A medida que muchos empleados adoptan la IA generativa en el trabajo, las empresas luchan por seguir su ejemplo. Para capturar el valor del impulso actual, las empresas deben transformar sus procesos, estructuras y enfoque del talento.
Después de casi dos años de debate, el veredicto está dado: la IA generativa (gen AI) ha llegado para quedarse, y su potencial de negocio es enorme. Ya hemos sido testigos de una tasa exponencial de innovación relacionada con la generación de IA, que promete acelerar la automatización y mejorar la productividad, la innovación y la calidad del trabajo, así como la experiencia de los empleados y clientes. Las empresas que no actúen y se adapten ahora probablemente tendrán dificultades para ponerse al día en el futuro.
A pesar de todo el alboroto, la mayoría de las empresas aún no han arañado la superficie de la promesa de la IA de generación. Una reciente encuesta global de McKinsey revela que los empleados están muy por delante de sus organizaciones en el uso de la IA generativa 1 ya que las empresas han tardado en adoptar formas que puedan aprovechar la oportunidad de un billón de dólares de la IA de generación. Para aprovechar el entusiasmo de los empleados y mantenerse a la vanguardia, las empresas necesitan un enfoque holístico para transformar la forma en que toda la organización trabaja con la IA genérica; La tecnología por sí sola no creará valor. Esto significa aplicar la IA de generación de manera que permita la estrategia empresarial: reinventando los modelos operativos y dominios completos 2 reimaginando el talento y las habilidades, y reforzando los cambios a través de una gobernanza e infraestructura sólidas.
Para aprovechar el entusiasmo de los empleados y mantenerse a la vanguardia, las empresas necesitan un enfoque holístico para transformar la forma en que toda la organización trabaja con la IA genérica; La tecnología por sí sola no creará valor.
El uso de los empleados se encuentra en un punto de inflexión, mientras que sus organizaciones se quedan atrás.
Según esta investigación, los empleados están avanzando con la IA de generación, una tecnología ampliamente accesible que pone el potencial de la IA al alcance de todos. Casi todos los encuestados (91%) dicen que usan la IA de generación para trabajar y la gran mayoría está entusiasmada con ella (Gráfico 1). Nueve de cada diez también creen que las herramientas podrían tener un impacto positivo en su experiencia laboral y la mayoría cree que la IA genética ayudará con una variedad de habilidades, desde el pensamiento crítico hasta la creatividad.
Anexo 1
Casi todas las respuestas, tanto de quienes usan AI Generativa como de quienes aún no la usan, se muestran optimistas acerca de cómo esta tecnología impactará en su trabajo.
En este sentido, la mayoría de las empresas están rezagadas con respecto a sus empleados. Por muy alto que sea el uso de los empleados, la madurez organizativa con la IA de generación es sorprendentemente baja. En nuestra encuesta, solo el 13% de las empresas encuestadas han implementado múltiples casos de uso, un grupo que llamamos "early adopters" (Gráfico 2) 3. Entre ellos, hay una mayor proporción de usuarios intensivos: es decir, empleados que utilizan herramientas de IA públicas o internas cada uno o dos días. En comparación con otros, es más probable que este grupo utilice la IA de generación para una serie de actividades laborales y reporte mayores ganancias de productividad.4
Gráfico 2
Las organizaciones que están más avanzadas en sus implementaciones de IA generativa tienden a tener una mayor proporción de usuarios recurrentes.
El director de información de una empresa global de la industria pesada ve estas tendencias en su propia organización. Los empleados están experimentando con la IA de generación a través de herramientas integradas y disponibles públicamente 5, lo que está aumentando la curiosidad y fomentando una mayor apertura a la experimentación. Sin embargo, señala que no hay un caso de negocio fácil de probar para la adopción impulsada por los empleados y la implementación fragmentada de casos de uso.
El siguiente punto de inflexión: pasar de la experimentación individual a la captura estratégica de valor.
La adopción de la tecnología por sí misma nunca ha creado valor, lo que también ocurre con la IA de la generación. Tanto si la tecnología es en sí misma la estrategia central (por ejemplo, el desarrollo de productos basados en la generación de IA) como si apoya otras estrategias empresariales, su despliegue debe vincularse a oportunidades de creación de valor y resultados medibles (para más información, véase el recuadro "'Dirigido por las personas, impulsado por la tecnología': la visión de Walmart para la generación de IA"). Los resultados de nuestra encuesta sugieren que los primeros usuarios van por buen camino: el 63% de los primeros usuarios encuestados dicen que las estrategias de IA y generación de IA de sus organizaciones se alinean en gran medida con sus estrategias comerciales, en comparación con solo el 17% de los encuestados en empresas "experimentadoras". 6
"Liderado por las personas, impulsado por la tecnología": la visión de Walmart para la IA de generación.
Para aprovechar todo el potencial de la IA genérica, las empresas deben considerar cómo la tecnología puede redefinir la forma en que funciona la organización.
"Nuestra experiencia e investigación apuntan a tres pasos para prepararse para el próximo punto de inflexión de la IA gen: reinventar el modelo operativo traduciendo la visión en valor, dominio por dominio; reimaginar la estrategia de talento y capacitación; y reforzar los cambios a través de mecanismos formales e informales que garanticen una adaptación continua."
Reinvente los dominios traduciendo la visión en valor.
Las empresas solo pueden cosechar todos los beneficios de la IA gen, que van desde una innovación más rápida y una mayor productividad hasta una mejor experiencia de los empleados y los clientes, cuando utilizan la tecnología para realizar cambios transformadores. Más específicamente, esto significa adoptar cambios holísticos en el modelo operativo, incluidos los procesos clave, las formas de trabajo, las capacidades y la cultura. Debido a que cualquiera puede usar la IA de generación, estas herramientas pueden actuar como una tecnología de puerta de entrada para todas las demás transformaciones digitales y tecnológicas.
Para empezar, las empresas deben priorizar la unidad de transformación adecuada centrándose en dominios específicos, como el desarrollo de productos, el marketing y el servicio al cliente. Este enfoque basado en el dominio permite una transformación integral impulsada por la tecnología que integra múltiples casos de uso dentro de un único flujo de trabajo, proceso, recorrido o, en ocasiones, función completa que crea valor. Dado que los dominios a menudo abarcan los límites de la organización, la implementación de la IA de generación y otras tecnologías a nivel de dominio puede ofrecer un mayor valor que las soluciones únicas.
Estos son algunos ejemplos de lo que es posible con una transformación basada en dominios y las implicaciones para los roles y el trabajo diario:
En el desarrollo de software, la IA de generación puede revolucionar el trabajo al ofrecer productos resistentes y de mayor calidad mucho más rápido; Piensa en días en lugar de meses. Esto requerirá cambios en todo el ciclo de vida del producto y una colaboración más estrecha entre los equipos de producto e ingeniería. Los datos completos de los productos, las pruebas de concepto basadas en avisos y los requisitos automatizados pueden acortar los plazos de ideación a creación de prototipos, lo que permite un mayor número de iteraciones. El uso de código de escritura propia, la guía de usuario autogenerada y las pruebas continuas de código también transformarían a los ingenieros de completadores de tareas a diseñadores de sistemas.
En marketing, la IA genérica podría (finalmente) permitir la visión de una verdadera personalización a escala. Empresas como Netflix y Spotify han iniciado este camino con vistas previas de videos hiper personalizadas y listas de reproducción personalizadas para los usuarios. Este tipo de prácticas pueden mejorar el compromiso y la lealtad, permitir que las marcas se integren sin problemas en la vida de los clientes, aumentar la productividad de la creación de contenido y mejorar el ROI en todo el embudo de ventas y marketing. Al hacerlo, los silos de la organización de marketing podrían romperse, especialmente entre los equipos creativos y de análisis.
En el servicio al cliente, la IA de generación puede transformar los equipos en centros de satisfacción del cliente al abordar los problemas de manera proactiva y ofrecer nuevos productos, todo a costos reducidos. Los humanos empoderados por la IA trabajarán con agentes de IA de la generación, utilizando tendencias en tiempo real y conocimientos de los clientes para convertirse en solucionadores de problemas empáticos y supervisores de la experiencia del cliente. En el proceso, los agentes y supervisores de servicio al cliente harán un mayor uso de la tecnología, aplicarán el pensamiento sistémico, equilibrarán las mentalidades empáticas y comerciales, y trabajarán más estrechamente con los equipos de experiencia del cliente y producto.
La IA de generación también está llamada a revolucionar dominios transversales, como la gestión del rendimiento y la gestión de equipos. Para esto último, la IA de generación puede poner las indicaciones de coaching al alcance de los gerentes y facilitar el acceso a los recursos de los empleados. Esto puede cambiar significativamente el tiempo que los gerentes dedican a ciertas tareas: menos a las tareas administrativas, más a verificar con los miembros del equipo y desarrollar habilidades blandas.
Reimaginar el talento y las habilidades poniendo a las personas en el centro.
Como destacan los ejemplos anteriores, las implicaciones de la IA genérica para las necesidades de talento y habilidades son enormes. El potencial de la tecnología para acelerar la automatización y transformar los modelos operativos afectará significativamente las funciones y habilidades que necesitan las organizaciones. Según otra investigación de McKinsey, la mitad de las actividades laborales actuales podrían automatizarse entre 2030 y 2060, acelerando las proyecciones anteriores a la IA anterior a la generación en una década. Esto ejerce presión sobre las organizaciones para que comprendan rápidamente sus necesidades de talento y habilidades, adopten diversas estrategias para cerrar las brechas de habilidades e inviertan en la mejora de las habilidades y el reciclaje profesional. Una transformación del talento basada en la generación de IA no es algo de lo que las empresas puedan salir sin más, ya que afecta a toda la organización y a sus formas de trabajar.
La investigación de McKinsey muestra que los early adopters priorizan el talento y el lado humano de la IA genérica más que otras empresas (Gráfico 3). La encuesta muestra que casi dos tercios de ellos tienen una visión clara de sus brechas de talento y una estrategia para cerrarlas, en comparación con solo el 25% de los experimentadores. Los primeros usuarios se centran en gran medida en la mejora y el reciclaje profesional como parte fundamental de sus estrategias de talento, ya que la contratación por sí sola no es suficiente para cerrar las brechas y la externalización puede obstaculizar el desarrollo de habilidades estratégicas. Por último, el 40% de los primeros usuarios encuestados dicen que sus organizaciones brindan un amplio apoyo para fomentar la adopción por parte de los empleados, en comparación con el 9%de los experimentadores encuestados.
Gráfico 3
Los primeros en adoptar la IA generativa son mejores que otros a la hora de abordar los desafíos relacionados con el talento y la capacitación, pero todas las empresas tienen margen para mejorar.
Las empresas pueden capitalizar el entusiasmo de los empleados por la IA genérica invirtiendo tanto en la adopción de tecnología como en las habilidades (para obtener más información, consulte el recuadro "Adoptando una visión granular de las implicaciones de la fuerza laboral de la IA gen"). Como muestra una investigación previa de McKinsey, las inversiones macroeconómicas en ambos permiten aumentos de productividad que las organizaciones también pueden ver. Esto requerirá un enfoque personalizado para el reciclaje y la mejora de las habilidades y una estrecha colaboración entre los líderes empresariales y tecnológicos y los recursos humanos. Dada la importancia de los temas de personas, RRHH desempeña un papel especialmente importante en las transformaciones de la IA y la tecnología, tanto al transformar el dominio de las personas como al actuar como copiloto de la IA de la generación para todos los empleados. Un ejecutivo señaló que, por cada dólar gastado en tecnología, 5 dólares deberían gastarse en personas.
Adoptando una visión granular de las implicaciones de la IA en la generación de personal.
Con la IA de generación, es crucial desarrollar capacidades en toda la empresa. Al tratarse de una tecnología en rápida evolución y ampliamente accesible, los empleados deben adaptarse a las nuevas habilidades (como la redacción rápida, la contextualización y la toma de decisiones basada en datos) que exige la IA genérica. Si bien los cambios de habilidades específicas variarán mucho según la empresa, todas las organizaciones deberán adoptar un enfoque dinámico para el desarrollo del talento, basado en las transformaciones de su modelo operativo; El desarrollo de habilidades es un proceso continuo. A medida que la IA y la automatización remodelan los roles, los empleados también necesitarán fuertes habilidades cognitivas, de pensamiento estratégico y sociales y emocionales para manejar tareas más complejas que complementen a la IA.
Dentro de roles específicos, el talento tecnológico que está escalando la IA de generación y las tecnologías futuras deberá construir, entrenar y ajustar modelos de IA. Estas nuevas habilidades requerirán un aprendizaje inmersivo en áreas como el desarrollo de software, la integración en la nube y la seguridad. El talento tecnológico también debe ser capaz de contextualizar y aplicar su criterio a la hora de traducir las necesidades empresariales en soluciones tecnológicas. Además, las empresas necesitarán roles adyacentes a la tecnología para gestionar los aspectos de gobernanza, operativos, de recursos humanos y legales de la IA. Algunos roles, como los directores de IA, serán completamente nuevos.
En el caso del talento basado en el dominio, muchos necesitarán una mejora intensiva de las habilidades a medida que evolucionen sus funciones. Esto incluirá diferentes tipos de aprendizaje en el trabajo y oportunidades de capacitación formal. Por ejemplo, los profesionales de la salud pueden tomar cursos sobre planificación de tratamientos personalizados y diagnósticos impulsados por IA que se complementan con tutoría y proyectos del mundo real.
Y para todos los empleados, incluidos los líderes y gerentes, es vital que todos aprendan a usar la IA genética de manera efectiva y segura. Los ejemplos incluyen programas de aprendizaje integrales que cubren el uso responsable y la interacción efectiva con la IA, así como capacitaciones más centradas en el aumento, como el uso de coaching de IA de generación que permite a los gerentes practicar la retroalimentación.
Una empresa europea de telecomunicaciones puso en práctica el reciclaje a medida mediante la implementación de un entrenador de IA para sus agentes de atención al cliente. Al analizar las transcripciones de las llamadas de los empleados de primera línea, el entrenador de IA evaluó a las personas en 20 habilidades blandas y duras diferentes. Tanto los miembros del equipo como los líderes podían acceder a un panel de control que realizaba un seguimiento del progreso de estas habilidades y entregaba comentarios en tiempo real utilizando citas y ejemplos de clientes. El coach de IA también sugirió mejoras y contenidos de aprendizaje basados en el rendimiento y el comportamiento de los agentes, creando una experiencia de aprendizaje hiper personalizada. Esta herramienta resultó en una reducción del 10% en el tiempo promedio de manejo, un aumento del 20% en la satisfacción del cliente y un aumento del 15% en la tasa de respuestas correctas a la primera.
Acerca de QuantumBlack, IA de McKinsey
Reforzar los cambios para seguir transformando.
¿Cómo, exactamente, deberían las organizaciones abordar estos cambios transformacionales masivos?
El éxito real con la IA de generación requiere un enfoque integral e integrado para crear valor. Nuestra encuesta indica que el facilitador más útil de la adopción futura es una mejor integración de la IA de generación en los sistemas existentes, citado por el 60% de los encuestados. Para que los cambios de la generación de IA se mantengan, las organizaciones necesitan la infraestructura adecuada para respaldar el cambio continuo y ganarse los corazones y las mentes.
El primer paso es establecer la gobernanza adecuada para la IA de la generación (para más información, consulte el recuadro "La gobernanza de la IA de la buena generación en el trabajo"). En nuestra experiencia, esto significa crear una estructura centralizada que supervise la adopción de la IA por parte de la organización, a veces con un director de IA que lidere estos esfuerzos. Casi todos los encuestados (91%) dicen que han implementado alguna estructura de gobernanza para la IA genérica, en comparación con una proporción menor (77%) de experimentadores. Un modelo centralizado con un centro de excelencia dedicado a la IA gen-IA ayuda a alinear la visión de la IA con la ejecución. Este modelo también facilita la implementación de la estrategia, la medición continua, la adaptación a nuevos conocimientos y una mayor experimentación, específicamente, qué experimento escalar o detener, en función de las prioridades y los riesgos.
El segundo paso es tratar estos cambios como una verdadera transformación. Esto significa definir la infraestructura, los roles y los criterios de medición de la transformación; garantizar la rendición de cuentas dentro de las unidades de negocio; e implementar una cadencia regular para monitorear el progreso y ajustarlo según sea necesario.
En tercer lugar, abordar la mentalidad y los comportamientos de los empleados en toda la organización. Mackinsey sabe, gracias a una extensa investigación sobre transformación e innumerables conversaciones con ejecutivos, que cambiar la mentalidad y los comportamientos es vital para cualquier transformación exitosa. De hecho, en la encuesta, los early adopters se centran más que otros en los cuatro principios del modelo de influencia que permiten tales cambios: el modelo a seguir, el fomento de la comprensión y la convicción, el desarrollo de capacidades y el refuerzo de nuevas formas de trabajo (Gráfico 4).
Gráfico 4
Los primeros en adoptar la IA generativa tienen más probabilidades que otros de centrarse en todos los principios de los modelos de influencia, lo que permite cambios de mentalidad y comportamiento.
En el contexto de la IA genérica, esto significa:
Modelo a seguir. Los líderes deben adoptar visiblemente la IA generativa en sus propias formas de trabajar. Por ejemplo, el uso de herramientas de IA para generar información y tomar decisiones basadas en datos muestra los beneficios de la tecnología. Es un buen ejemplo cuando un CEO utiliza la IA para agilizar los flujos de trabajo o un alto ejecutivo utiliza análisis impulsados por la IA para las revisiones empresariales, animando a otros a seguir su ejemplo.
Fomentar la comprensión y la convicción. Las organizaciones deben comunicar las razones detrás de la implementación de cambios relacionados con la generación de IA a través de comunicaciones internas, reuniones públicas y sesiones de capacitación. Destacar el potencial de la IA para mejorar la eficiencia, la precisión y la toma de decisiones alinea al equipo con la nueva dirección. Los contenidos informativos, como los tutoriales en vídeo y las historias de éxito, pueden crear una convicción colectiva sobre las ventajas de la IA.
Construcción de capacidades. La adopción exitosa de la IA requiere programas de capacitación integrales. Esto incluye capacitación en análisis de datos, algoritmos de aprendizaje automático y comprensión de los resultados generados por IA. La colaboración con plataformas de educación en línea para impartir cursos y la creación de campamentos de entrenamiento internos de IA para obtener experiencia práctica garantiza el dominio de las tecnologías de IA.
Reforzando nuevas formas de trabajo. Las empresas deben integrar los objetivos de IA en las métricas de rendimiento y los procesos de evaluación. Pueden establecer objetivos relacionados con la adopción de la IA, medir el impacto de la IA en los indicadores clave de rendimiento y reconocer a los empleados que incorporan eficazmente la IA en su trabajo. Por ejemplo, los equipos de ventas podrían establecer objetivos que incluyan el aprovechamiento de la IA para la segmentación de clientes y la generación de clientes potenciales, con bonificaciones vinculadas a estrategias exitosas impulsadas por la IA. El seguimiento y la celebración de hitos, como el aumento de la eficiencia o las aplicaciones innovadoras de IA, integra estas prácticas en el tejido de la organización.
Independientemente de dónde se encuentre una organización en su viaje hacia la IA genética, el momento de realizar un cambio transformador es ahora. Los empleados ya están pidiendo más a sus organizaciones, y algunas empresas han comenzado a pasar de la experimentación a la captura de valor. Para el próximo punto de inflexión de la IA gen, la desventaja de quedarse atrás y perderse los beneficios potenciales de la IA genérica puede ser aún mayor. Con la adopción de la IA de generación por parte de los empleados y la rápida evolución de la tecnología, las empresas pueden capitalizar el impulso actual abordando las barreras organizativas para la adopción, lo que requiere nada menos que transformar fundamentalmente las operaciones de la empresa y preparar a las personas para el cambio continuo.
Fuente: Mckinsey, Por Charlotte Relyea, Dana Maor y Sandra Durth con Jan Bouly
Sobre el/los autor/es
Charlotte Relyea es socia sénior de la oficina de McKinsey en Nueva York, Dana Maor es socia sénior en la oficina de Tel Aviv, Sandra Durth es socia en la oficina de Colonia y Jan Bouly es socio asociado en la oficina de Bruselas.
Los autores desean agradecer a Alex Sukharevsky, Ariel Cohen Codar, Bryan Hancock, Cleo De Laet, Esther Wang, Federico Marafante, Joachim Talloen, Julian Raabe, Julie Goran, Kiera Jones, Michael Chui, Nina Gandhi, Rita Calvão y Sanjna Parasrampuria por sus contribuciones a este artículo.
Este artículo fue editado por Daniella Seiler, editora ejecutiva de la oficina de Washington, DC
Referencias