La IA no es la estrategia

Adoptar IA y transformarse con IA son dos proyectos distintos. Tienen dueños distintos, presupuestos distintos, plazos distintos, y producen resultados muy distintos. La mayoría de las empresas ha financiado el primero con toda seguridad mientras lo describía como el segundo.
Estoy escribiendo un libro sobre la brecha entre los dos, que es la única razón por la que estoy calificado para decir qué tan común es. Ya tuve esa conversación unas cuarenta veces y va igual todas las veces.
Cómo se ve la adopción
Se compran licencias. Se despliega una herramienta. Hay sesiones de capacitación. Se mide el uso, se reporta, y la gráfica sube hacia la derecha porque las gráficas de uso siempre suben en el primer trimestre.
Alguien pregunta qué ha entregado. La respuesta es un ahorro de tiempo, estimado, por persona, por semana, multiplicado por la plantilla.
Ese número casi siempre es ficción, y no porque alguien esté mintiendo. El tiempo ahorrado en una tarea solo se convierte en dinero si el tiempo va a algún lado, y en la mayoría de las organizaciones va al pozo general del trabajo expandiéndose para llenar el día. Una hora ahorrada por cuarenta personas son cuarenta horas de nada en particular, a menos que alguien haya decidido de antemano para qué son esas horas.
La estadística que todos están citando, y por qué le creo a medias
Probablemente ya vio la cifra. Un reporte del MIT la puso alrededor de noventa y cinco por ciento: pilotos de IA generativa que no producen ningún efecto medible en el estado de resultados. Dio la vuelta a todos los consejos de administración en quince días.
Yo la uso, y quiero ser honesto sobre sus debilidades, porque te vas a topar con alguien que las conoce.
La metodología se reporta de forma inconsistente entre coberturas. Una versión describe 150 entrevistas, una encuesta a 350 empleados y 300 despliegues públicos. Otra describe una versión preliminar de julio con 52 organizaciones y 153 directivos. Esos no son el mismo estudio, y la mayoría de los medios que cargaron el número republicaron el mismo artículo original en vez de revisarlo. Los propios autores señalaron que las empresas eran reacias a compartir datos de fracaso, que es una forma cortés de decir que la muestra está moldeada por quién estuvo dispuesto a hablar.
Así que trate el noventa y cinco como una dirección, no como una medición. La dirección está corroborada por trabajo con métodos más firmes. BCG encuestó a mil directivos en cincuenta y nueve países y encontró que setenta y cuatro por ciento todavía no mostraba valor tangible de la IA, con cuatro por ciento generando valor significativo de manera consistente. Otro número, la misma forma, método mejor declarado.
El hallazgo que yo sí defendería es más angosto y más aburrido que el titular: la mayoría de las organizaciones está gastando en IA y no puede demostrar un retorno, y las que sí pueden son una minoría pequeña haciendo algo estructuralmente distinto.
Qué hace distinto esa minoría pequeña
En mi propio trabajo con clientes la diferencia no es la elección de modelo, ni el proveedor, ni la sofisticación técnica. Es si alguien nombró el resultado de negocio antes de que llegara la herramienta.
Suena a lugar común hasta que uno ve qué descarta. Descarta el piloto sin dueño fuera de sistemas. Descarta el caso de uso elegido porque se demostraba bonito. Descarta medir uso en lugar del número que el negocio realmente reporta.
Los equipos que obtienen valor tienden a haber hecho algo poco glamoroso primero. Encontraron una decisión que se toma muchas veces por semana, donde ser lento o inconsistente cuesta algo que ya se ve en un reporte, y le apuntaron a eso. Después mantuvieron el proceso viejo corriendo en paralelo un rato para poder saber si el nuevo era mejor, cosa que casi nadie hace porque se siente como falta de compromiso.
En qué me he equivocado con esto
Pasé casi un año siendo demasiado estricto al respecto.
Mi posición era que ningún gasto en IA debía aprobarse sin una métrica de negocio nombrada, y se la sostuve a un cliente. El efecto fue que no se aprobó nada, porque en una capacidad genuinamente nueva, la gente que sabría a qué apuntarle todavía no ha usado la cosa lo suficiente para saber qué puede hacer. Yo les había exigido un destino a personas que todavía no habían visto el mapa.
Lo que funciona mejor es una compuerta de dos etapas. Un presupuesto de exploración chico, barato y con plazo fijo, sin requisito de resultado, etiquetado explícitamente como aprendizaje, y una regla dura de que nada se gradúa de ahí sin una métrica nombrada y un dueño fuera del área de tecnología. A la primera etapa se le permite no producir nada. A la segunda no se le permite arrancar sin un número.
El cliente que me enseñó esto ahora corre unas ocho exploraciones al año y gradúa dos. Las seis que mueren no son fracasos, son el costo de saber cuáles dos valían la pena, y plantearlo así fue lo que logró que la gente dejara de esconder las que iban mal.
La pregunta para llevar a la próxima junta
Cuando alguien presente una iniciativa de IA, pregunte qué número de los estados financieros se va a mover, quién es dueño de ese número, y para cuándo.
Si la respuesta es un ahorro de tiempo, pregunte en qué se va a usar el tiempo y quién estuvo de acuerdo con eso. Si la respuesta es eficiencia, pregunte si alguien se comprometió a sacar el costo, porque una eficiencia que nadie contabiliza es un sentimiento.
Si la respuesta vuelve como una capacidad en vez de una consecuencia, está viendo adopción con presupuesto de transformación encima, y eso es lo más caro de esta página.
Este es el argumento de apertura de The AI Advantage. Sigue a Para qué sirve realmente un planograma. Luego, la pregunta que reemplaza a «¿qué puede hacer la IA?»: ¿Qué debería hacer la IA por nuestro negocio?