3 áreas en las que la IA aumentará su ventaja competitiva

Los algoritmos ahora son esenciales para hacer predicciones, aumentar la eficiencia y optimizar en tiempo real.
3 áreas em que a IA aumentará sua vantagem competitiva
3 áreas em que a IA aumentará sua vantagem competitiva

A medida que más empresas incorporan la inteligencia artificial en sus productos, servicios, procesos y toma de decisiones, la definición de qué es la IA y dónde puede aplicarse de manera más efectiva evoluciona con la misma rapidez que las técnicas en sí. Lo que comenzó como algoritmos utilizados para determinar préstamos, seleccionar nuevas contrataciones y potenciar a los chatbots (con un éxito desigual), ahora está profundamente arraigado y se utiliza en todo, desde predecir los riesgos climáticos hasta elegir clientes potenciales de ventas. La pregunta ya no es si una empresa debería utilizar la IA, sino dónde aporta la mayor ventaja competitiva.

En nuestro trabajo con las empresas, vemos tres áreas en las que la IA ahora ha pasado de una tecnología «agradable de tener» a una tecnología «imprescindible». Las empresas que superan los límites de la IA para agudizar las predicciones, impulsar la eficiencia y optimizar los precios en tiempo real o el control de las existencias de sus productos se están moviendo más rápido y más lejos que los rivales que aún dudan de forma conservadora sobre la sabiduría de utilizar la IA para estos fines.

Predicciones

En los últimos años, la IA ha migrado de una tecnología que encuentra relaciones en los datos y predice las tendencias existentes con mayor precisión a una tecnología que detecta los cambios futuros en todo, desde los gastos de ocio y los patrones de viajes hasta la solvencia crediticia de la empresa mediante el análisis de preferencias y sentimientos en cantidades de datos que incluyen texto, voz, imágenes, fuentes de noticias digitales y redes sociales.

La IA ahora puede reconocer los disruptores en el horizonte al establecer conexiones entre las características integradas, lo que permite a las empresas prepararse de manera más eficaz para los eventos disruptivo. Los sistemas de alerta temprana de IA para el fraude ahora pueden detectar bots, lo que los hace cada vez más esenciales para adelantarse a las tácticas en evolución de los piratas informáticos, los actores de los estados nacionales, el malware y el ransomware. Los algoritmos de aprendizaje automático adaptables a los impactos del mercado ayudan a los bancos líderes a predecir no solo el rendimiento de sus inversiones, sino también las posibles vulnerabilidades causadas por disruptores como el Covid-19.

Esto ayuda a los bancos y a las empresas más grandes a mitigar el impacto y las posibles quiebras en sus carteras de inversión. Por ejemplo, un banco pudo predecir en semanas, en lugar de meses, qué préstamos probablemente no se pagarían y redujo su número en un 70 por ciento, lo que aumentó los rendimientos de su cartera de préstamos en general en decenas de millones de dólares. Del mismo modo, la IA permitió a un distribuidor de piezas aeroespaciales que sufrió un exceso de inventario y escasez de flujo de caja durante las caídas de la industria predecir con mayor precisión cuánta demanda de sus piezas caería cuando llegara el Covid-19. Como resultado, la empresa pudo reducir su capital de trabajo en cientos de millones de dólares y duplicar sus entregas puntuales.

Eficiencias

En áreas como seguros, recursos humanos y vigilancia de conducta, el aprendizaje automático lee formularios y revisa las grabaciones de voz y video para resaltar dónde debe centrarse la atención del revisor, cómo se debe dirigir una llamada o simplemente si se ha olvidado un archivo adjunto. El desarrollo de los llamados enfoques de «atención» que aprenden qué partes de la entrada son más críticas, ha acelerado el uso del procesamiento del lenguaje natural, lo que permite a la IA vincular de manera más confiable conceptos aparentemente no relacionados y trabajar más rápido.

Debido a estos avances, en los próximos años, los procesos y filtros automatizados se volverán cada vez más generalizados en departamentos y procesos que tradicionalmente no se consideran dirigidos por datos, que abarcan cada paso desde la interacción de un cliente hasta el procesamiento de un pedido, por ejemplo. Los avances en la cuantificación de la equidad y la mitigación de los sesgos también permiten que los enfoques basados en la IA sean más equitativos, transparentes y objetivos que nuestros intentos humanos anteriores, incluso si cuantificar la equidad a veces puede ser un primer paso doloroso.

Las ganancias de las nuevas eficiencias impulsadas por la IA se acumulan rápidamente. Un banco ahorró decenas de millones de dólares después de utilizar la IA para mejorar la velocidad y la consistencia de las decisiones de sus servicios al cliente. Incluso con menos personal, el banco redujo significativamente el tiempo de espera de los clientes, al mismo tiempo que mantiene el mismo nivel de vigilancia y detecta tres veces más posibles fraudes.

La IA también permite a las empresas expandirse más rápidamente al liberar al personal para un trabajo más altamente calificado y mejorar las habilidades cuando sea necesario. Hasta hace poco, la IA se consideraba demasiado delicada para usarla en procesos de datos tradicionales, como la limpieza de duplicados en conjuntos de datos. Pero ahora la IA se usa ampliamente para esta ardua tarea. En un banco, los algoritmos demostraron ser muchas veces más efectivos para identificar duplicados y los eliminaron en semanas, en lugar de años. Como resultado, los reguladores aprobaron el plan del banco de establecer docenas de sucursales.

optimización en tiempo real

Del mismo modo, la IA permite a las empresas llevar a cabo tareas y cambiar de estrategia en tiempo real. Los algoritmos de aprendizaje automático ahora aumentan de forma instantánea y automática las promociones de ventas o, en el otro extremo del espectro, retrasan el lanzamiento de productos que podrían canibalizar las ganancias de otras líneas de productos. En el sector minorista, la IA puede recalibrar este tipo de decisiones para generar ventas adicionales, incluso de otros productos no promocionados.

Una razón por la que este avance ahora es posible se debe a la «computación de borde», una técnica de computación distribuida que permite que los modelos de almacenamiento de datos y aprendizaje automático sigan siendo más locales. Al eliminar la necesidad de enviar datos a la nube, la IA puede cambiar de estrategia de forma instantánea y, al mismo tiempo, salvaguardar la privacidad y la seguridad de los datos, evitando problemas con los flujos de datos transfronterizos, especialmente cuando muchas jurisdicciones comienzan a buscar reducir la transferencia de datos.

La optimización en tiempo real tiene un impacto inmediato y, a menudo, dramático, en los resultados finales de las empresas. Un minorista con el que trabajamos aumentó sus márgenes de beneficio en un 50% después de utilizar la IA para optimizar instantáneamente sus ofertas. Amplió las ventas de productos principales con promociones desarrolladas por IA que impulsan los márgenes y detuvo las ofertas especiales que destruían los márgenes, todo ello sin invertir mucho tiempo de entrega en la creación y prueba de nuevos datos.

Esto fue significativo, ya que la baja frecuencia de transacciones impedía las pruebas tradicionales y las promociones y cupones superpuestos añadían complejidad.

Una compañía de seguros aumenta sus beneficios en más de decenas de millones de dólares mediante el uso de la IA para adaptar los precios de las pólizas de seguro médico a los clientes individuales en tiempo real. Tan pronto como los clientes mejoraron sus estilos de vida dejando de fumar o haciendo más ejercicio, su prima se redujo.

***

La IA a menudo se llama una inversión, en lugar de un costo fijo aceptado. Avanzar o aumentar el uso de la IA requiere recursos para abordar la gobernanza, la transparencia, la mejora de las habilidades y, por lo general, también la deuda tecnológica. Pero las empresas ya no pueden permitirse tratar algo tan extendido y poderoso como opcional.

Los clientes modernos están hiperconectados. Requieren decisiones y respuestas rápidas. La IA puede entender el lenguaje y la dinámica de varios canales, como Twitter, WhatsApp, TikTok o un chatbot, y puede evolucionar y cambiar de código para volverse cada vez más agradable.

A medida que la «explicación» del modelo de IA mejora, junto con formas más confiables de monitorear el rendimiento, la robustez y la equidad, estos modelos más complejos se volverán aún más confiables, sus métodos y resultados más comprensibles y, por lo tanto, sus aplicaciones serán más creativas y factibles.

Gracias a estas capacidades, las fuerzas de trabajo remotas modernas y flexibles deberían poder pasar de tareas aburridas y repetitivas. Al no aburrirse ni distraerse, es probable que una IA haga un trabajo más confiable. Al trasladar al personal a áreas de más alto valor, los gerentes no solo aprovechan al máximo a su equipo, sino que tienen una empresa más feliz. Combine eso con la capacidad de detectar y mitigar los disruptores y aumentar enormemente las ganancias, y su empresa podrá prosperar en los próximos años.


A medida que más empresas incorporan la inteligencia artificial en sus productos, servicios, procesos y toma de decisiones, la definición de qué es la IA y dónde puede aplicarse de manera más efectiva evoluciona con la misma rapidez que las técnicas en sí. Lo que comenzó como algoritmos utilizados para determinar préstamos, seleccionar nuevas contrataciones y potenciar a los chatbots (con un éxito desigual), ahora está profundamente arraigado y se utiliza en todo, desde predecir los riesgos climáticos hasta elegir clientes potenciales de ventas. La pregunta ya no es si una empresa debería utilizar la IA, sino dónde aporta la mayor ventaja competitiva.

En nuestro trabajo con las empresas, vemos tres áreas en las que la IA ahora ha pasado de una tecnología «agradable de tener» a una tecnología «imprescindible». Las empresas que superan los límites de la IA para agudizar las predicciones, impulsar la eficiencia y optimizar los precios en tiempo real o el control de las existencias de sus productos se están moviendo más rápido y más lejos que los rivales que aún dudan de forma conservadora sobre la sabiduría de utilizar la IA para estos fines.

Predicciones

En los últimos años, la IA ha migrado de una tecnología que encuentra relaciones en los datos y predice las tendencias existentes con mayor precisión a una tecnología que detecta los cambios futuros en todo, desde los gastos de ocio y los patrones de viajes hasta la solvencia crediticia de la empresa mediante el análisis de preferencias y sentimientos en cantidades de datos que incluyen texto, voz, imágenes, fuentes de noticias digitales y redes sociales.

La IA ahora puede reconocer los disruptores en el horizonte al establecer conexiones entre las características integradas, lo que permite a las empresas prepararse de manera más eficaz para los eventos disruptivo. Los sistemas de alerta temprana de IA para el fraude ahora pueden detectar bots, lo que los hace cada vez más esenciales para adelantarse a las tácticas en evolución de los piratas informáticos, los actores de los estados nacionales, el malware y el ransomware. Los algoritmos de aprendizaje automático adaptables a los impactos del mercado ayudan a los bancos líderes a predecir no solo el rendimiento de sus inversiones, sino también las posibles vulnerabilidades causadas por disruptores como el Covid-19.

Esto ayuda a los bancos y a las empresas más grandes a mitigar el impacto y las posibles quiebras en sus carteras de inversión. Por ejemplo, un banco pudo predecir en semanas, en lugar de meses, qué préstamos probablemente no se pagarían y redujo su número en un 70 por ciento, lo que aumentó los rendimientos de su cartera de préstamos en general en decenas de millones de dólares. Del mismo modo, la IA permitió a un distribuidor de piezas aeroespaciales que sufrió un exceso de inventario y escasez de flujo de caja durante las caídas de la industria predecir con mayor precisión cuánta demanda de sus piezas caería cuando llegara el Covid-19. Como resultado, la empresa pudo reducir su capital de trabajo en cientos de millones de dólares y duplicar sus entregas puntuales.

Eficiencias

En áreas como seguros, recursos humanos y vigilancia de conducta, el aprendizaje automático lee formularios y revisa las grabaciones de voz y video para resaltar dónde debe centrarse la atención del revisor, cómo se debe dirigir una llamada o simplemente si se ha olvidado un archivo adjunto. El desarrollo de los llamados enfoques de «atención» que aprenden qué partes de la entrada son más críticas, ha acelerado el uso del procesamiento del lenguaje natural, lo que permite a la IA vincular de manera más confiable conceptos aparentemente no relacionados y trabajar más rápido.

Debido a estos avances, en los próximos años, los procesos y filtros automatizados se volverán cada vez más generalizados en departamentos y procesos que tradicionalmente no se consideran dirigidos por datos, que abarcan cada paso desde la interacción de un cliente hasta el procesamiento de un pedido, por ejemplo. Los avances en la cuantificación de la equidad y la mitigación de los sesgos también permiten que los enfoques basados en la IA sean más equitativos, transparentes y objetivos que nuestros intentos humanos anteriores, incluso si cuantificar la equidad a veces puede ser un primer paso doloroso.

Las ganancias de las nuevas eficiencias impulsadas por la IA se acumulan rápidamente. Un banco ahorró decenas de millones de dólares después de utilizar la IA para mejorar la velocidad y la consistencia de las decisiones de sus servicios al cliente. Incluso con menos personal, el banco redujo significativamente el tiempo de espera de los clientes, al mismo tiempo que mantiene el mismo nivel de vigilancia y detecta tres veces más posibles fraudes.

La IA también permite a las empresas expandirse más rápidamente al liberar al personal para un trabajo más altamente calificado y mejorar las habilidades cuando sea necesario. Hasta hace poco, la IA se consideraba demasiado delicada para usarla en procesos de datos tradicionales, como la limpieza de duplicados en conjuntos de datos. Pero ahora la IA se usa ampliamente para esta ardua tarea. En un banco, los algoritmos demostraron ser muchas veces más efectivos para identificar duplicados y los eliminaron en semanas, en lugar de años. Como resultado, los reguladores aprobaron el plan del banco de establecer docenas de sucursales.

optimización en tiempo real

Del mismo modo, la IA permite a las empresas llevar a cabo tareas y cambiar de estrategia en tiempo real. Los algoritmos de aprendizaje automático ahora aumentan de forma instantánea y automática las promociones de ventas o, en el otro extremo del espectro, retrasan el lanzamiento de productos que podrían canibalizar las ganancias de otras líneas de productos. En el sector minorista, la IA puede recalibrar este tipo de decisiones para generar ventas adicionales, incluso de otros productos no promocionados.

Una razón por la que este avance ahora es posible se debe a la «computación de borde», una técnica de computación distribuida que permite que los modelos de almacenamiento de datos y aprendizaje automático sigan siendo más locales. Al eliminar la necesidad de enviar datos a la nube, la IA puede cambiar de estrategia de forma instantánea y, al mismo tiempo, salvaguardar la privacidad y la seguridad de los datos, evitando problemas con los flujos de datos transfronterizos, especialmente cuando muchas jurisdicciones comienzan a buscar reducir la transferencia de datos.

La optimización en tiempo real tiene un impacto inmediato y, a menudo, dramático, en los resultados finales de las empresas. Un minorista con el que trabajamos aumentó sus márgenes de beneficio en un 50% después de utilizar la IA para optimizar instantáneamente sus ofertas. Amplió las ventas de productos principales con promociones desarrolladas por IA que impulsan los márgenes y detuvo las ofertas especiales que destruían los márgenes, todo ello sin invertir mucho tiempo de entrega en la creación y prueba de nuevos datos.

Esto fue significativo, ya que la baja frecuencia de transacciones impedía las pruebas tradicionales y las promociones y cupones superpuestos añadían complejidad.

Una compañía de seguros aumenta sus beneficios en más de decenas de millones de dólares mediante el uso de la IA para adaptar los precios de las pólizas de seguro médico a los clientes individuales en tiempo real. Tan pronto como los clientes mejoraron sus estilos de vida dejando de fumar o haciendo más ejercicio, su prima se redujo.

***

La IA a menudo se llama una inversión, en lugar de un costo fijo aceptado. Avanzar o aumentar el uso de la IA requiere recursos para abordar la gobernanza, la transparencia, la mejora de las habilidades y, por lo general, también la deuda tecnológica. Pero las empresas ya no pueden permitirse tratar algo tan extendido y poderoso como opcional.

Los clientes modernos están hiperconectados. Requieren decisiones y respuestas rápidas. La IA puede entender el lenguaje y la dinámica de varios canales, como Twitter, WhatsApp, TikTok o un chatbot, y puede evolucionar y cambiar de código para volverse cada vez más agradable.

A medida que la «explicación» del modelo de IA mejora, junto con formas más confiables de monitorear el rendimiento, la robustez y la equidad, estos modelos más complejos se volverán aún más confiables, sus métodos y resultados más comprensibles y, por lo tanto, sus aplicaciones serán más creativas y factibles.

Gracias a estas capacidades, las fuerzas de trabajo remotas modernas y flexibles deberían poder pasar de tareas aburridas y repetitivas. Al no aburrirse ni distraerse, es probable que una IA haga un trabajo más confiable. Al trasladar al personal a áreas de más alto valor, los gerentes no solo aprovechan al máximo a su equipo, sino que tienen una empresa más feliz. Combine eso con la capacidad de detectar y mitigar los disruptores y aumentar enormemente las ganancias, y su empresa podrá prosperar en los próximos años.



ST
Sian Townson, PhD., is a Director in Oliver Wyman’s Data and Analytics practice.
Related Posts