Cómo pasar de la experimentación con la IA a la transformación mediante la IA

La IA generativa ha pasado de ser una novedad a convertirse en una prioridad en las salas de juntas en un tiempo récord. Sin embargo, a pesar de la adopción generalizada de esta tecnología, no todas las empresas están logrando una mejora de sus resultados financieros acorde con sus capacidades. Nuestras funciones —como proveedores de IA para más de un millón de empresas en OpenAI y como asesores en la implementación de IA empresarial en Bain— nos han proporcionado una perspectiva única sobre qué enfoques conducen a un aumento transformador de la productividad y al crecimiento del EBITDA, y cuáles fracasan. Hemos escrito este artículo para los numerosos líderes cuyas empresas han superado la fase de experimentación básica y están tratando de implementar la IA a gran escala, pero ven cómo las implementaciones se estancan o aún no ofrecen el retorno de la inversión prometido. En los sectores de los servicios financieros, el comercio minorista, la sanidad, la tecnología y otros, hemos observado que la mayoría de las empresas que no logran aprovechar el potencial de la IA se encuentran atrapadas en lo que denominamos la «trampa de la microproductividad». Esto significa que tratan la IA como una inversión en SaaS de tipo «plug-and-play», con casos de uso aislados y proyectos piloto dispersos. En estos casos, los líderes utilizan la IA bien para optimizar las ofertas existentes («bloqueo de la oferta») o para automatizar los procesos actuales sin replanteárselos («bloqueo de los procesos»), y a menudo ambas cosas. Los individuos suelen obtener ganancias de productividad en tareas clave, pero esas ganancias a menudo se estancan a nivel de la empresa cuando el flujo de trabajo circundante sigue dependiendo de conocimientos tácitos, traspasos manuales o sistemas heredados no diseñados para la IA. La IA puede acelerar una tarea, pero a menos que las empresas aborden los cuellos de botella en el flujo de trabajo, es posible que las ganancias de productividad no se traduzcan en valor empresarial. Por el contrario, las empresas que han tenido éxito en la transformación mediante la IA adoptan una perspectiva que abarca toda la organización y está orientada al futuro. Pasan de «mejorar la tarea» a «reinventar el negocio». En lugar de optimizar la oferta actual, reevalúan su propuesta de valor fundamental, replanteándose dónde reside el valor y centrándose en los ámbitos en los que pueden destacar en el futuro. En lugar de reinventar los procesos existentes, adoptan un enfoque orientado a los resultados, centrándose en los resultados a los que sirven esos procesos y reconstruyendo sus flujos de trabajo partiendo de la premisa de que vivimos en un mundo en el que existen potentes herramientas de IA. Aquí es donde reside el verdadero potencial de la IA: en una transformación interdepartamental de la forma en que su empresa aumenta sus ingresos, atiende a sus clientes y compite en el mercado. Las empresas con las que hemos trabajado y que han adoptado la IA de esta manera están obteniendo indicadores de éxito claros. Los clientes de Bain han experimentado aumentos del EBITDA de entre el 10 % y el 25 %, que siguen creciendo a medida que los programas se amplían. Estos resultados están generando un retorno de la inversión (ROI) significativo sobre la inversión y el esfuerzo subyacentes. Hemos observado que las empresas que han tenido éxito en esta iniciativa han seguido cuatro pasos comunes que les han ayudado a mantener una mentalidad de reinvención empresarial en toda la organización: 1) reducir estratégicamente las posibilidades y los esfuerzos; 2) replantearse los flujos de trabajo en toda la organización; 3) involucrar a las personas más cercanas a los procesos actuales para que lideren el cambio, y 4) seleccionar los indicadores de éxito adecuados. Mostraremos cómo se aplicó cada uno de estos pasos en dos de las empresas con las que hemos colaborado estrechamente: la cadena de bricolaje Lowe’s (que se asoció con OpenAI para lanzar las dos ofertas que destacamos a continuación) y una empresa manufacturera de la lista Fortune 1000 a la que llamaremos FabricationCo (a la que Bain prestó apoyo durante el trabajo que describimos). Paso 1: Reducir las posibilidades de forma estratégica El potencial transformador de la IA está afectando a todas las funciones y puestos, pero las empresas que hemos observado que adoptan la IA de forma más eficaz han resistido la tentación de extenderla a todas partes sin tener en mente resultados reales y específicos. En su lugar, identifican cuatro o cinco ámbitos críticos y concentran allí sus esfuerzos de transformación. El desarrollo de software, la atención al cliente, la eficiencia de los trabajadores del conocimiento y el marketing se encuentran sistemáticamente entre los cuatro ámbitos principales para los casos de uso de la IA en el trabajo con los clientes de Bain y son los más citados en los comentarios de los responsables de la toma de decisiones, por ejemplo; sin embargo, los ejecutivos deberán encontrar los ámbitos adecuados para sus propios sectores. Para delimitar el ámbito a los casos de uso adecuados para su empresa, considere la organización en su conjunto y hágase varias preguntas: ¿Qué partes del negocio se beneficiarán más de la IA hoy y en el futuro, suponiendo que continúe el avance de las capacidades? ¿Dónde tenemos la mayor concentración de recursos con el trabajo más repetitivo? ¿Cuáles son los casos de uso de alto valor y bajo esfuerzo (a menudo aquellos en los que los trabajadores se encuentran hoy en día con cuellos de botella)? ¿Qué soluciones deberían adquirirse o desarrollarse internamente? ¿En qué áreas contamos con las habilidades y capacidades internas y en cuáles necesitamos asociarnos? Por ejemplo, en FabricationCo, los responsables reunieron a un equipo de alto rendimiento formado por operarios de primera línea y directivos de cada división, y organizaron un taller interfuncional de una semana de duración centrado en el descubrimiento de casos de uso de la inteligencia artificial. A lo largo de la semana, los equipos analizaron de principio a fin los flujos de trabajo más importantes, tanto para los clientes como para los puestos internos, poniendo de manifiesto los principales puntos débiles operativos en equipos como los de ventas, ingeniería y fabricación. Dicha iniciativa permitió identificar 14 casos de uso concretos de la inteligencia artificial, que representan un valor potencial total de decenas de millones de dólares. Esto permitió al equipo directivo centrarse en un pequeño conjunto de iniciativas con un claro potencial de generar resultados a corto plazo, alineadas con un gran impacto en los clientes y con los puntos débiles comunes a todos los equipos de primera línea. Al centrarse en un pequeño subconjunto de casos de uso potenciales, FabricationCo está ahora en camino de obtener unos 30 millones de dólares en beneficios adicionales. Al intensificar sus iniciativas en materia de inteligencia artificial tras el lanzamiento de ChatGPT, Lowe’s se centró en un ámbito relacionado con el valor fundamental que ofrece la empresa: ayudar a los clientes a llevar a cabo sus proyectos. Dentro de su marco más amplio de «Cómo compran los clientes con nosotros, cómo vendemos, cómo trabajamos», priorizaron los esfuerzos basándose en «la madurez de la tecnología, la envergadura de los casos de uso, la disposición al cambio y el riesgo multidimensional, incluyendo el riesgo de marca así como otros riesgos empresariales» , según Chandhu Nair, vicepresidente sénior de tiendas, datos, IA e innovación. Teniendo en cuenta estos factores, se fijaron el objetivo de democratizar los conocimientos especializados en toda la organización y crearon dos interfaces de IA que se lanzaron en marzo de 2025: Mylow y Mylow Companion, que pusieron los conocimientos especializados en reformas del hogar al alcance de todos los visitantes online y de los empleados de las tiendas, respectivamente. Paso 2: Rediseñar los flujos de trabajo en toda la organización Según nuestra experiencia, es el rediseño de los procesos —y no la tecnología— lo que supone el mayor reto para las empresas a la hora de implementar la IA, y lo que además genera la mayor parte del valor. Es necesario tener en cuenta el alcance total del trabajo en toda la empresa, en lugar de que los equipos y departamentos aborden la optimización de los procesos de forma aislada. Muchos resultados del trabajo que parecen específicos de un departamento son, en realidad, de carácter bastante interfuncional. En FabricationCo, incluso actividades aparentemente sencillas, como la elaboración de presupuestos para los encargos de los clientes, requerían la coordinación entre los equipos de ventas, diseño y operaciones, con variaciones significativas en los procesos entre las distintas áreas del negocio. Esto convirtió a estas cadenas de valor en candidatas idóneas para la reinvención, en lugar de para una automatización incremental. Al igual que hizo FabricationCo, comience por comprender los flujos de trabajo actuales en toda la empresa en relación con la prioridad estratégica que haya elegido y por determinar cómo se invierte el tiempo en esa área y quién lo hace. Esto le ayudará a seleccionar las oportunidades más prometedoras de entre las que haya identificado y a garantizar que el valor se materialice en toda la empresa. Pregúntese: ¿Qué áreas ofrecen el mayor valor en términos de tiempo, esfuerzo y uso? ¿Qué procesos están más preparados en cuanto a repetibilidad, calidad de los datos de apoyo y tecnología? ¿Y dónde existe actualmente una gran variación entre las unidades de negocio? A continuación, replantee estos flujos de trabajo situando la IA en el centro. A partir del amplio abanico de oportunidades que identificaron, FabricationCo utilizó preguntas como estas para seleccionar dos casos de uso con el fin de replantearse el proceso de principio a fin, centrándose en aquellas áreas en las que el esfuerzo manual, la duración del ciclo y los costes posteriores eran más acuciantes. El primero de ellos se centró en replantear el proceso de elaboración de presupuestos para las licitaciones de los clientes. Anteriormente, los ingenieros de diseño dedicaban varias horas a elaborar diseños iniciales como base para los presupuestos de cada licitación, incluidas aquellas que tenían pocas probabilidades de concretarse, lo cual era significativo, ya que representaba más del 50 % en determinados segmentos de clientes. En el flujo de trabajo transformado, el personal no dedicado al diseño realiza una estimación rápida de costes de 20 minutos para las licitaciones en fase inicial, lo que permite reservar los diseños de ingeniería completos para las oportunidades con mayor probabilidad de éxito. Este cambio redujo el esfuerzo innecesario al tiempo que mejoró la rapidez, la concentración y la rentabilidad general de las licitaciones, logrando un tiempo de generación de presupuestos aproximadamente 15 veces más rápido que el proceso anterior. Como resultado, FabricationCo redujo significativamente el tiempo total de respuesta al tiempo que mejoró las tasas de adjudicación. Paso 3: Involucre a quienes están más cerca del proceso actual Los líderes con visión de futuro pueden describir cómo será un nuevo proceso, cuáles serán sus ventajas e incluso en qué aspectos se percibirá la diferencia. Sin embargo, las soluciones transformadoras exitosas tienen en cuenta tanto la perspectiva descendente como la ascendente. El rediseño de los procesos requiere una estrecha colaboración con líderes de todos los niveles jerárquicos que estén familiarizados con los procesos de trabajo, pero que también estén comprometidos con la transformación hacia la IA y sean capaces de imaginar una nueva forma de realizar el trabajo. Los colaboradores individuales que destacan en su ámbito también son fundamentales para comprender en profundidad el proceso actual, especialmente aquellos que pueden tomar distancia para replantearse cómo se podría realizar el trabajo de forma más eficiente con la IA. Al involucrar a los empleados de primera línea, los líderes acceden a las perspectivas de quienes están más cerca de las áreas problemáticas del enfoque actual y que pueden haber descubierto mejoras en la productividad individual que pueden traducirse en innovaciones generales en el flujo de trabajo. Otra forma de involucrar a los empleados es mediante la creación de prototipos. Anime a los miembros del equipo a participar en hackatones o microsprints. Una cultura de creación de prototipos en todas las áreas de la empresa (no solo en el equipo técnico) puede acelerar los ciclos de iteración y propiciar la aparición de innovaciones de abajo arriba. Los resultados de esas sesiones pueden ser muy positivos: ofrecer a los miembros del equipo incluso un simple esquema de una nueva solución puede motivar a aquellos que podrían mostrarse escépticos, ansiosos o desmotivados, ya que ven lo que es posible y lo que no, y de dónde provendrá el valor de la organización en el futuro. FabricationCo rediseñó los flujos de trabajo y las herramientas de apoyo con un grupo representativo de empleados de todas las regiones desde el principio. Los usuarios fueron seleccionados en función de la importancia estratégica de su región y de su disposición a ser los pioneros dentro de la organización. Los éxitos visibles en las regiones piloto generaron confianza en otras regiones antes de su implantación en ellas. Incluso cuando la herramienta se probó en una sola región para evaluar su rendimiento y recabar comentarios en tiempo real, los empleados de otras regiones también recibieron demostraciones y formación sobre la herramienta, y se les invitó a participar en sesiones de comentarios con los empleados del proyecto piloto. Esto contribuyó a facilitar una rápida expansión a otros mercados. los usuarios de otras regiones verían demostraciones y recibirían formación sobre la herramienta, al igual que los usuarios o empleados que la estaban probando; además, participarían en las sesiones de retroalimentación que los desarrolladores de la herramienta llevarían a cabo con los empleados que participaban en la prueba piloto En el caso de Mylow Companion, Lowe’s llevó a cabo pruebas piloto específicas en tiendas con el personal de las mismas para recabar opiniones sobre su uso en la vida real. Comenzaron con uno o dos departamentos dentro de cada tienda (por ejemplo, fontanería o electricidad), involucrando al personal de tienda a través de mecanismos de retroalimentación tanto dentro de la aplicación como en la propia tienda para perfeccionar los prompts, los controles de seguridad de la IA y la experiencia de usuario, y luego ampliaron gradualmente las pruebas a otros departamentos y tiendas. El equipo de desarrollo utilizó esos datos para realizar iteraciones en Mylow Companion antes de cada expansión. A través de ese proceso, Mylow Companion se ha implementado por completo en más de 1.700 tiendas de Lowe’s. Paso 4: Medir lo que importa Al poner en marcha una iniciativa de inteligencia artificial, es fundamental seleccionar los indicadores adecuados que se van a supervisar. Términos como «eficiencia» o «productividad» resultan demasiado vagos; en su lugar, esos beneficios deben vincularse a resultados empresariales clave, mediante indicadores que permitan compararlos con métodos que no utilicen inteligencia artificial. Por ejemplo, FabricationCo evaluó sus flujos de trabajo rediseñados principalmente desde la perspectiva de la capacidad de respuesta al cliente y la diferenciación en el mercado. El objetivo general consistía en aprovechar la inteligencia artificial para ofrecer presupuestos más rápidos y, en última instancia, mejorar las tasas de éxito. Para evaluar los avances en relación con este objetivo, la empresa se centró en varios indicadores clave: las tasas de éxito de los presupuestos generados por IA frente a los no generados por IA, los plazos de entrega de los presupuestos, los márgenes sobre los costes de materiales y de fábrica en las fases posteriores, y el volumen y la precisión de las ofertas presupuestadas. En los dos flujos de trabajo prioritarios, la empresa observó una mejora significativa en cada una de estas dimensiones —sobre todo, un aumento de 10 puntos porcentuales en la tasa de éxito durante los tres primeros meses de implementación—, lo que reforzó los argumentos a favor de ampliar estos cambios a toda la empresa. Además, los sistemas de IA requieren nuevas formas de evaluación continua. Dado que estos sistemas, al igual que los seres humanos, pueden generar resultados diferentes a partir de una misma solicitud, es necesario evaluar su comportamiento de forma continua. Para ello, se requiere un conjunto de pruebas de evaluación («eval»); estas pruebas comparan los resultados del sistema con un rango aceptable de comportamientos deseados. El proceso para crearlas requiere no solo una definición clara de esos comportamientos esperados, sino también identificar los niveles de tolerancia adecuados, auditar sus procesos para garantizar que los cumplen y mejorarlos cuando no sea así. Para evaluar su sistema, Lowe’s contrató a expertos en la materia con el fin de crear un conjunto de prompts y respuestas validadas por expertos sobre cómo debía responder Mylow Companion a las preguntas habituales formuladas por un empleado. Evaluaron el rendimiento de los distintos modelos en comparación con las respuestas validadas y ajustaron sus prompts para mejorar el rendimiento del sistema. Además, Lowe’s también recopiló comentarios de los usuarios y pidió a sus empleados que revisaran periódicamente tanto los resultados mostrados a los clientes como los pasos intermedios del sistema, con el fin de identificar oportunidades de mejora y garantizar que el sistema cumplía con las expectativas. Para medir los resultados, Lowe’s decidió hacer un seguimiento de los factores que influyen en los resultados empresariales, como el tamaño de la cesta de la compra, la tasa de conversión y las ventas incrementales, así como de los factores clave para el éxito, como los conocimientos del personal, la satisfacción del cliente y la facilidad del proceso de pago. Cuando los clientes interactúan con Mylow durante sus visitas en línea, la tasa de conversión se duplica con creces y Lowe’s está observando un aumento de 200 puntos básicos en los índices de satisfacción del cliente cuando los empleados utilizan Mylow Companion para ayudar a los clientes a comprar en los pasillos. La necesidad imperiosa de la sala de juntas El liderazgo de la alta dirección es fundamental para el éxito de la transformación de la IA. En las empresas que se quedan rezagadas en la adopción de la IA, hemos observado que los líderes reconocen la IA como una oportunidad importante, pero delegan la responsabilidad al respecto en los equipos o divisiones tecnológicas. Por lo general, esta delegación se lleva a cabo sin objetivos ni métricas específicos, limitándose a un vago «mejorar la productividad» o «centrarse en fuentes de valor de alto potencial». A partir de ahí, las iniciativas suelen fracasar. En cambio, la transformación de la IA debe ser una prioridad en los niveles más altos de la empresa, con la participación de todos los ejecutivos y funciones, ya que los líderes que tienen una visión global de la organización son fundamentales para las implementaciones transformadoras. Deben establecer objetivos ambiciosos, de arriba abajo y asumidos por la empresa, y luego hacer que sus equipos rindan cuentas. Para pasar de estar a la zaga a liderar el mercado, las empresas deben evitar las iniciativas aisladas y, en su lugar, impulsar una transformación más integral de su negocio. Con ese fin, estas medidas pueden ayudar a los líderes y a las organizaciones a superar el impacto limitado de la trampa de la microproductividad. Los autores desean agradecer a Mike Coxon y Daan Kakebeeke, de Bain, por sus contribuciones a la redacción de este artículo.

Cómo pasar de la experimentación con la IA a la transformación mediante la IA

Resumen.

Partner Center