Activar los datos para cerrar la brecha de ROI de la IA: 4 pasos para realizar el valor empresarial a través de la IA Agente

Al entrar en el cuarto año consecutivo de la “era de la IA”, muchos líderes organizacionales están considerando dos preguntas aparentemente opuestas. En primer lugar, ¿es la IA generativa la tecnología más transformadora del siglo XXI? Y en segundo lugar, ¿está la IA sobrevalorada? Yo respondería paradójicamente sí a ambas preguntas. Pero creo que esas son las preguntas equivocadas. En su lugar, creo que estos líderes deberían hacerse una pregunta diferente: ¿cómo puede mi organización obtener valor empresarial de la IA ahora mismo?

La realidad es que muchas empresas han pasado los últimos tres años invirtiendo en nuevas tecnologías de IA y experimentando con nuevas herramientas de IA, pero aún no han recogido los beneficios previstos. A pesar de la presión de los directores ejecutivos para “aplicar la IA en todo”, las organizaciones no están viendo el retorno de la inversión que desean. Esto no debería ser sorprendente. La historia nos enseña que las innovaciones técnicas más profundas tardan tiempo en generar beneficios. Hay un retraso entre la invención técnica y la innovación empresarial.

Thomas Edison mostró el poder de la electricidad en Manhattan en 1882, pero no fue hasta que Ford presentó la línea de montaje eléctrica en 1913 que la electricidad superó completamente al vapor en la fabricación. ¿Puedes imaginar a un líder empresarial en 1885 instando a sus trabajadores de la fábrica a experimentar con la energía eléctrica? Sin embargo, la energía eléctrica prevaleció y allanó el camino para muchas de las innovaciones revolucionarias del siglo XX, desde las transmisiones de radio hasta la informática digital.

Como ejemplo más reciente, la World Wide Web se popularizó a principios de la década de 1990. El uso de los consumidores estalló de inmediato, pero la adopción empresarial se retrasó. Tomó medio decenio antes de que la mayoría de las empresas establecidas comenzaran a beneficiarse de la web a través del comercio electrónico. Sin embargo, la web allanó el camino para las redes sociales, la participación móvil, la computación en la nube y, finalmente, la IA. El valor empresarial se genera de forma incremental a partir de las nuevas tecnologías.

Si la era de la electricidad en los negocios comenzó con la línea de montaje, y la era de la web comenzó con el comercio electrónico, ¿cuál será la aplicación asesina para la era de los negocios de la IA? El lanzamiento de ChatGPT a finales de 2022 introdujo el poder de los grandes modelos de lenguaje al público en general. Debido a su popularidad, el “chatbot que me entiende y suena humano” se convirtió en el arquetipo de cómo se podía aplicar la IA. Como resultado, muchas empresas comenzaron con la IA introduciendo asistentes similares ajustados para ser la versión de su empresa de ChatGPT. En muchos casos, los resultados han sido bien recibidos por los usuarios, pero los rendimientos empresariales de la productividad son difíciles de medir.

Una de las aplicaciones más desarrolladas de los LLM para empresas es en el área de asistentes de codificación. Claude Code, Cursor y otras herramientas han ganado popularidad, mostrando resultados casi mágicos. Sin embargo, estudios indican que las ganancias de productividad de los desarrolladores individuales no se han traducido aún en la productividad general de la organización. Además, acelerar el desarrollo no ayuda al rendimiento empresarial de una organización si lo que se produce no entrega valor empresarial en sí mismo. Los asistentes de codificación ayudarán a escalar la adopción de la IA con el tiempo, pero no son la aplicación asesina.

Para encontrar la aplicación más impactante de la IA, las organizaciones deben centrarse en los engranajes que impulsan sus propios modelos de negocio. En nuestro libro Desempacar la empresa, Stephen Fishman y yo examinamos el concepto de “dinámica de valor”, un método para descomponer los modelos de negocio en un conjunto de intercambios de valor interconectados. Los intercambios de valor involucran múltiples “monedas”, incluyendo tarifas, ahorro de tiempo, alcance y mejora de la calidad. La moneda más única es los datos. En el libro, mostramos cómo las empresas como Google y Meta convirtieron la acumulación de datos en dominio digital. Su éxito se debió a la provisión de enlaces en tiempo real y automatizados en sus intercambios de valor. Enlazaron la recopilación de datos con la generación de ingresos en un círculo virtuoso. Ambas empresas contextualizaron los datos de los clientes en forma de segmentación publicitaria y luego utilizaron esto para impulsar sus ingresos básicos y recopilar aún más datos a través de la participación del usuario.

Aunque muchas organizaciones han pasado las últimas dos décadas recopilando y refinando datos, aún no han aprovechado completamente el potencial de los datos a través de un volante. En su núcleo, un modelo de lenguaje grande es simplemente datos aplicados. Tiene el potencial de ser el motor que impulsa un volante de valor para las organizaciones, pero ese motor necesita combustible en forma de datos contextualizados y necesita estar conectado a los engranajes del modelo de negocio de la organización. Este proceso de “activación de datos” hace que los datos sean confiables y estén disponibles a escala, estableciendo la base para una automatización más dinámica en la empresa y, en última instancia, descubriendo la aplicación asesina de la IA para dichas organizaciones.

¿Cómo serán las organizaciones que hayan activado sus datos para la era de la IA? Considera los siguientes escenarios:

• Una empresa farmacéutica que actualmente tiene que hacer apuestas de millones de dólares y años en nuevos medicamentos a una empresa más ágil con ciclos de ensayos clínicos más cortos y paralelos habilitados a través de la automatización dinámica y la IA
• Un banco minorista que actualmente envía ofertas de productos “con la esperanza y la oración” a todos sus clientes con poca adopción y cumplimiento manual posterior a ofertas personalizadas con origen de crédito simplificado, lo que conduce a una adopción más alta de productos crediticios rentables
• Un minorista cuyo sistema de gestión de inventario actual está lleno de artículos sobrestockeados y agotados a una empresa que entiende su posición de inventario en tiempo real, gracias a conexiones directas de salida, almacén y proveedor analizadas a través de agentes de IA siempre activos

El camino hacia el ROI descrito en estos escenarios sigue esta nueva forma de automatización dinámica, y está impulsado por la activación de datos.

Así que, ¿cómo pueden las organizaciones comenzar este viaje? Aquí hay cuatro pasos para empezar…

Paso 1: Entender la dinámica de valor de su organización

Descomponer el modelo de negocio de una organización en sus intercambios de valor subyacentes es invaluable por varias razones. El mapa de intercambio de valor resultante muestra qué capacidades impulsan el negocio, qué funciones empresariales son las más críticas y cómo cada elemento en una organización contribuye a la creación, captura y distribución de valor. Para nuestros propósitos, el mapa de intercambio de valor se puede utilizar para visualizar los procesos comerciales básicos que serán candidatos para la automatización dinámica. Como una capa más abajo, puedes mapear cada intercambio de valor y componente a cómo se operacionalizan dentro de la organización. Esto podría ser en la forma de aplicaciones de software, almacenes de datos o incluso tareas de los empleados. Las oportunidades de automatización se pueden sopesar por impacto y complejidad de implementación para centrarse en el mejor lugar para aplicar la IA y la activación de datos.

Paso 2: Propagar la opcionalidad a través de una capa de activación de datos

La capacidad de una organización para activar los datos depende de la opcionalidad de su paisaje digital. La opcionalidad abunda cuando los activos digitales, las funciones de software, las fuentes de datos y los servicios de terceros son accesibles en tiempo real. En un contexto de IA, esto significa dos cosas. En primer lugar, una organización debe poder sintetizar datos de fuentes dispares para proporcionar contexto preciso a los LLM que conduzcan a un razonamiento preciso y eviten la alucinación. En segundo lugar, los componentes de software que ejecutan las funciones comerciales básicas, como el servicio de calificación crediticia de un banco o el sistema de inventario en vivo de un minorista, deben ser llamables por aplicaciones basadas en LLM para cumplir con la automatización. En ambos casos, las API son el mejor mecanismo para hacer que los datos y las funciones sean accesibles de manera adecuada. El Protocolo de contexto de modelo (MCP) está ganando tracción como el protocolo de API de elección para la activación de datos. Este conjunto de capacidades accesibles se puede convertir en una plataforma contextual para su organización. Transformar su paisaje digital de un conjunto de aplicaciones y datos siloeados a una capa de API alineadas con el negocio es crucial para lograr el ROI a través de la activación de datos.

Paso 3: Aceptar el paradigma de soluciones digitales agente

La arquitectura de software prevaleciente de la era de la IA está emergiendo. Las soluciones de software optimizadas requieren un equilibrio de componentes con IA y sin IA. Los agentes de IA, los componentes con IA en esta arquitectura emergente, utilizan el razonamiento basado en LLM con conciencia contextual para ejecutar tareas a través de las herramientas a su disposición. Son los instrumentos de la activación de datos y la automatización dinámica. Un paisaje digital opcionalizado a través de API (incluyendo herramientas MCP) es el terreno más fértil para que estos agentes prosperen. La arquitectura agente permite numerosos patrones que combinan los componentes de software deterministas en la infraestructura existente con dichos agentes de IA. Estos patrones van desde chatbots y agentes de trabajo simples hasta flujos de trabajo agentes hasta sistemas de agentes múltiples autónomos. Las organizaciones que adopten este enfoque arquitectónico podrán cosechar el valor más alto de sus activos digitales existentes mientras adoptan la IA a un ritmo que les permita gestionar la creciente complejidad de las soluciones que aportan más y más valor.

Paso 4: Utilizar la IA como una herramienta de productividad para construir automatizaciones agentes

Aplicar la IA para la productividad de los trabajadores puede no generar los rendimientos más altos para una empresa por sí sola. Utilizar las ganancias de productividad de la IA en el servicio de activar los datos de una organización y proporcionar automatización agente, sin embargo, puede acelerar los rendimientos reales. Esto no solo significa utilizar la IA para acelerar el trabajo de los desarrolladores. Incluso antes de la explosión de la IA, una de las barreras más grandes para la entrega era la brecha organizacional entre los expertos en dominio empresarial que entienden la aplicación de la tecnología y los equipos de TI que construyen soluciones. Tendencias organizacionales como DevOps han ayudado a cerrar esta brecha, pero la IA puede ayudar de manera más tangible. Como tecnología basada en el lenguaje, los LLM pueden traducir entre requisitos y soluciones de una manera sin precedentes. La IA multimodal permite la captura de bocetos comerciales que pueden generar artefactos utilizables para el desarrollo posterior. Las transcripciones se pueden convertir en prototipos. Esto es un nuevo tipo de activación de datos: convertir el conocimiento del dominio empresarial en andamios de solución en tiempo real.

Siguiendo estos cuatro pasos, las organizaciones pueden activar sus datos y comenzar a ver rendimientos de sus inversiones en IA. Además, estarán mejor preparadas para los nuevos ecosistemas, trabajos y oportunidades creados por la economía de la IA. Al entender la dinámica de valor de su negocio, convertir sus activos digitales en opciones ejercitables y orientarse hacia la arquitectura agente, prepararán a su organización para el futuro de la IA inventándolo usted mismo.