¿La clave para acelerar el desarrollo de la IA? Pragmatismo más imaginación

Mientras la inteligencia artificial (IA) sigue influyendo en nuestra forma de trabajar de maneras nuevas y apasionantes, es crucial que las organizaciones apliquen medidas para mantenerla a salvo. En este episodio de The McKinsey Podcast, los socios senior de McKinsey, Alexander Sukharevsky y Lareina Yee, profundizan en nuevas investigaciones sobre la adopción de la IA, con la directora editorial Roberta Fusaro.

En nuestro segundo segmento, ¿cómo reunir el valor para hablar de algo incómodo en el trabajo? Sherina Ebrahim, socia sénior, tiene dos consejos.

Esta transcripción ha sido editada por motivos de claridad y extensión.

Roberta Fusaro y Lucia Rahilly son las copresentadoras de The McKinsey Podcast.

La hora de la IA

Roberta Fusaro: Estamos aquí para discutir el último informe de McKinsey sobre el estado de la IA, una tecnología que evoluciona a un ritmo exponencial. En lo que respecta a la IA generativa, que es solo un tipo de inteligencia artificial, nuestros últimos resultados muestran que el 65 por ciento de nuestros encuestados reportaron que sus organizaciones la utilizan regularmente. Esto es el doble del porcentaje de nuestra encuesta anterior, que realizamos hace menos de 12 meses. ¿Por qué es importante esta nueva cifra?

Lareina Yee: Esta cifra representa optimismo. Aunque nos queda mucho camino por recorrer, la cifra muestra que la gente está pasando de la curiosidad a integrar la IA generativa en sus negocios.

También es importante señalar que el informe no analiza únicamente la IA generativa. Analiza la IA en general. Se trata de una tendencia que lleva 40 años gestándose. Una de las cosas que estamos viendo es que todo este entusiasmo por la IA generativa está proporcionando oxígeno y luz al conjunto más amplio de capacidades que realmente pueden ayudar a las empresas a avanzar.

Alexander Sukharevsky: Sí, la IA generativa nos permite democratizar un viaje de unos 40 años de IA porque está tan en nuestras caras que realmente podemos ver y sentir lo que es. Podemos interactuar con ella. Los hijos de nuestros clientes interactúan con esta tecnología y se habla de ella en las cenas. Así que algo que antes era un nicho de mercado de repente forma parte de la corriente dominante.

Por otro lado, cuando el 75 por ciento de los encuestados dice que la IA generativa se utiliza en su organización, la siguiente pregunta debería ser: ¿para qué la utilizan exactamente? ¿La utilizan para experimentar, para familiarizarse con la tecnología, o intentan realmente desbloquear su verdadero valor empresarial?

Asociarse para el éxito de la IA

Roberta Fusaro: Siguiendo con la IA generativa, Alexander, aproximadamente la mitad de los encuestados en nuestra investigación afirman que están utilizando modelos de IA generativa fácilmente disponibles en lugar de crear los suyos propios. ¿Cuáles son las ventajas y los inconvenientes de hacer eso?

Alexander Sukharevsky: Si damos un paso atrás, un hecho importante para tener en cuenta es que solo el 11 por ciento de los modelos de IA acaban en producción, lo que significa que se convierten en verdaderas herramientas empresariales cotidianas para desbloquear valor. Si consideramos algunos de los costos y riesgos de la IA generativa, esta cifra se acerca a un solo dígito cuando hablamos de las empresas tradicionales y no solo de las empresas tecnológicas. Por lo tanto, es importante reconocer que el modelo en sí representa solo el 15 por ciento del éxito.

Ahora nos estamos moviendo hacia un paradigma no solo de “desarrollar versus comprar”, sino de “desarrollar, asociarse y comprar”. Existen ciertos modelos de código abierto con un apoyo comunitario increíble que las organizaciones pueden adaptar a sus necesidades. Hay algunos modelos patentados con una inversión muy alta detrás que las organizaciones no pueden desarrollar por sí mismas. Y hay algunos modelos que las organizaciones desarrollarán en asociación con terceros.

Al final del día, la empresa del futuro tendrá una columna vertebral compuesta por docenas de modelos fundacionales. Algunos de ellos serán de propiedad exclusiva que se podrán comprar. Otros se desarrollarán por cuenta propia. Y otros serán de código abierto. Así que la respuesta a esta pregunta [comprar o desarrollar] depende del cliente.

Lareina Yee: Este es un tema importante porque es clásico preguntarse sobre “comprar versus desarrollar” en tecnología. Pero Alexander y yo hemos estado trabajando en esto durante la implementación, y creo que estamos en un paradigma diferente. Formar parte de una asociación es un punto realmente importante que plantea Alexander. Es difícil desarrollar todo esto por uno mismo. Tampoco es factible comprar todo esto por cuenta propia. Lo que estamos viendo es que hay que asociarnos a través de la pila. Este es una especie de término tecnológico tradicional. Lo que significa es que hay que asociarse con grandes proveedores de modelos de lenguaje. Hay muchas opciones.

Entonces, el objetivo de todo esto es impulsar y desbloquear algún valor empresarial al que antes no se podía acceder. Estamos viendo cómo muchas empresas crean una constelación de asociaciones para cumplir la promesa de las soluciones de IA generativa.

Alexander Sukharevsky: Pero para alimentar los modelos, también se necesita la potencia de cálculo. Se necesitarán ciertos socios que permitan obtener esta potencia informática. Y aunque se trate de la organización más poderosa y con más recursos del mundo, no puede crearla sola.

Lareina Yee: La pregunta número uno que hay que hacerse es: “¿Cuál es el caso de uso empresarial que estoy tratando de lograr?”. Y con base en eso, “¿cuáles son los conjuntos de proveedores que más me ayudarán?”. Podría ser una combinación de un proveedor de modelos de lenguaje muy grande y centrado en la empresa. Podría ser alguien que tiene mayores fortalezas en el vídeo, pero que está haciendo algo en torno al texto.

Y así, aunque este es un ámbito rápido, creo que siempre volvemos a la pregunta: “¿Cuál es el objetivo empresarial? ¿Cuál es el objetivo de la gente?”. Y luego, simplemente ser mucho más abierto en la mentalidad de cómo traer diferentes proveedores de tecnología y distintas combinaciones de socios para lograr eso rápidamente.

El futuro sigue siendo humano

Roberta Fusaro: El talento es una gran pregunta y un gran tema para todos. Tengo curiosidad por saber qué mostró la investigación o si hay diferentes imperativos de talento para los ejecutivos que intentan adelantarse en la IA generativa.

Lareina Yee: El talento siempre es una prioridad. Hay que ser realmente práctico y adecuar el talento a, por ejemplo, una solución de IA generativa, IA o aprendizaje automático. Los casos de uso son diferentes. Pero en todos los casos hay conjuntos de capacidades que serán realmente importantes para su equipo. Y lo primero que vemos en el informe y en nuestras propias experiencias con los clientes son las capacidades de datos. Por lo tanto, es importante cómo se piensa sobre los datos y el tipo de talento con el que se cuenta. Este es solo un ejemplo del tipo de talento que se necesita para implementar estas soluciones.

Cuando nos preguntan: “¿Qué está pasando con el talento?”, la pregunta suele referirse más a los puestos de trabajo ganados/perdidos. Y eso es más una cuestión económica. En este sentido, sabemos que estas tecnologías cambian el tejido de los puestos de trabajo. Pero una de las cosas optimistas que vemos es que también crean nuevos puestos de trabajo. Así que lo que vemos en términos de talento es que hay muchos aspectos diferentes. Están el talento y las capacidades que necesitaremos como empresa para desarrollar y escalar estas soluciones. También hay una cuestión general de talento en términos de cómo cambian el tejido de los puestos de trabajo.

Alexander Sukharevsky: Una de las citas favoritas de Lareina es: “Por cada dólar de tecnología, necesitamos invertir de tres a cinco dólares en seres humanos”, porque los seres humanos son muy caros y difíciles de cambiar.

Entonces, las verdaderas preguntas son: “Más allá de tener un departamento de tecnología increíble, ¿quién es capaz de ayudarnos a operar y desarrollar las herramientas? ¿Cómo se convence al resto de la organización para que realmente utilice estas herramientas, las adopte y gestione el riesgo frente a cualquier otro tercero? Estas son las preguntas difíciles en las que llevas a colegas que vienen completamente de fuera de la tecnología a aprender tecnología y a confiar en ella. Es todo un viaje, ya sea en torno a la gestión del cambio o a las capacidades.

Lareina Yee: Dedicamos mucho tiempo a la tecnología. Pero, de hecho, esa es la parte fácil. La parte más difícil es el cambio humano. Y aquí también a veces perdemos el hilo. El propósito no es la IA generativa como tecnología. El propósito es la IA generativa como herramienta para ayudar a la humanidad. Las personas están en el centro de esto. Y ese cambio es difícil. Existe ese nivel de cambio micro.

También está el cambio macro: “¿Confiamos de manera diferente en cómo interactuamos con una máquina? ¿Cómo nos sentimos ante la posibilidad de dejar acciones en manos de una máquina?”. Estamos empezando a ver el auge de las capacidades agenciales (agentic capabilities), que es donde estos sistemas pueden actuar. Hay toda una serie de preguntas, y llegar a sentirse más cómodo con eso es un viaje, y cambiar los procesos empresariales fundamentales que utilizamos, eso es lo difícil.

Casos de uso y aplicaciones

Roberta Fusaro: Tengo curiosidad por saber si en la nueva investigación estamos viendo diferentes tipos de aplicaciones de la IA generativa. ¿Hay partes de la organización donde lo estamos viendo más o menos?

Lareina Yee: Al analizar el reporte, los dominios más comunes que vemos son el marketing y las ventas. También vemos enormes cantidades de trabajo en desarrollo de productos e ingeniería de software. Estos ámbitos son los esperados porque es en ellos donde los tipos de trabajo del conocimiento son más aplicables a las capacidades de la tecnología actual, especialmente cuando la gran mayoría de lo que estamos viendo es más el resumen y la concisión de texto.

También observamos diferencias por industrias. No es sorprendente que veamos que el sector tecnológico, el energético y el de los servicios financieros sean los que probablemente estén más avanzados en la experimentación y el inicio del despliegue de estas capacidades a escala.

Alexander Sukharevsky: La forma de ver esto es que la IA generativa, esencialmente, es la interfaz humana más conveniente para aplicar otras técnicas de IA. Y, por lo tanto, todo gira en torno a la interfaz; ya sea una interfaz con una base de datos, una interfaz con otros algoritmos o incluso una interfaz entre diferentes aplicaciones de IA generativa.

Creo que, si avanzamos hasta lo que ha dicho Lareina, veremos cada vez más agentes virtuales autónomos comunicándose entre sí para resolver diferentes tareas bajo estricta supervisión humana para gestionar adecuadamente el riesgo, así como para garantizar que la calidad de los resultados esté a la altura de los estándares que buscamos. Por lo tanto, aunque en la actualidad vemos sobre todo interacciones entre humanos y máquinas, a medida que avancemos veremos cada vez más interacciones entre máquinas para resolver diferentes tareas. Ahora bien, no estamos hablando de superinteligencia o inteligencia artificial general (artificial general intelligence, o AGI); estamos a años de ese momento. Al mismo tiempo, veremos asistentes muy sofisticados y especializados que nos ayudarán a hacer nuestro trabajo mejor, más rápido y con mayor precisión.

Limitar los riesgos de la IA

Roberta Fusaro: Está claro que hay muchas oportunidades, dada nuestra conversación hasta ahora. Pero según nuestro informe, dos de los principales riesgos citados con más frecuencia por las organizaciones cuando se trata del uso de la IA generativa son la imprecisión y la infracción de la propiedad intelectual. ¿Han comenzado las organizaciones a mitigar algunos de estos riesgos? Y si es así, ¿cómo?

Lareina Yee: Cuando nos fijamos en los riesgos, hay un montón. Y una de las cosas que tanto Alexander como yo recordamos a nuestros clientes es que se trata de los primeros pasos de la tecnología. La imprecisión es uno de los riesgos que más preocupan a la gente, pero también está la infracción de la propiedad intelectual, la ciberseguridad, la privacidad individual, el cumplimiento normativo, la “explicabilidad”, la imparcialidad y la amplificación de los prejuicios.

Quienes están desarrollando estos grandes modelos de lenguaje trabajan muy rápidamente en muchos de estos riesgos. La “explicabilidad” es otro de ellos. También está la reducción de las alucinaciones, que es algo que hemos visto que ha mejorado a lo largo del año.

No se ha reducido a cero, pero ha habido mucho trabajo por parte del proveedor para asegurarse de que sea mejor. Y eso ayudará a solucionar el problema de la imprecisión. Del otro lado está la implementación por parte de las empresas. La forma en que desarrollan, entrenan y prueban estos sistemas es increíblemente importante antes de ponerlos en marcha.

Alexander Sukharevsky: La parte más importante que hay que entender realmente es: “¿Cuáles son los riesgos?”. Porque si nos fijamos en nuestro informe, la mayoría de los encuestados cree que existen riesgos, pero no pueden articular cuáles son. Hay formas de solucionar estos riesgos. La primera es, sin duda, tener a un ser humano en el bucle. Y por eso no me gusta hablar de inteligencia artificial. Prefiero hablar de “inteligencia híbrida”, en la que lo mejor de los humanos y las máquinas trabajan juntos para superar los retos y los riesgos y desbloquear las oportunidades.

Por otro lado, ¿deberíamos pensar que la tecnología no puede ayudarnos a resolver algunos de estos problemas? Por ejemplo, en cuanto a la propiedad intelectual o la trazabilidad, se podría aplicar tecnología para rastrear la propiedad intelectual y protegerla. Al mismo tiempo, aunque creemos que todos nos centramos en los riesgos a muy corto plazo, creo que, como humanidad, deberíamos dar un paso atrás y pensar: “¿Cuál es el panorama general? ¿Qué hace esto por nosotros, por las generaciones futuras? ¿Dónde deberíamos o no aplicarlo, ya sea desde un punto de vista humanitario, social o ambiental? ¿Qué tipo de futuro estamos forjando al aplicar la IA como tecnología?”. Y esas son preguntas mucho más importantes a las que deberíamos dedicar más tiempo, tanto en las salas de juntas como en las salas de máquinas, para asegurarnos de que entendemos exactamente hacia dónde nos dirigimos.

Lareina Yee: Creo que hay algunas preguntas increíblemente a largo plazo, Alexander, y algunas de ellas son muy filosóficas en términos de nuestra relación con las máquinas. También creo que una de ellas es la capacidad humana de adaptabilidad y creatividad. Y permítanme poner un ejemplo sencillo, algo con lo que cualquier padre, cualquier estudiante, cualquier profesor podría identificarse, que es la preocupación muy práctica del plagio. Esto ha surgido muchas veces: la preocupación de que los estudiantes puedan usar ChatGPT o Claude para plagiar. Es una preocupación real y no un riesgo del sistema. En realidad, eso está en el uso.

Hay un truco increíblemente práctico que algunos profesores están utilizando, y es que los exámenes se escriban en el aula. Tenemos esta vieja tecnología llamada escritura a mano, lápices y papel que podemos usar para demostrar que dominamos la información. Y es un ejemplo muy sencillo, pero lo que demuestra es que hay algunas cuestiones éticas increíblemente importantes y muy grandes que plantea la introducción de estas capacidades en nuestra vida cotidiana.

Gobernanza responsable de la IA

Roberta Fusaro: Lareina, usted ha escrito en el reporte sobre la gobernanza de la IA, y eso parece estar relacionado con los riesgos y con asegurarse de que no vayamos demasiado lejos. ¿Cómo pueden las empresas empezar a dotar de dientes a su gobernanza de la IA?

Lareina Yee: Cuando Alexander y yo hablamos con las empresas, comenzamos diciendo: “La IA responsable comienza el primer día”. Así que en un mundo tradicional y con generaciones anteriores, la forma en que podríamos pensar en esto es desarrollar una solución, y luego asegurarse de detectar los riesgos y tener una función de cumplimiento.

Necesitamos absolutamente toda esa fuerza en nuestro cumplimiento, pero también debemos avanzar y traer una IA responsable desde el primer día. ¿Qué significa eso? Significa que, a nivel de gobernanza, se tiene a alguien con capacidad y experiencia en IA responsable que está en la mesa tomando las decisiones. Eso podría ser a nivel de la alta dirección, contar con alguien que ayude a llevar a cabo esa discusión.

También significa que, a medida que se desarrollan estas soluciones, hay que poner a prueba e integrar cómo se desarrollan para protegerse de cosas como el sesgo y la imprecisión. Así que la manera en que pensamos sobre la IA responsable no es un momento. Está integrada en la forma en que desarrollamos nuestros planes de negocio, en la forma en que desarrollamos, configuramos y probamos las soluciones, en la forma en que las implementamos y continuamos recibiendo comentarios, y en la forma en que tenemos un fuerte cumplimiento en el back-end si se comete un error.

Pasos para obtener valor

Roberta Fusaro: ¿Cuáles son algunos de los primeros pasos para las organizaciones que quieren asegurarse de que están empezando a obtener valor de sus inversiones en IA generativa?

Lareina Yee: Creo que el primer paso empieza por tener las métricas de éxito. ¿Qué se pretende lograr con esto? Desplegar la IA generativa solo para decir que lo hemos hecho, solo para crear una demostración conceptual o un artilugio, no va a generar valor empresarial. Desde el principio, es importante decir: “¿Cuáles son las métricas de éxito? ¿Qué veré trimestre a trimestre?”. Y luego: “¿Cómo lo estamos haciendo?”. Por ejemplo, podría ser que se espera un 20 por ciento más de productividad y se va a utilizar esa capacidad adicional para llegar a más clientes.

Alexander Sukharevsky: Este momento de dar un paso atrás es extremadamente importante. Y una vez que identifiquemos lo que estamos buscando, deberíamos volver a la receta que discutimos antes en términos de: “¿Qué se necesita para escalar e integrar la IA dentro de la organización?”.

Lareina Yee: Alexander, me encanta tu punto sobre la escala porque a veces la gente pregunta: “¿Qué significa escalar?”. Si solo diez ingenieros utilizan la solución, eso no es escalar. La escala es cuando la gran mayoría de los ingenieros utilizan la solución y realmente muestran resultados.

Podría decirse que el paso más difícil y largo es la curva de adopción de los usuarios, y que todo el mundo lo use, y que cambie el trabajo. Eso lleva mucho tiempo. Entonces, se puede tener la solución en 12 semanas, pero ¿se tiene la adopción y el uso en 12 semanas? No. Hay que seguir trabajando en esto trimestre a trimestre, hasta que en el transcurso de un año o 18 meses se obtenga el tipo de resultados empresariales a los que se aspira.

El futuro es brillante

Roberta Fusaro: ¿Cuáles son sus reflexiones finales sobre hacia dónde nos dirigimos con la IA generativa?

Lareina Yee: La tecnología y sus capacidades son increíblemente apasionantes. Para capturarla, tenemos que recuperar ese sentido pragmático de la toma de decisiones. ¿Cuáles son los casos que van a marcar la diferencia en nuestro negocio? ¿Cómo empezamos a invertir plenamente? ¿Cómo invertimos en estos casos? ¿Cómo les damos vida? ¿Y cómo creamos ese valor para nuestras empresas? Creo que nos dirigimos hacia una era de importante pragmatismo.

Alexander Sukharevsky: Estoy de acuerdo con Lareina con la salvedad de que aún estamos en la fase de preconcienciación porque la tecnología es muy nueva. En menos de un año, diez millones de desarrolladores obtuvieron acceso a estas herramientas. Entonces, lo que estamos viendo ahora es solo el comienzo, y creo que, por lo tanto, es la era de la creatividad y la imaginación.

Aunque en cierto modo entendemos lo que podría hacer, no hemos tenido tiempo suficiente para averiguar cómo reinventar nuestros modelos de negocio y la forma en que trabajamos hoy en día. Junto con el pragmatismo del que hablaba Lareina y la imaginación que mencioné, creo que en los próximos 12 a 18 meses veremos soluciones pragmáticas revolucionarias, en las que la tecnología se aplica no solo para entretenerse, sino para desbloquear el verdadero valor, ya sea para las empresas o, lo que es más importante, para la humanidad.

Qué hacer cuando no te escuchan

Lucia Rahilly: A continuación, Sherina Ebrahim, socia sénior de McKinsey, comparte dos consejos para ayudar a cualquiera que se enfrente al comportamiento irritante de su jefe.

Sherina Ebrahim: La primera vez que volví de baja por maternidad, era gerente y había vuelto a trabajar a tiempo parcial. En aquel entonces, trabajar a tiempo parcial era una política bien establecida, pero no estaba tan extendida como hoy, especialmente a nivel directivo.

Cuando regresé, me tomé un día libre a la semana. La primera semana, el socio con el que trabajaba tenía una reunión programada para mi día libre. Fui a la reunión de todos modos. La segunda semana pasó lo mismo y asistí a la reunión. La tercera semana ocurrió lo mismo: teníamos programada una reunión interna del equipo y, de nuevo, no dije nada. Pero llegados a este punto, pensé que tenía que decir algo.

Así que le dije al socio: “Estoy trabajando a tiempo parcial y mañana es mi día libre, y ahora hemos programado, por tercera vez, una reunión en mi día libre”. Y, sinceramente, el socio estaba mortificado. Se le había olvidado por completo. Se disculpó y cambiamos la reunión, seguimos adelante y el resto de la relación funcionó perfectamente.

Aprendí dos cosas. La primera fue asumir una intención positiva. Realmente fue una de esas cosas del tipo: “No estoy acostumbrado, simplemente paso de una cosa a otra, no estaba pensando en ello”. La segunda es defenderte. Cuando veas algo que no funciona para ti, al menos coméntalo y mantén una conversación.

Creo que eso me ayudó el resto de mi carrera porque, por supuesto, las cosas no siempre son perfectas. Habrá momentos en los que trabajes a tiempo parcial, y si no mantienes la conversación e involucras a la otra persona, no sabrás lo que tu jefe está pensando, ellos no sabrán lo que tú estás pensando, y eso no conduce a un resultado positivo.