Para aspirar a convertirse en un líder de innovación en la organización, hay que experimentar necesariamente un sin fin de maneras de resistencia al cambio cuando se plantea algún proyecto que involucre tecnologías emergentes, en especial cuando se trata de la denominada inteligencia artificial.
Forbes México publicó que mucha de esa resistencia nace de la falta de comprensión que hay alrededor de ella. No es que el C-Level no quiera implementarla, sino que no la entienden y eso es normal. En el mejor de los casos, le dan el mismo enfoque que a cualquier otro proyecto de TI en cuanto al alcance, los recursos humanos, económicos y tecnológicos y, sobre todo, en lo que respecta al Retorno de Inversión.
Si vemos lo que sucede en el sector industrial, hay un grado de complejidad mayor porque pocas empresas tienen los recursos para crear áreas de ciencia de datos que se dediquen a iterar y experimentar con estas tecnologías hasta darle al clavo. Pero quienes no pertenecen a este selecto grupo tienen poco tiempo y recursos para crear casos de uso que no sólo mejoren un proceso de producción, sino que se traduzca en resultados finales.
Con todo, existen algunos tips que han sido estratégicos para implementar proyectos con alto potencial en las empresas, facilitando la transición para adoptar estas tecnologías con el enfoque adecuado. Entenderlo es clave si atendemos una cifra de Gartner: para 2024, 75% de las organizaciones pasará de pruebas piloto a proyectos más operativos y funcionales con inteligencia artificial.
1. Olvidar las modas, enfocarse en el problema
Sería interesante conocer las tasas de éxito entre las empresas que implementan tecnologías por moda frente a las que lo hacen para resolver un problema de negocio. Se podría apostar que las primeras no tienen mucho de qué presumir. No nos olvidemos que la finalidad de la tecnología es facilitarnos la vida, simplificar cierta tarea, lograr algo en menos pasos.
En suma, ganar en eficiencia y productividad. Por ello, sugiero que antes de invertir en alguna licencia de software, por poner un ejemplo, pienses en un problema relevante de tu negocio, un proceso donde pierdas dinero que te gustaría resolver. Para ello, ten sesiones con tus equipos operativos de y TI y llega al fondo de la cuestión, porque son ellos quienes conocen los procesos y saben esos detalles que le cuestan a la organización.
2. La importancia de entender por qué lo haces
De acuerdo con la firma alemana Siemens, “enfocarte únicamente en analizar los datos no funcionará para tener éxito con la IA”. La frase es muy útil para entender todo lo que conlleva un proyecto de este tipo. Antes de extraer datos, almacenarlos, explotarlos, etcétera, hay que entender para qué lo estamos haciendo, no sólo con el caso de uso, sino con los resultados que estamos buscando. Esto implica alinear todo proyecto con la estrategia de la organización. Este enfoque nos permitirá ser más eficientes en todo el proceso de explotación de los datos, así como en la adopción de las herramientas tecnológicas para lograrlo.
3. Definir correctamente el ROI
Si tus proyectos de Industria 4.0 no ofrecen resultados, algo estás haciendo mal o incluso, puede ser que estés eligiendo los incorrectos. Es un hecho que todo proyecto con IA debe ofrecer un retorno a la inversión, pero debemos entender claramente cuál es ese retorno. No todo se reduce a un resultado económico de corto plazo, aunque es muy importante. También hay resultados operativos y estratégicos cuya cuantificación es complicada, pero que aportan a la organización.
Si lo piensas a largo plazo, es como ponerte en la carrera para convertirte en un negocio data driven, donde cada proyecto aporta capacidades y es un paso en esa dirección. Por ello es clave que entiendas el ROI con todos sus matices y dejes de lado la tentación de verlo como cualquier otro proyecto de TI.
Relacionada: Falabella realizará importante inversión en logística y tecnología
