Convierta la IA generativa de una amenaza existencial en una ventaja competitiva

La idea en breve El problema La IA generativa tiene el potencial de generar disrupciones o mercantilizar negocios cuyas ofertas antes requerían una importante mano de obra humana y creatividad. Para competir, muchas empresas tendrán que replantearse sus estrategias. Lo que está en juego Algunas podrán obtener una ventaja aprovechando herramientas ampliamente disponibles mejor o más rápido que sus competidores. Pero esa ventaja será sólo temporal, y el uso de las herramientas pronto se convertirá en apuestas de mesa. Una solución diferenciada Convertir la IA de una amenaza existencial en una oportunidad implica aplicar la IA generativa a niveles cada vez más sofisticados que produzcan una ventaja competitiva más sólida y sostenible. Al facilitar y abaratar enormemente la creación o mejora de productos y servicios, la IA generativa tiene el potencial de generar disrupciones o incluso de convertir en productos básicos a empresas cuyas ofertas antes requerían una creatividad y un trabajo humano considerables. Para competir, muchas empresas tendrán que replantearse sus estrategias y encontrar nuevas formas de añadir valor para los clientes. ¿Qué pueden hacer las empresas para que la IA generativa deje de ser una amenaza y se convierta en una oportunidad? ¿Cómo pueden utilizarla para crear una ventaja competitiva? ¿Qué tipos de empresas tienen el mayor potencial? Estas son las preguntas a las que responderemos aquí. Cómo aprovechar la IA generativa Basándonos en nuestras décadas de experiencia combinada trabajando con empresas de Silicon Valley e investigando la ventaja competitiva de los datos y la IA a través de modelos económicos, hemos descubierto que la IA generativa puede aplicarse en tres niveles que se corresponden con un grado creciente de ventaja competitiva. 1. Adoptar herramientas disponibles públicamente. Las empresas pueden proporcionar a los empleados grandes modelos de lenguaje (LLM) u otros tipos de IA generativa disponibles en el mercado, como Midjourney y Runway, para ayudarles a realizar su trabajo de forma más eficaz y eficiente. Por ejemplo, los empleados pueden utilizar herramientas de nivel 1 para mejorar la comunicación interna o los documentos de presentación, generar ideas para nuevas características de los productos, realizar investigaciones sobre la competencia, redactar mensajes de acercamiento al cliente para los vendedores, retocar las fotos de los materiales de marketing, crear publicaciones en las redes sociales, etc. Prácticamente todas las empresas de todos los sectores -desde las tecnológicas hasta los fabricantes de productos de consumo, pasando por los arquitectos y las consultorías- deberían plantearse implantar el nivel 1. Al igual que Internet se convirtió en algo esencial para sobrevivir y prosperar a finales de la década de 1990, también lo serán las herramientas de IA generativa disponibles públicamente a medida que se vuelvan más precisas, aplicables y seguras. Entre ellas se incluyen no sólo las LLM generales, como ChatGPT de OpenAI y Bard de Google, sino también las específicas de cada sector, como Alexi para bufetes de abogados y Karbon AI para empresas de contabilidad, y las específicas de cada función, como Copy.ai para la corrección de textos y GitHub Copilot para la codificación. Las empresas que no implementen estas herramientas se verán gravemente perjudicadas. A corto plazo, algunas empresas podrán obtener una ventaja aprovechando estas herramientas mejor o más rápido que sus competidores. Las empresas que también impulsen cambios fundamentales en los procesos empresariales basados en el uso de IA generativa lograrán una ventaja aún mayor; las que sean demasiado lentas se quedarán en el camino. Sin embargo, confiar únicamente en modelos de IA a los que todo el mundo (tanto los recién llegados como los rivales existentes) tiene acceso sólo aportará una ventaja temporal antes de convertirse en apuestas de mesa. En su forma básica, la implantación del nivel 1 no implica ninguna personalización del modelo de IA. En la práctica, las empresas pueden lograr alguna pequeña medida de personalización afinando los modelos utilizando sus propios datos, un paso que hace avanzar a una empresa hacia el nivel 2. 2. Personalizar las herramientas. Las empresas pueden crear sus propias herramientas personalizadas de IA generativa que utilicen los datos y los conocimientos que han acumulado en el proceso de atender a sus clientes, ya sea construyéndolas a partir de modelos de código abierto o utilizando modelos proporcionados por empresas de LLM como Anthropic y Cohere. Estas herramientas pueden mejorar la experiencia del cliente facilitando la interacción con los productos y añadiendo nuevas capacidades, como las recomendaciones personalizadas. Por ejemplo, los proveedores de productos de software (especialmente los complejos) pueden crear interfaces de chat basadas en la IA generativa específicas para cada producto. Como nos dijo Des Traynor, cofundador y director de estrategia de Intercom, una empresa que proporciona herramientas en línea para el servicio de atención al cliente: "Lo bueno de estas interfaces es que liberan a los proveedores de tener que cambiar la facilidad de uso por la personalización". El uso del producto de software se vuelve intuitivo para todos (no sólo para los expertos), y puede personalizarse automáticamente para una gran variedad de casos de uso. En lugar de tener que navegar por un laberinto de menús desplegables y saber exactamente qué datos introducir dónde, la gente puede hablar con la interfaz de chat en lenguaje natural, como si tuviera un asistente personal. Matilda Temperley fotografió al adiestrador de grandes felinos Thomas Chipperfield y sus leones. Su familia lleva trabajando con circos desde hace 300 años, remontándose a la Feria de Frost, en 1683. Su método de adiestramiento se basa en el estímulo y la compasión. Pensemos en un fabricante de software empresarial que ofrece un producto para gestionar los gastos de viaje. Podría añadir una herramienta de IA generativa, entrenada a partir de los datos de cómo los empleados presentaron anteriormente los gastos, que cubriera una serie de solicitudes de personas con diferentes funciones. Los empleados simplemente le dirían a la IA que desean presentar gastos de viaje para un viaje de negocios reciente, y ésta les guiaría a través del proceso, indicándoles qué recibos deben cargar y qué otra información necesita. También les permitiría anotar cualquier circunstancia especial que deba tenerse en cuenta -por ejemplo, "cogí días de vacaciones el miércoles y el jueves" para que sepa que debe excluir los gastos y dietas de esos días. A continuación, la herramienta procesaría los reembolsos de acuerdo con las políticas de la empresa. Si surgiera alguna complicación, pediría a los usuarios información adicional o señalaría las discrepancias. O pensemos en los bancos y otras empresas de servicios financieros, que podrían aplicar el nivel 2 creando banqueros privados de IA generativa. Éstos se entrenarían en las recomendaciones hechas por banqueros privados humanos a los clientes existentes antes de ser desplegados a los clientes que buscan asesoramiento de inversión personalizado para sus circunstancias y necesidades. En su forma más simple, la implantación del nivel 2 consiste en combinar una herramienta de IA generativa con datos internos para ofrecer a los clientes una interfaz de usuario más intuitiva y servicios más personalizados. Muchas empresas podrán seguir mejorando su modelo personalizado incorporando los comentarios de los usuarios. Esto empieza a moverlas en la dirección del nivel 3. 3. Crear bucles de retroalimentación de datos automáticos y continuos. Cuando se aplican plenamente, las herramientas de IA generativa producen señales fiables en el proceso natural de utilización del producto o servicio por parte de los clientes, que se retroalimentan automáticamente en el modelo para mejorar sus capacidades con una intervención humana mínima. Las empresas que permiten que la herramienta de IA infiera en qué medida ha ayudado a los clientes a alcanzar sus objetivos obtendrán las señales más fiables. Crear un bucle de retroalimentación que sea único para el producto o servicio de cada empresa es el santo grial. Cuantos más clientes utilicen la oferta, más señales de retroalimentación generarán, lo que permite a la herramienta de IA generativa seguir mejorándose a sí misma, lo que conduce a más usuarios, más uso, más retroalimentación, y así sucesivamente. El resultado es una poderosa forma de ventaja competitiva compuesta. Consideremos cómo Chegg, una empresa de educación en línea, está utilizando la IA generativa para crear un asistente de aprendizaje personalizado para los estudiantes. Esta herramienta en línea creada a medida se entrena con la biblioteca de contenidos educativos propiedad de Chegg y con datos procedentes del uso de sus productos. Los estudiantes interactúan con una interfaz de usuario conversacional, que puede adaptar la orientación a sus necesidades individuales. La herramienta mejora continuamente su contenido de estudio, como las fichas y los exámenes prácticos, averiguando los principales puntos conflictivos comunes a los usuarios. Esto crea un bucle de retroalimentación de datos entre los usuarios de Chegg. También se crea un bucle de retroalimentación específico para cada usuario, lo que permite a la herramienta ajustar el ritmo de la instrucción y el contenido y la dificultad de los tests de práctica en función del rendimiento del individuo. De este modo, la herramienta ayuda a los estudiantes a aprender mejor a la vez que genera señales de retroalimentación fiables, lo que le permite seguir mejorando. La compra de capacidad de IA generativa a terceros proveedores se asemejará a la compra de servicios de computación en nube, ya que los precios bajan constantemente y la seguridad aumenta. Empresas de todo tipo de industrias pueden beneficiarse de la implantación del nivel 3. Los editores de videojuegos en línea, por ejemplo, pueden utilizar la IA generativa para crear y mejorar constantemente personajes no jugadores personalizados (o PNJ, aquellos no controlados por jugadores humanos), utilizando la información sobre cómo reaccionan los usuarios ante los diferentes PNJ y cómo se relacionan con ellos durante el juego. Las empresas también pueden utilizar la IA generativa para experimentar con diferentes guiones y entornos y aprender, casi en tiempo real, cuáles aumentan el compromiso de los usuarios. Las empresas que poseen tanto servicios de streaming como de producción de contenidos (como Disney, HBO y Netflix) también son buenas candidatas para las soluciones de nivel 3. Por ejemplo, una empresa podría desarrollar una solución de IA propia para personalizar sus programas ajustando determinadas escenas para distintos públicos. Podría utilizar una herramienta como Runway para producir contenidos que se adapten mejor a los gustos de los espectadores, teniendo en cuenta, por ejemplo, la tolerancia al contenido para adultos o al lenguaje, las sensibilidades de los espectadores de distintos países o los atributos de otros programas que ven los usuarios. El modelo se actualizaría a sí mismo basándose en el comportamiento de los consumidores, como por ejemplo si los clientes continúan viéndolo después de las escenas ajustadas, así como en cualquier comentario directo que pudieran dar, y el modelo incorporaría esas percepciones en futuros proyectos. Sin embargo, el bucle de retroalimentación no sería tan fuerte y continuo como en el caso de los videojuegos, donde los aprendizajes pueden incorporarse en tiempo real. Las empresas de servicios profesionales, como las consultoras de investigación y asesoramiento o las agencias de marketing, también deberían plantearse pasar al nivel 3. Una empresa de consultoría podría crear un modelo generativo de IA que produjera los primeros borradores de los informes de investigación, por ejemplo. Los empleados harían entonces revisiones de los primeros borradores, y esa retroalimentación sería continuamente digerida por la IA, que la utilizaría para producir mejores borradores iniciales. (Una advertencia: las empresas deben asegurarse de que la herramienta de IA no utilice los datos confidenciales de un cliente cuando trabaje con otro, especialmente uno del mismo sector). En esencia, una herramienta de este tipo aceleraría el proceso de aprendizaje de las empresas y sus profesionales. El principal reto para alcanzar el nivel 3 reside en averiguar cómo obtener la retroalimentación sin generar disrupciones en la experiencia del cliente. Lo ideal sería que la señal se generara durante el curso natural del uso del producto. Consideremos de nuevo la herramienta de IA de Chegg. Observa el rendimiento de un estudiante en cada examen práctico pregunta por pregunta. Obtiene información inmediata sobre dónde tiene problemas el alumno -lo que le permite cambiar la forma en que se explican los conceptos o ajustar la dificultad y la naturaleza de las preguntas en futuros exámenes- sin que ello afecte negativamente a la experiencia del alumno al realizar el examen. Cuando no se pueda conseguir un bucle de retroalimentación natural y de alta calidad, como ocurrirá con muchas ofertas, las empresas tendrán que recurrir a pedir directamente la opinión de los clientes. Esto debe hacerse de una manera mínimamente intrusiva, dejando claro a los clientes cómo se benefician de darla (por ejemplo, "Por favor, díganos en una escala del 1 al 10 lo útil que fue nuestro chatbot de IA para que pueda aprender a servirle mejor en el futuro"). Y si pedir la opinión directa del cliente es demasiado disruptivo o proporciona una señal poco fiable, las empresas podrían en su lugar involucrar a los humanos en el bucle, como se describió anteriormente en la creación de borradores de informes. Consideraciones sobre la aplicación Aprovechar al máximo la IA generativa requiere gastos y conocimientos técnicos cada vez mayores a medida que las empresas avanzan en los niveles. También implica ajustes más amplios en los productos, servicios y procesos internos en línea. En el nivel 1, la cuestión clave que deben abordar las empresas es cuántos datos internos deben poder compartir los empleados con las herramientas de IA generativa disponibles públicamente. Siempre que estas herramientas utilicen datos patentados, se plantean problemas de seguridad de los datos y de competencia; sin embargo, ya estamos viendo cómo los proveedores de IA generativa toman medidas para resolver estos problemas, por ejemplo, delimitando la IA y los datos de cada cliente empresarial. En el nivel 2, las empresas tendrán que centrarse en la formación y la puesta a punto de herramientas de IA personalizadas para garantizar que sus resultados sean lo más precisos posible (minimizando las "alucinaciones") y sean muy relevantes para los clientes. Matilda Temperley A medida que las empresas implementan el nivel 3, deben centrarse en rediseñar sus productos y servicios en línea, así como algunos procesos internos, para integrar a la perfección la IA generativa en toda la experiencia del cliente. Al hacerlo, maximizarán la amplitud, profundidad y calidad de las señales de retroalimentación que extraigan. A primera vista, podría parecer que sólo las grandes empresas dispondrán de los recursos necesarios para alcanzar los niveles 2 y 3, pero en realidad, la personalización utilizando datos propios de la empresa es cada vez más fácil y asequible. Las empresas pueden obtener ahora la capacidad de IA generativa de proveedores como Open AI (ChatGPT Enterprise), Microsoft (Bing Chat Enterprise) y Anthropic (Claude for businesses) y ajustarla basándose en sus propios datos. También pueden estar razonablemente seguros de que sus datos se mantendrán seguros y privados y de que lo aprendido de ellos no se transmitirá a nadie más (al proveedor de IA generativa o a la competencia). La compra de capacidad de IA generativa a terceros proveedores se asemejará a la compra de servicios de computación en nube, con precios en constante descenso y seguridad en aumento. Como alternativa, las empresas pueden crear sus propias capacidades de IA generativa adoptando modelos de código abierto, como Llama de Meta, y entrenándolos con sus propios datos. Eso mantendrá todo bajo el control de la empresa, como ocurre cuando se hace computación en nube en los propios servidores. ¿Qué empresas se beneficiarán más? Como hemos señalado, prácticamente todas las empresas deberían adoptar la IA generativa en el nivel 1. La mayoría debería considerar al menos pasar al nivel 2 y posiblemente al 3. Para determinar si hacerlo supondría una ventaja, los líderes deberían plantearse dos preguntas: ¿Qué parte de nuestra oferta actual puede ser sustituida por la IA generativa? Esta pregunta determina el alcance de la posible disrupción por parte de la IA generativa, lo que, por supuesto, indica lo urgente que es para una empresa empezar a ascender en los niveles de implantación. El impacto de la IA generativa en las empresas que fabrican productos de consumo sencillos, como artículos de limpieza y utensilios de cocina, será mínimo. Pero incluso esas empresas pueden beneficiarse de la adopción del nivel 1 utilizando las herramientas para aumentar la productividad y la creatividad internas; por ejemplo, para idear nuevos productos, diseños o formulaciones. (Véase "Cómo la IA generativa puede aumentar la creatividad humana", HBR, julio-agosto de 2023). Las empresas de software descubrirán que la medida en que sus productos puedan ser sustituidos por la IA generativa variará mucho. En igualdad de condiciones, es más probable que se vean afectados los productos de software complejos, ya que una interfaz de chat en lenguaje natural podría facilitar mucho su uso a una base de clientes más amplia. Por otro lado, el software que ofrece valor a través de la integración con otros productos o servicios es más inmune a la disrupción. Por ejemplo, la plataforma de pagos Stripe se basa en conexiones complejas y muy seguras con instituciones financieras que no son fácilmente replicables por la IA generativa. Para los servicios en línea prestados actualmente por humanos, la amenaza de disrupción es alta e inmediata, porque la IA generativa podrá encargarse de la mayor parte del trabajo. Algunos ejemplos son los servicios de diseño de logotipos y páginas web (como Webflow, Fiverr y Upwork) y la educación en línea (Chegg). Para las empresas en las que el servicio posventa y la asistencia son importantes, la IA generativa puede desempeñar un papel clave en la creación de una ventaja competitiva. En concreto, puede utilizarse para potenciar el servicio de atención al cliente, que es una parte central de la propuesta de valor para los usuarios que buscan sacar el máximo partido a los productos o que se enfrentan a dificultades técnicas para utilizarlos. Si la amenaza de disrupción es alta, es evidente que las empresas deben pasar lo antes posible a los niveles 2 y 3. Si no lo es, pueden adoptar un enfoque más lento para implantar la IA generativa. ¿Qué posibilidades hay de mejorar nuestra posición competitiva utilizando la IA generativa? Las empresas podrán utilizar la IA generativa para mejorar el valor que ofrecen a los clientes sólo si existe un potencial suficiente para que puedan aprovechar sus propios datos para construir un modelo que supere lo que se puede conseguir utilizando herramientas de IA disponibles públicamente como ChatGPT o Midjourney. Para calibrar ese potencial, las empresas deberían plantearse tres preguntas adicionales: ¿Hasta qué punto son idiosincrásicos los datos de nuestra empresa? Para proporcionar una ventaja, los datos internos de una empresa no deben ser fácilmente sustituibles por datos alternativos disponibles públicamente que puedan utilizarse para entrenar modelos de IA similares. Por ejemplo, es poco probable que las empresas de diseño de páginas web y logotipos acumulen datos especializados que les confieran una ventaja mayor que la que podrían lograr sus competidores utilizando datos derivados de páginas web públicas. Por el contrario, el valor que Chegg ofrece a sus estudiantes no puede ser replicado por rivales que utilicen LLM públicos. Esto se debe a que sus datos proceden de las acciones únicas de sus estudiantes cuando realizan cuestionarios, interactúan durante las sesiones de instrucción, hacen preguntas cuando están confusos, etcétera. Los datos internos suelen ser más valiosos cuando son idiosincrásicos del producto o del sector vertical en cuestión y de la necesidad específica del cliente. Tales datos producen recomendaciones, contenidos y otros resultados que no pueden ser reproducidos por herramientas generalistas de IA entrenadas en datos históricos y disponibles públicamente. En estos casos, estamos de acuerdo con Dan Rosensweig, presidente y CEO de Chegg, que nos dijo: "La verdadera verticalización debería ganar". En otras palabras, las empresas que obtengan información especializada de grupos de clientes muy segmentados tendrán una clara ventaja. ¿Hasta qué punto es fiable la información que recibimos de los clientes? Las empresas que pueden observar de cerca en qué medida sus productos ayudan a los clientes a alcanzar sus objetivos finales están en una posición fuerte para aprovechar la IA generativa al más alto nivel. Los fabricantes de videojuegos reciben señales muy fiables observando el juego de la gente y pueden utilizar esa información para determinar en qué medida los elementos impulsados por la IA aumentan el compromiso. En otros casos, las empresas deben conformarse con señales menos fiables, como las tasas de clics. Consideremos Firefly de Adobe, una herramienta de IA generativa integrada en Adobe Photoshop e Illustrator para crear y manipular imágenes utilizando prompt de texto. Las únicas señales que tiene Firefly de Adobe para calibrar si la herramienta está prestando un buen servicio a los clientes son la frecuencia con la que cada cliente la utiliza y las veces que cada persona intenta generar imágenes diferentes, que son medidas ruidosas de la satisfacción. Tenga en cuenta que el mismo tipo de retroalimentación puede ser más fiable para algunos productos y menos para otros. Por ejemplo, los pulgares hacia arriba/hacia abajo son un indicador mucho más útil de si a los clientes les ha gustado la recomendación de una película que de lo útil que les parece una función concreta de un producto de software empresarial. ¿Es muy costoso obtener opiniones fiables de los clientes? Algunas empresas podrán obtener una señal muy fiable simplemente observando a sus clientes mientras utilizan sus productos. Otras empresas necesitarán diseñar bucles de retroalimentación de los clientes, lo que puede resultar costoso para la empresa o sus clientes. (Véase "Para obtener mejores datos de los clientes, construya bucles de retroalimentación en sus productos", HBR.org, 11 de julio de 2023). Una empresa puede tener pocas oportunidades de observar comentarios útiles de los clientes, o las normas de privacidad pueden prohibirle hacer uso de la actividad de los clientes para entrenar su modelo. Sortear estos problemas pidiendo a los clientes que den su opinión durante el uso o haciendo que los empleados actúen como "humanos en el bucle" con el fin de acumular datos de entrenamiento para la herramienta de IA generativa puede ser complicado. El primer enfoque puede molestar a los clientes y el segundo puede agotar los recursos de la empresa. Cuando obtener una retroalimentación fiable resulte oneroso o costoso, las empresas no deberían intentar alcanzar el nivel 3. . . . Dada la adopción generalizada que se espera de las tecnologías de IA generativa, las empresas mejor situadas para lograr una ventaja competitiva duradera son las que tienen acceso a datos únicos de los clientes que pueden reponerse continuamente a través de bucles de retroalimentación que se refuerzan a sí mismos. Esto tiene implicaciones importantes no sólo para los directivos sino también para los inversores, que deberían centrarse en las empresas que tienen el potencial de alcanzar el nivel 3 de implantación. Para aprovechar las oportunidades que la IA generativa está creando, sin embargo, se requiere una ejecución adecuada, que es donde algunos titulares pueden quedarse cortos. Los CEO y los altos dirigentes deben asegurarse de que esta tecnología se trata como una parte fundamental de la estrategia de la empresa, no sólo como una cuestión tecnológica que debe delegarse en IT. En ese sentido, es diferente de la computación en nube, donde la decisión de hasta qué punto confiar en proveedores de nube externos frente a crear una capacidad de alojamiento interna no es del todo estratégica. La IA generativa, por el contrario, puede y debe afectar directamente a la propuesta de valor al cliente. Incluso si la IA generativa no es una amenaza existencial, los líderes deberían empujar a sus organizaciones a añadir capacidades de forma preventiva para asegurarse de que no se quedan atrás.

Convierta la IA generativa de una amenaza existencial en una ventaja competitiva

Resumen.

Partner Center