En resumen

Outlook

La inteligencia artificial está transformando la empresa y tiene el mayor impacto cuando aumenta los trabajadores humanos en lugar de reemplazarlos.

Los detalles

Las empresas ven las mayores mejoras en el rendimiento cuando los humanos y las máquinas inteligentes colaboran. Se necesita gente para entrenar a las máquinas, explicar sus resultados y garantizar su uso responsable. La IA, a su vez, puede mejorar las habilidades cognitivas y la creatividad de los humanos, liberar a los trabajadores de tareas de bajo nivel y ampliar sus capacidades físicas.

La receta

Las empresas deberían reinventar sus procesos empresariales, centrándose en el uso de la IA para lograr una mayor flexibilidad o velocidad operativa, una mayor escala, una mejor toma de decisiones o una mayor personalización de los productos y servicios.

Aviso: Traducido con el uso de inteligencia artificial; puede contener errores. Participe en esta encuesta para hacernos llegar sus comentarios y obtenga información en las preguntas frecuentes.
Read in English

La inteligencia artificial se está haciendo buena para muchos trabajos «humanos» (diagnosticar enfermedades, traducir idiomas, prestar servicio de atención al cliente) y está mejorando rápidamente. Esto genera temores razonables de que la IA sustituya en última instancia a los trabajadores humanos en toda la economía. Pero ese no es el resultado inevitable, ni siquiera el más probable. Nunca antes las herramientas digitales nos habían respondido tanto ni nosotros a nuestras herramientas. Si bien la IA alterará radicalmente la forma en que se hace el trabajo y quién lo hace, el mayor impacto de la tecnología se centrará en complementar y aumentar las capacidades humanas, no en reemplazarlas.

Ciertamente, muchas empresas han utilizado la IA para automatizar los procesos, pero las que la implementan principalmente para desplazar a los empleados solo verán aumentos de productividad a corto plazo. En nuestra investigación en la que participaron 1500 empresas, descubrimos que las empresas logran las mejoras de rendimiento más significativas cuando los humanos y las máquinas trabajan juntos. A través de esa inteligencia colaborativa, los humanos y la IA mejoran activamente las fortalezas complementarias de los demás: el liderazgo, el trabajo en equipo, la creatividad y las habilidades sociales de los primeros, y la velocidad, escalabilidad y capacidades cuantitativas de las segundas. Lo que le resulta natural a la gente (hacer una broma, por ejemplo) puede resultar complicado para las máquinas y lo que es sencillo para las máquinas (analizar gigabytes de datos) sigue siendo prácticamente imposible para los humanos. Los negocios requieren ambos tipos de capacidades.

Para aprovechar al máximo esta colaboración, las empresas deben entender cómo los humanos pueden aumentar las máquinas de la manera más eficaz, cómo las máquinas pueden mejorar lo que los humanos hacen mejor y cómo rediseñar los procesos empresariales para apoyar la asociación. A través de nuestra investigación y trabajo en el campo, hemos desarrollado directrices para ayudar a las empresas a conseguirlo y poner en práctica el poder de la inteligencia colaborativa.

Los humanos ayudan a las máquinas

Los humanos deben desempeñar tres funciones cruciales. Deben tren máquinas para realizar determinadas tareas; explicar los resultados de esas tareas, especialmente cuando los resultados son contradictorios o controvertidos; y sostener el uso responsable de las máquinas (por ejemplo, evitando que los robots dañen a los humanos).

Capacitación.

Se debe enseñar a los algoritmos de aprendizaje automático cómo realizar el trabajo para el que están diseñados. En ese esfuerzo, se acumulan enormes conjuntos de datos de formación para enseñar a las aplicaciones de traducción automática a manejar expresiones idiomáticas, aplicaciones médicas para detectar enfermedades y motores de recomendación para apoyar la toma de decisiones financieras. Además, los sistemas de IA deben formarse sobre la mejor manera de interactuar con los humanos. Si bien las organizaciones de todos los sectores se encuentran ahora en las primeras etapas de desempeñar funciones de formador, las principales empresas tecnológicas y grupos de investigación ya cuentan con personal de formación y experiencia maduros.

Considere el asistente de IA de Microsoft, Cortana. El bot requirió una amplia formación para desarrollar la personalidad adecuada: seguro, cariñoso y servicial, pero no mandón. Inculcar esas cualidades requirió incontables horas de atención por parte de un equipo que incluía un poeta, un novelista y un dramaturgo. Del mismo modo, se necesitaban entrenadores humanos para desarrollar las personalidades de Siri de Apple y Alexa de Amazon para garantizar que reflejaban con precisión las marcas de sus empresas. Siri, por ejemplo, tiene solo un toque de descaro, como los consumidores pueden esperar de Apple.

Ahora se entrena a los asistentes de IA para que muestren rasgos humanos aún más complejos y sutiles, como la simpatía. La start-up Koko, una rama del Laboratorio de Medios del MIT, ha desarrollado una tecnología que puede ayudar a los asistentes de IA a compadecerse. Por ejemplo, si un usuario tiene un mal día, el sistema Koko no responde con una respuesta predefinida como «Lamento oír eso». En su lugar, puede pedir más información y luego ofrecer consejos para ayudar a la persona a ver sus problemas desde una perspectiva diferente. Si se sintiera estresado, por ejemplo, Koko podría recomendar pensar en esa tensión como una emoción positiva que podría canalizarse hacia la acción.

Explicando.

A medida que las IA llegan cada vez más a conclusiones a través de procesos que son opacos (el llamado problema de la caja negra), requieren que los expertos humanos en la materia expliquen su comportamiento a los usuarios no expertos. Estos «elementos explicativos» son particularmente importantes en los sectores basados en la evidencia, como el derecho y la medicina, en los que un profesional necesita entender cómo una IA ponderó los aportes en, por ejemplo, una sentencia o una recomendación médica. Las explicaciones son igualmente importantes para ayudar a las aseguradoras y a las fuerzas del orden a entender por qué un coche autónomo tomó medidas que provocaron un accidente o no lo evitó. Y los explicativos se están convirtiendo en parte integral de los sectores regulados, de hecho, en cualquier sector orientado al consumidor en el que la producción de una máquina pueda ser impugnada por injusta, ilegal o simplemente equivocada. Por ejemplo, el nuevo Reglamento General de Protección de Datos (RGPD) de la Unión Europea otorga a los consumidores el derecho a recibir una explicación de cualquier decisión basada en algoritmos, como la oferta de tarifa de una tarjeta de crédito o una hipoteca. Esta es un área en la que la IA contribuirá a aumentado empleo: Los expertos estiman que las empresas tendrán que crear unos 75 000 nuevos puestos de trabajo para administrar los requisitos del RGPD.

Sosteniendo.

Además de tener personas que puedan explicar los resultados de la IA, las empresas necesitan «colaboradores», empleados que trabajen continuamente para garantizar que los sistemas de IA funcionan de manera adecuada, segura y responsable.

La IA puede mejorar nuestras capacidades analíticas y de toma de decisiones y aumentar la creatividad.

Por ejemplo, una serie de expertos, a veces denominados ingenieros de seguridad, se centran en anticipar y tratar de evitar los daños causados por las IA. Los desarrolladores de robots industriales que trabajan junto a las personas han prestado especial atención a garantizar que reconozcan a los humanos cercanos y no los pongan en peligro. Estos expertos también pueden revisar los análisis de los explicadores cuando las IA causan daños, como cuando un coche autónomo se ve involucrado en un accidente fatal.

Este artículo también aparece en:

Otros grupos de sustentadores se aseguran de que los sistemas de IA respeten las normas éticas. Si se descubre que un sistema de IA para la aprobación de créditos, por ejemplo, discrimina a las personas de determinados grupos (como ha ocurrido), estos gestores de ética son responsables de investigar y abordar el problema. Desempeñando un papel similar, los responsables de cumplimiento de datos intentan asegurarse de que los datos que alimentan los sistemas de IA cumplen el RGPD y otras normas de protección de los consumidores. Una función de uso de datos relacionada implica garantizar que las IA gestionen la información de forma responsable. Como muchas empresas tecnológicas, Apple utiliza la inteligencia artificial para recopilar datos personales de los usuarios a medida que interactúan con los dispositivos y el software de la empresa. El objetivo es mejorar la experiencia del usuario, pero la recopilación de datos sin restricciones puede comprometer la privacidad, poner en peligro a los clientes y infringir la ley. El «equipo de privacidad diferencial» de la empresa se esfuerza por garantizar que, si bien la IA busca aprender todo lo posible sobre un grupo de usuarios en un sentido estadístico, protege la privacidad de los usuarios individuales.

Máquinas que ayudan a los humanos

Las máquinas inteligentes ayudan a los humanos a ampliar sus habilidades de tres maneras. Ellos pueden amplificar nuestras fortalezas cognitivas; interactuar con clientes y empleados para liberarnos para tareas de nivel superior; y encarnar habilidades humanas para ampliar nuestras capacidades físicas.

Amplificador.

La inteligencia artificial puede mejorar nuestras capacidades analíticas y de toma de decisiones al proporcionarnos la información correcta en el momento adecuado. Pero también puede aumentar la creatividad. Considere cómo la IA Dreamcatcher de Autodesk mejora la imaginación incluso de diseñadores excepcionales. Un diseñador proporciona a Dreamcatcher criterios sobre el producto deseado, por ejemplo, una silla capaz de soportar hasta 300 libras, con un asiento a 18 pulgadas del suelo, hecha de materiales que cuestan menos de 75 dólares,. También puede proporcionar información sobre otras sillas que le parezcan atractivas. Entonces, Dreamcatcher produce miles de diseños que coinciden con esos criterios, lo que a menudo genera ideas que el diseñador puede no haber considerado inicialmente. A continuación, puede guiar el software diciéndole qué sillas le gustan o no, lo que dará lugar a una nueva ronda de diseños.

A lo largo del proceso iterativo, Dreamcatcher realiza los innumerables cálculos necesarios para garantizar que cada diseño propuesto cumple los criterios especificados. Esto libera al diseñador para concentrarse en desplegar fortalezas exclusivamente humanas: el juicio profesional y la sensibilidad estética.

Interactuar.

La colaboración hombre-máquina permite a las empresas interactuar con empleados y clientes de formas novedosas y más efectivas. Los agentes de IA como Cortana, por ejemplo, pueden facilitar las comunicaciones entre personas o en nombre de las personas, por ejemplo, transcribiendo una reunión y distribuyendo una versión con capacidad de búsqueda por voz a aquellos que no pudieron asistir. Estas aplicaciones son intrínsecamente escalables: un único chatbot, por ejemplo, puede proporcionar un servicio de atención al cliente de rutina a un gran número de personas a la vez, dondequiera que se encuentren.

Herramientas relacionadas

SEB, uno de los principales bancos suecos, utiliza ahora un asistente virtual llamado Aida para interactuar con millones de clientes. Capaz de gestionar conversaciones en idioma natural, Aida tiene acceso a vastos depósitos de datos y puede responder a muchas preguntas frecuentes, como cómo abrir una cuenta o realizar pagos transfronterizos. También puede hacer preguntas de seguimiento a las personas que llaman para resolver sus problemas y es capaz de analizar el tono de voz de la persona que llama (frustrada o agradecida, por ejemplo) y utilizar esa información para ofrecer un mejor servicio más adelante. Siempre que el sistema no puede resolver un problema, lo que ocurre aproximadamente El 30% de los casos—convierte a la persona que llama en un representante humano del servicio de atención al cliente y, a continuación, supervisa esa interacción para aprender a resolver problemas similares en el futuro. Como Aida se ocupa de las solicitudes básicas, los representantes humanos pueden concentrarse en abordar problemas más complejos, especialmente los de personas que llaman descontentos y que pueden requerir un agarre adicional.

Encarnando.

Muchas IA, como Aida y Cortana, existen principalmente como entidades digitales, pero en otras aplicaciones la inteligencia se materializa en un robot que aumenta a un trabajador humano. Con sus sofisticados sensores, motores y actuadores, las máquinas con IA ahora pueden reconocer personas y objetos y trabajar de forma segura junto a los humanos en fábricas, almacenes y laboratorios.

En la fabricación, por ejemplo, los robots están evolucionando de máquinas industriales potencialmente peligrosas y «tontas» a «cobots» inteligentes y sensibles al contexto. Un brazo cobot podría, por ejemplo, realizar acciones repetitivas que requieran levantar objetos pesados, mientras que una persona realiza tareas complementarias que requieren destreza y juicio humano, como ensamblar un motorreductor.

Hyundai amplía el concepto de los cobots con exoesqueletos. Estos dispositivos robóticos portátiles, que se adaptan al usuario y a la ubicación en tiempo real, permitirán a los trabajadores industriales realizar su trabajo con una resistencia y una fuerza sobrehumanas.

Reimaginando su negocio

Para sacar el máximo provecho de la IA, es necesario rediseñar las operaciones. Para ello, las empresas primero deben descubrir y describir un área operativa que se pueda mejorar. Puede ser un proceso interno malo (como la lentitud de RRHH para cubrir los puestos del personal) o podría ser un problema anteriormente intratable que ahora se puede abordar con la IA (como identificar rápidamente las reacciones adversas a los medicamentos en las poblaciones de pacientes). Además, una serie de nuevas IA y técnicas analíticas avanzadas pueden ayudar a sacar a la luz problemas que antes eran invisibles y que son susceptibles de soluciones de IA.

A continuación, las empresas deben desarrollar una solución a través de la cocreación, haciendo que las partes interesadas se imaginen cómo podrían colaborar con los sistemas de IA para mejorar un proceso. Considere el caso de una gran empresa agrícola que quería implementar la tecnología de IA para ayudar a los agricultores. Se disponía de una enorme cantidad de datos sobre las propiedades del suelo, los patrones climáticos, las cosechas históricas, etc., y el plan inicial era crear una aplicación de IA que predijera con mayor precisión los rendimientos futuros de los cultivos. Pero en conversaciones con los agricultores, la empresa se enteró de una necesidad más apremiante. Lo que realmente querían los agricultores era un sistema que pudiera ofrecer recomendaciones en tiempo real sobre cómo aumentar la productividad: qué cultivos plantar, dónde cultivarlos, cuánto nitrógeno utilizar en el suelo, etc. La empresa desarrolló un sistema de inteligencia artificial para ofrecer este tipo de asesoramiento y los resultados iniciales eran prometedores; los agricultores estaban contentos con el rendimiento de los cultivos obtenido con la orientación de la IA. Los resultados de esa prueba inicial se volvieron a introducir en el sistema para perfeccionar los algoritmos utilizados. Al igual que con el paso del descubrimiento, las nuevas técnicas analíticas y de inteligencia artificial pueden ayudar en la cocreación sugiriendo enfoques novedosos para mejorar los procesos.

El tercer paso para las empresas es escalar y mantener la solución propuesta. SEB, por ejemplo, originalmente desplegó una versión de Aida internamente para ayudar a 15 000 empleados de bancos, pero posteriormente lanzó el chatbot a su millón de clientes.

A través de nuestro trabajo con cientos de empresas, hemos identificado cinco características de los procesos empresariales que las empresas suelen querer mejorar: flexibilidad, velocidad, escalabilidad, toma de decisiones y personalización. Al reinventar un proceso empresarial, determine cuál de estas características es fundamental para la transformación deseada, cómo se podría aprovechar la colaboración inteligente para abordarlo y qué alineaciones y compensaciones con otras características del proceso serán necesarias.

En Mercedes-Benz, los brazos de los cobots se convierten en una extensión del cuerpo del trabajador humano.

Flexibilidad.

Para los ejecutivos de Mercedes-Benz, los procesos inflexibles presentaban un desafío creciente. Cada vez más, los clientes más rentables de la empresa exigían sedanes de clase S individualizados, pero los sistemas de ensamblaje del fabricante de automóviles no podían ofrecer la personalización que la gente quería.

Tradicionalmente, la fabricación de automóviles ha sido un proceso rígido con pasos automatizados ejecutados por robots «tontos». Para mejorar la flexibilidad, Mercedes sustituyó algunos de esos robots por cobots habilitados para IA y rediseñó sus procesos en torno a las colaboraciones hombre-máquina. En la planta de la empresa, cerca de Stuttgart (Alemania), los brazos de los cobots guiados por trabajadores humanos recogen y colocan piezas pesadas, convirtiéndose en una extensión del cuerpo del trabajador. Este sistema permite al trabajador controlar la fabricación de cada coche, haciendo menos trabajo manual y más bien un trabajo de «pilotaje» con el robot.

Los equipos humano-máquina de la empresa pueden adaptarse sobre la marcha. En la planta, los cobots se pueden reprogramar fácilmente con una tableta, lo que les permite realizar diferentes tareas en función de los cambios en el flujo de trabajo. Tal agilidad ha permitido al fabricante alcanzar niveles de personalización sin precedentes. Mercedes puede individualizar la producción de vehículos de acuerdo con las elecciones en tiempo real que los consumidores tomen en los concesionarios, cambiando todo, desde los componentes del salpicadero del vehículo hasta el cuero del asiento y las tapas de las válvulas de los neumáticos. Como resultado, no hay dos coches que salgan de la línea de montaje en la planta de Stuttgart que sean iguales.

Velocidad.

Para algunas actividades empresariales, la prima depende de la velocidad. Una de esas operaciones es la detección del fraude en las tarjetas de crédito. Las empresas tienen solo unos segundos para determinar si deben aprobar una transacción determinada. Si es fraudulento, lo más probable es que tengan que tragarse esa pérdida. Pero si niegan una transacción legítima, pierden la tarifa de esa compra y hacen enfadar al cliente.

Como la mayoría de los principales bancos, HSBC ha desarrollado una solución basada en IA que mejora la velocidad y la precisión de la detección del fraude. La IA supervisa y puntúa millones de transacciones a diario, utilizando datos sobre la ubicación de la compra y el comportamiento del cliente, las direcciones IP y otra información para identificar patrones sutiles que señalan un posible fraude. HSBC implementó el sistema por primera vez en Estados Unidos, lo que redujo significativamente la tasa de fraudes no detectados y de falsos positivos, y luego lo implementó en el Reino Unido y Asia. Un sistema de IA diferente utilizado por Danske Bank mejoró su tasa de detección de fraudes un 50% y redujo los falsos positivos un 60%. La reducción del número de falsos positivos libera a los investigadores para concentrar sus esfuerzos en transacciones equívocas que la IA ha señalado, en las que se necesita juicio humano.

La lucha contra el fraude financiero es como una carrera de armamentos: una mejor detección lleva a delincuentes más astutos, lo que lleva a una mejor detección, lo que continúa el ciclo. Por lo tanto, los algoritmos y los modelos de puntuación para luchar contra el fraude tienen una vida útil muy corta y requieren una actualización continua. Además, los diferentes países y regiones utilizan diferentes modelos. Por estas razones, se necesitan legiones de analistas de datos, profesionales de IT y expertos en fraude financiero en la interfaz entre humanos y máquinas para mantener el software un paso por delante de los delincuentes.

Escala.

Para muchos procesos empresariales, una baja escalabilidad es el principal obstáculo para la mejora. Eso es particularmente cierto en el caso de los procesos que dependen de una mano de obra humana intensiva con una asistencia mínima de las máquinas Considere, por ejemplo, el proceso de contratación de empleados en Unilever. El gigante de los bienes de consumo buscaba una forma de diversificar su plantilla de 170 000 personas. RRHH determinó que tenía que centrarse en las contrataciones de nivel básico y luego acelerar lo mejor en la gestión. Pero los procesos actuales de la empresa no podían evaluar a los posibles candidatos en número suficiente (al tiempo que se prestaba atención individual a cada candidato) para garantizar una población diversa de talentos excepcionales.

Así es como Unilever combinó las capacidades humanas y de IA para escalar la contratación individualizada: En la primera ronda del proceso de solicitud, se pide a los candidatos que jueguen juegos en línea que ayudan a evaluar rasgos como la aversión al riesgo. Estos juegos no tienen respuestas correctas o incorrectas, pero ayudan a la IA de Unilever a determinar qué personas pueden ser las más adecuadas para un puesto en particular. En la siguiente ronda, se pide a los solicitantes que envíen un vídeo en el que respondan a las preguntas diseñadas para el puesto específico que les interese. Sus respuestas son analizadas por un sistema de inteligencia artificial que tiene en cuenta no solo lo que dicen, sino también su lenguaje corporal y tono. Los mejores candidatos de esa ronda, a juzgar por la IA, son invitados a Unilever para entrevistas en persona, tras las cuales los humanos toman las decisiones finales de contratación.

Es demasiado pronto para saber si el nuevo proceso de contratación ha dado como resultado mejores empleados. La empresa ha seguido de cerca el éxito de esas contrataciones, pero aún se necesitan más datos. Sin embargo, está claro que el nuevo sistema ha ampliado en gran medida la escala de la contratación de Unilever. En parte porque los solicitantes de empleo pueden acceder fácilmente al sistema a través de un teléfono inteligente, el número de solicitantes se duplicó a 30 000 en un año, el número de universidades representadas aumentó de 840 a 2600 y la diversidad socioeconómica de las nuevas contrataciones aumentó. Además, el tiempo medio desde la solicitud hasta la decisión de contratación se ha reducido de cuatro meses a solo cuatro semanas, mientras que el tiempo que los reclutadores dedican a revisar las solicitudes se ha reducido un 75%

Este artículo también aparece en:

Toma de decisiones.

Al proporcionar a los empleados información y orientación personalizadas, la IA puede ayudarlos a tomar mejores decisiones. Esto puede ser especialmente valioso para los trabajadores en las trincheras, donde hacer la llamada correcta puede tener un gran impacto en los resultados finales.

Considere la forma en que se mejora el mantenimiento del equipo con el uso de «gemelos digitales», modelos virtuales de equipos físicos. General Electric crea estos modelos de software de sus turbinas y otros productos industriales y los actualiza continuamente con la transmisión de datos de funcionamiento del equipo. Al recopilar lecturas de un gran número de máquinas sobre el terreno, GE ha acumulado una gran cantidad de información sobre el rendimiento normal y aberrante. Su aplicación Predix, que utiliza algoritmos de aprendizaje automático, ahora puede predecir cuándo puede fallar una pieza específica de una máquina individual.

Esta tecnología ha cambiado fundamentalmente el proceso intensivo de decisiones de mantenimiento de los equipos industriales. Predix podría, por ejemplo, identificar algún desgaste inesperado del rotor en una turbina, comprobar el historial operativo de la turbina, informar de que el daño se ha cuadruplicado en los últimos meses y advertir de que si no se hace nada, el rotor perderá aproximadamente un 70% de su vida útil. A continuación, el sistema podrá sugerir las medidas adecuadas teniendo en cuenta el estado actual de la máquina, el entorno operativo y datos agregados sobre daños y reparaciones similares a otros equipos. Junto con sus recomendaciones, Predix puede generar información sobre sus costes y beneficios financieros y proporcionar un nivel de confianza (por ejemplo, del 95%) para los supuestos utilizados en su análisis.

Sin Predix, los trabajadores tendrían suerte de detectar el daño del rotor en una revisión de mantenimiento de rutina. Es posible que pase desapercibido hasta que falle el rotor, lo que resultaría en una parada costosa. Con Predix, los trabajadores de mantenimiento reciben alertas de posibles problemas antes de que se agraven y tienen la información necesaria al alcance de la mano para tomar buenas decisiones, que a veces pueden ahorrarle a GE millones de dólares.

Personalización.

Proporcionar a los clientes experiencias de marca personalizadas de forma individual es el santo grial del marketing. Con la IA, esa personalización ahora se puede lograr con una precisión que antes era inimaginable y a gran escala. Piense en la forma en que el servicio de streaming de música Pandora utiliza algoritmos de IA para generar listas de reproducción personalizadas para cada uno de sus millones de usuarios de acuerdo con sus preferencias en canciones, artistas y géneros. O piense en Starbucks, que, con el permiso de los clientes, utiliza la inteligencia artificial para reconocer sus dispositivos móviles y consultar su historial de pedidos para ayudar a los baristas a hacer recomendaciones de porciones. La tecnología de IA hace lo que mejor sabe hacer, examinando y procesando grandes cantidades de datos para recomendar determinadas ofertas o acciones, y los humanos hacen lo que mejor saben hacer, ejerciendo su intuición y juicio para hacer una recomendación o seleccionar la que mejor se ajuste a partir de un conjunto de elecciones.

Carnival Corporation está aplicando la inteligencia artificial para personalizar la experiencia de crucero para millones de turistas a través de un dispositivo portátil llamado Ocean Medallion y una red que permite que los dispositivos inteligentes se conecten. El aprendizaje automático procesa de forma dinámica los datos que fluyen desde el medallón y desde los sensores y sistemas de todo el barco para ayudar a los huéspedes a aprovechar al máximo sus vacaciones. El medallón agiliza los procesos de embarque y desembarque, realiza un seguimiento de las actividades de los huéspedes, simplifica la compra conectando sus tarjetas de crédito al dispositivo y actúa como llave de la habitación. También se conecta a un sistema que se anticipa a las preferencias de los huéspedes, lo que ayuda a los miembros de la tripulación a ofrecer un servicio personalizado a cada huésped sugiriendo itinerarios personalizados de actividades y experiencias gastronómicas.

La necesidad de nuevos roles y talento

Reimaginar un proceso empresarial implica más que la implementación de la tecnología de IA; también requiere un compromiso significativo de desarrollar empleados con lo que llamamos «habilidades de fusión», aquellas que les permitan trabajar de manera eficaz en la interfaz hombre-máquina. Para empezar, la gente debe aprender a delegar tareas en la nueva tecnología, como cuando los médicos confían en los ordenadores para leer radiografías y resonancias magnéticas. Los empleados también deben saber cómo combinar sus habilidades humanas distintivas con las de una máquina inteligente para obtener un resultado mejor del que cualquiera de los dos podría lograr por sí solo, como en la cirugía asistida por robot. Los trabajadores deben poder enseñar a los agentes inteligentes nuevas habilidades y recibir formación para funcionar bien en los procesos mejorados por la IA. Por ejemplo, deben saber cuál es la mejor manera de hacer preguntas a un agente de IA para obtener la información que necesitan. Y debe haber empleados, como los del equipo de privacidad diferencial de Apple, que garanticen que los sistemas de IA de sus empresas se utilizan de manera responsable y no con fines ilegales o poco éticos.

Esperamos que en el futuro los roles de la empresa se rediseñen en función de los resultados deseados de los procesos reinventados, y las empresas se organicen cada vez más en torno a diferentes tipos de competencias en lugar de en torno a puestos rígidos. AT&T ya ha comenzado esa transición, ya que pasa de los servicios de telefonía fija a las redes móviles y comienza a reformar a 100 000 empleados para nuevos puestos. Como parte de ese esfuerzo, la empresa ha revisado por completo su organigrama: se han racionalizado aproximadamente 2000 puestos de trabajo en un número mucho menor de categorías amplias que abarcan competencias similares. Algunas de esas habilidades son las que cabría esperar (por ejemplo, el dominio de la ciencia de datos y la lucha de datos), mientras que otras son menos obvias (por ejemplo, la capacidad de utilizar herramientas sencillas de aprendizaje automático para la venta cruzada de servicios).

CONCLUSIÓN

La mayoría de las actividades en la interfaz hombre-máquina requieren que la gente hacer cosas nuevas y diferentes (como entrenar un chatbot) y para hacer las cosas de manera diferente (utilice ese chatbot para ofrecer un mejor servicio de atención al cliente). Sin embargo, hasta ahora, solo un pequeño número de las empresas a las que hemos encuestado han empezado a reimaginar sus procesos empresariales para optimizar la inteligencia colaborativa. Pero la lección está clara: las organizaciones que utilizan máquinas simplemente para desplazar a los trabajadores mediante la automatización perderán todo el potencial de la IA. Tal estrategia está equivocada desde el principio. Los líderes del mañana serán en cambio los que adopten la inteligencia colaborativa, transformando sus operaciones, sus mercados, sus sectores y, no menos importante, su fuerza laboral.

A version of this article appeared in the July–August 2018 issue (pp.114–123) of Harvard Business Review.