Su empresa utiliza la IA: ¿se ha vuelto realmente mejor?

Introducción

La inteligencia artificial entró en las empresas a una velocidad rara vez observada con una tecnología tan estructurante. Hay empleados que utilizan asistentes generativos para redactar, buscar, analizar o resumir información. Hay equipos que experimentan con herramientas especializadas. Aparecen funciones de IA directamente en los programas ya utilizados a diario y ciertas organizaciones empiezan ahora a desplegar agentes capaces de realizar secuencias de trabajo más complejas.

Esta multiplicación de los usos puede dar fácilmente la impresión de que una empresa avanza rápidamente en su transformación. Los directivos ven a más empleados utilizar la IA, los proyectos piloto se multiplican y los proveedores presentan continuamente nuevas posibilidades. La organización puede entonces empezar a considerarse madura simplemente porque la inteligencia artificial se ha vuelto visible en sus operaciones.

Sin embargo, utilizar más IA y convertirse en una mejor empresa son dos cosas diferentes. Una organización puede generar documentos más rápidamente sin tomar mejores decisiones. Puede automatizar más tareas sin mejorar sus procesos. Puede dar acceso a herramientas de IA a cientos de empleados sin obtener una mejora medible de su productividad global. Incluso puede producir más y aumentar simultáneamente la cantidad de información que sus empleados deben procesar.

La pregunta que los directivos deberían plantear ahora supera, por lo tanto, ampliamente la tasa de adopción: desde que nuestra empresa utiliza más la inteligencia artificial, ¿nos hemos vuelto realmente mejores?

La adopción es fácil de ver, la creación de valor mucho menos

Es relativamente simple medir la adopción de una tecnología. Una organización puede conocer el número de empleados con acceso a una herramienta, el número de usuarios activos, la cantidad de consultas realizadas o el número de proyectos de inteligencia artificial lanzados durante el año. Estos indicadores dan una imagen de la actividad, pero informan poco sobre los resultados obtenidos.

Esta distinción ya existía con varias generaciones de tecnologías. Una empresa podía poseer un ERP sin tener buenos procesos, un CRM sin verdadera disciplina comercial o herramientas colaborativas sin mejorar la circulación de la información. La IA reproduce este fenómeno a una velocidad mucho mayor porque es fácil de experimentar y un usuario puede obtener de ella una utilidad inmediata sin una transformación previa de la organización.

Un empleado que ahorra quince minutos al preparar un correo electrónico obtiene una ganancia real. Otro que reduce en dos horas la preparación de un informe obtiene también una. Cuando estas ganancias se multiplican por cientos de empleados, las cifras teóricas pueden volverse rápidamente impresionantes. Eso no significa, sin embargo, que todas esas horas se transformen automáticamente en valor económico para la empresa.

El tiempo ahorrado no es más que una posibilidad de creación de valor. Todavía hay que comprender qué se hace con ese tiempo.

Una hora ahorrada no se convierte automáticamente en una hora productiva

Este matiz es fundamental en el cálculo del retorno de la inversión de la inteligencia artificial. Si una herramienta permite a un profesional realizar en tres horas un trabajo que antes le exigía cuatro, sería tentador concluir que su productividad aumentó un 25 %. Esa conclusión puede ser correcta en ciertas situaciones y engañosa en otras.

Si la hora liberada permite atender a más clientes, tramitar más expedientes, aumentar la producción, reducir horas extra o realizar una actividad que crea más valor, la ganancia se vuelve tangible. Si esa hora es simplemente absorbida por otras tareas administrativas, más reuniones, más correos electrónicos o un aumento general del volumen de información producido, el impacto económico se vuelve mucho más difícil de demostrar.

La empresa debe, por lo tanto, ir más allá de la medición del tiempo ahorrado. Debe comprender cómo se reinvierte esa capacidad recién disponible en sus operaciones. La IA se vuelve realmente productiva cuando las ganancias locales se traducen en una mejora del sistema en el que aparecen.

Esta distinción explica en parte por qué los empleados pueden tener la impresión muy real de ser más eficaces gracias a la IA mientras la dirección todavía tiene dificultades para observar una mejora equivalente en los resultados globales de la empresa.

Una mejora individual puede desaparecer en el proceso colectivo

El trabajo de una organización rara vez está constituido por actividades completamente independientes. Las tareas se encadenan. El resultado producido por una persona se convierte a menudo en la entrada necesaria para el trabajo de otra.

Imaginemos que un analista utiliza la IA para reducir de cuatro horas a una hora la preparación de un expediente. La ganancia parece considerable. Pero si ese expediente debe luego esperar dos días antes de ser aprobado por un gerente, la mejora local modifica muy poco el plazo total del proceso.

El mismo fenómeno puede aparecer en una cadena de producción, un proceso de venta, una solicitud de crédito, un reclutamiento o un servicio al cliente. Acelerar una etapa que no es la restricción principal del sistema puede producir una ganancia individual importante sin mejorar significativamente el desempeño global.

Es aquí donde la inteligencia artificial conecta directamente con la excelencia operativa. El desempeño debe observarse a escala del proceso y del resultado buscado. La verdadera ganancia no es solamente que el analista trabaje más rápido. Aparece cuando el cliente obtiene su respuesta antes, cuando pueden tramitarse más expedientes, cuando los errores disminuyen o cuando la capacidad operativa de la empresa aumenta.

La IA también puede crear trabajo

La inteligencia artificial reduce ciertas cargas de trabajo, pero también puede generar otras nuevas. La facilidad con la que produce contenido constituye un buen ejemplo.

Cuando hacían falta varias horas para preparar un informe, una presentación o un análisis, las organizaciones tendían naturalmente a limitar su producción. Cuando esos contenidos pueden generarse en algunos minutos, su número puede aumentar considerablemente. Cada documento adicional deberá quizás ser leído, validado, comentado, almacenado o integrado en una decisión.

Un empleado puede, por lo tanto, ganar una hora al producir un documento con la IA y transferir indirectamente una parte de esa hora a cinco colegas que deberán luego procesar más información.

El fenómeno también puede afectar a las comunicaciones. Los correos electrónicos más largos se vuelven fáciles de redactar. Las actas se producen automáticamente. Las síntesis aparecen después de cada reunión. Pueden generarse recomendaciones para casi todas las decisiones. Individualmente, cada uno de estos usos puede parecer útil. Colectivamente, pueden aumentar la carga cognitiva de la organización.

La madurez consiste, por lo tanto, también en determinar qué merece ser producido. Una tecnología capaz de generar más información aumenta el valor de la capacidad de decidir qué información es realmente necesaria.

La productividad no debería confundirse con la actividad

Esta distinción es particularmente importante porque las herramientas digitales producen naturalmente indicadores de actividad. Número de conexiones, consultas, documentos generados, agentes creados, automatizaciones desplegadas o empleados capacitados: todos estos datos son fáciles de contabilizar y dan rápidamente la impresión de medir el progreso.

Pueden ser útiles para comprender la adopción. Se vuelven problemáticos cuando sirven de sustituto del desempeño.

Una empresa que despliega cincuenta agentes de IA no está necesariamente más avanzada que una empresa que utiliza cinco. Si los cinco agentes de la segunda reducen considerablemente un plazo crítico, mejoran la calidad del servicio y aumentan la capacidad operativa, su contribución puede ser mucho más importante.

La misma lógica se aplica al número de empleados capacitados. Capacitar a mil personas para utilizar una herramienta constituye un logro. Saber cuántas de ellas modificaron sus métodos de trabajo, qué procesos se mejoraron y qué valor adicional resulta de ello permite medir una transformación.

La actividad tecnológica es, por lo tanto, un indicador de movimiento. El desempeño indica si ese movimiento conduce realmente a alguna parte.

Los buenos indicadores comienzan por los objetivos de la empresa

Para medir la contribución de la IA, hay que volver a las razones por las que la organización desea utilizarla. ¿Busca aumentar su capacidad de producción, reducir sus plazos, mejorar la calidad, disminuir los errores, atender mejor a sus clientes, acelerar sus ventas, reducir ciertos costos, mejorar sus decisiones o permitir su crecimiento sin aumentar proporcionalmente sus recursos?

Los indicadores deberían derivarse directamente de esos objetivos.

Una empresa que desea acelerar su servicio al cliente puede medir el tiempo de resolución, la tasa de resolución en el primer contacto, la satisfacción y el número de casos que un equipo puede atender. Una organización que utiliza la IA en sus ventas puede observar la duración del ciclo de venta, la tasa de conversión, el valor de las oportunidades y el tiempo dedicado a las interacciones con los clientes. Una empresa manufacturera puede examinar los tiempos de inactividad, los reprocesos, los plazos de producción, las pérdidas o la capacidad de sus equipos técnicos de resolver más rápidamente ciertas anomalías.

La IA se convierte entonces en un medio para mejorar un resultado que ya es importante para la empresa. Este enfoque evita crear indicadores artificiales simplemente porque una nueva tecnología vuelve ciertos datos fáciles de medir.

La calidad debe acompañar a la velocidad

Un aumento de productividad que deteriora la calidad puede convertirse rápidamente en un falso ahorro. Si un empleado produce un documento dos veces más rápido gracias a la IA, pero un colega debe luego dedicar más tiempo a verificarlo, la ganancia real puede ser mucho menor de lo que parece.

Esta cuestión se vuelve aún más importante cuando los agentes empiezan a actuar directamente en los sistemas. Un error producido por un ser humano queda generalmente limitado por su velocidad de ejecución. Un sistema automatizado puede reproducir el mismo error a gran escala antes de que sea detectado.

Los indicadores de desempeño deben, por lo tanto, asociar velocidad, calidad y riesgo. El plazo de tramitación puede disminuir mientras la tasa de error aumenta. El número de casos atendidos puede progresar mientras la satisfacción de los clientes retrocede. El costo por transacción puede bajar mientras los incidentes que requieren una intervención aumentan.

Una organización realmente mejorada por la IA debe obtener un desempeño equilibrado. El objetivo consiste en crear más valor manteniendo o mejorando al mismo tiempo la calidad, la fiabilidad y el control del riesgo.

El retorno de la inversión no siempre puede medirse únicamente en reducción de personal

Una de las maneras más simples de justificar una tecnología consiste en calcular cuántos puestos u horas de trabajo permitirá eliminar. Este enfoque puede ser pertinente en ciertos procesos, pero solo representa una parte del valor potencial de la inteligencia artificial.

Una empresa en crecimiento puede utilizar la IA para absorber más volumen sin tener que aumentar su plantilla al mismo ritmo. Un equipo de ciberseguridad puede tratar más eventos sin reducir el número de especialistas. Un área comercial puede permitir a sus representantes dedicar más tiempo a los clientes. Un equipo directivo puede obtener más rápidamente la información necesaria para sus decisiones.

En esas situaciones, el valor aparece en la capacidad adicional creada más que en la supresión inmediata de un costo.

Este matiz es particularmente importante para las pymes. Una empresa que carece de recursos especializados puede utilizar la IA para aumentar la capacidad de sus equipos existentes y permitirles dedicar más tiempo a las actividades que exigen realmente su experiencia. El retorno de la inversión puede entonces adoptar la forma de un crecimiento más rápido, de un mejor servicio o de una reducción de los riesgos.

Las ganancias deben compararse con una situación de referencia

Para saber si la empresa está mejorando, debe saber de dónde parte. Una organización que despliega una nueva herramienta sin haber medido su proceso antes de su implementación tendrá muchas dificultades para demostrar objetivamente las ganancias obtenidas.

¿Cuánto tiempo hacía falta antes para realizar la actividad? ¿Cuál era la tasa de error? ¿Cuánto costaba el proceso? ¿Qué volumen podía tratarse? ¿Cuál era el nivel de satisfacción? ¿Cuántas intervenciones humanas eran necesarias?

Estos datos de referencia permiten luego comparar los resultados después de la introducción de la IA.

Esta disciplina puede parecer elemental, pero cambia profundamente la calidad de las decisiones. Permite abandonar una iniciativa que no produce los resultados esperados, mejorar aquella que posee potencial e invertir más en los usos que demuestran una verdadera creación de valor.

La experimentación se convierte entonces en un enfoque de gestión más que en una sucesión de demostraciones tecnológicas.

Una empresa madura también debe saber detener un proyecto de IA

El entusiasmo tecnológico puede volver difícil esta decisión. Una vez que una organización invirtió en un proyecto, capacitó a empleados y presentó la iniciativa como estratégica, reconocer que los resultados son insuficientes puede parecer un fracaso.

Sin embargo, saber detenerse forma parte de la madurez.

Una experimentación puede demostrar que una tarea es demasiado variable, que los datos son insuficientes, que los controles necesarios cuestan demasiado caro o que una solución convencional realiza el trabajo con más eficacia. Ese resultado posee también un valor, ya que permite evitar una inversión mucho más importante.

El objetivo de una estrategia de IA no es probar que la IA funciona en todas partes. Consiste en descubrir dónde crea suficiente valor como para merecer integrarse de forma duradera en las operaciones.

Esta capacidad de seleccionar los buenos usos se vuelve aún más importante a medida que el número de soluciones disponibles aumenta. Las organizaciones tendrán pronto muchas más posibilidades de utilizar la IA que recursos para implementarlas correctamente.

La madurez en IA comienza cuando la empresa deja de contar las herramientas

Una primera fase de adopción está a menudo dominada por el descubrimiento. Los empleados experimentan, los equipos prueban distintas soluciones y la dirección busca comprender las posibilidades. Esta etapa es útil e incluso necesaria.

La madurez comienza cuando la organización transforma esa experimentación en disciplina.

Establece prioridades. Selecciona los procesos donde el valor potencial es importante. Estructura sus datos y sus conocimientos. Define las responsabilidades. Mide los resultados antes y después de los cambios. Encuadra los riesgos y desarrolla las competencias necesarias para mantener las soluciones a lo largo del tiempo.

La inteligencia artificial deja entonces de ser una colección de herramientas utilizadas individualmente. Se convierte en una capacidad organizacional. Es en ese momento cuando la transformación comienza realmente.

La presencia creciente de la inteligencia artificial en una empresa constituye un signo de adopción. Todavía no constituye una prueba de mejora. Una organización puede tener más usuarios, más automatizaciones y más agentes conservando al mismo tiempo los mismos plazos, los mismos problemas de calidad, las mismas restricciones operativas y las mismas dificultades para crear valor. A la inversa, algunos usos cuidadosamente seleccionados pueden producir efectos considerables cuando mejoran directamente procesos importantes.

La pregunta esencial se convierte, por lo tanto, en la del desempeño. ¿Disminuyen los plazos? ¿Progresa la calidad? ¿Aumenta la capacidad? ¿Dedican los empleados más tiempo a las actividades que requieren realmente su experiencia? ¿Reciben los clientes un mejor servicio? ¿Son mejores las decisiones? ¿Puede la organización crecer con más eficacia?

En Quantum Beyond, la adopción de la IA se inscribe en esta lógica de transformación medible. Nuestro enfoque combina preparación organizacional, gobernanza de los conocimientos, análisis de los procesos, excelencia operativa, gobernanza de la IA y acompañamiento de los equipos para que las tecnologías desplegadas contribuyan realmente a los objetivos de la empresa. Nuestros expertos trabajan con los equipos existentes para desarrollar esa capacidad y permitir a la organización medir lo que funciona, mejorar lo que puede mejorarse y concentrar sus inversiones allí donde crean más valor.

A medida que el uso de la inteligencia artificial se generalice, poder decir que una empresa “utiliza la IA” tendrá cada vez menos significado. La diferencia se encontrará en una pregunta mucho más exigente: desde que utilizamos la IA, ¿qué hace realmente mejor nuestra organización que antes?