Las empresas que obtienen un valor duradero de la inteligencia artificial piensan de manera diferente, desde la alta dirección hasta la primera línea. A continuación, le mostramos cómo hacer el cambio de los esfuerzos oportunistas a una organización verdaderamente habilitada para la inteligencia artificial.

Los ejecutivos han visto que el paso de ejecutar experimentos de inteligencia artificial (IA) y pruebas de concepto a capturar un valor duradero a escala requiere una inversión en bases sólidas. Estos incluyen alinear la IA con las áreas centrales del negocio; adoptar cambios culturales y organizativos importantes ; e invertir en nuevos tipos de tecnología, capacitación y procesos para construir IA .

Cada vez más organizaciones están adoptando estas prácticas básicas, y aquellas que lo hacen tienden a reportar el mayor impacto final de la IA . Pero las organizaciones exitosas no solo se comportan de manera diferente; Nuestra experiencia en miles de interacciones con clientes en torno a la analítica y la IA durante los últimos cinco años muestra que también piensan de manera diferente sobre la IA. En estas empresas, la IA está grabada en la mentalidad colectiva (“Estamos habilitados para la IA”), en lugar de simplemente aplicarse de manera oportunista (“Este es un caso de uso en el que la IA puede agregar valor”).

Tener esta mentalidad significa internalizar profundamente los beneficios competitivos a largo plazo de aumentar la toma de decisiones humanas, procesar datos de muchas fuentes a una escala masiva y a una velocidad enorme, y adaptar continuamente los modelos comerciales y las estrategias operativas basadas en las señales de los datos.

Significa valorar la colaboración y el aprendizaje continuo sobre el conocimiento y la experiencia individuales, con empleados que buscan nuevos datos, habilidades, flujos de trabajo y tecnologías para impulsar mejoras continuas en el desempeño. Los individuos y el colectivo anhelan no solo saber más de lo que hicieron, digamos, el año pasado, sino saber más en el futuro.

Finalmente, esta mentalidad abarca el pensamiento de un extremo a otro y los principios arquitectónicos consistentes sobre las soluciones en silos cuando se combinan nuevas tecnologías y herramientas con la infraestructura existente.

Te puede interesar

https://juliancastiblanco.com/web/public-bigdata-para-tomar-desiciones-inteligentes-a-tiempo/

Este cambio no es fácil. Los líderes deben reorientar su propio pensamiento y luego mover todas las mentalidades de la organización. Descubrimos que los líderes que tienen éxito en este esfuerzo lo hacen de varias maneras: reorientan el enfoque de la empresa hacia sus múltiples en lugar de sus ganancias, y enfatizan y fomentan activamente los circuitos de aprendizaje global y la adaptabilidad tecnológica en toda la organización. Si bien este cambio de mentalidad no reemplaza una inversión en bases sólidas para la IA, las organizaciones que adoptan una mentalidad habilitada por la IA son mejores para enfrentar los desafíos técnicos y culturales más formidables y realizar cambios organizacionales para que puedan cosechar todo el valor que los datos y oferta tecnológica.

Por el contrario, los líderes de las empresas habilitadas para la inteligencia artificial adoptan una visión más sistemática, centrándose en el múltiplo de su empresa, un indicador de la capacidad a largo plazo para agregar valor a la organización. Esto requiere que los líderes de la empresa estén de acuerdo en que el propósito de la IA es transformar fundamentalmente la forma en que la empresa realiza sus operaciones diarias. En la práctica, eso significa usar IA en el proceso de un extremo a otro de capturar cada evento o punto de datos de clientes, procesos o máquinas (un clic, transacción, hito, indicador o sensor) para asegurar que las acciones, decisiones, y las interacciones son más enfocadas y efectivas. Esto prepara el escenario para un ciclo continuo de aprendizaje y rendimiento mejorado, que detallamos en la siguiente sección.

Tomemos, por ejemplo, una compañía farmacéutica global que pasó de ser una farmacéutica tradicional a operar como una compañía habilitada por IA. Para alinear a todos los líderes y suavizar la transformación, el CEO reunió cerca de 150 informes directos de diez regiones para un taller de liderazgo de tres días. Analizaron los cambios de la industria y las tendencias relevantes en innovación que probablemente se producirán en los próximos cinco a diez años, e hicieron una lluvia de ideas sobre cómo podrían alterar su propia organización para mejorar el desempeño de manera espectacular. Este taller fue la primera actividad en un esfuerzo más amplio de desarrollo de capacidades que se está llevando a cabo a través de una academia formal de análisis .

El CEO nombró nuevos líderes de datos y análisis y se comprometió con varias contrataciones de alto nivel adicionales, incluido un traductor líder con un gran conocimiento de la inteligencia artificial , el negocio y la gestión de cambios para impulsar el programa de inteligencia artificial.

El director ejecutivo también reestructuró la organización para aplanar las jerarquías, por lo que los equipos de primera línea tienen la responsabilidad de actuar sobre la base de los nuevos conocimientos de IA. Esta independencia es fundamental; Brinda a los empleados el estímulo y la confianza necesarios para ampliar su apertura, desde identificar, por ejemplo, qué clientes están agitando (lo que impulsa una mejora única del desempeño) hasta tomar acciones que acercan a la empresa a sus clientes, lo que abre una nueva ola de potencial. La capacitación en inteligencia artificial para los empleados reforzó aún más su confianza y aptitud para aplicar la tecnología.

Finalmente, el CEO encargó a la función de ensayos clínicos de la compañía (un área de alto valor que estaba sumergida en datos y que experimentaba variaciones significativas en calidad, eficiencia y velocidad en los ensayos clínicos) para reunir a personas de todo el ciclo de vida del ensayo para reconsidere el proceso desde cero con IA.

Cómo empezar

Conseguir que todos los líderes apoyen este cambio es imperativo. Las empresas más exitosas que vemos tienen un CEO que sienta las bases para el apoyo desde el principio. Dichos líderes se toman el tiempo para explorar y compartir ejemplos de empresas habilitadas para IA dentro y fuera de su industria y contratar talentos senior con experiencia en IA para ocupar los puestos de liderazgo necesarios para ayudar a impulsar el cambio, si el talento aún no existe en la organización. También reducen la jerarquía, hacen de la educación en inteligencia artificial una prioridad y comunican consistentemente en todos los niveles la naturaleza estratégica de estos cambios.

Te puede interesar

https://juliancastiblanco.com/web/tecnologia-blockchain-el-impacto-empresarial-en-el-caribe/

Forjar bucles de aprendizaje global con y para la IA

Para que los empleados sigan elevando el nivel de desempeño según sea necesario para mantener el crecimiento, debe haber un mecanismo para capturar las experiencias, los experimentos y el aprendizaje que ocurren en toda la organización. En muchas empresas, el aprendizaje suele quedarse atascado en la mente de un individuo, equipo, unidad de negocio o silo, en lugar de contribuir a la organización en su conjunto. Por el contrario, las empresas habilitadas para la IA desarrollan las habilidades, los procesos y los sistemas técnicos para construir circuitos de aprendizaje globales que convierten el conocimiento individual y la percepción local en un flujo cada vez mayor de sabiduría colectiva que todos en la organización comparten y al que contribuyen.

Una de las mejores formas de crear este circuito de aprendizaje global en el lado empresarial es mediante el desarrollo de un centro neurálgico impulsado por la inteligencia artificial para gestionar las operaciones. La compañía farmacéutica global, por ejemplo, desarrolló lo que llama su “torre de control clínico” que actualiza y comparte continuamente los hallazgos derivados de los diversos datos recopilados de cientos de ensayos clínicos en miles de sitios en todo el mundo. Este sistema permite a los tomadores de decisiones comprender en detalle qué impulsa las variaciones entre los ensayos clínicos (en velocidad, calidad y costo) y ofrece predicciones que permiten que las intervenciones reasignen recursos y eviten demoras y desperdicios.

Este no es un cambio único en el que los empleados aprovechan una predicción y luego vuelven a trabajar como de costumbre. Con cada ensayo que realizan, los administradores y operadores de ensayos clínicos aprenden más sobre los resultados de varias decisiones de todos los ensayos, como cuando las visitas de auditoría se programan de una manera diferente o cuando se utilizan diferentes componentes de la cadena de suministro para distribuir medicamentos al ensayo. sitios. Los gerentes pueden ajustar sus estrategias en función de estos conocimientos. También pueden ejecutar diferentes escenarios de prueba para probar ideas, generar más datos y revelar nuevos patrones. Todo esto se incorpora automáticamente al sistema de aprendizaje, para que todos puedan aprovecharlo y alimentar el ciclo de aprendizaje continuo.

Este bucle se está reforzando y replicando tanto dentro como más allá de las operaciones clínicas. Hoy en día, miles de empleados utilizan este sistema en su trabajo diario. Con la difusión de información, la compañía ahora está agregando más datos e invirtiendo en herramientas de inteligencia artificial adicionales para los empleados de otras divisiones.

En el aspecto técnico, las organizaciones habilitadas para la IA estandarizan los procesos para escalar la IA de manera más rápida, exitosa y segura. Diseñan capacidades para escalar desde el principio y crean protocolos integrados y completos para construir y entregar herramientas de inteligencia artificial que institucionalizan los ciclos de aprendizaje y evitan el aumento de la deuda técnica y la complejidad causada por elecciones tecnológicas incrementales y descoordinadas (Anexo 1).

Un banco líder logró esta estandarización invirtiendo en una «infraestructura de protocolo» que proporciona a los equipos de inteligencia artificial plantillas, guías, mejores prácticas y listas de verificación. La infraestructura abarca más de una docena de temas, cubriendo las actividades más frecuentes en cada etapa de la entrega del proyecto, y está integrada dentro de una aplicación de flujo de trabajo y gestión del conocimiento. Esto permite que el banco se asegure de que todos hablen el mismo lenguaje analítico al desarrollar soluciones de IA, que todos los equipos de IA utilicen las mejores prácticas actuales y que exista un camino documentado para mejorar las prácticas de forma sistemática a lo largo del tiempo.

Al construir este protocolo, el centro de excelencia de IA de la empresa recopiló y codificó las mejores prácticas y consejos de los puntos de referencia del equipo, encuestas con expertos en IA de toda la empresa y entrevistas con líderes empresariales. Debido a que hicieron del protocolo un esfuerzo de toda la organización, en lugar de un edicto de arriba hacia abajo, los equipos de inteligencia artificial no lo ven como «gastos generales» sino como un activo que representa la sabiduría compartida de sus colegas. Como resultado, cada lección aprendida se traduce en beneficios y ahorros de tiempo para los usuarios y la organización, y los equipos contribuyen y aprovechan los consejos capturados dentro del protocolo. Por ejemplo, las mejores prácticas codificadas que describen cómo preparar los modelos para la implementación permiten a los equipos comenzar a construir herramientas de IA listas para producción desde la primera línea de código, en lugar de después de haber completado un piloto. Esto reduce la cantidad de reelaboración necesaria, mejora la coherencia y la colaboración, y libera tiempo para realizar más trabajo de valor agregado. Del mismo modo, el protocolo garantiza que los equipos. Integrar la gestión de riesgos en el desarrollo de la IA , reemplazando los esfuerzos ad hoc o las evaluaciones puntuales, que a veces pasan por alto los riesgos críticos que la IA puede plantear al introducir sesgos o comprometer la equidad, la explicabilidad o la seguridad de la información.

Estos protocolos no son en absoluto estáticos. A través de retrospectivas regulares y formales después de cada implementación de IA, los equipos les agregan continuamente nuevos conocimientos, creando ciclos de aprendizaje que aumentan repetidamente la velocidad a la que cada equipo de IA puede brindar nuevos conocimientos a la empresa.

A medida que estos ciclos de aprendizaje convergen y se propagan por toda la organización, los empleados buscarán naturalmente más datos de los propietarios de los datos. Esto, a su vez, aumentará su comprensión mutua y la búsqueda de nuevas oportunidades con datos e inteligencia artificial que permitan una mayor velocidad y precisión. También aumentará su conocimiento sobre los elementos de recopilación, limpieza, vinculación y modelado de datos, conocimiento que cada vez más tipos de trabajadores necesitarán para tener éxito en un mundo cada vez más digital .

Cómo empezar

La forma de comenzar con los bucles de aprendizaje depende del tipo que esté creando inicialmente: un sistema de aprendizaje impulsado por IA para mejorar las operaciones o un sistema de protocolo para mejorar el desarrollo de la IA. Para el primero, es mejor comenzar en un área de alto valor de la empresa, utilizando principios de diseño para comprender cómo los empleados toman decisiones, qué herramientas de apoyo a las decisiones utilizan actualmente y qué suposiciones hacen en función de sus experiencias. Se construye a partir de ahí, manteniendo a los usuarios finales involucrados en el proceso.

Para un sistema de protocolo, es difícil codificar las prácticas solo en teoría, por lo que es mejor crear su protocolo simultáneamente a medida que los equipos brindan casos de uso de IA. Empiece por diagnosticar el estado actual de los casos de uso de IA y comprender cómo varían las prácticas de IA en su organización. Luego, diseñe el estado final que busca entrenando equipos, desarrollando protocolos tempranos y probándolos en proyectos en vivo a medida que desarrolla la gobernanza necesaria para mantener la adopción. Una vez que se finaliza un protocolo, amplíe el acceso y la propiedad a todos los equipos y proyectos de IA posteriores.

Por Thomas Meakin , Jeremy Palmer , Valentina Sartori y Jamie Vickers

Fuente: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/winning-with-ai-is-a-state-of-mind

 

 

_______________________________________

Reproducido por Esperanza Herrera

Contenidos Digitales Ingenieros de Marketing

www.ingenierosdemarketing.com.co

www.JulianCastiblanco.com

www.deceroasapo.com