娇色导航

Existe una gran cantidad de información sobre las altas tasas de fracaso que tienen los proyectos de IA. Curiosamente, un número igualmente elevado de encuestas muestra que muchas empresas, si no la mayoría, ya están reportando beneficios comerciales positivos y un retorno de la inversión de sus inversiones en esta tecnología. Por ejemplo, un estudio global realizado por IBM en mayo tras encuestar a 2.000 directores generales afirma que solo el 25% de las iniciativas de IA obtuvieron el retorno de la inversión esperado y solo el 16% se extendieron a toda la empresa. Otro estudio realizado por Wakefield Research para Informatica, concluyó que el 67% de 600 líderes empresariales afirman que no son capaces de llevar con éxito ni siquiera la mitad de sus proyectos piloto de IA generativa a la fase de producción, y el 97% afirma que tiene dificultades para demostrar el valor empresarial de sus proyectos piloto. Sin embargo, otras encuestas parecen mostrar lo contrario.

En abril, Enterprise Strategy Group encuestó a 1.900 líderes empresariales y de TI, y, de aquellos que implementaron soluciones de IA, el 92% afirmó que sus inversiones ya se han amortizado. Y para los más de 1.200 encuestados que han cuantificado el retorno de la inversión de sus iniciativas de IA generativa, el rendimiento medio es del 41% gracias al aumento de los ingresos, la reducción de los costes o ambos.

Hay encuestas que muestran ambas cosas al mismo tiempo. En febrero, una encuesta de IDC realizada a casi 3.000 responsables de la toma de decisiones en el ámbito de la tecnología de la información y los negocios, llevada a cabo a petición de Lenovo, reveló que el 68% afirma que sus iniciativas de IA han cumplido las expectativas, y un 26% adicional afirma que las han superado. Sin embargo, solo cuatro de los 33 proyectos de IA llegaron a la fase de producción, lo que supone una tasa de fracaso del 88%.

¿Qué está ocurriendo realmente? El problema radica en cómo medimos el éxito o el fracaso de los proyectos de IA. Y dado que la IA se está convirtiendo rápidamente en una prioridad para los CIO, si es que no lo es ya, es fundamental que estos comprendan dónde reside el valor, cómo medirlo y qué métricas son significativas para la empresa. Cuando se trata de una disrupción empresarial como esta, las cifras no siempre son lo más importante.

Los proyectos piloto están destinados a fracasar

Comencemos con el dato que ha acaparado los titulares: los grandes proyectos de IA fracasan. La implicación es que esto es algo malo. Pero las pruebas de concepto y los proyectos piloto no están destinados a tener éxito siempre. Su objetivo es descartar las ideas menos prometedoras para que las empresas puedan centrarse en las que sí lo son en gran medida. Las altas tasas de fracaso significan que las empresas están experimentando y probando muchas posibilidades diferentes, por lo que, en realidad, son algo positivo.

Cuantos más proyectos fracasen en las primeras etapas, más probable será que, cuando los proyectos entren en plena producción, aporten un valor empresarial positivo. Y cuantas más empresas tengan éxito con proyectos concretos, más probable será que realicen aún más experimentos y encuentren más oportunidades para crear valor.

De hecho, si todas las pruebas de concepto y los proyectos piloto de una empresa entran en producción, eso podría significar que la empresa no está siendo lo suficientemente creativa, innovadora o experimental con sus ideas de IA. Mirar el número de proyectos que entran en producción no es una buena medida del éxito, por mucha presión que ejerzan la junta directiva y otros altos ejecutivos, los líderes de las unidades de negocio, los empleados, los socios o los clientes.

Por lo tanto, no es una contradicción que la mayoría de los proyectos piloto fracasen y que, al mismo tiempo, las empresas informen de un retorno de la inversión positivo. No se trata de un error, sino de una realidad. El objetivo es tener los proyectos de IA adecuados en producción, no el mayor número posible. Y el mayor error que puede cometer una empresa es pasar directamente a la implementación completa, sin un proyecto piloto o sin examinar adecuadamente los resultados de la prueba de concepto, afirma Rosha Pokharel, arquitecta jefe de IA en UST Healthproof, una empresa de operaciones sanitarias.

“La prueba de concepto solo suele funcionar con unos pocos cientos de puntos de datos. Pero cuando lo escalamos a la producción, tenemos que demostrar que realmente funciona y que ofrece el nivel de precisión que cumple con los estándares empresariales y los requisitos de los usuarios en millones de puntos de datos”, dice. Si ese problema con los datos no se resuelve, el proyecto fracasa y la empresa pierde todo el dinero que invirtió en ampliarlo. Del mismo modo, si los diseñadores de IA no tuvieron plenamente en cuenta las necesidades de los usuarios en su prueba de concepto y la implementan a gran escala y nadie la utiliza, eso también supone un coste enorme.

Las empresas también deben tener cuidado con el punto en el que comienzan a medir el retorno de la inversión (ROI), afirma. “No debemos tener en cuenta la inversión realizada en la prueba de concepto. La prueba de concepto no es el lugar para calcular el ROI. Es la zona de fracaso rápido. Queremos comprender qué es factible, viable, utilizable y valioso, y qué se puede ampliar. Ese es el objetivo de la prueba de concepto, y el presupuesto para ello proviene de I+D o de los laboratorios de innovación”.

Al menos, así es como se ha hecho en las empresas en las que ha trabajado, relata. Pero no es la única que cree en la experimentación rápida y en reducir las pérdidas cuanto antes.

“El mantra era ‘fracasar rápido”, dice Eric Johnson, director de informática de PagerDuty, una empresa de respuesta a incidentes que ha implementado IA generativa y agentes de IA tanto para operaciones internas como en sus productos y servicios. “Poníamos las cosas en marcha y, si funcionaban bien, genial, seguíamos adelante con ellas”. Pero también había ideas que no funcionaban. “Muchas veces se trataba de elegir casos de uso poco adecuados, o no comprendíamos del todo la cantidad de trabajo que suponía crear algo, o no tenía un impacto significativo”.

Crear o comprar

Para reducir los costes del proyecto piloto, PagerDuty decidió no crear la tecnología desde cero. De hecho, las soluciones comerciales, en lugar de tener un coste inicial, suelen ofrecer pruebas gratuitas. O se pueden negociar pruebas gratuitas. “Si queremos poner en marcha un nuevo agente de IA, diremos que no pagaremos por él hasta que demuestre su valor”, afirma  Johnson. “Y muchos de estos proveedores están dispuestos a mantener esa conversación, porque saben que si no pueden demostrar su valor, no vas a seguir renovando el contrato. Por lo tanto, quieren asegurarse de que obtienes el valor que esperas”.

Otra empresa que no creó desde cero y encontró un valor inmediato en los productos comerciales fue Flexential, dedicada a servicios de colocation. “Utilizo servicios estándar que se ajustan a nuestra política de IA, lo que significa que no entrenan modelos públicos”, afirma Ryan Mallory, director de operaciones de la empresa. Además, el uso de las funciones de IA de los productos existentes, que forman parte de flujos de trabajo bien establecidos, facilita el cálculo del ROI, ya que existe una base de referencia con la que comparar, especialmente en lo que se refiere a la atención al cliente o las ventas. “Todo lo que hacemos nos proporciona un retorno de la inversión directo, cumpliendo nuestras previsiones o superándolas”, afirma Mallory.

En concreto, la mayoría de las nuevas herramientas de IA son módulos complementarios de la tecnología existente de la empresa. Esto hace que sean muy fáciles de implementar y escalar. “Con el tiempo, llegaremos a nuestro propio modelo”, añade. “Probablemente nos quede unos 18 meses para ello”.

La métrica clave: el cliente

La mejor métrica de ROI es, por supuesto, el impacto en los resultados finales. Sin embargo, cuando hay múltiples proyectos de IA, así como muchas otras iniciativas en marcha, además de cambios en el panorama empresarial y la economía en general, puede resultar difícil determinar el efecto de un proyecto concreto.

Según un informe de marzo de McKinsey, solo el 17% de las empresas afirman que el 5% o más de su EBIDA es atribuible a la IA generativa, mientras que más del 80% no reportan ningún impacto tangible de esta. Por lo tanto, las empresas se ven obligadas a utilizar métricas proxy. ¿La mejor? La satisfacción del cliente, la retención y las recomendaciones boca a boca.

Flexential, por ejemplo, ha estado implementando la IA generativa en múltiples funciones de ventas y atención al cliente. “Es absolutamente fundamental”, afirma Mallory. “Estamos observando una reducción en la pérdida de clientes. Cuando la satisfacción de los clientes aumenta y la capacidad para responder a sus solicitudes, requisitos o retos es más rápida, los clientes no tienen tanta propensión a marcharse”. Y desde que la empresa incorporó agentes de atención al cliente basados en IA a su flujo de trabajo, los tiempos de respuesta se redujeron en un 20% de media y se produjo un aumento del 25 % en el tiempo medio necesario para resolver las incidencias.

No son la única empresa que encuentra valor en la IA para la satisfacción del cliente. Según la encuesta de IBM, el 65% de los directores generales afirma que establecer y mantener la confianza de los clientes tendrá un mayor impacto en el éxito de su organización que cualquier característica específica de los productos y servicios. Y, en todos los sectores, la fidelidad de los clientes es el factor diferenciador clave que impulsa el retorno de la inversión.

Reducción de costes

Pero a corto plazo, la reducción de costes es una victoria rápida para muchas empresas y la principal prioridad de los primeros en adoptar esta tecnología, según el 51% de los encuestados por ESG. Y está funcionando: el 88 % afirma que ya ha observado mejoras sustanciales en la eficiencia.

“Algunos clientes se centran especialmente en los costes en este momento porque hay muchas presiones en diversos sectores”, afirma David Martin, socio sénior de Boston Consulting Group. “Y tienen la obligación de generar valor para los accionistas a corto plazo, así como de invertir en el futuro”.

Hay muchas áreas en las que las empresas pueden encontrar mejoras en la productividad y traducirlas directamente en valor monetario, afirma. “En algo como el servicio de atención al cliente, si se pueden desviar más llamadas, capacitar a los agentes para que hagan su trabajo más rápido o si se paga a un tercero por los costes del centro de llamadas, eso se traduce inmediatamente en dinero”, añade Martin.

Según la encuesta de BCG, el 47% de los empleados afirma que ahorra más de una hora al día gracias a la IA generativa, y la mayoría utiliza ese tiempo para realizar más trabajo. Además, el 44% dice que se dedica a tareas estratégicas y el 34% a su desarrollo profesional. Sin embargo, muchas empresas están haciendo ambas cosas al mismo tiempo, afirma Martin, reduciendo costes y obteniendo beneficios en productividad, al tiempo que invierten en el futuro. “Realmente están pensando en las implicaciones de la IA en la empresa”, afirma.

Crecimiento empresarial

El valor que una empresa puede obtener al reducir costes es limitado. Sin embargo, las ventajas son casi ilimitadas si una empresa encuentra formas de generar nuevos negocios o entrar en nuevos mercados.

En la encuesta de ESG, el tercer factor más importante para las empresas que adoptan la IA generativa es la mejora de los resultados en materia de innovación. De hecho, el 84% afirma que la IA ya está acelerando su ritmo de innovación. Esto puede dar lugar a nuevas oportunidades de negocio, que en algunos casos pueden cuantificarse, incluso a corto plazo. Por ejemplo, Flexential es capaz de generar más clientes potenciales gracias a los chatbots de IA de su sitio web, que están asociados a tipos de contenido concretos. “Estamos viendo cómo se ha multiplicado por cinco el número de reuniones concertadas con clientes potenciales”, afirma Mallory. “Luego lo vinculamos al proceso de ventas y al índice de cierre de oportunidades. Así que tenemos datos muy cuantificables y está funcionando muy bien para nuestros equipos”.

Flexential también se apresuró a implementar la funcionalidad de soporte de ventas con IA para su personal de ventas, que ahora tiene acceso a notas de reuniones, inteligencia de ingresos y otros recursos que necesitan para conseguir nuevos negocios. “Estamos obteniendo un mayor nivel de productividad de nuestros representantes cuando disponen de la información adecuada”, señala. Y los índices de cierre también son más altos cuando los representantes pueden utilizar la IA para anticipar mejor cómo pueden atender al cliente.

En general, más empresas deberían centrarse en el crecimiento potencial, afirma Todd Lohr, director nacional para clientes y mercados estadounidenses de KPMG, y en el riesgo de la disrupción impulsada por la IA. “La IA está llegando a su modelo de negocio. Está alterando su negocio y las barreras de entrada. Deberían pensar más en el lado del modelo de negocio de la ecuación que en el modelo operativo para la sostenibilidad, el éxito y la viabilidad a largo plazo de la organización”, afirma.

Según la encuesta de IBM, el 68% de los directores generales afirma que la IA cambia aspectos de su negocio que consideran fundamentales. Estos cambios no se reflejan necesariamente en el retorno de la inversión inmediato, pero son fundamentales para la supervivencia a largo plazo de la empresa a medida que cambian los modelos de negocio. Y muchos de esos cambios son causados por la IA. Por lo tanto, no es de extrañar que el 61% de los directores generales afirme que la ventaja competitiva depende de quién tenga la IA generativa más avanzada.

“Nuestros clientes ya no se preguntan si la IA transformará su negocio”, reflexiona Lohr. “Se preguntan cuánto tardará en implementarse. No se trata solo de adoptar una tecnología, sino de una transformación empresarial fundamental que requiere replantearse cómo se realiza el trabajo y cómo se mide”.

Aceptar la incertidumbre

La verdad es que los 娇色导航a menudo no saben cuál es el retorno de la inversión de sus proyectos de IA, afirma Jackson Ader, analista de investigación de renta variable en KeyBanc Capital Markets. En su investigación sobre los directores de TI descubrió que las expectativas de retorno de la inversión eran muy dispares. “No creo que los 娇色导航estén gastando muchos millones de dólares en inteligencia artificial y esperando un retorno de la inversión de un solo dígito. Creo que lo más probable es que todavía estemos en una fase experimental”, concluye.