GenAI: más que simples casos de uso
Tradicionalmente, las empresas han utilizado AI resolver problemas concretos, como, por ejemplo, mejorar las previsiones de la cadena de suministro o potenciar la detección de fraudes.
«Pero la IA general es diferente. No es solo otra herramienta para optimizar tareas específicas; tiene el potencial de transformar el modo en que operan las empresas».
Edouard de Mézerac, Artefact
Este cambio significa que ahora es posible automatizar o potenciar tareas conceptuales, como la recopilación de información y la toma de decisiones. Su impacto va más allá de la mejora de la eficiencia; redefine toda la cadena de valor de los sectores.
Aplicaciones en el mundo real: cómo utilizan la IA generativa las principales empresas
Para ilustrar esta transformación, Edouard compartió ejemplos reales en los que la IA generativa ya está teniendo un impacto significativo:
Telecomunicaciones: reducción de los retrasos en la instalación entre un 70 % y un 80 %
–Reto: Una importante Compañia de telecomunicaciones Compañia largos retrasos en las instalaciones de fibra óptica debido a conflictos de programación y a una infraestructura insuficiente. La resolución de estos problemas llevaba, de media, entre dos y tres meses.
–Solución: Recopilación de informaciónAI a partir de datos de proveedores de telecomunicaciones, registros municipales y propietarios de edificios, además de gestionar la programación de citas y la coordinación del flujo de trabajo.
Fabricación: ayudamos a los equipos de ventas a dominar el conocimiento del producto
–Reto: Una Compañia internacional de productos eléctricos Compañia que sus equipos de ventas aprendieran rápidamente miles de detalles sobre los productos, lo que dificultaba ofrecer un asesoramiento preciso a los clientes B2B.
–Solución: Un chatbot basado en GenAI proporcionó a los equipos de ventas información fiable sobre los productos en tiempo real, con el respaldo de la generación aumentada por recuperación (RAG) para garantizar la precisión y minimizar AI .
Comercio minorista de lujo: mejora de la formación del personal de ventas sobre nuevos productos
–Reto: Una marca de moda de alta gama lanza 15 productos nuevos por tienda cada semana, lo que dificulta que los dependientes se mantengan al día sobre los detalles de los productos y las recomendaciones.
–Solución: AI información instantánea sobre los productos, incluyendo los antecedentes del diseñador, las características principales y posibles combinaciones, lo que mejoró la interacción con los clientes.
La cruda realidad: la mayoría de las empresas no están preparadas
A pesar del potencial de esta tecnología, la mayoría de las empresas no están preparadas para la IA generativa. Edouard identificó cinco obstáculos clave para la adopción generalizada de la IA generativa:
Falta de preparación del equipo directivo
Muchos altos ejecutivos desarrollaron su carrera profesional en una época en la que AI la transformación digital aún no formaban parte integral de la estrategia empresarial. Como consecuencia, existe una importante brecha de conocimientos: solo el 50 % de los líderes ha recibido AI y, de ellos, la mitad afirma que dicha formación es insuficiente.
Preparación limitada de las funciones empresariales
AI satisfactoria AI no puede ser una iniciativa impulsada exclusivamente por el departamento de TI. Los responsables de las principales áreas de la empresa —como la cadena de suministro, el marketing, las compras y la gestión de las relaciones con los clientes (CRM)— deben asumir la responsabilidad de la integración de la IA generativa.
data insuficiente
AI requieren data de alta calidad y bien estructurados data funcionar con eficacia. Muchas empresas se enfrentan a problemas como data inconsistente, marcos de referencia poco claros y una documentación deficiente. Sin una data sólida, a las empresas les cuesta implementar AI a gran escala.
Marcos de gobernanza y éticos poco claros
El panorama normativo en materia de AI considerablemente de un país a otro, lo que plantea dificultades de cumplimiento normativo a las organizaciones multinacionales. Además, la IA generativa suscita importantes preocupaciones de carácter ético y relacionadas con la plantilla. Por ejemplo, si AI los departamentos de marketing alcanzar los mismos resultados con menos personal, las empresas deben abordar las posibles repercusiones que esto pueda tener para su plantilla.
Altos costes de implementación y un retorno de la inversión incierto
Para muchas empresas, desarrollar e implementar soluciones de IA generativa escalables sigue resultando demasiado costoso. Algunos modelos de negocio AI siguen teniendo dificultades para obtener un retorno de la inversión positivo.
Una carrera para los más en forma
Estamos asistiendo al surgimiento de una nueva era tecnológica a un ritmo sin precedentes, una era que marcará la próxima década de transformación económica. Las empresas que adopten la IA general y reinventen sus flujos de trabajo prosperarán. Las que no logren adaptarse se quedarán atrás.
A Edouard de Mézerac le entusiasma ver que los antiguos alumnos de HEC asumen un papel protagonista en el impulso de estos debates y destaca un mensaje claro: los líderes deben dar un paso al frente, replantearse sus estrategias y prepararse para un futuro que ya está aquí.
