Cambiando cómo pensamos sobre GenAI en la sala de juntas: Navegando el ROI a corto y largo plazo

A medida que los equipos de liderazgo en todo el mundo comienzan a planificar para 2025, el tema que está en la mente de todos es cuándo esperar que sus inversiones en IA y/o inteligencia artificial generativa (GenAI) den resultados. Nueva investigación de Google Cloud ha revelado que más de 6 de cada 10 empresas grandes (más de 100 empleados) están utilizando GenAI, y el 74% ya están viendo algún retorno significativo sobre la inversión (ROI). Pero maximizar el ROI de la IA/GenAI requiere un enfoque estratégico que va más allá de justificar los costos, abarcando tanto los retornos directos como indirectos, una comprensión clara de los tiempos de espera y los gastos ocultos, y la integración de características centradas en el ser humano para garantizar procesos confiables y escalables.

Reencuadrando el ROI

Dado todo el atención que la IA/GenAI han recibido en los medios este año pasado, puede ser fácil olvidar que estas inversiones aún son relativamente nuevas, lo que significa que la mayoría de las empresas aún no han visto el tipo de ROI que es posible. Eso hace que sea aún más importante gestionar las expectativas en la sala de juntas desde el principio, ya que cualquier evaluación temprana creará impresiones críticas que influirán en cómo la liderazgo ve las inversiones futuras. Si tienen altas expectativas de un cambio inmediato y transformador, su opinión puede amargarse si esos cambios aún están arraigando en las primeras etapas. En otras palabras, las nuevas innovaciones demandan nuevas perspectivas de medición, y los líderes deben reencuadrar cómo piensan sobre el ROI a corto y largo plazo.

En términos de lo que constituye una transformación exitosa, el progreso a menudo se mide mejor en el ojo del espectador, pero incluso las “pequeñas” victorias pueden conducir a resultados potenciales mayores en el camino. Aquí hay tres formas de ayudar a contextualizar sus inversiones en IA/GenAI, así como algunos ejemplos de aquellos que están en un viaje similar.

1. Distinguir entre ROI directo e indirecto

En algunas industrias, un ROI directo es más fácil de detectar. Por ejemplo, si una empresa de retail o CPG comienza a ofrecer nueva funcionalidad GenAI, probablemente obtendrán una sensación inmediata de los clientes de cómo se están recibiendo las características. Mientras que en otras industrias como la fabricación, hay más un ROI indirecto que depende de inversiones a largo plazo. Con ese tipo de retornos suaves, usualmente es el “impacto de goteo” que puede crear nuevas oportunidades o desbloquear nuevo valor. Imagina que estás implementando una nueva solución de IA para mejorar la productividad del equipo. Mientras que tu objetivo inicial podría haber sido la producción, ese aumento en la actividad también podría conducir a descubrir caminos de crecimiento completamente nuevos que no habían sido considerados. Esa es la parte más emocionante y emocionante sobre la IA/GenAI: el potencial desconocido. Y aunque el potencial es difícil de medir, siempre debe incluirse como un factor en el cálculo del retorno.

Un buen ejemplo de ROI directo e indirecto se puede encontrar en la empresa de comercio electrónico Mercari, que el año pasado agregó un asistente de compras con tecnología ChatGPT a su plataforma de mercado para artículos de segunda mano. Su nuevo “Merchant AI” permitiría a los clientes “iniciar sesión en el sitio, interactuar con el asistente de compras en conversación natural, responder preguntas sobre sus necesidades y luego recibir una serie de recomendaciones” para los siguientes pasos. El ROI directo de esto fue una reducción del 74% en el volumen de tickets en Mercari, mientras que el ROI indirecto fue que los ahorros de tiempo resultantes permitieron a la empresa reducir gradualmente la deuda técnica y escalar sus operaciones.

2. Considerar el tiempo de espera para las inversiones en IA/GenAI y los costos ocultos asociados

Considerando la presión constante sobre el equipo de dirección para crecer las ganancias, hay poco chance de que de repente adopten una mentalidad de “las cosas buenas llegan a aquellos que esperan”. Pero la realidad es que cualquier incursión en la IA/GenAI lleva tiempo y dinero, incluso antes de llegar a la línea de partida. Desde la inversión en infraestructura y capacitación hasta la adquisición de diferentes API y datos relevantes, puede ser meses de trabajo de preparación que no mostrarán ningún “retorno” más que estar listo para comenzar. Otro costo oculto (que mucha gente no habla) es la realidad de que vas a obtener alucinaciones y errores creados por la IA que pueden costarle a las empresas grandes cantidades de dinero al enviarlos en la dirección equivocada, abrir una brecha o potencialmente desencadenar un problema de PR costoso. La experiencia completa es muy nueva, lo que la hace un poco más arriesgada y costosa, así que es importante que los líderes consideren esto al evaluar el ROI.

McKinsey ofreció una visión sobre este proceso de toma de decisiones y sus costos asociados, basándose en el clásico escenario “alquilar, comprar o construir”. En su arquetipo, los CIO o CTO deben considerar si son un “Taker” (usando LLM públicamente disponibles con poca personalización), un “Shaper” (integrando modelos con datos propiedad para obtener resultados más personalizados) o un “Maker” (construyendo un modelo personalizado para abordar un caso de negocio discreto). Cada arquetipo tiene sus propios costos que los líderes tecnológicos deben evaluar, desde “Taker” que cuesta alrededor de $2 millones, hasta “Maker” que sometimes puede estirarse hasta 100 veces esa cantidad.

Esforzarse por hacer que la inversión en IA/GenAI sea más centrada en el ser humano

Todavía hay mucho miedo allí (especialmente entre los trabajadores) de que la IA reemplace a los humanos. En lugar de descartar esas preocupaciones, las empresas deben posicionar cualquier transformación como una mejora en lugar de un reemplazo y tratar de buscar formas de hacer que su inversión sea más centrada en el ser humano. Con GenAI, no es una transacción; es una asociación, y todavía hay una necesidad real de que los humanos evalúen la eficacia de cualquier información o materiales generados para garantizar que estén libres de sesgo, alucinaciones u otras malinterpretaciones. Eso es por lo que es fundamental que las empresas desafíen constantemente a la IA para que proporcione la razón detrás de cada decisión para garantizar la precisión. Le dará al contenido más validación, sus trabajadores verán un papel definido en el proceso, y en última instancia ayudará al ROI porque están aprendiendo en cada etapa.

También es una buena idea establecer guardrails firmes para proporcionar límites estrictos sobre qué tipo de información puede recopilar la IA. Pregúntese, “¿Debemos permitir que la IA tenga acceso a Internet?” Quizás no. El punto es considerar la necesidad primero, y si tienen otras metodologías probadas, usen esas. A veces, la IA es útil solo para resumir, no para “pensar”. Se trata de crear el equilibrio adecuado, y los humanos todavía tienen un papel crítico que desempeñar. Según la investigación de Accenture, el 94% de los ejecutivos sienten que las tecnologías de interfaz humana les permitirán entender mejor los comportamientos y las intenciones, transformando la interacción entre humanos y máquinas.

Cerrando la brecha entre la promesa y la realidad

Los expertos están de acuerdo en que, aunque la barrera de entrada baja de GenAI es una característica excelente, su “potencial a largo plazo depende de demostrar su valor a corto plazo”. Eso significa que cualquier piloto de IA/GenAI debe tener una serie de criterios de éxito claramente definidos (pero flexibles) antes de lanzarse, y las empresas deben monitorear constantemente los procesos para garantizar que estén proporcionando valor continuamente. Cuando se trata de esta nueva era de innovación digital, es posible que nunca haya una “línea de meta” tradicional hacia la que todos estén corriendo. En cambio, al cambiar cómo pensamos sobre el ROI a corto y largo plazo de la IA/GenAI, las empresas pueden ser más astutas con sus dólares de inversión y centrarse en desarrollar capacidades que puedan escalar junto con el negocio.