Hace algún tiempo participé en una conversación con directivos de una gran organización del sector público en Colombia. Las áreas de Planeación, Gestión Humana y Tecnología estaban presentes en la mesa. El tema era la posible implementación de inteligencia artificial.

La conversación avanzó rápidamente hacia las oportunidades: automatización de procesos, eficiencia operativa, apoyo a la toma de decisiones y mejora de la experiencia de usuario. Todo parecía indicar que el ambiente era propicio para dar el siguiente paso.

Hasta que llegamos a los datos.

Fue entonces cuando aparecieron las dudas: No existe una única fuente para información crítica; Un mismo dato puede variar dependiendo del área consultada; A pesar de contar con un ERP robusto, mucha información relevante se encuentra dispersa en archivos personales, hojas de cálculo y computadores individuales, sin que la organización tenga claridad sobre quién es responsable de qué información, ni cuál debería ser la fuente oficial.

La conclusión fue inmediata: primero hay que organizar los datos y luego hablar de inteligencia artificial.

No obstante, la conversación continuó, tomando un rumbo diferente, ya que uno de los participantes señaló que varios trabajadores ya estaban utilizando herramientas de inteligencia artificial para apoyar su labor diaria, aclarando que algunos usan versiones gratuitas, mientras que, otros, cuentas personales pagas. En ambos casos se ha estado cargando información sensible de la organización en plataformas sobre las cuales la empresa no tiene ningún control.

Entonces surgieron algunas preguntas incómodas: ¿Puede la organización darse el lujo de esperar? ¿Cuál es el riesgo de no empezar a trabajar pronto en el tema? ¿Están nuestros competidores más adelantados? y en tal caso ¿cómo afectaría ello nuestra posición competitiva?

Implementar, o no, Inteligencia Artificial en una organización es principalmente una decisión sobre el futuro, que debe partir del entendimiento de lo que está ocurriendo en el presente.  Y, por supuestos, cabe preguntarse si en efecto, en lo que a la Inteligencia Artificial se refiere estamos frente a una nueva revolución industrial, si la IA llegó para quedarse y si su impacto efectivamente afectará la manera como trabajamos, la sostenibilidad de las organizaciones y su productividad.

Si bien, durante algún tiempo muchos pensamos que la implementación de IA era principalmente un asunto de tecnología, hoy sabemos que no es así. La tecnología es apenas una parte de la ecuación. Una implementación exitosa exige la articulación de personas, procesos, tecnología y datos. Y todo esto bajo una clara orientación estratégica, que debe llevar a clarificar para qué lo hacemos: ¿Fortalecer nuestra propuesta de valor? ¿Impulsar la productividad y la eficiencia? ¿Generar una ventaja competitiva? ¿Mejorar la toma de decisiones? ¿Evitar que nuestra posición competitiva se vea comprometida? ¿Otras razones?

En consecuencia, si se decide avanzar, tal decisión, creo yo, debería contribuir al cumplimiento del propósito superior de la organización, y alinearse con los objetivos de negocio.

Me atrevería a afirmar que, de las dimensiones mencionadas, tal como se concluyó en la reunión con la que inicié este escrito, el principal reto está en los datos[1].  Y, cabe anotar que, cuando una organización tiene problemas con éstos, ello se reflejará también en la toma de decisiones. Así que, claramente, pueden convertirse en un cuello de botella.

No obstante, creo que no tendría sentido aguardar a que los datos estén perfectos pues probablemente ese momento nunca llegará. Esperar a que lo estén puede convertirse en una excusa para no actuar; Y no avanzar podría afectar la posición competitiva de cualquier organización, dado el ritmo al que la tecnología avanza.

En consecuencia, la pregunta correcta no es si los datos han llegado a su punto óptimo, sino si es posible mejorarlos gradualmente mientras la organización progresa en la definición e implementación de soluciones basadas en Inteligencia Artificial.

Yo afirmo que sí, y en ello de seguro se necesitarán científicos de datos. Pero el verdadero éxito de este proceso está en gobernarlo, y al más alto nivel.

Por ello, luego de definir/clarificar el propósito y tomar la decisión de avanzar en la implementación, un buen primer paso podría ser la creación de una instancia de gobierno, con participación de líderes de alto nivel. No se trata de un comité tecnológico, sino de un espacio donde la organización pueda tomar decisiones respecto de las oportunidades que la IA aporta y sobre la información que considera crítica para su operación, una instancia capaz de conectar la estrategia organizacional con la información que la soporta.

Idealmente, dicha instancia debería tener un carácter interdisciplinario. Un líder financiero, por ejemplo, puede ayudar a identificar cómo determinadas decisiones sobre los datos pueden traducirse en reducción de costos, generación de ingresos o creación de valor para la organización. Del mismo modo, alguien con una visión clara de la estrategia corporativa, aporta la capacidad de conectar las iniciativas de IA con los objetivos de negocio y de distinguir entre una idea interesante y una iniciativa verdaderamente alineada con las prioridades de la organización. Por supuesto también es necesario que TI forme parte, así como quienes lideran los procesos que se vayan a automatizar.

Al final, las preguntas centrales no son tecnológicas[2]. Y, cabe anotar que, hacer las preguntas equivocadas puede hacer que una iniciativa fracase.

La razón de todo esto es simple: la inteligencia artificial no genera valor por sí misma. El valor aparece cuando ayuda a resolver un problema de negocio relevante o cuando permite aprovechar una oportunidad alineada con un objetivo organizacional, y cuando se conecta adecuadamente con los datos. La respuesta automática a una petición o reclamo puede ser un buen ejemplo: Muchas organizaciones han buscado utilizar la IA para responder más rápido a los clientes[3] y por ello han venido implementando chatbots o agentes IA de voz. Sin embargo, responder más rápido no necesariamente resuelve aquello que originó la inconformidad. Con frecuencia el verdadero problema está en un proceso mal diseñado, una decisión equivocada, una política inadecuada o en la calidad de la información.

El riesgo al implementar un determinado modelo o solución de IA “por moda”, “impulsivamente” o “porque es lo que hay en el mercado”, es que aquello que se implemente no responda a una necesidad real de la organización y, en cambio, llegue a afectar un proceso que funcionaba bien.

Es claro que la tecnología puede ayudar, pero la comprensión del problema sigue siendo una tarea humana. Si no hay claridad, la IA solo ayudará a modular los síntomas, pero no eliminará la enfermedad. Ocurre igual con las oportunidades.

Esto exige otro cambio de mentalidad: La Inteligencia Artificial no trabaja con certezas, sino con probabilidades. Y toda decisión basada en modelos analíticos, incluyendo los modelos IA, implica un nivel de riesgo. En consecuencia, la premisa de fondo no deber ser que la inteligencia artificial eliminará la incertidumbre, porque ello no ocurrirá. Debería, más bien, tener que ver con la idea de podremos tomar decisiones mejores que las que tomaríamos sin ella.

Las organizaciones que están avanzando más rápido en este terreno parecen haber entendido esta realidad. No abordan la IA como un proyecto aislado de tecnología. La conectan con la estrategia, la llevan a las conversaciones de la alta dirección, involucran a quienes están en la operación y viven la realidad de los procesos, fortalecen el gobierno de los datos, promueven espacios de experimentación y construyen capacidades internas mientras aprenden.

De hecho, algunas organizaciones han creado laboratorios o centros de experimentación en IA para explorar casos concretos, probar herramientas, equivocarse a bajo costo y aprender antes de comprometer inversiones mayores. BBVA[4], por ejemplo, cuenta con AI Factory, un centro global orientado a convertir oportunidades de IA en productos de datos; Walmart[5] creó su Intelligent Retail Lab para probar aplicaciones de IA en un entorno real de tienda; y Estée Lauder[6], junto con Microsoft, desarrolló un laboratorio de innovación en IA para explorar usos en marketing, producto y experiencia de cliente. En Colombia un referente bien interesante es Aval Digital Lab, ADL[7], que acompaña a todas las empresas del grupo Aval en su proceso de transformación digital e implementación de IA. Estos ejemplos muestran que la adopción de IA no es un proyecto que se ejecuta una vez y termina, sino un proceso de aprendizaje organizacional y evolución continua que puede extenderse durante varios años.

Una recomendación final: La inteligencia artificial puede transformar profundamente una organización. Pero antes de preguntarnos qué modelo implementar, tenemos que hacer las preguntas correctas, para saber qué problema queremos resolver/oportunidad queremos aprovechar y confirmar que contamos con los datos necesarios para ello. Al hacerlo, aumentará exponencialmente la probabilidad de éxito de cualquier proyecto de implementación de IA, mucho más que cualquier conversación sobre algoritmos, agentes o plataformas.

---

Imagen construida con apoyo de ChatGPT

[1] Aunque algunos referentes mundiales, como Amazon, que ha incorporado IA y analítica predictiva en múltiples capas de su operación, podrían contradecir esta idea, creo que es la hipótesis de que el principal obstáculo está en los datos es válida para la mayoría de las organizaciones en Colombia, y de seguro ocurre lo mismo en muchos países en vías de desarrollo.

[2] Algunas deberán referirse a los datos, como ¿quién define cuál es la fuente oficial?, ¿cómo debe utilizarse la información? y ¿qué decisiones pueden derivarse de ésta?  De forma similar, algunas iniciativas para la adopción de IA podrían comenzar preguntándose ¿qué puede hacer la tecnología?, cuando deberían empezar con la pregunta ¿qué problema vale la pena resolver, qué reto queremos superar o qué objetivo de negocio deberíamos impulsar?

[3] Se sugiere leer el artículo IA y Servicio al cliente en https://maximizar.com.co/inteligencia-artificial-servicio-al-cliente/

[4] BBVA. BBVA AI Factory among the world’s best financial innovation labs according to Global Finance. Disponible en: https://www.bbva.com/en/innovation/bbva-ai-factory-among-the-worlds-best-financial-innovation-labs-according-to-global-finance/

[5] Walmart. Walmart’s Intelligent Retail Lab shows a glimpse into the future of retail. Disponible en: https://corporate.walmart.com/news/2019/04/25/walmarts-new-intelligent-retail-lab-shows-a-glimpse-into-the-future-of-retail-irl

[6] Vogue Business. Estée Lauder Companies forms AI Innovation Lab. Disponible en: https://www.voguebusiness.com/story/beauty/estee-lauder-companies-forms-ai-innovation-lab

[7] Aval Digital Lab: https://www.adldigitallab.com/