Cuidado con la trampa de la experimentación con IA

A principios de este mes, el MIT Media Lab/Project NANDA publicó un nuevo informe en el que se concluía que el 95% de las inversiones en IA generativa han producido un rendimiento nulo. El titular es sólo el último en alimentar una ola de escepticismo sobre si la IA producirá resultados a escala. El decepcionante lanzamiento de la GPT-5 de OpenAI ha alimentado la opinión de que el progreso de la IA se está ralentizando. Gartner ha sugerido que la IA generativa está entrando en su era de "depresión de la desilusión", el tercer paso en el marco del ciclo de exageración de cinco fases de la empresa para la adopción tecnológica. Para estar seguros, el informe del MIT es en realidad un poco más matizado de lo que sugiere el hallazgo del titular: Sostiene que, si bien los individuos están adoptando con éxito herramientas de IA generativa que aumentan su productividad, tales resultados no son mensurables a nivel de pérdidas y ganancias, y las empresas están luchando con los despliegues en toda la empresa. Además, sus autores descubrieron que la mayor parte del gasto en experimentos de IA se destina a iniciativas de ventas y marketing, a pesar de que las transformaciones de back-end tienden a producir el mayor retorno de la inversión. Aun así, titulares como estos preocupan a los líderes. Si el 95% de las decenas de miles de millones invertidos en experimentación no han logrado producir valor, ¿es el esfuerzo de experimentar con la IA un completo despilfarro? Por otra parte, ¿cómo aprenderán las empresas a utilizar estas herramientas sin realizar experimentos? ¿Cómo se supone que los líderes deben interpretar estos resultados? Como investigadores que estudian la IA y enseñan sobre la transformación y la tecnología de la IA, creemos que muchos líderes están cometiendo el mismo error que cometieron una década antes con la transformación digital: fomentar la experimentación, lo cual es bueno, pero caer en la trampa de dejar que la experimentación se desboque, lo cual es contraproducente. A modo de contexto, en la anterior oleada de transformación digital, cuando muchos líderes se sentían confusos sobre la transformación digital y el camino a seguir, abrazaron la innovación y la experimentación. Los líderes adoptaron un enfoque de "dejar que florezcan 10.000 flores", con la esperanza de que unos pocos experimentos produjeran rendimientos de nivel unicornio. Sin embargo, la falta de enfoque resultó ser un error garrafal. Sin una conexión clara con la verdadera oportunidad de negocio -la forma de crear un valor significativo para los usuarios-, el resultado fue un marasmo de equipos desenfocados y con escasos recursos que produjeron pocos resultados escalables. Ante unos resultados tan decepcionantes, muchos líderes llegaron naturalmente a la conclusión de que la experimentación con lo digital no funcionaba y pusieron fin a los experimentos. En su lugar, volvieron a las andadas o se centraron en algunas apuestas más seguras: quizá la sustitución de un sistema IT anticuado o un payoff a corto plazo como un sistema de gestión de activos digitales. ¿Qué salió mal? Aunque la experimentación es buena, sin una conexión con la verdadera oportunidad de negocio -por ejemplo, transformar el núcleo para servir a los clientes existentes y a los nuevos- los experimentos inevitablemente se quedan cortos respecto a las esperanzas y expectativas. Suena obvio, pero al enmarcar la IA como algo radical y disruptivo a menudo perdemos de vista la conexión con el objetivo más fundamental del negocio: resolver los problemas de los clientes. La forma de salir de esta trampa es 1) entender este momento de la IA en el arco más amplio de la transformación, 2) centrarse en el potencial de la IA para ayudar a servir mejor a los clientes, 3) experimentar con un conjunto de oportunidades centradas para probarlas (con la vista puesta en su ampliación) y, a continuación, 4) ampliarlas. He aquí cómo. Comprender la IA en el arco más amplio de la transformación Aunque el mundo está hablando de IA en estos momentos, retire el marco para recordar que la IA es una conversación reciente que forma parte de un cambio mayor. El verdadero cambio con el que todos estamos luchando es un cambio fundamental de la tecnología digital que opera en la periferia de las organizaciones (por ejemplo, IT se trataba de ordenadores portátiles, wifi, impresión y bases de datos de IT para el registro de las actividades centrales) a lo digital en el núcleo mismo de las organizaciones (por ejemplo, una organización construida en torno a los flujos de trabajo digitales y los viajes de los clientes en lugar de sus propias actividades de producción). Dicho de otro modo, en muchos sentidos, todas las empresas se están convirtiendo en empresas tecnológicas. En lugar de que las personas realicen tareas basadas en el juicio y la intuición humanos, estamos pasando a un mundo de decisiones impulsadas por los datos y la IA, supervisadas por humanos pero no necesariamente con las personas como motor central de la actividad. Consideremos, por ejemplo, cómo Ant Financial toma decisiones sobre préstamos o cómo Amazon toma decisiones sobre precios con humanos que sólo supervisan, no realizan, la actividad. Se trata de un cambio realmente profundo, y sólo estamos en la mitad del mismo; al final, llevará muchos años, pero dará lugar a un tipo de organización fundamentalmente diferente. Comprender este panorama más amplio ayuda a recordar a los líderes que de lo que se trata es de transformar la empresa para utilizar la tecnología con el fin de servir mejor a los clientes, de forma más rápida, más fácil, más barata, etc. Todas las formas de IA (incluida la IA generativa) son sólo una herramienta -una de tantas- que pueden ayudar a conseguirlo. Al igual que Internet cambió fundamentalmente la forma de atender a los clientes, pero no el motivo por el que se les atiende, la adopción de la IA debe verse a través de este enfoque tipo láser para tener éxito. Centrarse en servir mejor a los clientes Reconocer que el objetivo de la IA es simplemente servir mejor a los clientes puede ayudar a los líderes a centrarse en lo que quieren conseguir a través de la experimentación. El futuro es fundamentalmente incierto. Nadie sabe exactamente hacia dónde nos dirigimos y nadie puede darle un libro de jugadas (a pesar de lo que puedan afirmar). Por ello, la experimentación es esencial para averiguar cómo utilizar la IA para transformar la empresa y servir mejor a los clientes. En estos momentos de incertidumbre estratégica, en los que muchos carecen de enfoque y dirección, resulta tentador adoptar un enfoque de 10.000 flores. Pero este enfoque disperso no suele abordar la necesidad central. Vemos cómo muchos líderes inundados por titulares sobre los milagros de la IA generativa pierden de vista el verdadero potencial de la transformación de la IA exactamente del mismo modo que perdieron de vista el sentido de la transformación digital. Los titulares sobre disrupción y revolución (que tenían un tono similar hace 10 años) generan pánico y distracción. Su empresa no va a convertirse en Meta, Amazon o Google, y ese no debería ser su objetivo de todos modos. Deje de estresarse por alguna empresa sobre la que leyó que supuestamente despidió al 80% de su plantilla para estar preparada para la IA. La verdadera oportunidad -la que realmente generará beneficios- es examinar detenidamente sus operaciones internas y el recorrido del cliente externo y empezar por cómo puede crear valor real, a corto plazo, utilizando herramientas de IA. Utilice esta lente para enfocar sus experimentos. Empiece por su estrategia y por las oportunidades de creación de valor, ya sea para transformar una actividad principal o para atender mejor a nuevos clientes. A menudo llamamos a esta actividad el Caballo de Troya para la adopción de la IA, porque crea valor real hoy y, por tanto, pone en marcha el ciclo positivo de aprender haciendo. A continuación, explore los experimentos que demostrarán cuál es la mejor manera de hacerlo. Resulta que este es uno de los resultados clave, aunque poco divulgados, de las conclusiones del Laboratorio de Medios del MIT: que los líderes persiguen aplicaciones más cosméticas en el marketing mientras evitan transformar el núcleo. Realice experimentos para demostrar el valor con la vista puesta en la futura ampliación ¿Cómo deben proceder los experimentos? Deben marcar tres casillas: 1) estar conectados con la verdadera creación de valor, 2) tener un coste tan bajo como sea posible para disponer de múltiples ciclos para aprender y mejorar, y 3) estar diseñados con una conexión a cómo podrían escalarse eventualmente para crear valor. Esto suena sencillo pero es difícil de hacer en la práctica. En un extremo del espectro, muchos líderes se lanzan a realizar experimentos sin pensar en cómo podrían ampliarse. En el otro extremo están los líderes que se atascan, obsesionándose con estar preparados para la empresa desde el primer día. Lo mágico es encontrar un equilibrio: ¿Se trata de un problema lo suficientemente grande como para resolverlo? Y, si se resuelve, ¿qué haría falta para ampliar la solución? Para ayudarle a evaluar qué problemas resolver entre los muchos que podrían proponerse, solemos utilizar nuestro marco IFD: intensidad (cuán intenso es el problema), frecuencia (con qué frecuencia se produce) y densidad (cuántos usuarios o instancias del problema se producen). Desarrollamos este marco estudiando empresas establecidas cuando intentaban elegir qué ideas perseguir. Por ejemplo, a un innovador se le ocurre la idea de desarrollar herramientas digitales para ayudar a los administradores de apartamentos a solicitar servicios de reparación, mientras que a otro se le ocurre la idea de un monitor de bebés para alertar a los padres cuando un bebé deja de respirar. ¿Con qué frecuencia experimentan estos clientes los problemas? Ocasionalmente en el caso de los gestores de apartamentos, pero los padres quieren asegurarse de que su hijo está seguro todas las noches. ¿Cuál es la intensidad del problema? Para los gestores de apartamentos, probablemente sólo de intensidad modesta puesto que ya cuentan con proveedores de servicios a los que acudir, pero la intensidad para los padres podría ser muy alta. Por último, ¿cuán denso es el problema? Hay muchos menos gestores de apartamentos de la escala adecuada para adoptar la herramienta que padres con hijos. Esto le proporciona un buen método para sopesar el valor de las ideas que resuelven problemas diferentes. Aumente la escala con un equipo ninja Una vez que demuestre el valor del experimento, puede ampliarlo, pero hacerlo requiere una cuidadosa atención a la escala. Pasar algo del experimento a la escala casi siempre conlleva nuevos retos inesperados. Alguien con poder para crear el cambio tiene que apropiarse de la iniciativa, liderando un equipo con tiempo y recursos para hacer que el cambio se produzca. Estos equipos "ninja" de la ampliación -hemos entrevistado a equipos en Amazon, Qualtrics, 7-Eleven y otros lugares- tienen la cobertura aérea (es decir, el apoyo de la alta dirección), las conexiones en toda la empresa para conseguir recursos y el enfoque para ampliar. A medida que alcance la escala adecuada para el proyecto, repita el proceso. Por supuesto, hay más para transformar a escala empresarial, lo que incluye sentar las bases digitales adecuadas, una transformación que la gran mayoría de las empresas no han completado realmente. Pero este proceso esboza la máquina central de la transformación que puede ayudar a las empresas a evitar el despilfarro y aprovechar el valor real de esta transformación fundamental. . . . A medida que nos adentramos en la oleada posterior al entusiasmo por la IA, muchos líderes corren el peligro de malinterpretar los retos que supone su implantación como una señal de que la IA no puede utilizarse para crear valor. Corren el riesgo de quedarse atrás en su transformación de la IA, al igual que tantos líderes se quedaron atrás en su transformación digital (y ahora están jugando a ponerse al día). La verdad es que la IA puede crear valor y estamos viendo avances significativos: cómo los sistemas multiagente pueden mejorar las operaciones de back-end, por ejemplo. Pero la creación de valor siempre se remonta al momento inicial del diseño del experimento, cuando un equipo es capaz de ver cómo una nueva herramienta puede crear valor para los clientes, porque, independientemente de las nuevas herramientas que lleguen en el futuro, el propósito de las empresas siempre seguirá siendo el mismo: resolver problemas importantes para los clientes.

Cuidado con la trampa de la experimentación con IA

Resumen.

Partner Center