Una solución radical para escalar la tecnología AI

Resumen Ejecutivo

Las compañías que matan la prueba de concepto para las tecnologías de inteligencia artificial intentan escalar el doble de veces, tienen éxito en sus iniciativas de escalado el doble de veces y terminan gastando menos dinero en pilotos y despliegues totalmente escalados. ¿El resultado? Logran casi tres veces el retorno de sus inversiones en IA en comparación con sus contrapartes de bajo rendimiento. Además, los escaladores exitosos informan beneficios significativos en el servicio al cliente y la satisfacción de la productividad de la fuerza laboral con respecto a la eficiencia con la que las empresas utilizan sus activos.

Una solución radical para escalar la tecnología AI

Israel G. Vargas

La mayoría de los ejecutivos de C-suite saben que necesitan integrar las capacidades de IA para mantenerse competitivos, pero muchos de ellos no logran ir más allá de la etapa de prueba de concepto. Se atascan enfocándose en los detalles incorrectos o construyendo un modelo para probar un punto en lugar de resolver un problema. Eso es preocupante porque, de acuerdo con nuestra investigación, tres de cada cuatro ejecutivos creen que si no escalan la IA en los próximos cinco años, corren el riesgo de quebrar por completo. Para solucionar esto, ofrecemos una solución radical: matar la prueba de concepto. Ir a la derecha para escalar.

Llegamos a esta solución después encuestando a 1.500 ejecutivos de la C-suite en 16 industrias en 12 países. Descubrimos que si bien el 84% sabe que necesitan escalar la inteligencia artificial en sus negocios para lograr sus objetivos de crecimiento estratégico, solo el 16% de ellos realmente han ido más allá de experimentar con la inteligencia artificial. Todas las empresas de nuestra investigación que implementaron con éxito la IA a gran escala habían hecho una cosa: habían abandonado la prueba de conceptos.

Las empresas que hicieron esto intentaron escalar el doble de veces, teniendo éxito en sus iniciativas de escalado el doble de veces y, debido a que estaban estructuradas correctamente y podían incorporar lo que aprendieron en el camino, terminaron no solo completando proyectos de escalado más rápidamente, sino que gastaron menos dinero en pilotos y despliegues a gran escala. ¿El resultado? Lograron casi tres veces el retorno de sus inversiones en IA en comparación con sus contrapartes de bajo rendimiento. Cuando considera que la compañía promedio en nuestro estudio gastó $ 215 millones en IA en los últimos tres años, la diferencia del 54% representa una brecha de $ 115 millones en los retornos perdidos de AI. Y no se trata solo del dinero. Los escaladores exitosos reportan beneficios significativos en el servicio al cliente y la satisfacción de la productividad de la fuerza laboral a la eficiencia con la que las empresas utilizan sus activos.

Por qué la prueba de concepto no funciona

Así es como la prueba de concepto puede ser una promesa de fracaso, utilizando un ejemplo bastante común. Supongamos que una organización reserva seis meses para construir una plataforma de optimización de la experiencia del cliente como prueba de concepto para mejorar el servicio al cliente. Lo ponen en funcionamiento, confirman (como muchos lo han hecho antes) que funciona y luego lo trasladan a producción. Aquí está el error: demostraron que un concepto podría funcionar técnicamente sin pasar una hora pensando en lo que se necesitaba para ponerlo en producción, los riesgos del modelo, el sesgo de los datos, la privacidad de los datos o las consideraciones éticas. ¿El resultado? Acaban de poner a su organización en una deuda técnica porque nunca la construyeron a escala desde el principio.

Considere cómo una compañía con la que trabajamos hizo esto de manera diferente. Nordea, el grupo bancario más grande de los países nórdicos, necesitaba un chatbot para ayudar con el servicio al cliente para que el personal de su centro de llamadas tuviera más tiempo para trabajar en problemas complejos de los clientes. Nordea tenía un estructura para las pruebas y el desarrollo ya existentes, incluida la base de datos, el talento, el diseño organizacional y los marcos éticos correctos, por lo que omitieron la prueba de concepto y pasaron a la escala. Obtuvieron sus datos correctamente, construyeron un producto mínimo viable, le dieron un avatar y esperaron a ver cómo interactuaban los clientes con él. En junio de 2017, Nordea puso a prueba un lanzamiento limitado de su chatbot a unos cientos de miles de clientes, que inmediatamente comenzaron a recogerlo. El tráfico de correo electrónico y teléfono cayó un 20% de inmediato, mientras que el uso del chatbot y las páginas web relacionadas aumentó en un 30%, todo sin tener que demostrar a los líderes de C-suite cómo funcionaba un chatbot.

¿Qué reemplaza a la prueba de concepto?

En nuestra investigación descubrimos que solo una de cada cinco aplicaciones de IA llega a producción. Todos estos son disparos de bajo porcentaje, y los líderes inteligentes lo saben. Pero si la solución es saltear el POC, ¿qué lo reemplaza? Las compañías exitosas que investigamos hicieron las siguientes tres cosas.

Pivote al pilotaje – Una tecnología piloto toma una capacidad totalmente integrada y la lanza directamente al mundo real (aunque a menor escala). Permite a los tecnólogos de IA y al liderazgo de la compañía ver con precisión cómo los clientes recibirán la nueva tecnología y obtendrán valor. Los POC se lanzan a una escala mucho más pequeña, lo que a menudo dificulta la extracción de valor de sus datos.

Comprométete a la acción – Estamos experimentando fatiga POC en todas las industrias. En lugar de realizar POC interminables, las organizaciones deberían considerar solo algunos proyectos valiosos y centrarse en hacer la investigación adecuada y ponerlos en producción.

Asegúrese de que el equipo correcto esté en su lugar – Un equipo colaborativo es crucial. A menudo, los esfuerzos de las empresas para escalar las capacidades de inteligencia artificial se agrupan en un solo departamento o equipo, a menudo dirigido por TI. Cuando las iniciativas carecen del apoyo de un equipo más grande y multidimensional defendido por el Director de inteligencia artificial, datos o análisis, pierden una conexión crucial con los resultados comerciales y finalmente fallan.

Una mirada por delante

Para escalar el valor en la era de la IA, la clave es pensar en grande y comenzar en pequeño: priorizar el análisis avanzado, la gobernanza, la ética y el talento desde el salto. También exige planificación. Decida qué valor tiene para usted, ahora y dentro de tres años. No sacrifique su relevancia futura al estar tan concentrado en entregar para hoy que no esté preparado para la próxima ola. Comprenda cómo la IA está cambiando su industria y el mundo, y tenga un plan para capitalizarlo.

Este es ciertamente un territorio nuevo, pero todavía hay tiempo para avanzar si se sientan las bases ahora. Lo que no tiene tiempo para hacer es desperdiciarlo, demostrando un concepto que ya existe como consenso.

Related Stories