Por Manuela Breustedt y María Lucila Osorio
El mundo empresarial está experimentando un cambio sísmico, impulsado por el auge de la inteligencia artificial (IA) y el análisis de datos como herramientas para mejorar la competitividad y la eficiencia.
Las empresas manufactureras medianas, que a menudo tienen recursos e infraestructura limitados, se enfrentan a la necesidad de aprovechar estas tecnologías o arriesgarse a quedar obsoletas. Más allá de simples mejoras en los procesos, la IA tiene el potencial de revolucionar la cultura organizacional y transformar las operaciones de manera sustancial (Davenport, 2024).
El objetivo último de esta transformación es convertir a la empresa en una organización impulsada por datos, donde decisiones y acciones se basen en información (Chamorro-Premuzic, 2021).
Cómo se beneficia la empresa de la IA
Actualmente, la IA respalda diversas necesidades empresariales, principalmente a través de la automatización de procesos, lo que reduce las tareas administrativas repetitivas y libera recursos para poder enfocarse en el trabajo analítico.
Además, la IA utiliza el aprendizaje automático para analizar grandes conjuntos de datos, detectar patrones y proporcionar información. También mejora la interacción con clientes y empleados a través de asistentes virtuales, los llamados chatbots (Davenport, 2024b).
La recién creada Inteligencia Artificial Generativa (genAI) permite desarrollar nuevo contenido a través de transformadores preentrenados de lenguaje y modelos de aprendizaje automático, denominados deep learning. Es una tecnología que puede clasificar, editar y resumir información, lo que resulta útil para automatizar procesos administrativos. (Chui, 2023).
Retos de la digitalización
La mayoría de las organizaciones aún se encuentran en las primeras etapas de análisis e implementación de la IA generativa, pero cada vez es mayor el número de firmas que trabajan por establecer una cultura que les permita convertirse en empresas impulsadas por datos.
De hecho, la IA puede acelerar este proceso y hacer que la transformación digital sea alcanzable si las organizaciones pueden superar los desafíos de la gobernanza de la genAI —en referencia a las dificultades éticas, legales, técnicas y de seguridad que se deben enfrentar al implementarla— (Davenport, 2024).
Sin embargo, muchos no invierten en el talento ni en las habilidades adecuadas y carecen de una definición y visión claras para concretar su transformación digital.
Solo 9% de las organizaciones manufactureras ha implementado estrategias y aplicaciones de IA (Brown, 2024). A pesar del consenso entre los ejecutivos de que esta tecnología podría aumentar la eficiencia, la resiliencia y la rentabilidad al mejorar la satisfacción del cliente y eliminar tareas repetitivas, muchas empresas tienen dificultades para desarrollar un plan de digitalización. (Holmström, 2022).
¿Cómo navegar las complejidades de la IA?
Proponemos el siguiente marco estratégico para orientar a los tomadores de decisiones durante la transformación digital de empresas medianas.
1. Evaluación del estado actual
El proceso comienza con la creación de un inventario de sistemas, infraestructura y software existentes, así como la identificación de puntos críticos, ineficiencias o áreas con altos costos operativos. Luego se realiza una “auditoría de datos” para evaluar la disponibilidad y la calidad de la información generada dentro de la organización.
También se puede evaluar qué tan preparada está la organización para trabajar con IA. Si es necesario, revisando cómo los cambios de tecnología afectan las actividades y los objetivos de la empresa. Esta evaluación dual del “estado actual” y “el estado futuro deseado” ayuda a identificar las brechas que deben cerrarse (Holstroem, 2022).
2. Establecimiento de metas claras
Con los resultados de la evaluación, las organizaciones pueden establecer objetivos específicos para atender sus necesidades. Por ejemplo, reduccir costos en áreas determinadas, mejorar eficiencia operativa optimizando procesos, disminuir desperdicios, rectificar la toma de decisiones o aprovechar las bases de datos para conocer mejor a los clientes.
Las metas claras reducen el riesgo de desmotivación y decepción, asegurando que la organización se mantenga en el camino de la transformación digital.
3. Recolección y gestión de datos
La empresa debe utilizar prácticas efectivas para recolectar y gestionar su información, pues esta base de datos alimenta a las herramientas de IA. Además de integrar este repositorio único, también debe garantizar su calidad con políticas de limpieza y mantenimiento regular.
Esto se traduce en que cuando una compañía destina recursos tecnológicos para rastrear movimientos de almacén, tiempos de entrega y de reabastecimiento, entonces mejora la calidad de los datos registrados y elimina errores humanos.
4. Construcción de plan estratégico
Con los pasos previos, se puede diseñar una hoja de ruta que detalle las fases de implementación. Cada proceso se divide en etapas que garanticen la integración gradual y eviten los problemas de un plan excesivamente ambicioso que abrume a la empresa y la desvíe de sus objetivos.
Asignar un presupuesto y recursos suficientes es fundamental. Esto incluye la planificación para capacitar personal y adquirir tecnología.
5. Aprovechamiento de soluciones en la nube
Contratar plataformas en la nube para el almacenamiento de datos y el procesamiento de IA es una alternativa rentable, pues al implementar soluciones de Software como Servicio (SaaS) para análisis de datos o automatización de procesos, las empresas pueden acceder a herramientas avanzadas que, de otro modo, requerirían inversiones significativas.
Estas soluciones a menudo incluyen características analíticas robustas, capacidades de aprendizaje automático y una integración fluida con otros sistemas empresariales. (Fiedler et al., 2022). Para mitigar las preocupaciones sobre la protección de datos, las organizaciones deben elegir proveedores reconocidos que utilicen medidas de seguridad robustas (Madnick, 2024).
6. Desarrollo de capacidades de IA y analíticas
Al mejorar el conjunto de habilidades de la fuerza laboral existente, la organización puede aprovechar su talento interno para apoyar la transformación digital. La contratación de nuevos empleados con experiencia en IA y análisis de datos se recomienda para llenar las brechas de conocimientos existentes en la empresa.
Para reducir los costos de reclutamiento y capacitación, se pueden explorar asociaciones con instituciones educativas para tener acceso a candidatos calificados. Entrenar equipos reducidos también puede ser un punto de partida para probar aplicaciones de IA a pequeña escala.
Mejora continua
Una vez que las implementaciones iniciales de IA y análisis de datos muestren éxito, las organizaciones deben centrar su atención en la mejora continua y la escalabilidad, porque es importante monitorear el rendimiento de los sistemas para identificar áreas de mejora y ajuste.
La expansión a otras áreas del negocio debe realizarse de manera gradual. Comenzar con los sectores más críticos asegura que la escalabilidad no sobrecargue las capacidades de la organización ni cause interrupciones operativas.
Hay que tener presente que la retroalimentación de empleados, clientes y socios permitirá mejorar la implementación de estas nuevas herramientas con el sustento de experiencias reales.
.m
Referencias
- Brown, R. (2024, May 22). PwC: Here’s how Manufacturers can Effectively Implement AI. Manufacturing Digital.
- Chamorro-Premuzic, T. (2021, December 2). The essential components of digital transformation. Harvard Business Review.
- Chui, M., Roberts, R., Rodchenko, T., Singla, A., Sukharevsky, A., Yee, L., & Zurkiya, D. (2023, May 12). What every CEO should know about generative AI. McKinsey & Company.
- Davenport, T.H. (2024, January 16). Survey: GenAI is making companies more data oriented. Harvard Business Review.
- Davenport, T.H. (2024b, February 22). 3 things AI can already do for your company. Harvard Business Review.
- Holmström, J. (2022). From AI to digital transformation: The AI readiness framework. Business Horizons, 65(3), 329–339.
- Fiedler, M., Kühn, C., Poggensee, K., & Soller, H. (2022, October 5). How medium-size manufacturers can boost their digital capabilities. McKinsey & Company.
- Madnick, S. (2024, February). Why Data Breaches Spiked in 2023. Harvard Business Review.
.
Autoras
Manuela Breustedt. Estudiante de MBA en EGADE Business School. Es una profesional experimentada con más de 15 años de experiencia en una empresa mediana alemana con sede en México.
María Lucila Osorio. Profesora investigadora en EGADE Business School y líder del Grupo de Investigación en Transformación de la Industria del Comercio al Detalle en la Escuela de Negocios del Tecnológico de Monterrey.
.
