¿Su estrategia AI-First está causando más problemas de los que resuelve?

Desde gigantes tecnológicos como Google hasta grandes consultoras de gestión como McKinsey, un número cada vez mayor de empresas predican una estrategia de "IA primero". En esencia, esto significa considerar la IA como la máxima prioridad estratégica, una que precede a otras direcciones alternativas. A primera vista, esta estrategia parece lógica, quizá incluso inevitable. Las cifras hablan por sí solas: el mero volumen de inversión que fluye hacia las tecnologías de IA muestra los niveles de confianza en un futuro cada vez más impulsado por la IA. Pero, ¿podría este enfoque ser un gran paso en falso estratégico, la razón misma que socava las iniciativas de transformación de la IA? A medida que las organizaciones dan cada vez más prioridad a la IA por encima de todo lo demás, corren el riesgo de olvidar que el propósito principal de la tecnología es resolver problemas. Un enfoque que dé prioridad a la IA podría impulsar rápidamente su implantación en todas las operaciones empresariales, no porque resuelva problemas "reales" de la organización o de los clientes, sino porque la implantación de la IA se convierte en un fin en sí mismo. El resultado probable es un montón de soluciones de IA en busca de problemas o, peor aún, soluciones que crean nuevos problemas. Cuando la IA primero sale mal Consideremos el caso del uso informado por Uber de imágenes generadas por IA en su aplicación de reparto. Algunas de las imágenes de comida generadas por la IA eran de baja calidad, irrelevantes o incluso absurdas. Pero el problema principal es que no responden a la principal necesidad del consumidor en este contexto: una representación visual auténtica de la comida que se plantea pedir. En su lugar, crean problemas adicionales al engañar a los consumidores y establecer expectativas poco realistas. Incluso cuando la IA se aplica a problemas reales, un enfoque basado primero en la IA podría ser erróneo. Las soluciones de IA, al menos las existentes, no ayudan con todos los problemas e incluso podrían ser contraproducentes en ciertos casos. Tomemos como ejemplo los resultados de un experimento del Boston Consulting Group. Aunque los consultores que trabajaban con GenAI mostraron un aumento significativo de la eficiencia y la eficacia en general, su rendimiento no fue uniformemente mejor en todas las tareas, sino que dificultó el rendimiento en tareas que se consideraron "fuera de la frontera" para la GenAI. Un enfoque que dé prioridad a la IA también podría prompt la adopción de aplicaciones llamativas sin tener preparada la infraestructura central de IT. Una encuesta reciente de Equinix muestra que una parte significativa de los directores de IT (42%) no confía en que su infraestructura pueda hacer frente a las demandas de la IA, incluso cuando el 85% ya la ha desplegado o tiene previsto hacerlo. En pocas palabras, si un sistema central, por ejemplo el de nóminas, tiene fallos fundamentales, invertir en un chatbot inteligente de nóminas antes de racionalizar el software crítico no servirá de nada. Del mismo modo, la mayoría de las empresas no disponen de las capacidades de datos necesarias, sin las cuales incluso las aplicaciones de IA más impresionantes serán prematuras. Adoptar un enfoque en el que la IA es lo primero también envía un mensaje claro y subliminal a los empleados, que no es del todo motivador: Si la IA es lo primero, ellos son, en el mejor de los casos, lo segundo. Esto probablemente exacerbaría sus preocupaciones existentes sobre que la IA les quite el trabajo, un temor no infundado dadas las pruebas anecdóticas y las predicciones sobre la sustitución de puestos de trabajo impulsada por la IA. Como resultado, es probable que los empleados se comprometan aún menos con las iniciativas de IA. Y, como sabemos por la investigación académica, sin ese compromiso de los empleados una transformación exitosa es muy poco probable, si no directamente imposible. Aparte de la falta de compromiso de los empleados, el despliegue de la IA puede tener una serie de consecuencias no deseadas en el comportamiento. Consideremos un estudio reciente que examinaba las reacciones de los empleados a la gestión algorítmica en tareas como las evaluaciones de rendimiento. El despliegue de algoritmos redujo la motivación de los empleados para ayudar a los demás, ya que empezaron a ver a sus colegas más como objetos que como seres humanos. Así pues, incluso si estos algoritmos resultan eficaces, podrían tener repercusiones de gran alcance, erosionando potencialmente el tejido mismo de la cultura organizativa. Del mismo modo, un enfoque que dé prioridad a la IA podría ser contraproducente si se tienen en cuenta las respuestas de los consumidores. En contextos en los que la IA supera funciones tradicionalmente definidas por cualidades humanas -como los chatbots de atención al cliente-, la reacción de los consumidores puede ser un obstáculo importante. Superarlo es posible, por ejemplo, haciendo hincapié en el elemento humano en las aplicaciones de la IA. Sin embargo, una búsqueda inflexible de la IA podría desviar la atención de la comprensión de estas sutiles pero importantes consecuencias en el comportamiento. Un enfoque centrado principalmente en la tecnología también está plagado de riesgos dada la plétora de dilemas éticos y ambigüedades legales que rodean a la IA. ¿Cuál sería la brújula de un directivo en una situación en la que tuviera que elegir entre la aplicación de la IA y los principios éticos? Tomemos como ejemplo la experiencia de Amazon. En una ocasión, la empresa desarrolló una herramienta de selección de CV basada en IA, sólo para descubrir que era sexista. Al final, Amazon desechó la herramienta, pero ahí radica una cuestión crítica: ¿tomarían los directivos sistemáticamente la decisión correcta cuando se da prioridad a la IA por encima de todo lo demás? Es demasiado fácil encontrar ejemplos de la historia reciente en los que se dejaron de lado los principios, lo que tuvo graves consecuencias: desde manipular el comportamiento de los votantes hasta perjudicar la salud mental de los adolescentes. Para ser claros, el problema de una estrategia de "la IA primero" no radica en el componente "la IA" sino en el aspecto "primero"; se trata de cómo se dirige el enfoque de la organización. Un enfoque de "la IA primero" puede ser miope y llevarnos potencialmente a pasar por alto el verdadero propósito de la tecnología: servir y mejorar los esfuerzos humanos. Un enfoque equilibrado de la IA Un enfoque diferente, más equilibrado y reflexivo de la transformación de la IA no sólo es posible, sino también probablemente más eficaz. En lugar de adoptar una estrategia que dé prioridad a la IA, recomiendo a las organizaciones que mantengan las 3P al frente de su transformación de la IA: centrada en los problemas, orientada a las personasy basada en los principios. La premisa central de este enfoque es aprovechar el potencial de la IA, sin perder de vista los objetivos organizativos, el lado humano de la tecnología y los valores fundamentales. Centrado en el problema. Empiece por el problema, no por la tecnología. Considere cómo puede utilizarse la IA para alcanzar los objetivos estratégicos y abordar los retos organizativos de forma más eficiente, eficaz o innovadora. Por ejemplo, un minorista podría analizar los registros de servicio y las quejas para desarrollar soluciones de IA específicas que aborden los puntos débiles de los clientes, en lugar de lanzar un chatbot de IA de atención al cliente sólo porque todo el mundo lo está haciendo. Del mismo modo, un equipo de marketing debería entender primero la voz de la marca y el público objetivo antes de explorar el uso de la IA de texto a imagen para generar un texto publicitario vanguardista. Las personas primero. Dé prioridad a los humanos sobre la IA. Ponga su énfasis principal en cómo la IA puede potenciar a los humanos. Esto exige un esfuerzo proactivo para comprender lo que la IA significa para los empleados y los clientes, una comunicación abierta con ellos y la consideración de consecuencias más amplias en el comportamiento. Por ejemplo, un enfoque que dé prioridad a las personas requeriría cambiar el foco de atención de la mera eficiencia o el aumento del rendimiento en una tarea a la consideración de cómo la IA puede hacer que los puestos de trabajo sean más intrínsecamente motivadores mediante la automatización de tareas no deseadas. Del mismo modo, un equipo de RRHH podría desarrollar un programa de formación exhaustivo centrado en cómo las herramientas de GenAI pueden aumentar las responsabilidades laborales actuales al tiempo que alivian los temores en torno a la sustitución. Basado en principios. Reflexione sobre los aspectos éticos y legales de la implantación de la IA para articular su postura ética al respecto. Considere aspectos como la imparcialidad, la parcialidad, la privacidad y la transparencia. Establezca una política clara para guiar la implantación de la IA dentro de la organización, asegurándose de que los proyectos se alinean con los valores generales. Por ejemplo, uno de estos principios podría ser la inclusión de seres humanos en el bucle de decisiones importantes como la contratación y la promoción. Del mismo modo, al buscar nuevos socios de IA, un equipo de aprovisionamiento podría pedir a los proveedores que incluyan en su solicitud de propuestas cómo sus modelos minimizan los sesgos y protegen la privacidad de los usuarios. Dado el tremendo potencial de la IA, es comprensible la prisa por integrarla en todas las facetas de las operaciones empresariales. Sin embargo, irónicamente, al anteponer la IA a todo lo demás, las organizaciones podrían estar abocándose al fracaso. El verdadero éxito con la transformación de la IA bien puede ser más alcanzable para aquellos que anteponen la estrategia, los seres humanos y los principios a la IA.