Una estrategia de inteligencia artificial no debería comenzar comparando modelos o comprando licencias. Debería empezar definiendo qué está cambiando, qué problema queremos resolver y qué resultado esperamos generar. Las siete decisiones esenciales.
Con este ensayo completamos las bases estratégicas del ciclo IA con Propósito®.
Si mañana te pidieran construir la estrategia de inteligencia artificial de tu empresa, ¿por dónde empezarías?
Probablemente abrirías una conversación sobre herramientas.
Qué licencias tenemos.
Qué modelo deberíamos utilizar.
Qué procesos podemos automatizar.
Qué están haciendo nuestros competidores.
Qué áreas podrían implementar agentes.
Es normal. La tecnología es la parte más visible de la conversación.
Pero una lista de herramientas no es una estrategia. Y una lista de casos de uso tampoco.
Una estrategia debería ayudarnos a decidir dónde vale la pena concentrar nuestros recursos, qué resultado queremos provocar y cómo vamos a saber si realmente lo conseguimos.
Además, no todas las oportunidades tienen que estar frente al consumidor.
Muchas empresas están comenzando su adopción de inteligencia artificial hacia adentro: - Quieren mejorar procesos. - Reducir tareas manuales. - Analizar mejor su información. - Hacer más productivos a sus equipos. - Tomar mejores decisiones.
Otras están mirando hacia afuera: - Quieren mejorar la experiencia de sus clientes. - Personalizar productos. - Crear nuevos servicios. - Llegar a mercados que antes no podían atender.
Ambos caminos pueden ser correctos. El problema no está en empezar hacia adentro o hacia afuera. El problema está en empezar por la tecnología y después buscar dónde colocarla.
Por eso, si hoy tuviera que sentarme con un equipo directivo a construir una estrategia de inteligencia artificial desde cero, organizaría la conversación alrededor de siete decisiones. No siete herramientas. Siete decisiones:
La recomendación es trabajar una decisión a la vez. No avanzar porque "ya toca hablar de IA". Avanzar cuando tenemos suficiente claridad para tomar la siguiente decisión.
La primera decisión ocurre antes de hablar de tecnología. Necesitamos entender por qué estamos teniendo esta conversación.
La oportunidad puede venir de afuera: - Un cambio en el comportamiento del consumidor. - Un nuevo competidor. - Una barrera de entrada que desapareció. - Una capacidad que antes era demasiado costosa y ahora está disponible para todos (mecanismo que analizamos a detalle en Innovación vs. disrupción).
Pero también puede venir de adentro: - Un equipo que dedica cientos de horas a una tarea repetitiva. - Información que existe, pero está fragmentada. - Procesos que no escalan. - Decisiones que podrían tomarse con más información.
No necesitamos identificar cincuenta cambios. Necesitamos encontrar aquellos que podrían tener consecuencias reales para el negocio.
Imaginemos una empresa B2B. Observa que sus clientes esperan respuestas comerciales mucho más rápidas. Al mismo tiempo, su equipo tarda en promedio 24 horas en preparar una propuesta porque necesita consultar información distribuida entre distintos sistemas.
La hipótesis podría comenzar así:
Todavía no hablamos de IA. Hablamos del problema estratégico.
Ahora podemos buscar oportunidades, pero todavía no soluciones. Primero necesitamos entender qué problema vale realmente la pena resolver.
Porque que algo sea manual no significa automáticamente que necesite inteligencia artificial. Quizá primero debería eliminarse, simplificarse o rediseñarse. Automatizar un proceso innecesario solamente consigue que hagamos más rápido algo que quizá no deberíamos estar haciendo.
Una definición sencilla podría utilizar esta estructura:
Ahora tenemos un problema. Todavía no una solución. Y eso es vital.
Una vez definido el problema, necesitamos decidir qué esperamos provocar. Yo utilizo las tres categorías centrales de la metodología IA con Propósito®:
Tres pilares estratégicos para articular cualquier iniciativa tecnológica en la cadena de valor de una organización.
Reducir tiempos, costos operativos o fricciones en procesos existentes mediante la automatización de flujos repetitivos.
Incrementar la precisión, el valor añadido o la experiencia del cliente sobre productos y servicios que ya se ofrecen.
Idear modelos de negocio, servicios o soluciones que antes eran técnica o económicamente imposibles de ejecutar sin IA.
Nuestro proyecto comercial podría clasificarse inicialmente como:
PROPÓSITO PRINCIPAL: [X] AHORRAR [ ] MEJORAR [ ] CREAR
Queremos reducir el tiempo necesario para preparar respuestas comerciales.
PROPÓSITO SECUNDARIO: [ ] AHORRAR [X] MEJORAR [ ] CREAR
Queremos aumentar la calidad y relevancia de las propuestas enviadas.
Esta distinción importa porque después necesitaremos métricas diferentes para cada resultado.
Aquí aparece una capa que muchas estrategias de IA omiten.
Encontrar oportunidades es relativamente sencillo.
Elegir cuáles merecen recursos es más difícil.
Una primera evaluación puede utilizar cuatro variables:
| Variable | Pregunta |
|---|---|
| Impacto potencial | ¿Qué tan importante sería resolverlo? |
| Evidencia | ¿Qué tan seguros estamos de que el problema existe? |
| Capacidad de ejecución | ¿Tenemos datos, talento y recursos para hacerlo? |
| Complejidad | ¿Qué tan difícil y costoso será implementarlo? |
Por ejemplo
Ahora necesitamos hablar de dinero. Y aquí es donde muchas iniciativas empiezan a perder claridad cuando se ignora el rigor de la Profit Formula.
La ecuación debe observar ambos lados:
VALOR ESPERADO (Ahorro + Incremento de ingresos + Mayor capacidad + Reducción de riesgo) *MENOS* COSTOS TOTALES (Licencias + Infraestructura + Datos + Integraciones + Talento + Seguridad + Operación) = VALOR NETO ESPERADO
Si no tenemos forma de explicar cómo podría generarse valor neto, probablemente todavía no estamos listos para escalar.
Ahora sí empezamos a hablar de tecnología. ¿Qué construimos? ¿Qué compramos? ¿Qué integramos? ¿Qué necesitamos controlar?
No todas las dependencias son malas, pero deben ser conscientes. Esta tensión entre acoplamiento acelerado y flexibilidad soberana es exactamente lo que desglosamos en Modularidad vs. interdependencia.
La pregunta no es únicamente qué tecnología es mejor, sino dónde queremos construir nuestra dependencia.
Hasta aquí tenemos una estrategia. Ahora tenemos que convertirla en resultados observables mediante OKRs (*Objectives and Key Results*).
La IA debería contribuir a los mismos objetivos estratégicos que el resto de la organización. No debería vivir en un tablero separado.
El Objective define qué queremos conseguir.
Los Key Results definen cómo sabremos que avanzamos.
Las iniciativas son las cosas que creemos que pueden ayudarnos a mover esos resultados.
La tecnología vive ahí.
Abajo.
No arriba.
"Convertir la velocidad y calidad de respuesta comercial en una ventaja competitiva durante el trimestre."
Reducir el tiempo promedio de respuesta de 24 horas a 8 horas.
Incrementar la conversión de oportunidades calificadas de 18% a 23%.
Mantener el costo por oportunidad convertida dentro del presupuesto objetivo.
Ahora la IA deja de ser el objetivo.
Se convierte en una hipótesis sobre cómo mover un resultado.
Si no funciona, podemos cambiar la herramienta.
Sin cambiar el Objective.
del equipo comercial utiliza la solución semanalmente.
Los tres niveles importan.
Podemos tener 90% de adopción y ningún impacto económico.
También podemos mejorar 40% un proceso que no mueve ningún indicador relevante.
Por eso necesitamos observar la cadena completa.
| Eslabón / Nivel | Pregunta Clave | |
|---|---|---|
BASELINE | ¿Dónde estamos hoy? | |
OBJECTIVE | ¿Qué queremos conseguir? | |
KEY RESULTS | ¿Qué resultados demostrarán que avanzamos? | |
INICIATIVAS | ¿Qué creemos que puede mover esos resultados? | |
REVISIÓN | ¿Cuándo vamos a evaluar lo ocurrido? | |
Sin baseline previo a la IA podemos medir actividad, pero será casi imposible demostrar impacto real.
Detener un proyecto también es una decisión estratégica. A veces descubriremos que el problema no era tan relevante, que la solución era demasiado costosa o que existía una alternativa más simple.
Al final, la secuencia completa se parece menos a un plan tecnológico y más a un sistema de decisión:
DIAGNOSTICAR -> ELEGIR -> PRIORIZAR -> VALIDAR -> DISEÑAR -> MEDIR -> APRENDER
Para evaluar el nivel de madurez estratégico y de ejecución de tu organización antes de tomar estas decisiones, te invitamos a completar nuestro Diagnóstico de Madurez en IA, diseñado para medir de forma honesta el estado actual de tu empresa.