Añadir IA a un mal proceso no hace “inteligente” a una empresa
La inteligencia artificial promete ganancias de productividad considerables. Puede acelerar la búsqueda de información, producir análisis, preparar documentos, asistir a los empleados en sus decisiones y, con la llegada de los agentes de IA, realizar progresivamente secuencias de trabajo cada vez más complejas. Ante estas posibilidades, numerosas organizaciones buscan naturalmente determinar dónde integrar la IA en sus operaciones.
Este enfoque conlleva, sin embargo, una trampa. Cuando una empresa comienza por buscar las tareas que podría confiar a la inteligencia artificial, corre el riesgo de automatizar procesos que primero habrían merecido ser cuestionados. Pueden acelerarse etapas inútiles, validaciones sin valor real pueden volverse automáticas y los datos pueden circular aún más rápido a través de una organización cuyos procesos siguen siendo complejos o mal estructurados.
Una empresa que logra acelerar un 40 % un proceso ineficiente sigue teniendo un proceso ineficiente. Simplemente lo ejecuta un 40 % más rápido.
La llegada de la inteligencia artificial debería, por lo tanto, considerarse como una ocasión de revisar la manera en que el trabajo está organizado. Antes de preguntar qué puede automatizar la IA, una organización debería volver a una pregunta mucho más fundamental: ¿por qué hacemos este trabajo de esta manera?
La automatización puede preservar procesos que deberían haber desaparecido
Los procesos organizacionales rara vez se construyen a partir de una hoja en blanco. Evolucionan con la empresa. Se añade una etapa después de un problema, aparece una aprobación a raíz de un error, se crea un archivo Excel para eludir una limitación del sistema y se introduce una verificación adicional porque falta una información en alguna parte. Con el tiempo, estas adaptaciones se acumulan.
Cada etapa posee generalmente una explicación histórica. Eso no significa que todavía posea una justificación operativa.
Es así frecuente ver a empleados capturar una información en un sistema, exportarla a un archivo y transmitirla a otra persona que la verifica antes de registrarla en otra aplicación. Una tercera persona puede luego producir un informe a partir de esos mismos datos. Cuando llega la IA, la tentación consiste en automatizar la captura, la verificación o la preparación del informe.
La tecnología puede efectivamente hacer el conjunto mucho más rápido. Sin embargo, la pregunta más importante permanece intacta: ¿por qué la información debe recorrer todas estas etapas?
Automatizar sin cuestionar el proceso puede entonces producir una forma particularmente moderna de desperdicio: hacer extremadamente bien algo que quizá ya no debería hacerse en absoluto.
La velocidad no es sinónimo de productividad
La inteligencia artificial también hace necesaria una distinción entre velocidad y productividad. Una organización puede producir más documentos, analizar más datos, responder más rápido a los correos electrónicos y generar mucho más contenido sin crear necesariamente más valor.
Esta distinción es particularmente importante con la IA generativa, puesto que el costo marginal de producción de cierta información se vuelve extremadamente bajo. Un empleado puede ahora producir en algunos minutos un informe que le habría exigido varias horas. Eso representa una ganancia potencial considerable si ese informe es útil para una decisión o una actividad importante. La ganancia se vuelve mucho menos evidente si el informe se produce únicamente porque un procedimiento histórico exige su creación y casi nadie lo utiliza realmente.
La IA puede, por lo tanto, aumentar considerablemente el volumen de actividades sin mejorar proporcionalmente el desempeño de la organización. Puede incluso contribuir a crear más ruido: más informes, más comunicaciones, más datos, más recomendaciones y más elementos que otras personas deberán luego leer, verificar o gestionar. La productividad no consiste simplemente en producir más. Consiste en crear más valor con los recursos disponibles.
La IA devuelve los principios de la excelencia operativa al primer plano
Mucho antes de la inteligencia artificial, la excelencia operativa buscaba ya comprender la circulación real del trabajo. ¿Por qué existe esta etapa? ¿Qué valor aporta? ¿Qué ocurre antes y después? ¿Dónde se encuentran las esperas, las repeticiones, los errores, las transferencias inútiles y las actividades sin valor agregado? Estas preguntas se vuelven aún más importantes con la IA.
Cuando un proceso está cartografiado correctamente, el objetivo no debería ser identificar de inmediato los lugares donde colocar un agente o un modelo de inteligencia artificial. Primero hay que determinar si cada actividad todavía merece existir en su forma actual.
Ciertas etapas pueden eliminarse. Otras pueden agruparse. Una información capturada varias veces puede provenir directamente de su fuente. Una aprobación sistemática puede reemplazarse por una gestión de las excepciones. Un informe producido periódicamente puede convertirse en una información disponible en tiempo real. Una tarea realizada por varias áreas puede simplificarse incluso antes de que se introduzca una tecnología adicional.
Es solamente después de esta reflexión que la IA revela plenamente su valor. Interviene entonces en un proceso ya concebido para alcanzar un objetivo, en lugar de en la acumulación histórica de métodos de trabajo.
Digitalizar un proceso no es necesariamente transformarlo
Esta confusión existía ya mucho antes de la inteligencia artificial. Varios proyectos de transformación digital consistieron esencialmente en reproducir electrónicamente procesos en papel.
Un formulario en papel se convierte en un formulario digital. Una firma manuscrita se convierte en una aprobación electrónica. Un expediente físico se convierte en un directorio de archivos. Una hoja de cálculo se convierte en una aplicación. La herramienta cambia mientras que la lógica operativa permanece prácticamente idéntica.
La IA corre el riesgo de reproducir el mismo fenómeno a una escala mucho mayor. Un proceso concebido hace quince años puede ahora confiarse parcialmente a agentes sin que nadie se pregunte por qué todavía comporta doce etapas.
La verdadera transformación comienza cuando la organización acepta cuestionar el proceso mismo. Si concibiéramos esta actividad hoy con las tecnologías, los datos y los conocimientos de los que disponemos ahora, ¿la construiríamos todavía de esta manera?
La respuesta puede resultar a veces incómoda, porque cuestiona procedimientos, responsabilidades e incluso ciertas estructuras organizacionales. Abre, no obstante, la vía a las ganancias más importantes.
Los agentes de IA hacen posible un rediseño mucho más profundo
Los sistemas tradicionales automatizan particularmente bien los procesos previsibles y estructurados. Los agentes de IA pueden intervenir en entornos mucho más variables. Pueden consultar diferentes fuentes de información, interpretar un contexto, preparar una decisión, utilizar varias herramientas y proseguir una secuencia de trabajo en función del resultado obtenido en cada etapa.
Esta capacidad permite repensar procesos que antes estaban fragmentados entre varias personas simplemente porque un software convencional no podía gestionar ciertas transiciones.
Tomemos una solicitud recibida de un cliente. Hoy puede ser leída por un empleado, clasificada, transmitida a otra área, analizada, completada con información proveniente del CRM y luego encaminada a una persona autorizada para tomar una decisión. Un agente correctamente integrado podría eventualmente efectuar varias de estas actividades, enriquecer automáticamente el expediente y transmitir directamente al humano la situación que requiere realmente su experticia.
La ganancia no proviene entonces únicamente del hecho de que el agente trabaje más rápido. Proviene sobre todo de la desaparición de varias transferencias, esperas y manipulaciones intermedias. Es precisamente ahí donde la IA se encuentra con la excelencia operativa.
Un dato erróneo automatizado se convierte en un problema más rápido
La calidad del proceso depende igualmente de la calidad de la información que lo alimenta. Una empresa cuyos datos están fragmentados, son contradictorios, están mal estructurados o son difíciles de encontrar no resuelve automáticamente ese problema añadiendo inteligencia artificial. Puede incluso amplificarlo.
Un agente capaz de actuar rápidamente a partir de una información incorrecta puede propagar un error mucho más eficazmente que un humano. Un dato duplicado puede conducir a varias interpretaciones. Un procedimiento obsoleto puede utilizarse como referencia. Conocimientos importantes pueden quedar encerrados en los archivos personales de empleados o dispersos en documentos cuya versión oficial nadie conoce realmente.
La preparación para la IA exige, por lo tanto, también una preparación de la organización misma. Los conocimientos deben estar suficientemente estructurados, las fuentes de información deben ser identificables y las responsabilidades en torno a los datos deben ser claras.
Es aquí donde la gobernanza de los conocimientos queda directamente vinculada a la excelencia operativa. Una organización difícil de comprender para sus propios empleados también lo será para sus sistemas de inteligencia artificial.
La automatización también puede acelerar los errores
Cuanto más autónomo se vuelve un sistema, más deja la velocidad de ejecución de ser únicamente una ventaja. Un empleado puede cometer un error en una transacción. Un agente capaz de procesar varios miles de ellas puede reproducir el mismo error a una escala mucho mayor antes de que sea detectado.
Esta realidad modifica el diseño de los controles. Las empresas deben determinar qué decisiones pueden ejecutarse automáticamente, cuáles requieren una validación, qué umbrales deben provocar una intervención humana y cómo interrumpir rápidamente un proceso cuando aparece un comportamiento anómalo.
La excelencia operativa en la era de la IA debe, por lo tanto, integrar la resiliencia. El mejor proceso no es únicamente aquel que funciona rápido cuando todo se desarrolla según lo previsto. Es también aquel que detecta rápidamente las anomalías, limita sus consecuencias y permite a la organización retomar el control. La autonomía debe progresar junto con la capacidad de supervisión.
Las ganancias deben medirse allí donde se crea el valor
El entusiasmo en torno a la IA también puede llevar a medir los indicadores equivocados. El número de usuarios, de consultas, de agentes desplegados o de tareas automatizadas demuestra una actividad tecnológica. No demuestra necesariamente una mejora del desempeño.
Una organización debería más bien observar lo que ocurre en sus operaciones. ¿Ha disminuido el plazo de procesamiento? ¿Ha mejorado la tasa de error? ¿Dedican los empleados más tiempo a las actividades de alto valor? ¿Recibe el cliente un mejor servicio? ¿Ha disminuido realmente el costo del proceso? ¿Ha aumentado la capacidad de producción o de procesamiento? ¿Se toman las decisiones más rápido y con mejor información?
Estos indicadores permiten distinguir la adopción de la creación de valor.
Una empresa puede haber desplegado muy pocas herramientas de inteligencia artificial y obtener ganancias considerables en algunos procesos críticos. Otra puede haber dado acceso a la IA al conjunto de sus empleados sin constatar una mejora significativa de sus resultados. La madurez en IA no debería, por lo tanto, evaluarse principalmente por la cantidad de tecnología utilizada, sino por su contribución medible al desempeño de la organización.
La IA debería a veces conducir a automatizar menos
Esta conclusión puede parecer paradójica. Un análisis profundo de un proceso puede revelar que ciertas tareas no deberían automatizarse. Una relación con un cliente puede tener más valor cuando permanece humana. Una decisión excepcional puede requerir una comprensión del contexto difícil de formalizar. Una actividad poco frecuente puede costar más automatizarla que continuar realizándola manualmente. Un proceso también puede ser suficientemente simple después de su revisión como para que una automatización convencional resulte más confiable y menos costosa que una solución de inteligencia artificial. Utilizar la IA en todas partes donde es técnicamente posible no es, por lo tanto, un signo de madurez. La madurez consiste en saber dónde aporta suficiente valor para justificar su complejidad, sus costos y sus riesgos.
La transformación comienza por comprender el trabajo real
Para obtener esta respuesta, los directivos deben comprender cómo se realiza realmente el trabajo en su organización. Los procedimientos oficiales no siempre bastan. Entre lo que está documentado y lo que ocurre a diario, pueden existir numerosos ajustes, archivos paralelos, comunicaciones informales y soluciones alternativas.
Los empleados que realizan el trabajo poseen entonces un conocimiento esencial. Saben dónde falta la información, qué etapas toman tiempo inútilmente, qué validaciones son realmente útiles y qué procedimientos existen principalmente por costumbre.
Asociarlos a la transformación permite descubrir las posibilidades que la tecnología por sí sola nunca revelará. Contribuye igualmente a reducir la resistencia al cambio, puesto que la IA se convierte en un medio para resolver irritantes que ellos conocen, en lugar de un sistema impuesto para modificar su trabajo desde el exterior. La inteligencia artificial se convierte así en un proyecto organizacional antes que en un proyecto tecnológico.
Las posibilidades que ofrecen la inteligencia artificial y los agentes de IA son lo bastante importantes como para transformar profundamente la manera en que funcionan las empresas. Sin embargo, esta potencia hace aún más necesaria una comprensión rigurosa de los procesos en los cuales se integrarán estas tecnologías.
Automatizar una tarea inútil no le da más valor. Acelerar una mala decisión no la mejora. Generar más información no vuelve necesariamente más inteligente a una organización. Y añadir agentes a un proceso complejo no garantiza que se volverá más eficiente.
La empresa debe comenzar por comprender el trabajo que realiza, el valor que busca crear y los obstáculos que ralentizan esa creación de valor. Puede luego eliminar lo que es inútil, simplificar lo que es demasiado complejo, automatizar lo que es previsible y utilizar la inteligencia artificial allí donde sus capacidades aportan una ventaja real.
Este enfoque vincula directamente la transformación mediante la IA con la excelencia operativa. En Quantum Beyond, trabajamos con los equipos directivos, los responsables operativos y los equipos tecnológicos a fin de analizar los procesos, estructurar los conocimientos, identificar las posibilidades de mejora e integrar la inteligencia artificial allí donde puede contribuir concretamente al desempeño. El objetivo sigue siendo reforzar las capacidades de la organización y de sus equipos, conservando al mismo tiempo una gobernanza adaptada a los nuevos niveles de autonomía tecnológica.
La empresa verdaderamente inteligente probablemente no será la que haya desplegado el mayor número de agentes de IA. Será la que haya comprendido lo bastante bien sus propias operaciones como para saber qué debe eliminar, qué debe simplificar, qué debe automatizar y qué debe continuar confiando a la inteligencia humana.