Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.


Conseguir que la IA escale

No trates de cambiar todo a la vez, pero comienza con algo importante.
Como dimensionar a IA
Como dimensionar a IA
Resumen.

La mayoría de las empresas están luchando por aprovechar el potencial de la inteligencia artificial para transformar por completo la forma en que hacen negocios. El problema es que suelen aplicar la IA en una larga lista de usos discretos, un enfoque que no produce cambios consecuentes. Sin embargo, intentar reformar toda la organización con IA de una sola vez es demasiado complicado para ser práctico.

¿Cuál es la solución? Usar la IA para reinventar todo un proceso empresarial, un recorrido o una función de principio a fin, dicen tres consultores de McKinsey. Esto permite que cada esfuerzo de IA se base en el anterior, por ejemplo, mediante la reutilización de datos o la mejora de las capacidades de un conjunto común de partes interesadas. Una aerolínea, por ejemplo, se centró en su función de carga y un proveedor de telecomunicaciones en su proceso de gestión del valor del cliente.

La ampliación de la IA implica cuatro pasos: (1) Identificar un área en la que la IA marque una gran diferencia de forma razonablemente rápida y que haya múltiples actividades interconectadas y oportunidades para compartir tecnología. (2) Dar personal al equipo con las personas adecuadas y eliminar los obstáculos que impiden su éxito. (3) Reinvente el negocio como de costumbre. , trabajando desde un objetivo clave y explorando en detalle cómo lograrlo. (4) Apoye los nuevos procesos basados en IA con cambios organizativos, como la colaboración interdisciplinaria y la mentalidad ágil.


Idea en resumen

El problema

La mayoría de las empresas no se están preparando para aprovechar todo el potencial de la IA. Esto se debe a que se centran en aplicarlo en casos de uso discretos, lo que solo genera cambios incrementales y requiere mucho más esfuerzo para ampliarlo.

La solución

Las organizaciones tienen más éxito cuando reinventan un proceso empresarial, un recorrido o una función principales habilitados por la IA de extremo a extremo. Esto permite que cada esfuerzo de IA se base en el anterior, desencadenando un ciclo orgánico de cambio.

Cómo hacer que suceda

Los líderes deben ayudar a sus organizaciones a identificar dominios empresariales en los que la IA puede marcar una gran diferencia y apuntar a uno o dos para una revisión completa. Esto implicará implementar nueva tecnología, rediseñar los procesos operativos, cambiar la forma en que las personas trabajan juntas e incluso replantear de manera fundamental los modelos de negocio.

La mayoría de los directores ejecutivos reconocen que la inteligencia artificial tiene el potencial de cambiar por completo el funcionamiento de las organizaciones. Pueden imaginar un futuro en el que, por ejemplo, los minoristas entreguen productos individualizados antes de que los clientes los soliciten, tal vez el mismo día en que se fabrican esos productos. Ese escenario puede sonar a ciencia ficción, pero la IA que lo hace posible ya existe.

Lo que se interpone en el camino de ese futuro es que las empresas no han descubierto cómo cambiarse para satisfacerlo. Para ser justos, la mayoría ha trabajado arduamente para incorporar tecnologías digitales, y en algunos casos ha transformado realmente la forma en que atienden a sus clientes y fabrican sus ofertas.

Sin embargo, para captar toda la promesa de la IA, las empresas deben reinventar sus modelos de negocio y la forma en que se realiza el trabajo. No pueden simplemente conectar la IA a un proceso existente para automatizarlo o añadir información. Y aunque la IA se puede emplear localmente en todas las funciones de una lista de aplicaciones específicas (conocida como casos de uso), ese enfoque no impulsará un cambio consecuente en las operaciones o los resultados finales de una empresa. También hace que sea mucho más difícil y costoso conseguir que la IA escale, porque cada equipo remoto debe reinventar la rueda con respecto a la participación de stakeholder, la formación, la gestión del cambio, los datos, la tecnología y mucho más.

Pero eso no significa que las empresas deban intentar reformar toda la organización con IA de una sola vez. Es casi seguro que eso terminaría en un fracaso. Un cambio de imagen completo es un proceso enormemente complicado que involucra demasiadas partes móviles, partes interesadas y proyectos para lograr un impacto significativo rápidamente.

El enfoque correcto, hemos descubierto, es identificar un sector crucial del negocio y reconsiderarlo por completo. Introducir cambios a lo largo de todo un proceso, recorrido o función central, lo que llamamos dominio —dará lugar a una mejora importante en el rendimiento que las aplicaciones locales aisladas simplemente no pueden igualar. También permitirá que cada iniciativa de IA se base en la anterior, por ejemplo, mediante la reutilización de datos o el avance de las capacidades para un conjunto común de partes interesadas. Hemos visto que este enfoque desencadena un ciclo orgánico de cambio dentro de los dominios y, en última instancia, genera impulso para el uso de la IA en toda la organización a medida que los líderes empresariales y los empleados la ven funcionar. Además, este enfoque promueve una mentalidad de mejora continua en la fuerza laboral, lo cual es crucial porque la tecnología de IA avanza rápidamente, lo que obliga a las organizaciones a pensar en las transformaciones de la IA como esfuerzos continuos en lugar de esfuerzos puntuales.

En última instancia, las empresas que no pueden aprovechar al máximo la IA se verán marginadas por aquellas que sí pueden hacerlo, como ya vemos que ocurre en varios sectores, como la fabricación de automóviles y los servicios financieros. La buena noticia es que durante el último año muchas empresas(incluso empresas con capacidades analíticas limitadas) han comenzado a desarrollar las habilidades necesarias para aprovechar las oportunidades de IA, ya que la crisis del Covid-19 les obligó a alterar su forma de hacer negocios casi de la noche a la mañana. Ahora el desafío será aplicar esas habilidades para llevar a cabo iniciativas más amplias. (Para saber si no has ajustado correctamente el ámbito de tus iniciativas, consulta la siguiente barra lateral).

Señales de que estás pensando en la IA
Demasiado amplio o demasiado estrecho

DEMASIADO AMPLIO DEMASIADO ESTRECHAMENTE
El trabajo identificado en un dominio no se puede completar en tres o cuatro oleadas de trabajo durante 12 a 15 meses. Estás resolviendo un desafío de nicho mientras dejas intactas las causas fundamentales de los problemas o no tienes en cuenta los procesos interrelacionados.
Hay más de una docena de líderes con objetivos diferentes que pueden decir lo que debería suceder a continuación y no hay un propietario de negocio claro que rinda cuentas. El líder empresarial en el área objetivo no se siente responsable porque el proyecto no moverá la aguja y no ha involucrado a líderes de una cadena de valor específica.
Necesitas rediseñar toda la arquitectura tecnológica y de datos de la empresa para obtener cualquier valor. Ha creado una solución que no se integra con otros procesos ascendentes y posteriores.
© HBR.org

En este artículo, nos basaremos en nuestra experiencia trabajando con cientos de clientes, incluidas algunas de las organizaciones más grandes del mundo, para describir lo que las empresas deben hacer para que la IA escale.

Paso 1: Establece la estrategia

Puede ser difícil obtener el alcance correcto de las iniciativas de IA. Recomendamos a los directores ejecutivos que se dirijan a áreas del negocio en las que la IA marque una gran diferencia en un período de tiempo razonable; es relativamente fácil encontrar un patrocinador, conseguir que las partes interesadas acepten la participación y formar un equipo; y existen múltiples actividades y oportunidades interconectadas para reutilizar los datos y los activos tecnológicos.

Impacto potencial.

Los dominios elegidos deben ser lo suficientemente grandes como para mejorar significativamente los resultados de la empresa o las experiencias de los clientes o empleados. Una aerolínea a la que asesoramos determinó que tenía 10 dominios comerciales principales que se ajustaban a esa descripción: carga, tripulación, gestión de ingresos, comercio electrónico, servicio al cliente, aeropuertos, mantenimiento, planificación de redes, operaciones y talento. Pero comenzó con la carga, donde había identificado una cartera de iniciativas de IA que podrían completarse en unas 18 semanas. La primera aportaría unos 30 millones de dólares en beneficios adicionales al permitir una previsión más precisa del volumen y el peso de la carga y aumentar el uso de la capacidad de envío.

En otro caso, un proveedor de telecomunicaciones decidió rediseñar su proceso de gestión del valor del cliente (que abarca todas las formas en que una empresa interactúa con sus clientes), utilizando la IA para comprender y abordar las necesidades únicas de cada cliente. Ese trabajo redujo rápidamente el tiempo necesario para ejecutar las campañas de marketing en un 75% y permitió a la empresa reducir la rotación de clientes en tres puntos porcentuales. La compañía espera que esas mejoras añadan 70 millones de dólares a sus resultados finales para finales de 2021.

Actividades interconectadas.

Los dominios prometedores abarcan un conjunto claro de actividades empresariales cuya recalibración puede resolver problemas sistémicos como ineficiencias crónicas (como plazos prolongados de aprobación de préstamos), alta variabilidad (demanda de los consumidores que fluctúa rápidamente) y oportunidades perdidas de forma rutinaria (dificultades para llevar los productos clientes). En muchos casos, las soluciones de IA pueden abordar las causas fundamentales de estos problemas, en parte a través de la información proporcionada y, en parte, mediante mejoras organizativas.Conseguir que la IA escale Centro centro/Estudio Patrick Fry

La aerolínea identificó seis actividades de carga estrechamente entrelazadas: negociación de tarifas, asignación de espacio, reserva de reservas, documentación de envíos, gestión de operaciones terrestres y entrega y facturación. La satisfacción del cliente y los precios dependían de factores tales como la disponibilidad de espacio con poca antelación, la capacidad de realizar un seguimiento de los envíos en tiempo real y la rapidez de la entrega. Cuando se reconfiguraron las seis actividades para que pudieran introducir datos en una plataforma respaldada por IA, la empresa pudo reducir significativamente el desperdicio sistémico y, al mismo tiempo, mejorar en gran medida la experiencia del cliente, reforzando sus márgenes y su reputación al mismo tiempo.

Patrocinador y equipo.

En un dominio prometedor, puedes identificar fácilmente lo siguiente:

  • un campeón empresarial interno responsable de toda la cadena de valor involucrada (en la aerolínea era vicepresidente de carga)
  • personal de negocios senior dedicado (en la aerolínea, incluido el director sénior de carga y dos de sus informes directos) que puede desempeñar las funciones de «propietario del producto» (la persona responsable de la entrega de la solución), traductor (que une los ámbitos analítico y empresarial) y líder de cambio (responsable del cambio) esfuerzos de gestión)
  • un equipo de profesionales de la IA, como expertos en ciencia e ingeniería de datos, diseñadores, analistas de negocios y un scrum master (estos profesionales también pueden proceder de un equipo central de la organización)
  • un grupo de usuarios de primera línea o trabajadores del conocimiento responsables de las actividades diarias (en la aerolínea, incluían 250 agentes de ventas y reservas en América, Asia Pacífico y Europa)

La redacción de empleados de todo el ciclo de vida del dominio (independientemente de dónde se encontraban anteriormente dentro de la organización) y darles responsabilidad por el trabajo fomenta el compromiso con una iniciativa y genera entusiasmo e impulso. Estos factores son cruciales para que los empleados piensen más allá de lo habitual en el diseño de soluciones y ayuden al proyecto a superar los inevitables obstáculos inesperados.

Tecnología y datos reutilizables.

También es importante seleccionar dominios en los que los componentes tecnológicos y de datos necesarios para ejecutar los modelos de IA puedan superponerse. Es mucho más fácil cuando los equipos no tienen que empezar de cero cada vez y pueden reutilizar datos o fragmentos de código que ya han sido preparados para la IA. Es probable que haya una inversión start-up para el primer modelo o dos creados dentro de un dominio, pero con el tiempo los nuevos proyectos pueden basarse en los anteriores, lo que reduce drásticamente el tiempo y el costo de desarrollo. Los recursos a los que nos referimos a menudo incluyen, en el lado de los datos, bibliotecas y definiciones de metadatos comunes, y en el lado tecnológico, scripts de aprendizaje automático, interfaces de programación de aplicaciones (API) que extraen datos de sistemas heredados y capacidades de visualización de datos.

Los equipos ejecutivos suelen identificar entre ocho y diez dominios en los que la IA puede transformar su negocio. Una vez que lo hagan, recomendamos que reduzcan la lista a una o dos en función de la viabilidad y el valor empresarial.

Habrá una inversión start-up para el primer o dos modelos creados, pero con el tiempo los nuevos proyectos pueden basarse en los anteriores, lo que reduce drásticamente el tiempo y el costo de desarrollo.

En la aerolínea, el CEO y sus informes directos habían celebrado una serie de sesiones de estrategia a lo largo de 12 semanas. Hablaron de cómo las empresas de diferentes sectores estaban innovando con la IA, desarrollaron una visión para utilizar la IA para lograr un aumento de dos dígitos en los beneficios operativos en un plazo de 15 meses, priorizaron los dominios con los que empezar y comprometieron los recursos necesarios para avanzar. Cada uno de los ejecutivos pidió a expertos de sus dominios individuales que identificaran qué podrían hacer sus áreas de manera diferente para alcanzar el objetivo de beneficios y evaluar el valor potencial y la viabilidad de sus recomendaciones. En el ámbito de la carga, tres líderes empresariales sénior, junto con el personal de IT y finanzas, esbozaron la oportunidad de llenar mejor el espacio de carga disponible en los aviones, los beneficios esperados de hacerlo y la practicidad de lograrlo en términos de disponibilidad de datos, tecnología, talento, etc.

Paso 2: Estructurar el equipo

El equipo responsable de las iniciativas de IA dentro de cada dominio debe contener a todas las personas necesarias (desde funciones empresariales, digitales, analíticas y de IT) para diseñar, crear y dar soporte a las nuevas formas de trabajo. En gran medida, una vez que los equipos de dominio conozcan su objetivo y tengan recursos, organizarán su trabajo por su cuenta, utilizando prácticas ágiles. El papel de la dirección, más allá de crear los equipos, será garantizar que todos los empleados que se trasladen a ellos desde otras partes de la empresa estén totalmente integrados y eliminar cualquier barrera organizativa que pueda impedir el éxito de los equipos.

En muchos casos que hemos estudiado, la mayoría de los miembros del equipo necesarios ya estaban trabajando en el dominio objetivo, y los líderes simplemente tenían que trasladarlos al proyecto y luego incorporar el talento técnico necesario de otras áreas de la empresa. En la aerolínea, los empleados de ventas, servicio al cliente, operaciones y finanzas participaron en la transformación del dominio de la carga, y la mayoría de ellos habían dependido de la función empresarial desde el principio. Expertos en IA, como científicos de datos e ingenieros de datos, fueron asignados al equipo del centro de excelencia de IA de la empresa durante el trabajo e informaron directamente al director sénior de la división de carga, que era el propietario del producto de la nueva IA.Conseguir que la IA escale Centro centro/Estudio Patrick Fry

En algunos casos, las empresas tendrán que reasignar explícitamente al equipo a personas que ocupan otros roles no técnicos de varias partes de la organización. Pensemos en un minorista de servicios de energía que también buscaba utilizar la IA para renovar la gestión del valor del cliente, incluidos los clientes a los que se dirigía, qué ofertas se les enviaban y a través de qué canales y cómo se probaron las nuevas ideas. La empresa tuvo que trasladar formalmente a expertos en campañas de marketing que antes estaban en silos de todos los canales y equipos bajo un mismo paraguas. Intentar coordinar su trabajo a través de silos separados habría generado retrasos y desconexiones a medida que las solicitudes de entrada y aprobaciones se trasladaban de un departamento a otro. También habría obligado a las personas involucradas a hacer malabares con dos conjuntos de obligaciones.

A menudo, los equipos de proyectos de IA pueden ser simplemente escuadrones individuales, en los que todo el equipo realiza todo el trabajo por sí mismo. Pero cuando las tareas tienen un alcance relativamente amplio y requieren el trabajo de más de una docena de personas, un solo equipo será demasiado incómodo. En esas situaciones, tendrá sentido dividir al equipo en varias escuadras, y una plantilla proporcionará capacidades compartidas. La compañía de telecomunicaciones dividió su nuevo equipo de valor para el cliente en cuatro equipos de negocios: uno centrado en los clientes de prepago, otro en los clientes de pospago, otro en la adquisición de clientes y otro en la retención de clientes. Le dio a cada uno la misión de reducir la pérdida de clientes o mejorar las ventas cruzadas en un 20% para finales de año. Se creó un quinto equipo, la utilidad de datos, con ingenieros y desarrolladores de datos, para apoyar a los otros cuatro mediante la creación de tecnología y activos que cada uno pudiera reutilizar y desarrollando nuevos modelos analíticos habilitados para IA.

Paso 3: Reimagina tu negocio como siempre

Como hemos señalado anteriormente, sacar el máximo partido de la IA requiere reinventar los modelos de negocio, las funciones y las responsabilidades, y los procesos operativos, utilizando nuevas formas de pensar y trabajar. Por lo general, encontramos que las empresas se benefician mejor aplicando los primeros principios o técnicas de pensamiento de diseño y trabajando hacia atrás desde un objetivo o desafío clave. Por ejemplo, las empresas podrían imaginar cómo sería una experiencia de cliente de cinco estrellas y luego explorar con detalle cómo podrían lograrlo.

En la aerolínea, el equipo de carga comenzó entrevistando a los agentes de ventas y reservas sobre cómo asignaban espacio en los aviones de pasajeros y decidía si aceptaban o rechazaban las solicitudes de envío. ¿Cómo verificaron los agentes la disponibilidad de espacio de carga? ¿En qué otra información se basaban y cómo sopesaban las diferentes piezas de información que recopilaban? ¿Qué inquietudes tenían a la hora de tomar decisiones?

Los equipos deben considerar el impacto potencial que las iniciativas de IA tendrán en los procesos anteriores y posteriores e implementar medidas para abordarlo.

El equipo descubrió que el enfoque heredado estaba plagado de previsiones inexactas y conjeturas por parte de los agentes que intentaban estimar posibles cancelaciones. (Con las reservas de carga, a diferencia de las reservas de pasajeros, no hay penalización por cancelarlas, por lo que no es raro que un avión parezca completamente reservado, sino que se vaya con espacio de carga vacío por no presentarse). Los agentes de reservas de carga también estaban preocupados por el impacto en la satisfacción del cliente si el espacio se reservaba en exceso. Para evitar conflictos, los agentes a menudo esperaban hasta el día del vuelo para reservar espacio de carga para sus clientes, lo que provocaba un uso inadecuado de la capacidad y la pérdida de oportunidades.

Después de haber identificado y comprendido los problemas de los procesos existentes, el equipo trazó un mapa de cómo podría ser un proceso ideal, incluida la información que los agentes necesitarían para determinar si debían reservar, cuánto podrían sobrereservar de forma segura y con qué antelación, y en qué se diferenciarían los roles. Luego, pasó unas semanas desarrollando un prototipo de un panel habilitado para IA que proporcionara la información necesaria a los agentes, trabajando en sprints iterativos con ellos para incorporar las aportaciones de los modelos de previsión, que se estaban desarrollando en paralelo. El equipo probó el panel de control con agentes para 12 rutas representativas de la red global de la empresa de 1.500. Comparó la diferencia entre la utilización de la carga y los beneficios en las rutas de los agentes que seguían las recomendaciones del sistema y de un grupo de control que utilizaba procesos tradicionales. Para generar confianza en el nuevo sistema, los ejecutivos eliminaron cualquier repercusión que los agentes pudieran enfrentar normalmente si un vuelo no podía acomodar una reserva.

Todos los agentes ahora tienen acceso a cuadros de mando intuitivos que ilustran visualmente qué vuelos están infrautilizando el espacio. Pueden ver de un vistazo los datos sobre cómo los envíos de carga de vuelos recientes generaron ingresos. Los circuitos de retroalimentación integrados permiten que los sistemas de IA aprendan continuamente de los agentes a medida que deciden si aceptan una solicitud de carga, aprovechando su experiencia en cuestiones de tamaño y equilibrio de peso de los envíos y su conocimiento de los cambios en las cadenas de suministro de los clientes, las rutas comerciales y otros factores. Estas nuevas herramientas proporcionan a los agentes información que les da la confianza necesaria para vender espacio de carga mucho antes de las fechas de salida.

Paso 4: Adaptarse al cambio organizacional y tecnológico

En la mayoría de los casos significativa cambios organizativos, como la adopción de una colaboración interdisciplinaria y una mentalidad ágil, será necesaria para apoyar los nuevos procesos y modelos basados en IA. De hecho, nuestra investigación muestra que las empresas que obtienen los mayores rendimientos de la IA tienen más probabilidades de implementar prácticas eficaces de gestión del cambio, como hacer que los líderes modele los comportamientos deseados, y que esos esfuerzos funcionan mejor cuando son facilitados por CEOs y altos ejecutivos.

Vuelva a tomar el minorista de servicios de energía. Invirtió en volver a capacitar a los empleados para que pudieran trabajar juntos de manera efectiva en el nuevo contexto y asumir nuevas responsabilidades de liderazgo; realineó los objetivos e incentivos de los miembros del equipo del proyecto de IA con sus nuevas responsabilidades; y cumplió las responsabilidades en los departamentos que los miembros del equipo tenían que abandonar .

Conseguir que la IA escale La serie de Patrick Fry Punch de impresión explora la estética de la tarjeta perforada y reflexiona sobre una época en la que los datos eran físicamente tangibles. Centro centro/Estudio Patrick Fry

Si bien las empresas tendrán que actualizar su tecnología para admitir la IA, no tendrán que realizar cirugías mayores en su infraestructura de IT ni en la arquitectura de datos antes de comenzar. Más bien, aconsejamos a las empresas que se centren en tecnología que permitirá y acelerará la IA desarrollo y, a continuación, clasifica las inversiones adicionales de acuerdo con las prioridades de los equipos. Las plataformas de datos basadas en la nube y el uso de API, microservicios y otras prácticas modernas de operaciones de desarrollo, por ejemplo, pueden ayudar a las empresas desarrollar nuevas capacidades empresariales dos o tres veces más rápido.

El proveedor de telecomunicaciones estableció una plataforma basada en la nube para los datos brutos de los sistemas de transacciones y servicio al cliente existentes, de modo que los ingenieros de datos y los científicos de datos pudieran utilizarlos más fácilmente que los datos del antiguo sistema de almacén. La empresa también implementó un nuevo banco de trabajo de análisis, que ayudó a los científicos de datos a entrenar e implementar nuevos modelos más rápidamente, así como herramientas que agilizaron la recopilación de datos, el análisis y la creación de modelos para su sistema de gestión del valor del cliente basado en IA. Estos movimientos le permitieron empezar a utilizar datos no estructurados, aplicar enfoques más complejos y trabajar de forma más eficiente.

Al priorizar las inversiones en tecnología adicionales, los equipos deben trazar las capacidades, los datos y los recursos (como robótica, biométrica y sensores y plataformas de conectividad) que necesitarán y cuándo, y luego eliminarán cada pieza según sea necesario. Al diseñar su sistema de gestión del valor del cliente, el equipo del proveedor de telecomunicaciones se dio cuenta de que necesitaría una nueva tecnología que automatizara la mensajería directa saliente y proporcionara a los vendedores orientación en tiempo real sobre la próxima conversación que debían tener con los clientes.

Los equipos también deben considerar el impacto potencial que las iniciativas de IA tendrán en los procesos anteriores y posteriores e implementar medidas para abordarlo. Por ejemplo, en la aerolínea, el equipo de IA desarrolló una herramienta de informes para los gerentes que supervisan la carga y descarga de carga, de modo que pudieran soportar eficazmente los mayores volúmenes producidos por el nuevo proceso de ventas y reservas.

Un efecto dominó

Una vez que el desarrollo de la IA madure en un dominio inicial y las organizaciones se hayan puesto al ritmo de reinventar partes del negocio, estarán listas para expandirse. La base tecnológica que han creado y las habilidades que han aprendido (por ejemplo, cómo romper con éxito los silos, tomar decisiones que solían tardar semanas en horas y crear más equipos basados en datos) ayudarán a acelerar sus esfuerzos en nuevos dominios.

En este punto, las empresas pueden perseguir varios dominios en paralelo. De nuevo, la idea es construir sobre la base del trabajo anterior. Esto podría llevar a las empresas a priorizar dominios que tienen datos y habilidades en común, como la cadena de suministro y la logística. O podrían perseguir el mismo dominio en otras unidades de negocio. El minorista de servicios de energía estima que casi el 80% del trabajo realizado para mejorar la gestión del valor del cliente en una división de productos (lo que llevó a un crecimiento récord en tan solo unos meses, incluido un aumento del 12% en los beneficios para los clientes y un aumento del 20% en la retención de clientes) se puede reutilizar en otros negocios unidades y acelerar su crecimiento también.

Las empresas descritas en este artículo se encuentran todavía en las primeras etapas de sus transformaciones completas de IA, pero están en el umbral de una nueva era. Se han hecho una idea de lo que es posible, y sus audaces decisiones han generado beneficios significativos dentro de los dominios a los que se han dirigido y nuevas capacidades que los casos de uso discretos no podían ofrecer. Estas empresas han creado un manual de metodologías y protocolos a los que pueden recurrir de nuevo. A medida que avanzan a otros dominios, su ritmo se acelerará, sus capacidades de IA se multiplicarán rápidamente y descubrirán que el futuro que imaginaban está más cerca de lo que parecía.


Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.