¿Qué hace que una empresa tenga éxito en el uso de IA?

Cinco áreas donde se destacan los mejores intérpretes.

¿Qué hace que una empresa tenga éxito en el uso de IA?

Más de 50,000 líderes se mantienen al día con el futuro de los negocios.

Reportes radicalmente breves que ahorran 2,000+ horas de investigación

Estás aprendiendo en buena compañía

logo amazon
logo salesforce
logo mercadolibre
logo google
logo femsa
logo aeromexico
Resumen.   

Las empresas de una amplia gama de industrias están intentando integrar análisis y datos para mejorar sus operaciones, con resultados decididamente mixtos. ¿Qué están haciendo los de mejor desempeño de manera diferente, y mejor, que los demás? En general, las empresas líderes hicieron una evaluación honesta de dónde se encontraban, formaron una visión de dónde querían estar en tres o cuatro años y buscaron formas de obtener ganancias rápidas. Más específicamente, superaron en cinco áreas: gobernanza, implementación, asociaciones, personas y disponibilidad de datos.


Vistra, un importante productor de energía de EE. UU., tuvo un problema. Para que sus plantas funcionaran de manera eficiente, los trabajadores tenían que monitorear continuamente cientos de indicadores diferentes, realizar un seguimiento de las temperaturas, las presiones, los niveles de oxígeno y las velocidades de las bombas y los ventiladores, y tenían que hacer ajustes en tiempo real. El proceso implicaba una enorme complejidad, y era demasiado para que incluso el operador más capacitado lo hiciera bien todo el tiempo. Para abordar este desafío, la planta instaló una herramienta impulsada por IA, un optimizador de la tasa de calor, que analizó cientos de entradas y generó recomendaciones cada 30 minutos. Resultado: un aumento del 1% en la eficiencia. Puede que no parezca mucho, pero se traduce en ahorros millonarios y en menores emisiones de gases de efecto invernadero.

Las empresas de una amplia gama de industrias están tratando de integrar análisis y datos para mejorar sus operaciones. Wayfair, la empresa de comercio electrónico, fue una de las primeras en trasladar sus datos a la nube e invertir en aprendizaje automático. Cuando llegó el Covid-19 y se produjeron rápidos cambios en la demanda de los consumidores, pudo optimizar la logística de los portacontenedores, ajustando continuamente qué mercancías se enviaban a qué puertos. Resultado: una sorprendente reducción del 7,5% en los costos de logística de entrada.

Sin embargo, no todas las empresas han tenido tanto éxito como Wayfair. De hecho, las empresas de mejor desempeño pueden tener más del doble de impacto en la mitad de tiempo en comparación con la empresa promedio que implementa inteligencia artificial. ¿Por qué a algunas empresas les va mucho mejor que a otras?

Para responder a esa pregunta, McKinsey y el MIT Inteligencia de máquinas para fabricación y operaciones (MIMO) estudió 100 empresas en sectores desde la automoción hasta la minería. A través de entrevistas, investigaciones y una encuesta, buscamos tener una idea de cómo utilizaban las tecnologías digitales, de análisis de datos e inteligencia artificial (MI); qué querían lograr y cómo realizaban un seguimiento de su progreso. Al observar 21 indicadores de rendimiento en nueve categorías (estrategia, enfoque en las oportunidades, gobernanza, implementación, asociaciones, personas, ejecución de datos, presupuesto y resultados), pudimos dividir las 100 empresas en cuatro categorías: líderes, planificadores, ejecutores y organizaciones emergentes para identificar las las relaciones entre las medidas adoptadas y las inversiones realizadas, y los resultados tangibles y sostenibles.

Cualquier empresa con la ambición de beneficiarse de las tecnologías digitales avanzadas tiene la oportunidad de aprender de los enfoques de mejores prácticas, ya sea planificador, ejecutor o empresa emergente en la actualidad. Echamos un vistazo más allá de los números de primer nivel para explorar los impulsores subyacentes del éxito.

Los secretos detrás de los operadores inteligentes

La carrera para aprovechar los datos y el análisis podría ganarse con múltiples acciones coordinadas en lugar de un solo movimiento audaz. Los cuatro segmentos (líderes, planificadores, ejecutores y empresas emergentes) operan en un espacio dinámico en el que el listón está aumentando y la cantidad de casos de uso de aprendizaje automático seguirá aumentando e integrándose en el negocio como de costumbre.

No todos deben esforzarse por ser líderes de inmediato; en cambio, deben esforzarse por pasar al siguiente estado mejor.

Líderes son los de mayor desempeño y representan aproximadamente el 15% de la muestra. Al invertir en los lugares correctos, han capturado los mayores beneficios de las tecnologías digitales avanzadas. Es mucho más probable que los líderes tengan un proceso definido para la evaluación e implementación de la innovación digital. También es más probable que sigan ese proceso con regularidad y lo actualicen continuamente. Como resultado, han logrado mejoras significativamente mayores que el resto en 20 de los 21 indicadores clave de desempeño evaluados y estuvieron en el 25% superior en las nueve categorías de desempeño.

Planificadores representan aproximadamente un cuarto del conjunto de datos. Los planificadores suelen tener fuertes habilidades con las personas y una considerable experiencia en la ejecución de datos; son metódicos y se centran en hacer las inversiones adecuadas. Sin embargo, en muchos casos, estos aún no han dado sus frutos, aunque algunos están a punto de unirse a los líderes. Si bien algunos planificadores pueden señalar implementaciones exitosas, varios no han podido descifrar el código para escalar los casos de uso que realmente cuentan. Otros luchan por escapar de la» purgatorio piloto» Describió McKinsey en 2018.

Ejecutores, aproximadamente un tercio de los encuestados, aprovechan el conjunto cada vez mayor de conocimientos especializados y trabajan con los socios para crear soluciones específicas dirigidas a las oportunidades más prometedoras. Luego, implementan estas soluciones de la manera más amplia posible. Los ejecutores están orientados a los resultados. Pueden y han logrado ganancias significativas, a pesar de construir menos infraestructura que los líderes o planificadores. Por otro lado, a veces les resulta difícil unir esfuerzos dispares en el desempeño de toda la empresa.

Las empresas emergentes, aproximadamente una cuarta parte del grupo, tienen el nivel de madurez más bajo y han visto las ganancias más pequeñas; muchos recién comienzan. Algunas empresas emergentes informan de un éxito moderado con casos de uso seleccionados, pero a otras les resulta difícil incluso averiguar dónde invertir. Pocos cuentan con la estrategia, las habilidades o la infraestructura para ir mucho más lejos.

Cinco formas de ser inteligentes sobre la inteligencia artificial

En general, descubrimos que las empresas que tuvieron éxito en el despliegue de tecnologías digitales avanzadas hicieron una evaluación honesta de dónde se encontraban en términos de los nueve indicadores de rendimiento. Sobre esa base, pudieron formarse una visión de dónde querían estar en tres o cuatro años. Al mismo tiempo, identificaron algunos casos de uso prometedores para acumular ganancias rápidas. Más específicamente, la investigación identificó cinco áreas en las que se destacan los mejores.

Gobernanza.

La inteligencia artificial es una prioridad estratégica para las empresas líderes. Muchos han creado centros de excelencia dedicados para respaldar sus esfuerzos de implementación, ya sea dentro de las unidades de negocios o como una función centralizada para apoyar a toda la organización, garantizar los estándares y acelerar la implementación. Una función de soporte dedicada y centralizada también ayuda a mantener sus programas digitales en marcha y documenta cómo progresa su cartera. Los líderes tienen muchas más probabilidades que las empresas de bajo rendimiento de tener un proceso definido para la evaluación y la implementación de la innovación digital. Por ejemplo, la firma farmacéutica Bayer utiliza un proceso de gobierno bien documentado para implementar varias aplicaciones en una planta, que luego implementó en su red, lo que resultó en un aumento de los ingresos.

Sin embargo, los líderes también reconocen que el cambio es inevitable en este espacio en rápido movimiento. La mayoría de los líderes de nuestro conjunto de datos refinan y mejoran continuamente sus procesos, mientras que los ejecutores y planificadores de nuestro conjunto de datos a menudo se atascan, lo que limita la capacidad de escalar con éxito.

Despliegue.

Las organizaciones líderes aplican la MI de manera más amplia y utilizan enfoques más sofisticados. Por ejemplo, todos los líderes implementaron la MI en la previsión, la optimización del mantenimiento y la logística y el transporte. También es mucho más probable que los líderes adopten enfoques avanzados, como la aplicación de la visión artificial para garantizar la calidad del producto. Un actor biofarmacéutico, Amgen, descubrió que las operaciones del sistema de inspección visual ofrecían grandes oportunidades para automatizar y aprovechar las tecnologías de IA. Amgen es en desarrollo un sistema de inspección visual totalmente validado que utiliza IA que impulsará la detección de partículas en un 70% y reducirá los falsos rechazos en un 60%.

Si bien las aplicaciones como estas pueden tener un impacto enorme, estas empresas también se dan cuenta de que cualquier impacto a largo plazo requiere utilizar múltiples palancas en conjunto, y que la implementación amplia en toda la empresa es clave.

Alianzas.

Las asociaciones son comunes, a menudo con el mundo académico, las empresas emergentes, los proveedores de tecnología existentes y los consultores externos. Sin embargo, los líderes trabajaron con una gama más amplia de socios, y de manera más intensa, para maximizar la velocidad y el aprendizaje. Por ejemplo, Colgate-Palmolive y Pepsico/Frito-Lay, dos compañías de productos de consumo que trabajaron con un proveedor de sistemas, Augury, implementaron diagnósticos de salud de máquinas impulsados por IA en sus líneas de producción; en un caso, esto evitó una interrupción de ocho días. Analog Devices, una empresa de semiconductores, colaboró con el MIT para desarrollar un novedoso control de calidad de MI que le permitió identificar qué tiradas de producción y herramientas podrían tener una falla. Esto significaba que los ingenieros de la empresa solo tenían que revisar el 5% de los datos de proceso que tenían que revisar antes.

Los líderes, a pesar de sus mayores capacidades, en realidad confiaron más a los socios externos para acelerar aún más su aprendizaje y el tiempo de impacto.

Personas.

Las empresas líderes toman medidas para garantizar que la mayor cantidad posible de partes interesadas tengan las habilidades y los recursos que necesitan para emplear enfoques digitales avanzados, en lugar de mantener esta experiencia en el dominio exclusivo de los especialistas. Más de la mitad capacita a su personal de primera línea en los fundamentos de MI, por ejemplo, en comparación con solo el 4% de otras empresas. McDonald’s, un restaurante global de servicio rápido, utilizó MI para mejorar una amplia gama de tareas operativas, desde predecir la respuesta de los clientes hasta pronosticar la afluencia en tiempo real. La empresa adoptó un enfoque híbrido para hacer esto: su centro corporativo de excelencia prueba y desarrolla nuevos enfoques antes de incluirlos en herramientas fáciles de usar que están ampliamente disponibles. Este sistema ayuda a los miembros del equipo en el campo a comprender la importancia de tener buenos datos y a perfeccionar sus habilidades de identificación de problemas.

Quedó claro que los líderes consideran que el uso de datos y análisis está profundamente arraigado en su forma de operar, en lugar de mantenerlo en silos y restringirlo a unos pocos empleados.

Disponibilidad de datos.

Los líderes hacen los datos accesibles. Todos los líderes de nuestra investigación brindan al personal de primera línea acceso a los datos, en comparación con el 62% del resto. Todos los líderes también adquieren datos de clientes y proveedores, y el 89% comparten sus propios datos. Las empresas líderes tienen casi el doble de probabilidades que otras de permitir el acceso remoto a los datos y almacenar una fracción significativa de sus datos en la nube. En resumen, la democratización de los datos es un aspecto crítico para el uso efectivo de la analítica. Un buen ejemplo es el de Cooper Standard, un proveedor de automóviles. Requiere que los equipos aborden la estrategia de datos al principio del proceso de desarrollo de nuevas aplicaciones de MI; esto garantiza que todos los casos de uso se basen en datos sólidos y bien administrados. Esta democratización de los datos contrasta con muchas empresas en las que la información es poder y está celosamente protegida.

Componentes básicos para la transformación digital

Descubrimos que las cinco áreas (gobernanza, implementación, asociaciones, personas y datos) eran más efectivas cuando se integraban en un manual de estrategias, a menudo coordinado por un centro de excelencia. Pero primero, las empresas necesitan una evaluación honesta de su punto de partida en las nueve dimensiones. A partir de ahí, puede empezar a tomar forma un plan de transición. Incluso si es difícil, asigna objetivos realistas a mediano plazo que tienen en cuenta las barreras para el cambio: talento cualificado, capacidad de inversión e infraestructura crítica, como la migración de datos de sistemas heredados a la nube. Si bien la ambición puede ser ilimitada, los pasos no pueden ser demasiado pequeños: la mayoría de los líderes comenzaron a usar datos y herramientas simples para tomar decisiones, luego pasaron a técnicas más avanzadas a medida que desarrollaban madurez y familiaridad con sus datos.

A pesar de los avances recientes y significativos en la MI, la escala total de la oportunidad apenas comienza a desarrollarse. Y eso nos lleva a una diferencia más importante entre los líderes y el resto: el dinero. Los líderes gastaron entre un 30 y un 60% más y esperaban aumentar sus presupuestos entre un 10 y un 15%, mientras que los demás informaron de aumentos escasos o nulos. Eso significa que la brecha entre los líderes y el resto podría ampliarse.

Dependiendo de su punto de partida, el camino de cada empresa será diferente. Pero en términos de lo que funciona, los líderes están mostrando el camino.

Los autores desean agradecer a Duane Boning, Erez Kaminski, Pete Kimball, Retsef Levi, Ingrid Millan y Aaron Wang, junto con el programa LGO del MIT, por sus contribuciones a esta investigación y artículo.


Por Bruce Lawler Vijay D’Silva Bruce Lawler