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

Vistra, un importante productor de energía estadounidense, tenía un problema. Para que sus plantas funcionaran de manera eficiente, los trabajadores tenían que supervisar continuamente cientos de indicadores diferentes, realizando un seguimiento de las temperaturas, presiones, niveles de oxígeno y velocidades de las bombas y los ventiladores, y tenían que hacer ajustes en tiempo real. El proceso implicaba una enorme complejidad y era demasiado para que incluso el operador más cualificado lo hiciera bien todo el tiempo. Para abordar este desafío, la planta instaló una herramienta impulsada por IA (un optimizador de la frecuencia térmica) que analizaba cientos de entradas y generaba recomendaciones cada 30 minutos. Resultado: un aumento de la eficiencia del 1%. Puede que no suene mucho, pero se traduce en un ahorro de millones y en menores emisiones de gases de efecto invernadero.

Las empresas de una amplia gama de sectores están intentando integrar el análisis y los datos para mejorar sus operaciones. Wayfair, la empresa de comercio electrónico, fue una de las primeras en trasladar sus datos a la nube e invertir en aprendizaje automático. Cuando llegó el Covid-19 y se produjeron rápidos cambios en la demanda de los consumidores, pudo optimizar la logística de los buques portacontenedores ajustando continuamente las mercancías que se enviaban a cada puerto. Resultado: una sorprendente reducción del 7,5% en los costes de logística de entrada.

Sin embargo, no todas las empresas han tenido tanto éxito como Wayfair. De hecho, las empresas con mejor rendimiento pueden tener más del doble de impacto en la mitad de tiempo en comparación con la media de empresas que implementan la inteligencia artificial. ¿Por qué a algunas empresas les va mucho mejor que a otras?

Para responder a esa pregunta, McKinsey y el MIT Inteligencia artificial para fabricación y operaciones (MIMO) estudió 100 empresas en sectores, desde la automoción hasta la minería. A través de entrevistas, investigaciones y una encuesta, tratamos de hacernos una idea de cómo utilizaban las tecnologías digitales, de análisis de datos e inteligencia artificial (MI); qué querían conseguir y cómo realizaban un seguimiento de su progreso. Al observar los 21 indicadores de rendimiento en nueve categorías (estrategia, enfoque en las oportunidades, gobernanza, despliegue, asociaciones, personas, ejecución de datos, presupuesto y resultados), pudimos dividir las 100 empresas en cuatro categorías: líderes, planificadores, ejecutores y organizaciones emergentes para identificar relaciones entre las acciones emprendidas y las inversiones realizadas y los resultados tangibles y sostenibles.

Cualquier empresa que quiera beneficiarse de las tecnologías digitales avanzadas tiene la oportunidad de aprender de los enfoques de las mejores prácticas, ya sea planificador, ejecutor o empresa emergente en la actualidad. Echamos un vistazo más allá de los números de primer nivel para explorar los impulsores subyacentes del éxito.

Los secretos detrás de los operadores inteligentes

La carrera por aprovechar los datos y el análisis podría ganarse con varias acciones coordinadas en lugar de con un solo movimiento audaz. Los cuatro segmentos (líderes, planificadores, ejecutores y empresas emergentes) operan en un espacio dinámico en el que el listón va en aumento y el número de casos de uso del aprendizaje automático seguirá aumentando e integrándose en la normalidad.

No todo el mundo debería esforzarse por ser líderes de inmediato; en su lugar, deberían esforzarse por pasar al siguiente estado mejor.

Líderes son los de mejor rendimiento y representan aproximadamente un 15% de la muestra. Al invertir en los lugares correctos, han obtenido las mayores ganancias de las tecnologías digitales avanzadas. Es mucho más probable que los líderes tengan un proceso definido para la evaluación e implementación de la innovación digital. También es más probable que sigan ese proceso con regularidad y que lo actualicen continuamente. Como resultado, han logrado mejoras significativamente mayores que el resto en 20 de los 21 indicadores clave de rendimiento evaluados y se situaron en el 25% superior en las nueve categorías de rendimiento.

Planificadores representan aproximadamente una cuarta parte del conjunto de datos. Los planificadores suelen tener grandes habilidades con las personas y una considerable experiencia en ejecución de datos; son metódicos y se centran en hacer las inversiones adecuadas. Sin embargo, en muchos casos, estos no han dado sus frutos aún, aunque algunos están a punto de unirse a los líderes. Si bien algunos planificadores son capaces de señalar implementaciones exitosas, varios no han podido descifrar el código para escalar los casos de uso que realmente cuentan. Otros están luchando por escapar de la» piloto del purgatorio» Describió McKinsey en 2018.

Ejecutores, aproximadamente un tercio de los encuestados, aprovecha la reserva cada vez mayor de conocimientos y trabaja con los socios para crear soluciones específicas dirigidas a las oportunidades más prometedoras. A continuación, implementan estas soluciones de la forma más amplia posible. Los ejecutores están orientados a los resultados. Pueden haber logrado beneficios significativos y lo han hecho, a pesar de construir menos infraestructura que los líderes o los planificadores. Por otro lado, a veces les resulta difícil unir esfuerzos dispares en el rendimiento de toda la empresa.

Empresas emergentes, aproximadamente una cuarta parte del grupo, tienen el nivel de madurez más bajo y las ganancias más pequeñas; muchas acaban de empezar. Algunas empresas emergentes informan de un éxito moderado con casos de uso seleccionados, pero a otras les resulta difícil incluso averiguar dónde invertir. Pocos tienen la estrategia, las habilidades o la infraestructura para ir mucho más lejos.

Cinco formas de ser inteligentes con la inteligencia artificial

En general, descubrimos que las empresas que lograron desplegar tecnologías digitales avanzadas hicieron una evaluación honesta de su posición en términos de los nueve indicadores de rendimiento. Sobre esa base, pudieron formarse una visión de dónde querían estar dentro de tres o cuatro años. Al mismo tiempo, identificaron algunos casos de uso prometedores para acumular ganancias rápidas. Más específicamente, la investigación identificó cinco áreas en las que se destacan los mejores.

Gobernanza.

La inteligencia artificial es una prioridad estratégica para las empresas líderes. Muchos han creado centros de excelencia dedicados para respaldar sus esfuerzos de implementación, ya sea dentro de las unidades de negocio o como una función centralizada para apoyar a toda la organización, garantizar los estándares y acelerar la implementación. Una función de soporte dedicada y centralizada también ayuda a mantener sus programas digitales al día y documenta el progreso de su cartera. Los líderes tienen muchas más probabilidades que las empresas de bajo rendimiento de tener un proceso definido para la evaluación e implementación de la innovación digital. Por ejemplo, la empresa farmacéutica Bayer utiliza un proceso de gobernanza bien documentado para implementar varias aplicaciones en una planta, que luego implementó en su red, lo que supone un aumento de los ingresos.

Sin embargo, los líderes también reconocen que el cambio es inevitable en este espacio en rápido movimiento. La mayoría de los líderes de nuestro conjunto de datos perfeccionan y mejoran continuamente sus procesos, mientras que los ejecutores y planificadores de nuestro conjunto de datos a menudo se quedan atascados, lo que limita la capacidad de escalar con éxito.

Despliegue.

Las principales organizaciones aplican la MI de manera más amplia y utilizan enfoques más sofisticados. Por ejemplo, todos los líderes implementaron la mensajería integrada en las previsiones, la optimización del mantenimiento y la logística y el transporte. También es mucho más probable que los líderes adopten enfoques avanzados, como la aplicación de la visión artificial a la garantía de calidad del producto. Un jugador biofarmacéutico, Amgen, descubrió que las operaciones del sistema de inspección visual ofrecían grandes oportunidades para automatizar y aprovechar las tecnologías de IA. Amgen es en desarrollo un sistema de inspección visual totalmente validado que utiliza IA que impulsará la detección de partículas en un 70% y reducirá los falsos rechazos en un 60%.

Si bien las aplicaciones como estas pueden tener un impacto tremendo, estas empresas también se dan cuenta de que cualquier impacto a largo plazo requiere utilizar varias palancas al mismo tiempo, y que la implementación amplia en toda la empresa es clave.

Asociaciones.

Las asociaciones son comunes, a menudo con el mundo académico, las empresas emergentes, los proveedores de tecnología existentes y los consultores externos. Sin embargo, los líderes trabajaron con una gama más amplia de socios y de manera más intensa para maximizar la velocidad y el aprendizaje. Por ejemplo, Colgate-Palmolive y Pepsico/Frito-Lay, dos empresas de productos de consumo que trabajaron con un proveedor de sistemas, Augury, implementaron diagnósticos del estado de las máquinas impulsados por IA en sus líneas de producción; en un caso, esto evitó una interrupción de ocho días. Analog Devices, una empresa de semiconductores, colaboró con el MIT para desarrollar un novedoso control de calidad de MI que le permitiera identificar qué tiradas de producción y herramientas podían tener un fallo. Esto significaba que los ingenieros de la empresa solo tenían que revisar el 5% de los datos de proceso que tenían que hacer antes.

Los líderes, a pesar de sus mayores capacidades, confiaban en realidad más en socios externos para acelerar aún más su aprendizaje y el tiempo de impacto.

La gente.

Las principales empresas toman medidas para garantizar que el mayor número posible de partes interesadas cuenten con las habilidades y los recursos que necesitan para emplear enfoques digitales avanzados, en lugar de mantener esta pericia en manos de los especialistas. Más de la mitad forma a su personal de primera línea en los fundamentos de MI, por ejemplo, en comparación con solo el 4% de otras empresas. McDonald's, un restaurante mundial de servicio rápido, utilizó MI para mejorar una amplia gama de tareas operativas, desde predecir la respuesta de los clientes hasta pronosticar la afluencia en tiempo real. La empresa adoptó un enfoque híbrido para ello: su centro de excelencia corporativo prueba y desarrolla nuevos enfoques antes de incluirlos en herramientas fáciles de usar que están ampliamente disponibles. Este sistema ayuda a los miembros del equipo sobre el terreno a comprender la importancia de unos datos fiables y a perfeccionar sus habilidades de identificación de problemas.

Quedó claro que los líderes consideran que el uso de los datos y el análisis está muy arraigado en su forma de operar, en lugar de mantenerlo en silos y restringido a unos pocos empleados.

Disponibilidad de los datos.

Los líderes hacen que los datos sean accesibles. Todos los líderes de nuestra investigación dan al personal de primera línea acceso a los datos, en comparación con el 62% del resto. Todos los líderes también adquieren datos de clientes y proveedores, y el 89% comparten sus propios datos de vuelta. Las empresas líderes tienen casi el doble de probabilidades que otras de permitir el acceso remoto a los datos y almacenar una fracción significativa de sus datos en la nube. En resumen, la democratización de los datos es un aspecto fundamental para el uso eficaz de los análisis. Un buen ejemplo lo da Cooper Standard, un proveedor de automóviles. Requiere que los equipos aborden la estrategia de datos al principio del proceso de desarrollo de las nuevas aplicaciones de MI; esto garantiza que todos los casos de uso se basen en datos sólidos y bien gestionados. Esta democratización de los datos contrasta con muchas empresas en las que la información es poder y se guarda con celo.

Bloques de construcción para la transformación digital

Descubrimos que las cinco áreas (gobernanza, despliegue, asociaciones, personas y datos) eran más eficaces cuando se integraban en un manual de estrategias, a menudo coordinado por un centro de excelencia. Pero primero, las empresas necesitan una evaluación honesta de su punto de partida en las nueve dimensiones. A partir de ahí, puede empezar a tomar forma un plan de transición. Incluso si es difícil, asigna objetivos realistas a medio plazo que tienen en cuenta las barreras al cambio: talento cualificado, capacidad de inversión e infraestructura crítica, como la migración de datos de sistemas heredados a la nube. Si bien la ambición puede ser ilimitada, los pasos no pueden ser demasiado pequeños: la mayoría de los líderes comenzaron utilizando datos y herramientas sencillas para tomar decisiones, luego pasaron a técnicas más avanzadas a medida que desarrollaban madurez y familiaridad con sus datos.

A pesar de los recientes e importantes avances en la MI, la escala total de la oportunidad apenas comienza a desarrollarse. Y eso nos lleva a una diferencia más importante entre los líderes y el resto: el dinero. Los líderes gastaron entre un 30 y un 60% más y esperaban aumentar sus presupuestos entre un 10 y un 15%, mientras que los demás informaron de aumentos escasos o nulos. Eso significa que la brecha entre los líderes y el resto podría ampliarse.

Según el punto de partida, el camino de cada empresa será diferente. Pero en términos de lo que funciona, los líderes están mostrando el camino.

Los autores quieren dar las gracias a Duane Boning, Erez Kaminski, Pete Kimball, Retsef Levi, Ingrid Millan y Aaron Wang, así como al programa LGO del MIT, por sus contribuciones a esta investigación y artículo.