[12/03/2021] Muchas empresas todavía no ven un impacto significativo fruto de sus esfuerzos en la implementación de la inteligencia artificial (IA). Algunos expertos dicen que esto puede deberse a que no están adoptando algo llamado "aprendizaje organizacional”.
No es suficiente usar la inteligencia artificial para optimizar un proceso empresarial -por ejemplo, para hacer mejores predicciones o automatizar una tarea manual. Las empresas deben dar un paso más: aprovechar las lecciones aprendidas de sus proyectos de IA y utilizarlas para transformar sus organizaciones.
Si bien la mayoría de las organizaciones dirían que aprenden de sus éxitos y fracasos, son pocas las que tienen procesos formales para adoptar estos aprendizajes y promulgarlos en toda la empresa, especialmente cuando se trata del uso de IA. Como resultado, solo el 11% de las empresas vieron beneficios significativos de sus iniciativas de IA en el 2020, según un informe reciente de MIT Sloan Management Review realizado en colaboración con Boston Consulting Group.
Tomemos, por ejemplo, las calificaciones de solicitudes de préstamos, muchas de las cuales implican una tediosa introducción de datos realizada manualmente por los oficiales de crédito. El uso de la inteligencia artificial o el aprendizaje automático puede optimizar drásticamente el proceso, reduciendo los costos y la necesidad de contar con tantos oficiales de préstamos dentro del personal. Pero las empresas solo pueden ahorrar una cantidad limitada de dinero y los empleados se muestran reacios a respaldar proyectos que podrían costarles sus puestos de trabajo.
Mientras tanto, la IA también se puede utilizar para obtener nuevos conocimientos a partir de los mismos datos de la solicitud de préstamo. Un banco podría descubrir segmentos de clientes desatendidos, por ejemplo, que conduciría a una expansión drástica del negocio. O un banco podría descubrir que la gente tiene miedo de solicitar préstamos debido a la preocupación de dañar sus calificaciones crediticias, señala Sam Ransbotham, profesor de sistemas de información en Carroll School of Management de Boston College y coautor del informe MIT Sloan. Ofrecerles la oportunidad de una evaluación sin riesgos que no afecte su calificación crediticia podría cambiar eso.
"Eso no involucraría solamente automatizar el proceso de préstamo; sería cambiar fundamentalmente el proceso de préstamo”, asegura.
No hay límite para el potencial de crecimiento y los empleados pueden respaldar una nueva tecnología que ofrece más oportunidades de trabajo interesantes.
Es importante que los CIOs tengan ese ángulo en cuenta, anota Ransbotham, ya que normalmente prestan más atención a la eficiencia. "Algunos CIOs están más orientados hacia el servicio”, explica. "Se enfocan en reducir los costos de sus operaciones de TI. Puede haber una tendencia a automatizar lo que estamos haciendo actualmente, versus hacer algo completamente diferente”.
En su encuesta de más de tres mil encuestados, MIT Sloan y BCG identificaron varios factores que ayudaron a las empresas a pasar al 11% que reportó "beneficios financieros significativos”. Dentro de estos se incluyen intercambiar conocimientos entre humanos e IA, incorporar la IA en la estrategia empresarial general, ir más allá del uso de la IA para una automatización simple y encontrar formas para que los humanos y la IA trabajen de manera que la IA mejore el trabajo humano y viceversa.
"Lo que encontramos es que cuando las personas siguen estos pasos orientados hacia el aprendizaje organizacional, pueden aumentar la probabilidad de estar en ese grupo del 11% en casi un 80%”.
Apostando a lo grande en la IA
A fines de enero, Johnson & Johnson anunció su vacuna contra el COVID-19, una vacuna de dosis única que requiere refrigeración normal, no congelación. Según J&J, su vacuna es 66% efectiva en general, pero 85% efectiva para prevenir casos severos y 100% efectiva para prevenir la muerte.
La vacuna, según el CIO de J&J, Jim Swanson, no habría sido posible sin la IA. Él comenta que hace ocho o nueve meses demoraba dos semanas hacer un lote de la vacuna. Ahora, se hacen dos lotes en una semana, una mejora cuatro veces mayor.
"Usamos la IA para mejorar todo, desde nuestro proceso de fermentación hasta nuestro flujo de rendimiento”, asegura. "Hay un montón de insights y todas las piezas se suman al resultado”.
La cooperación entre varios dominios de experiencia también aceleró el proceso, señala. "Impulsamos con fuerza esta idea del científico de datos bilingüe. Alguien que realmente entienda la investigación y el desarrollo o la cadena de suministro”.
Si bien aprovechar la inteligencia artificial para acelerar el desarrollo de vacunas contra el COVID-19 es lo que está en los titulares en este momento, J&J también usa la IA para crear oportunidades empresariales completamente nuevas. Por ejemplo, está utilizando IA y ML para examinar los escáneres de retina para determinar si un paciente tiene glaucoma.
La empresa también fabrica robots quirúrgicos. "Se obtiene una mayor precisión y mejores procedimientos”, sostiene Swanson.
Y va incluso más allá de eso. El objetivo final es mejorar los resultados de los pacientes, por lo que la empresa también está analizando los procesos preoperatorios y posoperatorios. "Se puede utilizar la IA para que el paciente reciba el procedimiento correcto y para poder apoyar mejor su recuperación”, explica. "Ahora se tiene una visión integral del paciente, lo que crea un conjunto completamente nuevo de oportunidades”.
El mismo enfoque se está implementando en todos los ámbitos en J&J, comenta Swanson. Por ejemplo, en su línea de cuidado de la piel, Avena, la IA permite a los consumidores tomar una foto de su piel para obtener una recomendación de producto personalizada.
Y luego entra a tallar el aprendizaje organizacional, ya que J&J usa esas imágenes para descubrir qué problemas de piel enfrentan las personas. "De un momento a otro, repentinamente, acelera su oferta de productos”, señala. "Tiene un ciclo de retroalimentación de datos que continúa creando productos relevantes”.
Ese ciclo de retroalimentación depende de tener la infraestructura de datos adecuada, una que respalde la privacidad y la seguridad, de modo que los datos puedan democratizarse en toda la empresa. "Si no puede compartir datos de forma segura, no puede compartirlos”, señala Swanson, lo que podría significar des-identificar los datos, por ejemplo, para centrarse en los fenotipos: grupos de edad con determinadas afecciones.
La pieza final de la estrategia de aprendizaje organizacional de J&J implica el crecimiento del conocimiento colectivo en IA. "Si no se siente cómodo con el uso de datos, no puede aprovecharlos”, comenta Swanson. "Tenemos científicos de I+D con pensamientos progresistas, personal comercial, personal de la cadena de suministro. Establecimos un consejo de ciencia de datos que el jefe de I+D y yo copatrocinamos, y hemos tomamos la decisión de descentralizar la IA en nuestro negocio”.
Más importante aún, la estrategia de IA de J&J cuenta con el patrocinio de lo más alto. "Estamos haciendo que la IA y la tecnología sean el núcleo de nuestra empresa; no es algo que se pueda hacer de forma paralela”, nota.
Difundir el mensaje
Al igual que J&J, las empresas que tienen más éxito con sus iniciativas de IA no limitan la inteligencia artificial a grupos pequeños, anota Anand Rao, socio y líder global de IA en PricewaterhouseCoopers. En cambio, integran la IA en toda la empresa para que la utilicen incluso aquellos empleados que no tienen experiencia técnica o analítica.
"La mayor parte del tiempo, el desafío -y esto es cuando las empresas no obtienen el ROI- se debe a que no están capacitadas, instruidas y administradas de manera adecuada”, señala. "Uno no debe buscar que solo un individuo o un grupo pequeño aprenda de esto, sino que toda la organización lo haga”.
Rao señala que ayuda tener personas que son "multilingües”; es decir, aquellos que entienden el lado empresarial, el dominio de la materia, el software y los algoritmos de IA. "O encuentre un equipo que pueda trabajar en conjunto y hacer esto”. Ese es uno de los mayores desafíos, agrega. "Es difícil lograr que personas con diferentes mentalidades trabajen juntas”.
Colaboración humano-máquina
Otra empresa que se está tomando en serio el principio de aprendizaje organizacional es Genpact, una firma global de servicios profesionales que comenzó como la unidad de procesos empresariales de GE. Genpact, que se separó en el 2005, ahora tiene casi 100 mil empleados y reportó 3,5 mil millones de dólares en ingresos en el 2019.
Cuando empezó la pandemia, los ingresos cayeron significativamente y la compañía estaba considerando la posibilidad de tener que despedir a 10 mil trabajadores, ya que muchos de los clientes de Genpact se encontraban en sectores muy afectados, comenta Gianni Giacomelli, director de innovación de la compañía.
"En cambio, pudimos adaptarlos a la nueva demanda y capacitarlos nuevamente en tiempo real”, señala Giacomelli, quien también es el jefe de aprendizaje y desarrollo de la empresa. "A veces, se necesitaron solo un par de semanas para volver a capacitarlos y conseguir nuevos trabajos. De hecho, logramos crecer en comparación con nuestros pares, incluso durante el COVID-19”.
El esfuerzo de reentrenamiento fue posible gracias a dos usos separados de la IA en la empresa. En primer lugar, Genpact utiliza la minería de procesos, el procesamiento de lenguajes naturales (PLN) y el análisis de redes para determinar cómo se hicieron las cosas, identificar excepciones y definir quién tenía qué habilidades y qué experiencia en el dominio.
Esta información ayudó a la empresa a ubicar a los empleados en nuevos puestos de trabajo y, una vez que comenzaban un nuevo rol, los sistemas de IA les permitían ponerse al día rápidamente explicándoles el proceso para tareas específicas o conectándolos con expertos relevantes.
"Esto nos permitió reaccionar mucho más rápido a las condiciones que se nos presentaron”, asegura Giacomelli.
En el pasado, la gestión del conocimiento tuvo sus dificultades. Hace cinco años, la tasa de fracaso de estos programas era de aproximadamente el 50%, según KM Institute. Pero debido a las mejoras significativas en el PLN y otras tecnologías de IA, la situación ha cambiado drásticamente.
"Durante los últimos dos o tres años, la calidad de la creación de ontologías que las máquinas pueden hacer por sí mismas es mucho más exacta”, anota Giacomelli. "Y lo que uno obtiene es mucho más preciso”.
La IA puede encontrar conocimiento organizacional dentro de documentos, en procesos empresariales y con personas.
En Genpact, la IA no es el dominio exclusivo del departamento de TI. Y esa es una diferencia clave entre las empresas que ven un ROI significativo de la IA y las que no lo ven, señala Kathleen Featheringham, directora de estrategia y capacitación de IA en Booz Allen Hamilton.
"La IA es la cuarta revolución industrial”, anota. "Cambia completamente el juego. No es solo un problema de TI; todos los roles están evolucionando”.
Ella explica que la transformación empresarial impulsada por la inteligencia artificial implica la reevaluación de las metas de desempeño, de los objetivos de capacitación. Y debe estar conectado a la visión y misión de una organización. "En mi experiencia, cuando la IA no estaba ligada a la visión y la misión, la gente en realidad se sentía muy resentida”, añade.
Creando nuevas líneas de negocio
Uno de los principios del aprendizaje organizacional es que la IA se utiliza para acrecentar a los empleados, trabajar junto a ellos y complementar sus habilidades.
"Si logra establecer una colaboración entre lo que las máquinas y la intuición y conocimiento humano saben hacer, obtendrá un gran beneficio empresarial”, sostiene Judith Hurwitz, presidenta y fundadora de Hurwitz and Associates, y autora de diez libros sobre liderazgo, tecnología y analítica.
Globant, la empresa de desarrollo de software, está haciendo precisamente eso con su codificación aumentada impulsada por IA. Utiliza PLN para que los desarrolladores puedan buscar código por funcionalidad, lo que permite curvas de aprendizaje más cortas y un desarrollo más rápido y preciso. Además, el sistema genera automáticamente documentación y autocompleta el código a partir del contexto.
"No va a reemplazar la importancia de los desarrolladores”, asegura Nicolás Ávila, CTO de Globant en América del Norte. "Esa tecnología aún no existe, pero tampoco es lo que buscamos”.
En cambio, la tecnología de codificación aumentada hace gran parte del trabajo pesado en torno al trabajo rutinario. "Les da [a los desarrolladores] una línea base para comenzar, que es contextual para su problema específico y cliente en particular. Simplemente estamos usando su tiempo de manera más efectiva”, explica.
Ávila cuenta que Globant invirtió inicialmente en capacidades de inteligencia artificial hace cinco años e hizo que la capacitación fuera universal -no solo para los desarrolladores, sino incluso, hasta cierto punto, para las personas en recursos humanos, compras u otros departamentos. "Había que tener una idea de las capacidades de la IA en un alto nivel, para que todos los empleados pudieran identificar oportunidades”.
Esto ha evolucionado hasta convertirse en aplicaciones impulsadas por IA en otras áreas de la empresa, incluyendo contratación y retención.
La codificación automatizada surgió a partir de experimentos que aplicaban la PLN a lenguajes de programación a principios del 2019. Ese esfuerzo se convirtió en un conjunto de herramientas de desarrollo interno y luego en un producto comercial.
"Definitivamente vemos esto como una oportunidad creciente de negocio”, finaliza Ávila.
Basado en el artículo de Maria Korolov (CIO)y editado por CIO Perú
También puede ver