La IA generativa y más allá: ¿Dónde centrarse ahora?

La IA generativa ha acaparado con razón la atención de los líderes. Pero ¿también está eclipsando imperativos digitales de perfil más bajo? En este episodio de The McKinsey Podcast, los socios senior de McKinsey, Rodney Zemmel y Kate Smaje, junto con la directora editorial global Lucia Rahilly, hablan sobre las ideas que los líderes corren el riesgo de pasar por alto con la IA generativa en el centro de atención, y cómo garantizar que sus iniciativas digitales –incluida la IA generativa– trabajen en conjunto para generar valor significativo.

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

The McKinsey Podcast es copresentado por Roberta Fusaro y Lucia Rahilly.

Por dónde empezar

Lucia Rahilly: La IA generativa ha sido el nuevo objeto brillante del mundo empresarial, pero, como sugiere su nuevo artículo, corre el riesgo de cegar a los líderes ante otras herramientas digitales que también son vitales para el éxito de su organización. ¿Cómo ven que los líderes equilibren esa tendencia a ir tras el brillo con la necesidad de mantener el enfoque en otras operaciones y estrategias empresariales esenciales?

Rodney Zemmel: La IA generativa es realmente un objeto muy brillante, lo que suena un poco despectivo porque puede aportar y ya está aportando valor real. Pero es una pregunta equivocada: “¿Cuál es mi estrategia de IA generativa?”. Debemos empezar por saber de dónde viene el valor y pensar en cómo obtener valor al transformar un ámbito de nuestro negocio con la tecnología. Ya sea IA generativa, IA a la antigua, digitalización de procesos o cualquier otra cosa, eso tiene que ser subsidiario a la pregunta de dónde viene el valor.

Un negocio que es como su cerebro

Lucia Rahilly: Su informe expone diez “ideas no reconocidas” sobre lo digital y la IA, y hoy vamos a centrarnos en tres de ellas. Empecemos con la idea de que todas las empresas se convertirán en negocios neuronales. ¿Qué significa esto?

Rodney Zemmel: El año pasado se produjeron un par de avances científicos asombrosos en nuestra comprensión del cerebro. En mi antiguo laboratorio de Cambridge, obtuvimos la primera visualización del conectoma, es decir, cómo encajan entre sí las diferentes neuronas, primero en el cerebro de una mosca de la fruta y luego a partir de un corte del cerebro humano realizado por un equipo de Google. Lo que vemos es esta increíble e intrincada arquitectura en la que todo se conecta con todo lo demás. Y creemos que es la nueva metáfora de la empresa.

La vieja metáfora de cómo se organiza una empresa es un árbol: jerárquico, con ramas que se extienden unas a otras. Pero el problema de esa analogía es que es muy difícil establecer conexiones entre las ramas del árbol.

Para hacer las cosas más interesantes e innovadoras en la empresa, hay que lograr que esas conexiones funcionen con mucha más eficacia que en muchas organizaciones jerárquicas rígidas. No es una idea nueva. Es una nueva visión de ésta, y habla de la escala de las conexiones necesarias.

Pero también hay que asegurarse de que los patrones comunes generales, la gobernanza y la estructura organizativa sean maravillosamente intrincados y estén conectados en red, y permitan a los equipos de toda la organización trabajar unos con otros y formarse y reformarse sin que se produzca un caos total.

Kate Smaje: Se trata de habilitar la velocidad. ¿Podríamos, como organización, trabajar a un ritmo metabólico superior al actual? Y, en segundo lugar, se trata de la escala. Ahí es donde entran en juego algunos de estos patrones comunes, porque cuanto mayor sea la reutilización, cuanto mayor sea el reconocimiento de patrones, más podremos hacer a escala, en lugar de reinventar la rueda cada vez.

Lucia Rahilly: Los equipos tienen que funcionar de forma autónoma a medida que se forman y reforman. ¿Podrían decirnos qué significa la autonomía en este contexto?

Rodney Zemmel: Una forma de llevar esto adelante es lo que llamamos una empresa de productos y plataforma. Se tiene un conjunto central de servicios de plataforma y una red distribuida de equipos capacitados que tienen autonomía y están alineados con un objetivo empresarial específico, y obtienen servicios de la plataforma central.

Son autónomos en el sentido de que son independientes y trabajan para lograr un objetivo empresarial que les pertenece. Pero no son autónomos en el sentido de que trabajan dentro de un marco general de la empresa y un conjunto de objetivos, hay un equipo de plataforma del que se espera que obtengan servicios, y siguen reglas en lugar de crear las suyas propias.

Lo que hemos visto en este modelo de producto y plataforma es que aún está en sus inicios. Pero si nos fijamos en un conjunto de empresas que lo han adoptado, la mitad superior de las empresas en términos de madurez tuvo un 60% más de rendimiento total para los accionistas que la mitad inferior.

Lucia Rahilly: ¿Podrían darnos un ejemplo de una empresa que haya implementado con éxito este enfoque de red neuronal ágil?

Rodney Zemmel: Una de las empresas de las que hablamos en nuestro libro Rewired, DBS Bank, conocido como uno de los bancos líderes en banca digital, realmente se ha replanteado a sí mismo en células horizontales. En cuanto se usa un ejemplo bancario, la gente dice: “Bueno, eso obviamente tiene sentido en una industria de servicios”. Pero otra empresa que aparece en el libro, Freeport-McMoRan, ha hecho esto en sus operaciones de minería de cobre.

Kate Smaje: Una de las formas en que cualquier empresa puede poner esto a prueba es haciéndose una pregunta sencilla: ¿con qué rapidez se puede concebir, construir y lanzar hoy un nuevo producto y servicio?

Rodney Zemmel: La prueba de fuego es una buena pregunta, porque hoy en día es difícil encontrar una empresa en la que un alto directivo no diga: “Sí, claro que estamos trabajando en modo ágil” (agile, en el ámbito empresarial, se refiere a una forma de trabajar que trata de seguir la corriente de los cambios inevitables, en lugar de trabajar contra ellos. N del T). Y a menudo lo que eso significa es que tienen un equipo de tecnología trabajando en modo ágil. Pero eso no siempre significa que el negocio y la tecnología estén funcionando juntos de manera adecuada y, francamente, rara vez significa que se tengan las funciones de control integradas en esos módulos ágiles de la manera correcta.

Lucia Rahilly: Hablando de funciones de control, ¿qué clase de modelo operativo se necesita para que esta clase de negocio neuronal funcione con éxito? ¿Y qué tipo de supervisión es necesaria para que estos equipos autónomos funcionen bien, incluida la limitación de los pasos en falso y el mantenimiento de la productividad en este modelo?

Rodney Zemmel: Correcto, ¿y cómo hacerlo a escala? Porque, repito, muchas empresas pueden hacerlo, pero ¿cómo se hace en docenas o cientos de equipos? Esa es la parte difícil.

En primer lugar, gran parte tiene que ver con el talento. Hay que esforzarse en mejorar y volver a capacitar al talento para que sea capaz de trabajar en este modelo. Luego hay que pensar muy bien cómo dotar de personal a estos equipos y cómo hacer que el equipo directivo se sienta cómodo para que establezca límites y objetivos. Participarán en las revisiones en los grandes hitos, pero no todas las decisiones pasarán por sus manos. Se requiere un marco de gobernanza bastante evolucionado.

Pongamos como ejemplo los datos: hay que averiguar realmente todas las normas de gobernanza de datos dentro de la organización porque se puede ver un claro retorno de la inversión en el próximo caso de uso de IA. Si no se establecen esos modelos y normas de gobernanza de datos desde el principio, será imposible trabajar en este tipo de modelo distribuido y escalable.

Kate Smaje: Yo pregunto: “¿Tenemos un conjunto de resultados hacia los que los equipos empoderados están trabajando?”. Aquí es donde se vuelve importante que la dirección se reporte y sepa cómo van las cosas. Si los resultados deseados del equipo están alineados, entonces hay transparencia para saber si ya hemos llegado a ese punto. Y si no, ¿qué lo impide? ¿Cómo mejorar la próxima vez? Por último, volviendo a esta noción de reconocimiento de patrones, ¿cómo me aseguro de que estoy resolviendo la reutilización?

Cómo se alejan los mejores

Lucia Rahilly: Pasemos a otra de estas ideas, la de que los líderes digitales y de IA se convierten en transformadores para siempre. ¿Cuáles son algunas de las nuevas tecnologías o tendencias a las que los líderes deberían estar atentos ahora?

Kate Smaje: En cierto modo, todo el mundo tiene la tecnología que le encanta utilizar y somos tan culpables de ello como el que más. Pero para mí, la magia tiene menos que ver con una sola tecnología o tendencia singular y más con el poder combinado de reunir varias de estas tecnologías. Solo cuando eso realmente sucede –y, por cierto, lo mismo ocurrió con la IA generativa– nace la oportunidad de un gran avance en la creación de un nuevo modelo de negocio, provocando una disrupción que no había sucedido antes.

Rodney Zemmel: Tenemos un análisis llamado Cociente Digital o Cociente de IA, en el que analizamos qué tan bien las empresas han adoptado diferentes enfoques digitales o de IA. En los últimos dos o tres años, hemos visto que la industria ya no es el destino. Hay mucho más diferencia dentro de una industria que entre industrias. Las empresas industriales más avanzadas están más digitalizadas que la media de la alta tecnología, y las menos avanzadas están menos digitalizadas que la media del sector público.

Lo que hay detrás de esto es esta noción de transformador para siempre. Vemos que las empresas que comenzaron el viaje son capaces de salir adelante, seguir invirtiendo y, francamente, llegar más lejos. Y se observa un aumento de los beneficios para los líderes digitales a lo largo del tiempo, ya que son capaces de adelantarse a otros en la industria.

Lucia Rahilly: Tengo una especie de fascinación romántica con la cuántica. Pasé por una fase Carlo Rovelli.

Rodney Zemmel: Es muy bueno.

Lucia Rahilly: Es muy bueno. Me gustaba pensar en el entrelazamiento cuántico como una construcción romántica. Pero nuestra investigación muestra que algunas industrias pueden ganar mucho aplicando la computación cuántica de manera muy práctica a casos de uso específicos, mientras que yo tiendo a pensar en ella como algo más abstracto. ¿Cómo es la cuántica en la práctica?

Rodney Zemmel: Estoy tan entusiasmado como usted con la cuántica. De hecho, todas las conversaciones que mantenemos hoy sobre la IA o la IA generativa podrían ser sobre la cuántica dentro de cinco a diez años.

Es importante subrayar que aún se trata de un experimento científico. Si bien el ritmo del cambio es asombroso, el número de cúbits funcionales —que son las unidades necesarias para realizar trabajo cuántico– que se pueden obtener en un ordenador cuántico hoy en día sigue siendo muy pequeño. Así que todavía está en fase de investigación o quizá de desarrollo inicial.

Pero si funciona, el impacto podría ser absolutamente espectacular. Se habla de sectores como el de servicios financieros, el farmacéutico, el químico y el agrícola, el automovilístico y muchos otros. Y, esencialmente, los muchos problemas matemáticos difíciles que tardarían años o siglos en resolverse utilizando algoritmos tradicionales pueden ir mucho, mucho más rápido con un enfoque de algoritmo cuántico. Podemos resolverlos a un ritmo exponencial en lugar de lineal.

Así que podría afectar a todo, desde la construcción de carteras y el análisis de desempeño en los servicios financieros hasta la forma de diseñar una catálisis eficaz en la agricultura, lo cual no suena tan emocionante, pero si se pudiera encontrar una forma más eficiente de producir fertilizantes a base de amoniaco, el impacto económico en el mundo sería enorme.

Tengo la sensación de que lo primero serán las cosas que se parezcan a problemas reales de física cuántica. Pero con el tiempo, todo lo que sea un problema matemático complejo —ya sea cómo rediseñar una ruta de reparto para una empresa de logística o cuál es la mejor manera de construir capas de fibra de carbono para desarrollar un material resistente para el sector aeroespacial— será masivamente abordable por la computación cuántica cuando funcione.

Hacer de la IA generativa su superpoder

Lucia Rahilly: A medida que la IA generativa mejora y los empleados se vuelven cada vez más dependientes de ella para al menos algunas partes de su cartera, ¿cómo pueden las organizaciones identificar qué funciones o tareas se beneficiarán más de la IA generativa para crear una fuerza de trabajo más productiva?

Kate Smaje: Nuestra investigación indudablemente dice que hay oportunidad de lograr grandes ganancias de productividad, pero hoy en día son bastante difíciles de realizar. Esto se debe, en parte, a que cualquier avance tecnológico debe ir acompañado de un avance proporcional o equivalente en el lado humano.

¿Cómo voy a cambiar el flujo de trabajo para liberar materialmente tiempo? ¿Qué voy a hacer en términos de aprendizaje, mejora de habilidades, nueva capacitación y nuevas trayectorias profesionales que reajusten fundamentalmente lo que harán los humanos cuando los superpoderes de la IA estén a su lado?

Rodney Zemmel: El superpoder de la IA generativa no es cómo encontrar una manera de ahorrar 20 minutos al día, sino cómo encontrar una forma de hacer que el uso de la IA generativa sea nuestro primer instinto. Lo hemos visto hasta ahora en el desarrollo de software. Si simplemente le damos las herramientas a un desarrollador de software y le decimos: “Aquí está lo último”, los desarrolladores irán cada uno a buscar la parte más aburrida de lo que hacen y la usarán para acelerar eso. Y obtendremos unos beneficios de productividad del 5 o el 10 por ciento.

Si en vez de eso decimos, miremos a todo el equipo y analicemos una semana o un mes en la vida del ciclo de vida del desarrollo de software y no sólo, ¿cómo hace su trabajo el desarrollador A o B un martes normal? Y pensamos en cómo todo el equipo cambia su trabajo, en cómo capacitamos a las personas, y tenemos una medida real de si está funcionando mejor que un humano o no, así es como se construyen los superpoderes.

Lucia Rahilly: ¿Cómo ven que los líderes abordan ese aprendizaje y capacitación?

Kate Smaje: Lo que veo mucho es que vamos a capacitar a nuestra organización en tecnología, en IA. Vamos a enseñarles qué es, a explicárselos, a acabar con los mitos, etcétera. Y eso es importante, no me malinterpretes. Sin embargo, es una de esas cosas necesarias, pero insuficientes.

Lo que falta es, por ejemplo, utilizar realmente bien lo que es fundamentalmente una tecnología de asistencia. Hay que saber usarla para sacarle el máximo partido. Sin duda, vemos inversiones en cosas como enseñar a hacer grandes peticiones o instrucciones (prompts). Así que, más que enseñarte a utilizarla, lo importante es que aprendas a usarla.

Lo segundo es, como decía Rodney, el flujo de trabajo diario. Se trata de asegurarse de tener increíbles habilidades de pensamiento crítico para ser capaz de analizar algunos de los complejos riesgos y cuestiones de uso responsable de la IA, para pensar en cómo las alucinaciones se transmitirán a través de esto, y lo que hay que hacer en el período previo y posterior del procesamiento del modelado.

Es probable que haya que tener una inteligencia emocional (emotional quotient, o EQ) y unas habilidades relacionales asombrosas, porque lo que el ser humano va a hacer –y la tecnología no– puede estar más en ese lado. Puede que incluso, francamente, la gente necesite una mayor capacidad cognitiva o curiosidad para aprender, para seguir evolucionando e iterando. En mi opinión, todavía no se presta suficiente atención a lo que llamamos las habilidades no tecnológicas que el ser humano necesitará en un entorno de inteligencia híbrida.

Lucia Rahilly: ¿Consideran que los profesionales de la tecnología tienen la misma necesidad de mejorar sus habilidades que los empleados de fuera del sector tecnológico?

Kate Smaje: Ambos. Ninguno de nosotros es inmune a la necesidad de seguir aprendiendo, entre otras cosas porque, en cierto modo, el ritmo de cambio actual nunca volverá a ser tan lento. Se trata de nuestra capacidad, incluso como profesionales de la tecnología, para entender y estar abiertos a las nuevas tecnologías que llegarán.

¿Cómo me aseguro de que estoy listo para aprender y adoptarlas? ¿Cómo puedo seguir mejorando en el uso de esa tecnología en mi trabajo? Como tecnólogo, ¿cómo voy a ayudar a obtener valor de los modelos, no solo a crear modelos excelentes?

Rodney Zemmel: Para una empresa promedio, un equipo directivo aprenderá mejor viendo lo que hace una empresa líder no tecnológica que una empresa tecnológica. Lo que hemos visto funcionar con mucho éxito es cuando los equipos directivos han hecho lo que llamamos visitas de observación a otras empresas, a menudo en sectores muy diferentes al suyo, donde las empresas promedio realmente han aplicado esto y han aprendido cómo transformar sus negocios con lo digital y la IA.

Una vez que se ve a una empresa “normal” hacerlo, el poder de la tecnología cobra vida mucho más que ver lo que pueden hacer los nativos digitales, lo cual para la empresa promedio es emocionante, pero parece más una visita al zoológico que algo directamente relevante para su vida diaria.

Lo que nos espera

Lucia Rahilly: ¿Ven el riesgo de que los empleados se vuelvan demasiado dependientes de la IA? ¿Necesitan las organizaciones tomar medidas para ayudar a garantizar que los empleados conserven su criterio humano?

Kate Smaje: En cierto modo, podemos ver la “dependencia de la IA” como un término peyorativo o como algo realmente positivo, en el sentido de que los empleados están utilizando la IA para hacer su trabajo mejor, más rápido, más barato y con menor riesgo. La realidad es que el juicio humano será más importante que nunca para asegurarse de que estos modelos se construyen de manera responsable, y más importante para asegurarse de que realmente se obtenga valor de ellos.

Para garantizar que los humanos utilicen la IA de forma responsable, hay que tener en cuenta al menos dos cosas. Una es cuestionar constantemente la tecnología. La segunda es buscar constantemente el “y”. ¿En qué punto uno más uno es igual a cinco aquí, en lo que se refiere a unir a los humanos con la tecnología para conseguir un avance que de otro modo no sería posible? Mientras sigamos haciendo esas dos cosas, el juicio humano será más importante, no menos.

Rodney Zemmel: Dicho eso, está claro que esto va a ser mejor que los seres humanos en muchos casos. Daré un ejemplo quizás tonto. En el tenis, hay jueces de línea electrónicos. Wimbledon y el US Open han seguido caminos diferentes. En Wimbledon tienen jueces de línea electrónicos, pero mantienen a los humanos con chaquetas verdes en las líneas del fondo. En el US Open todo es electrónico. Y la mayoría de la gente diría que la versión del US Open funciona igual de bien o mejor. Hay menos interrupciones en el juego. Hay menos idas y venidas. Ya no hay decisiones claramente equivocadas.

Curiosamente, me han dicho que en el US Open trabajan tantas personas como en Wimbledon, pero en puestos diferentes. Es la gente de la sala de control técnico y la que despliega, instala y supervisa la tecnología.

Lucia Rahilly: Hace poco publicamos una entrevista con Reid Hoffman para el pódcast At the Edge. Sugirió que la IA tiene el potencial de desarrollar la inteligencia emocional y las habilidades interpersonales. ¿Alguna idea sobre cómo podría afectar esto el cálculo humano-IA en el lugar de trabajo?

Kate Smaje: Ya lo estamos viendo. Rodney y yo bromeamos a menudo sobre un pequeño estudio que se realizó en Reino Unido con médicos generales (general practitioners, o GPs), en el que se comparaba a un humano con un bot para ver si el paciente podía notar la diferencia. En la mayoría de los casos, los pacientes sí podían.

Luego se preguntó a los pacientes cuál preferían. Sorprendentemente, la mayoría prefirió al bot. Dijeron: “Sentí que entendía mejor mis necesidades. Fue más empático. Resolvió mi problema más rápido”. No deberíamos subestimar que la tecnología ya es bastante buena en las cualidades que solemos asociar a los humanos.

Lucia Rahilly: ¿Algo más que los líderes no tengan muy presente, pero que deberían tener?

Rodney Zemmel: Hay una pregunta sobre cómo será el futuro de la fuerza laboral. Hace algún tiempo se hizo una entrevista muy interesante a (el ajedrecista) Garry Kasparov, quien fue derrotado por el ordenador de ajedrez de IBM en los años 90. Dijo: “Yo fui el primer trabajador del conocimiento que perdió su trabajo a manos de un ordenador. Y ahora viene a por todos ustedes”.

Esto es un poco exagerado, está claro que esa opinión existe. Hay empresas que dicen: “Está bien, ya no necesitamos gente júnior, analistas, gente que haga tareas rutinarias. Podemos salir adelante con una plantilla o evolucionar hacia una plantilla que tenga una forma piramidal muy diferente”.

Hay otras que dicen: “Tal vez. Pero se trata de la idea de los superpoderes. Significa que podemos hacer que los analistas o la gente júnior de nuestra empresa sean tan productivos en el futuro como lo son hoy los más veteranos, porque esto les quitará muchas de las tareas rutinarias de lo que hacen y realmente les dará increíbles habilidades para crear más valor”. Y hay quienes dicen que el valor del científico de datos disminuirá y el valor del ingeniero de datos aumentará en el futuro.

Así que, desde el punto de vista de la planeación de la fuerza laboral, esto es profundo. Francamente, la respuesta aún no existe. La gente necesitará mucho tiempo de reflexión y flexibilidad para evolucionar en lo que esto significa para la planeación de la fuerza laboral.

Kate Smaje: No podría estar más de acuerdo. Tu comentario sobre la flexibilidad también tiene otro matiz, en el sentido de que gran parte de lo que realmente estamos hablando aquí es de aprendizaje constante, de experimentación constante. Y eso es muy fácil de financiar, dotar de recursos y asignar tiempo en los buenos tiempos.

Es mucho más difícil de lograr cuando las economías o los mercados cambian y las empresas tienen que cerrar las escotillas. Los directivos se enfrentan a un verdadero reto: ¿cómo puedo tener una mentalidad más cíclica para invertir y aprender de cara al futuro cuando el nivel de certidumbre y, por lo tanto, el nivel de predicción del retorno de inversión (return on investment, o ROI) es más difícil? ¿Puedo tener un plan que sea lo suficientemente flexible tanto para los tiempos soleados como para los lluviosos?