Dos marcos para equilibrar la innovación y el riesgo de la IA

Según el estudio 2024, sólo el 26% de las empresas han desarrollado productos de IA que funcionen, y sólo el 4% han logrado un rendimiento significativo de sus inversiones. Reducir la brecha entre las aspiraciones y los logros requiere un enfoque sistemático de la transformación de la IA, que prepare a las organizaciones para pensar en las cuestiones más importantes que plantea esta tecnología sin perder de vista su impacto cotidiano. Lo que está en juego no podría ser mayor. Las organizaciones que no se adapten se convertirán en las Polaroid y Blockbusters de la era de la IA. Sin embargo, una implantación precipitada conlleva sus propios peligros. Cuando Zillow anunció en febrero de 2021 que empezaría a comprar propiedades que habían sido valoradas por un algoritmo de aprendizaje automático, la medida fue ampliamente aclamada como un paso hacia el valiente nuevo mundo de la inteligencia artificial. Ocho meses después, la nueva unidad de negocio cerró con unas pérdidas de unos 300 millones de dólares. Las oportunidades y los riesgos que presenta la IA exigen una reflexión cuidadosa y respuestas estratégicas deliberadas. Las soluciones parciales no serán suficientes. El ritmo de desarrollo de la IA, combinado con la capacidad única de la tecnología para transformar las relaciones humanas y la cultura organizativa, requiere marcos que puedan equilibrar tanto la incertidumbre sin precedentes como la necesidad de una acción inmediata. Las organizaciones necesitan sistemas integrales de pensamiento que puedan guiarlas a través de una transformación continua sin perder de vista sus propósitos fundamentales ni a las partes interesadas humanas. He pasado tres décadas guiando la transformación digital en organizaciones que van desde empresas de la lista Fortune 2000 hasta las mayores agencias gubernamentales. A lo largo de estas experiencias, me he encontrado repetidamente con dos actitudes comunes pero contrapuestas que frenan a las organizaciones a la hora de implantar con éxito las nuevas tecnologías: la resistencia institucional al cambio y la adopción impulsiva de tecnología sin un propósito estratégico. Ahora veo que muchas organizaciones reproducen los mismos errores en su enfoque de la IA. La solución a este problema de doble filo reside en adoptar marcos complementarios que se combinen para crear un enfoque equilibrado de la adopción de la IA. El marco OPEN (Outline, Partner, Experiment, Navigate) proporciona un proceso sistemático de cuatro pasos para aprovechar el potencial de la IA, guiando a las organizaciones desde la evaluación inicial hasta la implantación sostenida. El marco CARE (Catastrophize, Assess, Regulate, Exit) ofrece una estructura paralela para identificar y gestionar el riesgo relacionado con la IA, tanto dentro de los proyectos de innovación como en el entorno empresarial más amplio. Aunque distintos en sus propósitos, ambos marcos están diseñados para ser lo suficientemente flexibles como para evolucionar junto con la IA. Estos marcos integran y permiten dos mentalidades complementarias: un optimismo radical sobre el potencial de la IA equilibrado con una profunda cautela sobre sus riesgos. Al integrar un proceso de gestión de la innovación con un enfoque de Gestión Financiera y de Cartera (GFP), las organizaciones pueden impulsar un cambio transformador al tiempo que mantienen sólidas salvaguardas. El marco OPEN Basado en el propósito organizativo y en la experiencia de la IA humana, el marco OPEN hace hincapié en que el éxito de la adopción no depende sólo de la tecnología, sino también del liderazgo y de una cultura capaz de sostener una transformación continua. Cada paso del proceso contribuye al desarrollo de una cartera de innovación, lo que permite a las organizaciones gestionar los proyectos de IA desde la ideación hasta el despliegue, el mantenimiento y la eventual retirada. 1. Esbozar Demasiadas organizaciones comienzan su andadura en la IA preguntándose "¿Qué puede hacer esta tecnología?" en lugar de "¿Qué puede hacer esta tecnología para ayudarnos a cumplir nuestra misión?". Este enfoque conduce a soluciones impulsadas por la tecnología en busca de problemas en lugar de a nuevas formas de aportar valor real. Al reafirmar su propósito desde el principio del proceso y luego alinear todas las decisiones con ese propósito como el único y más básico criterio de éxito, las organizaciones pueden evitar ser desviadas por las capacidades casi ilimitadas de la IA. Coca-Cola ofrece un caso de estudio convincente sobre la facilidad con la que las empresas pueden perder de vista su propósito principal, llevadas por la tentación de experimentar con las últimas tendencias tecnológicas. En 2023, Coca-Cola lanzó una nueva bebida, Y3000, que había sido creada conjuntamente con la IA. Como era de esperar, la empresa recibió críticas generalizadas por el sabor poco atractivo de la bebida. En 2024, Coca-Cola volvió a adoptar la IA como un truco, socavando su largo historial de exitosas campañas publicitarias navideñas con un esfuerzo impulsado por la IA que no atrajo a casi nadie. Aunque podría decirse que había algo de valor en probar las capacidades de la IA generativa a escala, la asociación de una marca querida con imágenes inquietantes sacadas directamente del valle inquietante fue un claro paso en falso. Nike ofrece un contraejemplo que muestra cómo las iniciativas de IA pueden estar profundamente alineadas con el propósito de la organización. La misión de Nike es "llevar la inspiración y la innovación a cada atleta" (haciendo hincapié en que "si tienes un cuerpo, eres un atleta"). En lugar de perseguir la IA como un truco de marketing, Nike ha implementado soluciones de IA que sirven directamente a esta misión. Su tecnología Nike Fit utiliza visión por ordenador impulsada por IA para ayudar a los clientes a encontrar su talla de calzado perfecta mediante un simple escaneado del teléfono. Su estrategia de aceleración directa al consumidor emplea la IA para la detección de la demanda y la optimización del inventario, garantizando que los productos adecuados lleguen a los consumidores adecuados en el momento adecuado. Al partir de su objetivo principal de servir a los atletas, Nike ha evitado la trampa de la tecnología por la tecnología y, en su lugar, ha desarrollado casos de uso de la IA que crean un valor genuino para sus clientes al tiempo que refuerzan su marca. Directrices prácticas para la fase de esbozo Reafirme el propósito de la organización: Antes de adoptar la IA, revise y reafirme la misión de su organización para garantizar la claridad y la aceptación. Evalúe los conocimientos actuales: Evalúe los conocimientos y la preparación de la organización en materia de IA. Organice talleres para identificar las lagunas de conocimientos. Desarrolle programas para colmar las lagunas. Lluvia de ideas sobre casos de uso: Asigne equipos interfuncionales para que se dediquen a pensar en las aplicaciones de la IA. Filtre: Filtre los posibles casos de uso evaluándolos en función de los criterios de finalidad organizativa y preparación para la IA. 2. Asociarse Desarrollar y aplicar una estrategia de innovación en IA es un problema interdisciplinar clásico. La tarea no puede dejarse en manos del departamento de IT, del equipo de I+D o del director general de innovación. Estas funciones, y otras más, deben comprometerse e implicarse si queremos que las soluciones de IA tengan posibilidades de crear un valor real. Así pues, las alianzas dentro de una organización son fundamentales para el éxito de las iniciativas de IA. Pero rara vez serán suficientes. Incluso las organizaciones con sólidas capacidades internas necesitarán normalmente forjar asociaciones externas para hacer realidad sus ambiciones de IA. Mientras que las grandes empresas tecnológicas pueden ser capaces de construir soluciones de IA a medida desde cero, la mayoría de las organizaciones necesitarán trabajar con socios especializados que puedan ayudarles a desarrollar e implantar las tecnologías específicas necesarias para alcanzar sus objetivos. A menudo se tratará de proveedores de servicios externos, pero también podrían ser académicos, asesores éticos independientes o reguladores del sector. Pero quizá la asociación más crítica de todas sea la que se establezca entre los seres humanos y los propios sistemas de IA. Esta asociación remodelará fundamentalmente la cultura de cada organización que despliegue soluciones de IA, cambiando las relaciones de trabajo, las estructuras de información y las funciones individuales. Las organizaciones deben pensar detenidamente en cómo sus implantaciones de IA transformarán no sólo los procesos, sino toda la experiencia humana dentro de su organización. ¿Un sistema de IA aumentará las capacidades humanas o las sustituirá? ¿Cómo afectará a la dinámica de los equipos y a las jerarquías organizativas? ¿Operará entre bastidores o interactuará directamente con los usuarios? Estas preguntas sobre la asociación entre humanos e IA deben considerarse desde el principio de cualquier iniciativa de IA, no tratarse como una idea de última hora una vez que la solución técnica ya está construida. Directrices prácticas para la fase de asociación Mapee la experiencia interna y las oportunidades de colaboración: Comience por identificar las capacidades internas existentes que pueden aprovecharse para las iniciativas de IA. Trace un mapa de la experiencia interdepartamental, asegurándose de que los equipos adecuados (por ejemplo, ciencia de datos, IT, operaciones y marketing) pueden trabajar juntos sin problemas. Evaluar y examinar a los socios externos: La selección de colaboradores externos, como proveedores de tecnología, instituciones académicas o start-ups especializadas en IA, es fundamental para colmar las lagunas de capacidad. Los líderes deben asegurarse de que los socios potenciales se alinean con sus objetivos organizativos, valores y requisitos operativos. Establezca estructuras de gobernanza para las asociaciones: Las asociaciones de IA a menudo implican compartir datos, consideraciones de propiedad intelectual (PI) e innovación colaborativa. Unas estructuras de gobierno claras ayudan a gestionar estas complejidades y a garantizar la rendición de cuentas. Dar prioridad al diseño centrado en el ser humano en los proyectos de IA: Asegúrese de que las implantaciones de IA, ya sean internas o de cara al cliente, mantienen la experiencia humana en el centro de su diseño e implantación. Esto es vital para la adopción y los resultados positivos. 3. Experimente Pasar del pensamiento del cielo azul sobre las posibilidades de la IA a la implementación práctica requiere un enfoque experimental cuidadosamente estructurado. Muchas organizaciones cometen el error de pasar directamente de la ideación al despliegue a gran escala, lo que conduce a costosos fracasos y oportunidades perdidas. Otras se quedan atascadas en un ciclo interminable de pruebas de concepto que nunca se traducen en valor en el mundo real. Ambos enfoques malgastan recursos y, lo que es más importante, desaprovechan la oportunidad de aprender lecciones vitales sobre cómo la IA puede crear valor dentro de un contexto organizativo específico. La clave del éxito de la experimentación con IA es estructurar los experimentos como un viaje de aprendizaje más que como un ejercicio de validación. Cada experimento debe diseñarse no sólo para probar si una solución de IA concreta funciona, sino para generar ideas sobre cómo podría crear valor, cómo podría ampliarse y cómo interactuarán los seres humanos con ella. Esto significa ir más allá de probar la viabilidad técnica para explorar la viabilidad a nivel empresarial y la deseabilidad humana. Significa probar no sólo el propio sistema de IA, sino también las capacidades organizativas necesarias para apoyarlo. Y significa estar dispuesto a fracasar rápido y aprender rápido. Directrices prácticas para la fase de experimentación Desarrolle prototipos conceptuales: Utilice el modelado conceptual para visualizar cómo se integra la IA en su arquitectura empresarial actual. Haga un storyboard del recorrido del cliente para anticipar los puntos de contacto y los retos. Empiece poco a poco: Despliegue pilotos de uso limitado para recopilar datos sobre la viabilidad y el rendimiento. Por ejemplo, un banco podría probar la detección de fraudes basada en la IA en una sola sucursal antes de ampliarla. Incorpore escenarios del mundo real: Diseñe experimentos que reflejen las condiciones y excepciones del mundo real en lugar de configuraciones idealizadas. Esto garantiza que los resultados sean prácticos y escalables, al tiempo que se descubren posibles problemas que podrían surgir en un despliegue más amplio. Defina métricas para el éxito: Identifique los KPI para cada experimento, como el aumento de la eficacia operativa o la satisfacción del cliente. 4. Navegar La fase Navigate implica dirigir la organización a través de la adopción de la IA al tiempo que se garantiza la alineación con los objetivos estratégicos más amplios y los valores culturales. Hace hincapié en el aprendizaje y la adaptación continuos en un panorama en rápida evolución en el que los factores técnicos y humanos están profundamente entrelazados. La clave del éxito de la innovación en IA radica en mantener un flujo constante de proyectos de alto potencial a través de una cadena de innovación cuidadosamente diseñada que transforme las ideas en sistemas operativos. Los proyectos avanzan a través de esta tubería basándose en puntuaciones de clasificación compuestas que reflejan la prioridad estratégica, el nivel de riesgo, el valor potencial, el coste y la dificultad de implementación. Estas clasificaciones proporcionan una base objetiva para priorizar qué proyectos deben avanzar en un momento dado. La velocidad de tramitación -la rapidez con la que los proyectos avanzan por el sistema- requiere una gestión cuidadosa. Si se avanza demasiado rápido se corre el riesgo de adelantar los proyectos antes de que estén listos, mientras que si se avanza demasiado despacio se pueden perder oportunidades o estar en desventaja competitiva. La clave está en mantener un ritmo de avance constante al tiempo que se garantiza que las puertas de la calidad se cumplen adecuadamente. A menudo esto significa ejecutar varios proyectos en paralelo en diferentes etapas, creando un flujo continuo en lugar de un proceso de parada y arranque. Directrices prácticas para aplicar la navegación: Aplique métricas objetivas: Desarrolle una cartera de innovación que clasifique las iniciativas de IA en función del riesgo, la recompensa, las necesidades de recursos, la dificultad de implementación y la alineación estratégica. Revise y actualice periódicamente la cartera para asegurarse de que refleja la evolución de las prioridades y las condiciones del mercado. Priorice la asignación de recursos: Asigne los recursos estratégicamente en función del impacto potencial y la viabilidad de los proyectos de IA. Para evitar una dispersión excesiva de los recursos, céntrese en iniciativas que se alineen estrechamente con su misión principal y sus objetivos a largo plazo. Adopte una cultura de aprendizaje: Fomente el aprendizaje iterativo integrando bucles de retroalimentación. Por ejemplo, una empresa de logística que utilice la IA para la optimización de rutas podría ajustar los modelos basándose en los comentarios de los conductores. Vigile el horizonte: Manténgase al día sobre las tendencias de la IA para anticiparse a los cambios. Asigne recursos a I+D para garantizar la preparación para la próxima ola de innovación. El marco CARE Aunque la IA promete una transformación en todas las funciones organizativas, también introduce vulnerabilidades que podrían socavar o incluso destruir a las organizaciones no preparadas. Por ejemplo, aunque las herramientas de diagnóstico impulsadas por la IA están revolucionando la prestación de asistencia sanitaria, los sistemas de IA también pueden cometer errores potencialmente catastróficos en el diagnóstico médico debido a datos de entrenamiento sesgados. Del mismo modo, a medida que las organizaciones despliegan la IA para la gestión de infraestructuras críticas, se enfrentan a una mayor exposición a las amenazas de ciberseguridad que podrían propagarse en cascada a través de los sistemas interconectados. Estos retos técnicos se ven amplificados por los cambios organizativos y culturales que requiere la IA, ya que los equipos deben adaptarse a nuevas formas de trabajar y de pensar. Las organizaciones también deben sortear una serie de otros riesgos, entre los que se incluyen Riesgos para la reputación que pueden surgir de desastres de RR.PP. impulsados por la IA Exposición legal derivada de los prejuicios de la IA, las ambigüedades en torno a los derechos de autor y los problemas de privacidad de los clientes Riesgos estratégicos que surgen a medida que la IA reconfigura rápidamente industrias enteras. La complejidad y la naturaleza interconectada de estos riesgos exigen un enfoque estructurado para su identificación, evaluación y mitigación. El marco CARE (Catastrofizar, Evaluar, Regular, Salir) adopta un enfoque proactivo en lugar de reactivo para la gestión de riesgos de la IA. A diferencia de los enfoques tradicionales de gestión de riesgos, CARE está diseñado específicamente para abordar tanto la dimensión técnica como la humana del riesgo de la IA. Tiene en cuenta la rápida evolución de las capacidades de la IA, el potencial de comportamientos emergentes inesperados, la transformación de la cultura organizativa y las complejas interconexiones entre los factores técnicos, operativos y humanos. El marco puede aplicarse de forma iterativa a medida que evolucionan los sistemas de IA y surgen nuevos riesgos. CARE ofrece a las organizaciones una metodología estructurada para identificar y gestionar los riesgos relacionados con la IA. Identifica sistemáticamente los riesgos potenciales en todas las dimensiones técnicas, operativas y estratégicas. Esto crea un inventario de riesgos exhaustivo que sirve de base para toda la planificación posterior. Evaluar la probabilidad del riesgo, el impacto potencial y la capacidad de respuesta de la organización. Esto permite priorizar los riesgos y asignar eficazmente los recursos. Implantación de controles, sistemas de supervisión y estructuras de gobierno para gestionar los riesgos identificados. Este paso traduce el análisis en salvaguardas y procedimientos procesables. Desarrollo de protocolos claros para responder a los riesgos, incluidos los procedimientos de cierre del sistema y los planes de continuidad de la empresa. Esto proporciona una red de seguridad vital cuando fallan las medidas preventivas. La IA representa un cambio fundamental en la forma en que las organizaciones operan y crean valor. Para tener éxito, las empresas deben adoptar un enfoque equilibrado que abrace el potencial de la IA y, al mismo tiempo, sea consciente de sus riesgos. Mediante la integración de marcos estructurados como OPEN y CARE, las organizaciones pueden navegar por las complejidades de la adopción de la IA, garantizando tanto la innovación como la resistencia. Este doble enfoque permite a las organizaciones aprovechar el poder transformador de la IA al tiempo que se protegen de los posibles escollos. En última instancia, la clave para prosperar en la era de la IA reside en un enfoque estratégico, reflexivo y equilibrado.

Dos marcos para equilibrar la innovación y el riesgo de la IA

Resumen.

Partner Center