El enorme potencial disruptivo que vislumbran los últimos avances de Inteligencia Artificial generativa (GenAI) está llegando a todos los sectores como si de una onda expansiva se tratara. En la 27ª Encuesta Anual Mundial de CEOs de PwC, publicada a principios de este año, el 70% de los presidentes y consejeros delegados entrevistados afirmaron que esperan que la IA generativa cambie significativamente la forma en que su empresa crea, entrega y captura valor en los próximos tres años. Y más de dos tercios de los que dicen haber puesto en marcha alguna iniciativa de GenAI en sus empresas aseguran haber cambiado sus estrategias en relación con la tecnología.
Otro estudio que se está llevando a cabo entre PwC y Strategy&, su división de consultoría estratégica, concluye que el impacto potencial de la GenIA varía considerablemente según el sector y la compañía. Nuestro análisis del valor proyectado potencial de GenAI sugiere que si esta tecnología se aplicará a los modelos operativos actuales, las compañías de la industria de software podrían ver un aumento en su margen de beneficio de aproximadamente el 20% (ver gráfico). Incluso para sectores con estimaciones menos relevantes, como el de transporte y la logística, el aumento de un punto porcentual en los beneficios es un camino que, ciertamente, vale la pena explorar.
Por supuesto, estas cifras se basan únicamente en la hipótesis de aplicar IA generativa a los modelos operativos actuales; no tienen en cuenta ni los costes de construir y ejecutar herramientas IA ni la posibilidad de cambiar la dinámica actual del mercado. En el caso de las estimaciones más bajas, las mejoras de productividad podrían provocar movimientos relevantes en los distintos sectores, lo que, a su vez, probablemente se concretará en más innovación, más disrupción y más reinvención, llevando a modos completamente nuevos de creación de valor.
Eso sí, será más fácil poner en marcha estas transformaciones en algunos sectores que en otros. Para ayudar a identificar dónde deben centrar las empresas sus esfuerzos en relación a la IA generativa para que estos sean más productivos, nos hemos inspirado en el modelo circular Flywheel -en inglés, círculo de inercia. [Este modelo, ya habitual en el mundo del marketing, ha venido a sustituir al tradicional modelo de funnel, y parte de la base de que la relación entre clientes y empresa es un bucle circular interminable (ver gráfico)].
Los círculos de inercia, desde los tornos de los alfareros hasta el concepto sobre el que se basa la maquinaria de comercio electrónico de Amazon, necesitan de un esfuerzo inicial para ponerse en marcha pero, una vez que estos círculos virtuosos arrancan, cada incremento adicional de energía reduce el esfuerzo necesario para acelerarse y sirve para preservar y transferir la energía, en forma de conocimiento de negocio, de experiencia y de capacidades. Con el tiempo, puede llevar a un descenso en los costes para crear y capturar valor.
Los directivos pueden aprovechar el poder de este círculo de inercia para mejorar la productividad y el posicionamiento de sus negocios, transformarse y reinventarse. Sin embargo, es vital recordar que el impacto de la IA generativa debe ir más allá de su reflejo en la cuenta de resultados y contemplar también su uso responsable y los efectos de las decisiones de negocio en la sociedad en general.
El flywheel de creación de valor de GenAI
A continuación, describimos cómo los directivos pueden aplicar el modelo flywheel en sus esfuerzos para desarrollar la IA generativa.
1. Crea tu hipótesis de valor
La hipótesis de valor es el enfoque estratégico inicial tanto del potencial en la empresa como de la probable dificultad de poner en marcha aplicaciones específicas de GenAI. Debe basarse en factores como el propósito y los valores de la compañía, su balance, su operativa, su ecosistema empresarial y el panorama competitivo y regulatorio. Una vez formulada, la hipótesis se puede comparar con un análisis del potencial a largo plazo del sector, y crear un punto de referencia razonable que nos ayude a evaluar el progreso.
La hipótesis de valor a corto plazo para GenAI se basa en la eficiencia. La 27ª Encuesta Anual Mundial de CEOs de PwC, revela que hasta el 40% del tiempo que las empresas dedican a tareas rutinarias -como reuniones y correos electrónicos- es ineficiente. Utilizar la GenAI para mejorar la productividad tiene sentido tanto desde el punto de vista táctico como estratégico. Pero es importante tener en cuenta que hay un premio mayor al considerar la hipótesis de valor: la reinvención total, que requiere más tiempo y recursos.
Hace un siglo, Henry Ford supuestamente señaló que cuando sus clientes le pedían “caballos más rápidos”, él les dio el Modelo T. Hoy en día, los primeros casos de uso de IA generativa se han centrado en mejorar la eficiencia de las soluciones y de las formas de trabajar ya existentes, el equivalente a los caballos de Ford. Y aunque el marco del círculo de inercia puede ayudar a impulsar el valor con este enfoque, es vital recordar que existe un retorno mucho mayor. En lugar de centrar toda la atención en mejoras marginales, la mayoría de las empresas querrán replantearse por completo cuáles podrían ser las mejores soluciones a la luz de las nuevas opciones de que disponen. Para evitar caer en los próximos tres años en un gran problema de deuda tecnológica y de procesos es necesario no perder de vista el potencial de disrupción y de reinvención a largo plazo a la hora de evaluar el valor futuro y de desarrollar una estrategia inicial de IA generativa.
2. Prioriza los casos de uso clave
Una vez que se cuenta con una hipótesis de valor como guía, debería ser más fácil identificar los casos de uso de GenAI que tienen mayor potencial para ofrecer el máximo beneficio. No solo ayuda a demostrar el retorno de la inversión, sino que también puede contribuir a una prueba de concepto, ayudando a mejorar el apoyo de los principales interesados para futuras iniciativas.
Hemos identificado cientos de casos de uso de GenAI en todos los sectores, y cada empresa incluida en nuestro análisis se enfrentará a retos y oportunidades distintas y diferenciadas dependiendo de cómo se utilicen sus datos para entrenar las herramientas de GenAI. Nuestro análisis inicial indica que, en todos los sectores, los cinco principales casos de uso de GenAI pueden generar entre el 50% y el 80% del valor total derivado de la tecnología, por lo que tiene sentido identificarlos y concentrarse en ellos.
3. Identificar patrones para impulsar la escala
Para crear el máximo valor, la GenAI requiere refinamiento y enfoque. Un modelo estándar puede ofrecer resultados sólidos para algunos casos de uso, pero si se añaden los datos de tu propia empresa, con guardarrailes para proporcionar enfoque y seguridad, o complementos adicionales para aumentar las capacidades y la precisión de la herramienta principal (como hemos hecho en PwC con la herramienta interna ‘ChatPwC GenAI’), su efecto puede ser mucho más relevante e impactante.
4. Selecciona las herramientas adecuadas de GenAI
Después de identificar casos de uso y los patrones para escalarlos, se puede comenzar a evaluar y hacer una lista de las tecnologías fundamentales de GenAI más apropiadas. El objetivo aquí es anticipar y evitar posibles deudas tecnológicas potenciales; el coste de los cambios que eventualmente puedan ser necesarios debido a las limitaciones a largo plazo de las inversiones tecnológicas para satisfacer las necesidades inmediatas, como la ineficiencia de tener múltiples herramientas de GenAI desconectadas. La clave es equilibrar la solidez de la tecnología con su adoptabilidad y adaptabilidad, para permitir tanto la escala como los resultados comerciales sostenidos.
5. Diseñar soluciones que maximicen el valor existente
El siguiente paso es identificar qué agregar a las herramientas fundamentales para ofrecer soluciones más específicas que puedan maximizar el valor. Para muchas organizaciones, la propia tecnología no conducirá a ninguna diferenciación en el mercado, por lo que añadir datos propios será clave para el éxito. Pero ese tipo de uso de datos, a su vez, planteará desafíos adicionales en gobernanza y gestión de riesgos que podrían resultar en un considerable aumento de los costes de desarrollo e implementación, lo que podría reducir el valor general de soluciones prometedoras.
6. Evalúa el coste y el impacto ambiental
Una vez que se ha determinado un posible camino hacia la creación de valor, es momento de evaluar el coste del desarrollo y la implantación, y decidir si seguir adelante. Para muchas compañías, los casos de uso iniciales basados en la productividad se centrarán en la rentabilidad, mejorando los márgenes con la automatización de las formas de trabajo existentes. Evaluar el coste y el impacto de los casos de uso de GenAI que tienen un mayor potencial de generación de nuevos ingresos netos a largo plazo -a través de la transformación, innovación o reinvención de la empresa- será, probablemente, un reto más complicado.
Considerar el coste en el sentido más amplio, no sólo financiero, sino también medioambiental e incluso de reputación. Por ejemplo, aunque sea posible reducir costes reduciendo la mano de obra mediante el uso de GenAI para realizar algunas tareas, sustituir a los humanos por bots podría provocar una reacción destructiva o perjudicial para la marca, además de reducir la supervisión y validación humanas de los resultados de GenAI, lo que podría aumentar la exposición al riesgo.
7. Desarrollar e implementar, probar y aprender
La prueba y el aprendizaje son esenciales con una tecnología que evoluciona tan rápido como la IA generativa. Cada implementación, cuando se lanza con controles definidos y métricas de éxito, es una oportunidad para aprender. Estas lecciones, a su vez, ayudan a identificar mejoras, incluida la comprensión de cómo se puede capturar el valor y cómo se deben medir los éxitos futuros, así como a reevaluar el riesgo y la gobernanza antes de adaptar y escalar las herramientas y soluciones a otras partes de la organización.
8. Aprovechar y buscar otras aplicaciones relevantes
En el último segmento del flywheel, puedes aprovechar el conocimiento y la experiencia generados durante la evaluación, el desarrollo y el testeo para hacer los ajustes necesarios y reutilizar las herramientas de GenAI para otros usos más amplios. En algunos casos, las soluciones identificadas pueden necesitar ser personalizadas aún más para usos adicionales específicos, pero la prueba de concepto y las lecciones aprendidas de las implementaciones iniciales deberían significar que su desarrollo sea más rápido.
