Cómo encontrar el retorno de la inversión en la inteligencia artificial generativa.
Se espera que se duplique el número de empresas que experimentan con las capacidades de automatización de las plataformas de IA generativa. Pero, ¿los costes de la tecnología justifican los rendimientos financieros?
Para 2030, las empresas gastarán 42.000 millones de dólares al año en proyectos de inteligencia artificial (IA) generativa, como chatbots, herramientas de investigación, redacción y resúmenes. No obstante lograr un retorno de la inversión (ROI, de sus siglas inglesas) podría resultar más complicado.
«Capturar y medir las mejoras exactas de la productividad ha sido un desafío para muchos de nuestros clientes», dice Rita Sallam, vicepresidenta analista de Gartner. «Para la IA generativa, no estamos diciendo que encontrar el ROI pueda ser difícil, pero expresarlo sí porque muchos beneficios como la productividad tienen impactos indirectos o no financieros que crean resultados en el futuro».
Por ejemplo, el uso de esta tecnología para automatizar la generación de código podría hacer que un desarrollador de software sea más productivo, dándole tiempo adicional para aumentar la innovación. En el futuro, eso podría significar un tiempo de comercialización más rápido para nuevas funciones.
Pero, ¿cómo se fija un valor a esos intangibles? «En última instancia, es posible que pueda utilizar desarrolladores menos capacitados, por lo que los costes pueden reducirse y se pueda abarcar más trabajo con la misma cantidad de personas», asegura. “Estos beneficios podrían, en última instancia, conducir a una generación de ingresos más temprana y posiblemente a una menor deserción de clientes y desarrolladores y a un mayor gasto de los clientes”.
Pero la línea de visión hacia la reducción de costos (sin reducción de personal) no es directa. El año pasado fue visto como el de la adopción de la IA empresarial, ya que el 55% de las organizaciones experimentaron con IA generativa en los flujos de trabajo, según un informe de agosto de la consultora McKinse. En ese momento, sin embargo, menos de un tercio de las empresas encuestadas dijeron que estaban usando IA para más de una función, «lo que sugiere que su uso sigue siendo de alcance limitado». Este año, sin embargo, se espera que las implementaciones de IA aumenten rápidamente a medida que los proyectos alcancen «una masa crítica de experiencia y competencia».
Algunas malas noticias
Dicho esto, para 2025, el 90% de las implementaciones empresariales de genAI se ralentizarán a medida que los costes superen el valor, según Gartner. Y el 30% de esos proyectos se abandonarán después de la prueba de concepto debido a la mala calidad de los datos, controles de riesgo inadecuados, gastos crecientes o valor comercial poco claro.
Para 2028, más del 50% de las empresas que han construido grandes modelos de lenguaje (LLM) desde cero abandonarán sus esfuerzos debido a los costes, la complejidad y la deuda técnica en sus implementaciones. “Medir el retorno de la inversión es difícil”, afirma Bret Greenstein, líder de datos e inteligencia artificial de la firma de servicios profesionales PwC. Pero al adaptar un LLM para realizar una función o proceso, es más fácil comparar su desempeño (coste, precisión y velocidad) con procesos anteriores.
En los términos más simples, el ROI es una proporción financiera de la ganancia o pérdida de una inversión en relación con su coste; por lo tanto, cuando una empresa invierte en IA genrativa, los beneficios de ese gasto deberían superar los costes.
«Una vez que logras que alcance consistentemente este nuevo nivel de rendimiento, lo implementas en producción con los procesos operativos y de gobernanza adecuados y realizas un seguimiento de su uso», indica Greenstein. «Cuando tienes un caso de uso que ahorra dos horas en un proceso de seis horas y realizas un seguimiento de su uso, puedes añadir los ahorros».
Buenas noticias
Una gran mayoría de los ejecutivos de negocios que están implementando o planeando implementar herramientas de IA generativa esperan o han obtenido beneficios de sus decisiones, según la encuesta Gartner Generative AI 2024 Planning de 822 líderes empresariales. En promedio, los encuestados informan:
- 15,8% de aumento de ingresos
- 15,2 % de ahorro de costes, 4,6 % gracias a la reducción de plantilla
- 22,6% de mejora de la productividad
También se ha demostrado que ChatGPT mejora la productividad de los trabajadores en un 37%.
- Los asistentes de codificación pueden generar mejoras en la productividad de los trabajadores entre un 7% y un 55%
- Los asistentes conversacionales pueden mejorar el servicio al cliente y respaldar la productividad de los agentes. (Los estudios muestran un rango de mejora entre el 14% y el 35%).
El 73% de las empresas estadounidenses ya han adoptado la IA en algunas áreas de su negocio, según la Encuesta de tecnologías emergentes 2023 de PwC, con la IA generativa a la cabeza. Para 2027, se espera que el gasto alcance los 151.100 millones de dólares, lo que representa una tasa de crecimiento anual compuesta del 85,9% durante el período 2023-27, según IDC.
Hay poco debate sobre el impacto de IA generativa en la productividad, ya que podría agregar el equivalente anual de 2,6 billones de dólares a 4,4 billones de dólares a nivel mundial, según McKinsey, que analizó 63 casos de uso que involucran genAI.
Alrededor del 75% del valor se reparte en cuatro áreas:
- Operaciones de clientes
- Marketing y ventas
- Ingeniería de software
- I+D
En 16 funciones comerciales, McKinsey utilizó casos en los que las herramientas de IA generativa pueden abordar desafíos comerciales específicos de manera que produzcan uno o más resultados mensurables. Los ejemplos incluyen su capacidad para respaldar interacciones con clientes (chatbots), generar contenido creativo para marketing y ventas, y redactar códigos informáticos basados ??en indicaciones de lenguaje natural. La banca, la alta tecnología y las ciencias biológicas se encuentran entre las industrias que podrían ver el mayor impacto como porcentaje de sus ingresos de genAI.
En todo el sector bancario, por ejemplo, la tecnología podría ofrecer un valor añadido de entre 200.000 y 340.000 millones de dólares al año, si los casos de uso se implementaran plenamente. En el sector minorista y de bienes de consumo envasados, el valor potencial podría oscilar entre 400.000 y 660.000 millones de dólares al año.
Según McKinsey, la IA generativa también puede ser más útil para los esfuerzos de transformación digital. Su capacidad para dar sentido a los datos no estructurados, cuando se combina con la nube, por ejemplo, puede acelerar casi cualquier iniciativa de transformación relacionada con los datos. También puede ayudar a las empresas a superar varias etapas.
Por ejemplo, a menudo puede manejar tareas complejas que antes estaban fuera del alcance de los departamentos de finanzas, impuestos, cumplimiento legal y de TI, entre otros. Puede, por ejemplo, ayudar a una empresa a cumplir de manera más eficiente los nuevos requisitos de declaración de impuestos. En términos más generales, pronto podría eliminar la necesidad de actualizar las aplicaciones empresariales comunes. En cambio, las aplicaciones podrían trasladarlas a la nube, donde los módulos de IA generativa personalizados podrían ayudarlas a evolucionar continuamente para satisfacer las cambiantes necesidades empresariales.
La gran mayoría de las mejoras se acumularán en los principales indicadores de valor financiero futuro o valor indirecto, como productividad, tiempo de ciclo, experiencia del cliente, marca, calidad y una mejora más rápida de las habilidades de los trabajadores menos experimentados, según Sallam, de Gartner.
«A menos que estos beneficios se traduzcan en una reducción inmediata de personal y otras reducciones de costos, los beneficios financieros se acumulan con el tiempo, dependiendo de cómo se utilice el valor generado», afirmó.
En otras palabras, la IA generativa debería permitir a las organizaciones hacer más con menos, incluso cuando aumenta la demanda; utilizar menos trabajadores de alto nivel; reducir la necesidad de proveedores de servicios; y mejorar el valor para los clientes y empleados, lo que podría conducir a una mayor retención.
«Por lo tanto, mida y valore el tiempo ahorrado tanto para esas tareas específicas como para tareas agregadas relacionadas con procesos específicos, dentro de períodos de tiempo específicos», expresa Sallam. “Las mejoras en la productividad por sí solas pueden ser una fuente cada vez menor de diferenciación con el tiempo, pero la integración de estas capacidades en otros procesos comerciales puede ayudar a las empresas a mantener una ventaja competitiva.
Según Gartner, las ganancias de productividad son los mayores beneficios iniciales informados por los primeros usuarios. Pero a medida que esos beneficios inmediatos disminuyan con el tiempo, las empresas tendrán que ser pacientes, ya que los procesos de negocio más eficientes ahorran dinero a largo plazo.
Ganancias rápidas y frutos al alcance de la mano
Según Gartner, calcular el valor de las nuevas inversiones en genAI requiere que una organización primero cree un caso de negocio simulando los costos y el valor potenciales en una variedad de actividades. Eso significa apuntar a una combinación de:
- Triunfos rápidos
- Diferenciar casos de uso
- Iniciativas transformadoras
Las ganancias rápidas de la IA generativa se centran en posibles mejoras de productividad, que hoy en día generalmente provienen de asistentes como Microsoft 365 Copilot y Google Workspace. Ese tipo de actividades son fáciles de iniciar, probar y comprar, pero generalmente son tareas específicas. El tiempo para reconocer el valor suele ser inferior a un año.
Diferenciar los casos de uso que aprovechan la genAI en aplicaciones empresariales, de dominio e industriales o aplicaciones personalizadas puede brindar a las organizaciones una ventaja competitiva al mejorar procesos comerciales específicos. Estos casos de uso también pueden aprovechar los datos empresariales de maneras únicas para obtener una ventaja competitiva, pero conllevan costos y riesgos a escala más altos e impredecibles, según Gartner.
Los casos de uso transformacionales son nuevos productos y servicios que podrían crear categorías de mercado completamente nuevas y alterar las actuales. También sirven para retener a los clientes agregando estas capacidades a los productos existentes.
Por ejemplo, una compañía de seguros podría ajustar un modelo de lenguaje grande con sus propios documentos de póliza para mejorar su desempeño en sus casos de uso específicos. O bien, una organización de servicios financieros podría crear un LLM capacitado con datos financieros, que luego podría usarse para muchos casos de uso de servicios financieros.
En términos generales, las empresas necesitan identificar métricas que capturen tanto los beneficios financieros como los resultados estratégicos, como una mejor experiencia de usuario, un acceso más amplio a capacidades que antes requerían mayores habilidades y la satisfacción de los empleados y clientes. Entonces las empresas podrán evaluar de manera realista su impacto.
Param Vir Singh, profesor de Tecnologías Empresariales en la Escuela de Negocios Tepper de la Universidad Carnegie Mellon, dice que las organizaciones no deberían centrarse únicamente en los rendimientos financieros como medida del ROI, al menos por ahora. “En unos años tendrán una mejor idea de los rendimientos financieros», afirmó Singh. «Hoy en día, la satisfacción del cliente es un área muy relevante. En el pasado, eso estaría relacionado con la rentabilidad. Pero por ahora, es necesario descubrir en qué medida la genAI está mejorando la satisfacción del cliente y a partir de ahí se puede calcular la rentabilidad”.
Otro error que cometen algunas organizaciones es ver el ROI de esta tecnología en todas las iniciativas corporativas en lugar de analizar cada proyecto individual; este último puede resaltar qué iniciativas funcionan y cuáles no.
«Cuando la IA se implementa en un lugar específico (por ejemplo, el acceso de los empleados a Copilot para realizar una determinada actividad), entonces es más fácil medir las ganancias de productividad», asevera Singh.
Un imperativo para garantizar tanto el retorno de la inversión como el valor transformador de la IA es capacitar a los empleados en ella. Los trabajadores necesitan habilidades, barreras de seguridad e incentivos para utilizar la IA de manera responsable y eficaz. Si no comprenden el valor de las herramientas IA generativa, es menos probable que las utilicen.