trabajo diario. Desarrollad canales de comunicación para recoger opiniones imparciales.

 

  • Tened en cuenta los objetivos más amplios de la empresa al mismo tiempo que profundizáis en los detalles del esfuerzo: trace las repercusiones y dependencias ascendentes y descendentes, incluso a alto nivel.

 

  • Identificad las líneas de base de los procesos que se verán afectados, lo que incluye las prácticas existentes y su conformidad con las prácticas, heurísticas, y normas conocidas del sector. Aseguraos de que los procesos y las herramientas para supervisar el impacto están en marcha.

 

  • Construid un plan de comunicación que mantenga a la gente comprometida, que promueva los éxitos y refuerce la necesidad de ‘las partes aburridas’, como la mejora de los procesos y la gestión intencionada del cambio. Incorporad a las personas adecuadas a la toma de decisiones operativas diarias y comunicad los resultados a los ejecutivos.

 

  • Sed conscientes de dónde se está incrementando la deuda técnica, al no documentar el trabajo o tomar atajos para el lanzamiento, ya que a menudo, las cosas que se dejan para más adelante nunca se hacen. Demasiada deuda técnica perjudicará el proyecto.

 

  • No esperéis soluciones técnicas para problemas no técnicos, por ejemplo, arreglar un conjunto de procesos manuales y caóticos para la incorporación de clientes. Es posible que haya piezas técnicas, pero empezad por la comprensión humana de los problemas y el motivo por el que existen determinados procesos antes de aplicar la tecnología.

 

  • Calibrad el plan del programa a la madurez de la organización. Las dependencias previas no siempre son evidentes, y será necesario un cierto nivel de madurez para tener éxito. La personalización a escala requiere capacidades fundamentales en las operaciones de contenido, el modelado del recorrido del cliente, los procesos de conocimiento y la gestión de la información del producto. La falta de capacidad en un área afectará a todo el programa.

 

  • Planificad los recursos adecuados para preparar el contenido, los datos y el conocimiento para la transformación. Esto requiere una inmersión profunda en los procesos y ciclos de vida de la información, incluidas las fuentes, los usos, la procedencia, los derechos, la calidad, el propósito, los sistemas de registro y los sistemas de consumo, tanto internos como externos.

 

  • Actualizad y perfeccionad continuamente la hoja de ruta a medida que surjan nuevas dependencias y limitaciones de recursos. Los planes deben evolucionar continuamente a medida que el programa encuentra nuevas cuestiones, resuelve problemas y se adapta a las necesidades cambiantes del cliente. Si un elemento de un programa pierde financiación, hay que captar ese impacto y, si es necesario, ajustar los plazos.

 

En los próximos años, oiremos hablar menos de la Inteligencia Artificial como programa o proyecto independiente. Estará cada vez más integrada en la infraestructura de las organizaciones. Las Transformaciones Digitales serán continuas y se prestará cada vez más atención a las tecnologías cognitivas y a los asistentes inteligentes para mejorar el acceso a la información de las partes interesadas de todo tipo. La IA puede ser un elemento diferenciador y puede acelerar las Transformaciones Digitales siempre que se preste atención, como hemos estado viendo, a los aspectos fundamentales.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

NEWSLETTER