El enorme potencial disruptivo que vislumbran los últimos avances de Inteligencia Artificial generativa (GenAI) está llegando a todos los sectores como si de una onda expansiva se tratara. En la 15ª Encuesta Anual de CEOs de PwC Interaméricas, publicada a principios de este año, el 76% de los CEOs encuestados afirmaron que esperan que la IA generativa cambie notablemente la forma en que su empresa crea, entrega y captura valor en los próximos tres años. Y alrededor de un tercio de los que dicen haber puesto en marcha alguna iniciativa de GenAI en sus empresas aseguran haber cambiado sus estrategias en relación con la tecnología.
En otro estudio que se está llevando a cabo entre PwC y Strategy &, su división de consultoría estratégica, se observa que el impacto potencial de la GenIA varía considerablemente según el sector y la compañía. Nuestro análisis del valor proyectado potencial de GenAI sugiere que si esta tecnología se aplicara a los modelos operativos actuales, las compañías de software podrían ver un aumento en su margen de beneficio de aproximadamente del 20% (ver gráfico). Incluso para sectores con estimaciones menos relevantes, como el de transporte y la logística, el aumento de un punto porcentual en los beneficios es un camino que, ciertamente, vale la pena explorar.
El valor potencial de GenAI en los distintos sectores
Aumento potencial del margen de beneficio operativo (puntos porcentuales)
Fuente: Datos de S&P Capital IQ con PwC y Strategy& análisis
Por supuesto, estas cifras se basan únicamente en la hipótesis de aplicar la IA generativa a los modelos operativos actuales; no consideran ni los costos de construir y operar herramientas de GenAI, ni la posibilidad de cambiar la dinámica actual del mercado. En el caso de las estimaciones más bajas, las mejoras de productividad podrían provocar movimientos relevantes en los distintos sectores, lo que, a su vez, probablemente impulse un mayor incremento en innovación, disrupción y reinvención, generando nuevas formas de creación de valor.
Algunos sectores verán una implementación más fluida de estas transformaciones que otros. Para ayudar a identificar dónde las empresas deben centrar sus esfuerzos en relación a la IA generativa para que estos sean más productivos, nos hemos inspirado en el modelo circular Flywheel - en inglés. Este modelo de marketing ha venido a sustituir al tradicional modelo de funnel, y se basa en proporcionar a las empresas una visibilidad total de la interacción con el cliente desde el primer contacto hasta después de los procesos de marketing y ventas (ver gráfico).
El modelo flywheel necesita de un esfuerzo inicial para ponerse en marcha pero, una vez que estos círculos virtuosos entran en movimiento, cada incremento adicional de energía reduce el esfuerzo necesario para acelerar. Además, ayuda a preservar y transferir la energía en forma de conocimiento empresarial, experiencia y capacidades. Con el tiempo, esto puede llevar a una reducción de los costos para crear y capturar valor.
Los directivos pueden aprovechar el poder de este modelo para mejorar la productividad y posicionar a sus negocios para una reinvención transformadora. Sin embargo, es vital recordar que el impacto de la IA generativa debe ir más allá de mejorar los resultados, por lo que es necesario aplicar un enfoque responsable de IA en cada etapa, considerando los efectos de las decisiones empresariales en la sociedad en general.
El flywheel de creación de valor de GenAI
A continuación, describimos cómo los líderes empresariales pueden aplicar el modelo flywheel en sus esfuerzos para desarrollar la IA generativa.
1. Cree su hipótesis de valor
La hipótesis de valor es el enfoque estratégico inicial tanto del potencial en la empresa como de la probable dificultad de poner en marcha aplicaciones específicas de GenAI. Debe basarse en factores como el propósito y los valores de la compañía, su balance, su operativa, su ecosistema empresarial y el panorama competitivo y regulatorio. Una vez formulada, la hipótesis se puede comparar con un análisis del potencial a largo plazo del sector, y crear un punto de referencia razonable que nos ayude a evaluar el progreso.
La hipótesis de valor a corto plazo para GenAI se basa en la eficiencia. Utilizar la GenAI para mejorar la productividad tiene sentido tanto desde el punto de vista táctico como estratégico. Pero es importante tener en cuenta que hay un premio mayor al considerar la hipótesis de valor: la reinvención total, que requiere más tiempo y recursos.
Hoy en día, los primeros casos de uso de IA generativa se han centrado en mejorar la eficiencia de las soluciones y formas de trabajo ya existentes. Aunque el marco del flywheel puede ayudar a impulsar el valor con este enfoque, es vital recordar que existe un retorno mucho mayor. En lugar de centrarse únicamente en mejoras marginales, la mayoría de las empresas deberían replantearse por completo cuáles podrían ser las mejores soluciones a la luz de las nuevas opciones de que disponen. Para evitar caer en los próximos tres años en un gran problema de deuda tecnológica y de procesos, es necesario no perder de vista el potencial de disrupción y de reinvención a largo plazo al evaluar el valor futuro y de desarrollar una estrategia inicial de IA generativa.
2. Priorice los casos de uso clave
Una vez que se cuenta con una hipótesis de valor como guía, debería ser más fácil identificar los casos de uso de GenAI que tienen mayor potencial para ofrecer el máximo beneficio. No solo ayuda a demostrar el retorno de la inversión, sino que también puede contribuir a una prueba de concepto, ayudando a mejorar el apoyo de los principales interesados para futuras iniciativas.
Hemos identificado cientos de casos de uso de GenAI en todos los sectores, y cada empresa incluida en nuestro análisis se enfrentará a retos y oportunidades distintas y diferenciadas dependiendo de cómo se utilicen sus datos para entrenar las herramientas de GenAI. Nuestro análisis inicial indica que, en todos los sectores, los cinco casos de uso principales de GenAI pueden generar entre el 50% y el 80% del valor total derivado de la tecnología, por lo que tiene sentido identificarlos y concentrarse en ellos.
Consideraciones clave al evaluar casos de uso de GenAI
Para comprender el verdadero valor potencial de los casos de uso de GenAI, es importante ir más allá de las proyecciones financieras y también considerar el probable nivel de disrupción y la relativa facilidad de adopción.
3. Identifique patrones para impulsar la escala
Para crear el máximo valor, la GenAI requiere refinamiento y enfoque. Un modelo estándar puede ofrecer resultados sólidos para algunos casos de uso, pero si se añaden los datos de tu propia empresa, con guardarrailes para proporcionar enfoque y seguridad, o complementos adicionales para aumentar las capacidades y la precisión de la herramienta principal (como hemos hecho en PwC con la herramienta interna ‘ChatPwC GenAI’), su efecto puede ser mucho más relevante e impactante.
Seis patrones comunes de casos de uso de GenAI
Debido a que un único modelo de IA puede adaptarse y ajustarse para muchas tareas específicas, aplicar un patrón GenAI a un caso de uso puede desbloquear caminos hacia casos de uso similares.
4. Seleccione las herramientas adecuadas de GenAI
Después de identificar casos de uso y los patrones para escalarlos, se puede comenzar a evaluar y hacer una lista de las tecnologías fundamentales de GenAI más apropiadas. El objetivo aquí es anticipar y evitar posibles deudas tecnológicas potenciales; el costo de los cambios que eventualmente puedan ser necesarios debido a las limitaciones a largo plazo de las inversiones tecnológicas para satisfacer las necesidades inmediatas, como la ineficiencia de tener múltiples herramientas de GenAI desconectadas abordando diversos procesos. La clave es equilibrar la solidez de la tecnología con su adoptabilidad y adaptabilidad, para permitir tanto la escala como los resultados comerciales sostenidos.
5. Defina soluciones que maximicen el valor existente
El siguiente paso es identificar qué agregar a las herramientas fundamentales para ofrecer soluciones más específicas que puedan maximizar el valor. Para muchas organizaciones, la propia tecnología no conducirá a ninguna diferenciación en el mercado, por lo que añadir datos propios será clave para el éxito. Sin embargo, ese tipo de uso de datos, a su vez, planteará desafíos adicionales en gobernanza y gestión de riesgos que podrían resultar en un considerable aumento de los costes de desarrollo e implementación, lo que podría reducir el valor general de soluciones prometedoras.
6. Evalúe el costo y el impacto ambiental
Una vez que se ha determinado un posible camino hacia la creación de valor, es momento de evaluar el costo desarrollo e implantación, y decidir si seguir adelante. Para muchas compañías, los casos de uso iniciales basados en la productividad se centrarán en la rentabilidad, mejorando los márgenes con la automatización de las formas de trabajo existentes. Evaluar el costo y el impacto de los casos de uso de GenAI que tienen un mayor potencial de generación de nuevos ingresos netos a largo plazo -a través de la transformación, innovación o reinvención de la empresa- será, probablemente, un reto más complicado.
Considerar el costo en el sentido más amplio, no solo financiero, sino también ambiental e incluso de reputación. Por ejemplo, aunque sea posible reducir costos mediante la reducción la mano de obra utilizando GenAI para realizar algunas tareas, sustituir descuidadamente a los humanos por bots podría provocar una reacción destructiva o perjudicial para la marca, además de reducir la supervisión y validación humana de los resultados de GenAI, lo que podría aumentar la exposición al riesgo.
7. Desarrollar e implementar, probar y aprender
La prueba y el aprendizaje son esenciales con una tecnología que evoluciona tan rápido como la IA generativa. Cada implementación, cuando se realiza con controles definidos y métricas de éxito establecidas, representa una oportunidad para aprender. Estas lecciones, a su vez, ayudan a identificar mejoras, incluyendo la comprensión de cómo se puede capturar el valor y cómo se deben medir los éxitos futuros, así como a reevaluar el riesgo y la gobernanza antes de adaptar y escalar las herramientas y soluciones a otras partes de la organización.
8. Aprovechar y buscar otras aplicaciones relevantes
En el último segmento del flywheel, se puede aprovechar el conocimiento y la experiencia generados durante la evaluación, el desarrollo y las pruebas para hacer los ajustes necesarios y reutilizar las herramientas de GenAI para otros usos más amplios. En algunos casos, las soluciones identificadas pueden necesitar ser personalizadas aún más para usos adicionales específicos, pero la prueba de concepto y las lecciones aprendidas de las implementaciones iniciales deberían significar que la aceptación sea más rápida y el entrenamiento y la adopción más ágiles, gracias a su adquisición de conocimiento institucional.
Contáctenos
Bismark Rodríguez
Socio Líder Regional de Consultoría, PwC Interaméricas
