3 Principios Básicos para Impulsar el ROI de las Implementaciones de GenAI

Los líderes de las empresas están ansiosos por implementar inteligencia artificial generativa (GenAI) en sus negocios. Así que, ¿por qué tantos proyectos no logran salir de la etapa de prueba de concepto (POC)? En un evento reciente de Gartner, Rita Sallam, vicepresidenta analista distinguida, dijo que al menos el 30% de los proyectos de GenAI serán abandonados después de las POC para fines de 2025 debido a problemas como la mala calidad de los datos, controles de riesgo insuficientes, costos en rápido crecimiento o la incapacidad de realizar el valor comercial deseado.

Estos problemas son algunos de los motivos por los que Gartner dijo que GenAI está comenzando a entrar en el trinchera de la desilusión en su último Ciclo de Hype para Tecnologías Emergentes, 2024. Sin embargo, en una encuesta separada de Gartner, los encuestados informaron que sus implementaciones de GenAI han ayudado a las empresas a registrar aumentos de ingresos del 15,8%, ahorros de costos del 15,2% y mejoras de productividad del 22,6%.

Así que, ¿qué separa a las empresas que tienen éxito en la integración de GenAI en flujos de trabajo clave de aquellas que no logran realizar el valor comercial proyectado? Estos líderes y equipos utilizan un enfoque diferente caracterizado por una preparación y gestión del cambio rigurosas. Aquí hay tres principios clave para guiar la evaluación, selección y habilitación de casos de uso con GenAI, para que los equipos puedan mitigar los riesgos y gestionar los costos mientras transforman los procesos comerciales.

1. Principio básico 1: Cuantificar rigurosamente el valor comercial desde el principio:

Mientras que los líderes empresariales pueden haber priorizado la experimentación con GenAI inicialmente, ahora están ansiosos por obtener un valor comercial tangible de las inversiones.

Los socios pueden ayudar a las empresas a desarrollar casos de negocio detallados organizando talleres para comprender los objetivos generales, el estado actual de los procesos y las infraestructuras de tecnología de datos, y más. Como parte de este proceso, trabajan con los equipos de la empresa para evaluar los posibles casos de uso, priorizarlos resolviendo dolores de cabeza comerciales, determinando el nivel de esfuerzo y el ROI esperado, y desarrollando indicadores clave de rendimiento para medir el progreso. En Google Cloud Next ’24, la empresa destacó 101 historias de organizaciones que tienen éxito con GenAI al implementar agentes de clientes, empleados, creativos, datos, código y seguridad.

Las capacidades del mercado siguen evolucionando, simplificando el camino hacia la creación de valor. Microsoft y Google han integrado grandes modelos de lenguaje en sus motores de búsqueda. Los usuarios de Internet ahora pueden recibir respuestas resumidas y enlaces, acelerando su tiempo de insight. De manera similar, los socios ofrecen plataformas aceleradoras de GenAI con modelos de AI y aprendizaje automático que las empresas pueden personalizar y implementar en su entorno en cuestión de semanas. Las empresas se benefician al obtener herramientas probadas, reduciendo el costo y el riesgo de implementación, y escalando nuevas capacidades comerciales más rápido.

2. Principio básico 2: Asegurar la calidad, la privacidad y la seguridad de los datos.

Proporcionar datos de alta calidad, privacidad y seguridad para el entrenamiento y la inferencia de modelos es la base de cada implementación exitosa de GenAI. Las empresas deben preparar los datos para asegurarse de que los modelos de AI generen salidas precisas y confiables. Además, están implementando guardias y nuevas herramientas para proteger la información sensible, incluidas las salidas del modelo, de la exposición. De manera similar, GenAI se puede utilizar para identificar problemas de seguridad que pueden ser remediados por equipos o automatización.

Mastercard está utilizando GenAI para facilitar las interacciones con los clientes y reducir el fraude. Sus chatbots impulsados por IA proporcionan a los clientes acceso instantáneo a recomendaciones personalizadas, información de cuenta y historial de transacciones.

La empresa también utiliza modelado predictivo de GenAI para identificar patrones de gastos inusuales, que podrían indicar un posible fraude. Con GenAI, Mastercard ha duplicado la tasa de detección de tarjetas comprometidas; redujo los falsos positivos en un 200%; y aumentó la velocidad de identificación de comercios vulnerables al fraude en un 300%.

3. Principio básico 3: Fortalecer la colaboración humano-GenAI.

Si bien GenAI automatizará algunos procesos, la mayoría de las veces asistirá a los humanos en la toma de mejores decisiones. GenAI puede crear datos sintéticos, procesar datos, reconocer patrones y crear análisis predictivos para empoderar el trabajo en equipo y la creación de nuevos servicios. Por ejemplo, GenAI puede proporcionar escenarios y recomendaciones para que los responsables de la toma de decisiones las consideren para que puedan optimizar los resultados. Los humanos aportan conciencia del mercado y contextual, conocimiento empresarial, juicio y empatía a la toma de decisiones, construyendo sobre las capacidades de GenAI.

Así que, ¿cómo pueden las empresas maximizar el potencial de las colaboraciones humano-GenAI? Los líderes deben tomarse el tiempo para establecer roles y responsabilidades claramente definidos, capacitar continuamente a los equipos sobre las últimas capacidades, y proporcionar guardias y caminos de escalada cuando GenAI no funcione como se espera. Además, deben compartir su visión de que GenAI reformulará el negocio y enfatizar que están mejorando las capacidades humanas en lugar de reemplazarlas. Una encuesta de Forrester encontró que 36% de los empleados temen perder sus trabajos por la automatización o la IA, pero solo el 1,5% lo harán, mientras que el 6,5% verán influenciados sus roles por GenAI. Como resultado, los empleados deben abrazar esta tecnología en lugar de rechazarla.

Allstate ha implementado un chatbot impulsado por GenAI que aprovecha el procesamiento de lenguaje natural para ofrecer soporte en tiempo real y multilingüe, y obtener una mayor comprensión del comportamiento del cliente. Por ejemplo, busca mejorar el rendimiento de los modelos anteriores tres veces al identificar aquellos viajes del cliente que requieren soporte de agente.

El chatbot simplifica el proceso de reclamaciones proporcionando una plataforma centralizada para recopilar y revisar la información relevante. Mientras que los agentes humanos siguen manejando reclamaciones complejas que requieren juicio experto, el chatbot mejora significativamente la eficiencia al automatizar tareas rutinarias y reducir el tiempo de procesamiento. Al utilizar la IA para simplificar la compleción de formularios, Allstate está mejorando la precisión y la satisfacción del cliente.

Obtener más ROI de GenAI al adoptar estos 3 Principios Básicos

Cuando GenAI irrumpió en la conciencia del mundo, los líderes aplicaron rápidamente esta tecnología a sus negocios, fomentando la experimentación y la innovación. Sin embargo, a veces las POC avanzaron más allá de los fundamentos, lo que aumentó los costos y creó soluciones que no entregaron el valor deseado.

Los líderes pueden utilizar estos tres principios básicos – desarrollar un caso de negocio sólido, abordar los requisitos de datos y ayudar a los equipos a colaborar con la IA – para hacer que las nuevas iniciativas de GenAI sean exitosas. Podrán señalar casos de uso y herramientas de alto valor, salvaguardas de datos y mejoras en la productividad y la innovación que deleitan a la suite ejecutiva, consejos, clientes e inversores por igual.