GenAI: algo más que casos de uso
Tradicionalmente, las empresas han aplicado la IA para resolver puntos conflictivos aislados; por ejemplo, mejorar la previsión de la cadena de suministro o mejorar la detección del fraude.
“Pero GenAI es diferente. No es sólo una herramienta más para optimizar tareas específicas; tiene el potencial de remodelar el funcionamiento de las empresas.”
Edouard de Mézerac, Director General de Artefact
Este cambio significa que automatizar o aumentar las tareas conceptuales -como recopilar información y tomar decisiones- está ahora al alcance de la mano. El impacto va más allá del aumento de la eficiencia; redefine toda la cadena de valor de las industrias.
Aplicaciones en el mundo real: cómo utilizan GenAI las principales empresas
Para ilustrar esta transformación, Edouard compartió ejemplos del mundo real en los que la GenAI ya está teniendo un impacto significativo:
Telecom - Reducción de los retrasos en la instalación por 70-80%
–Desafío: Una importante empresa de telecomunicaciones se enfrentaba a grandes retrasos en las instalaciones de fibra óptica debido a conflictos de programación y a una infraestructura insuficiente. Resolver estos problemas llevaba de 2 a 3 meses de media.
–Solución: La IA automatizó la recopilación de información de los proveedores de telecomunicaciones, los registros municipales y los propietarios de edificios, al tiempo que se encargaba de la programación de citas y la coordinación del flujo de trabajo.
Fabricación - Ayudar a los equipos de ventas a dominar el conocimiento de los productos
–Desafío: Una empresa mundial de productos eléctricos necesitaba que sus equipos de ventas aprendieran rápidamente miles de detalles sobre los productos, lo que dificultaba el asesoramiento preciso a los clientes B2B.
–Solución: Un chatbot impulsado por GenAI proporcionó a los equipos de ventas detalles fiables de los productos en tiempo real, con el apoyo de la generación aumentada por recuperación (RAG) para garantizar la precisión y minimizar las “alucinaciones” de la IA.”
Minoristas de lujo - Mejorar la formación del personal de ventas sobre nuevos productos
–Desafío: Una marca de moda de alta gama introduce 15 productos nuevos por tienda, cada semana, lo que supone un reto para los asociados de ventas mantenerse al día sobre los detalles y recomendaciones de los productos.
–Solución: La IA proporcionó información instantánea sobre el producto, incluidos los antecedentes del diseñador, las características clave y los posibles emparejamientos, mejorando las interacciones con los clientes.
La dura verdad: la mayoría de las empresas no están preparadas
A pesar del potencial de la tecnología, la mayoría de las empresas no están preparadas para la GenAI. Edouard identificó cinco barreras clave para la adopción generalizada de GenAI:
Falta de preparación del liderazgo
Muchos altos ejecutivos construyeron sus carreras en una era anterior a que la IA y la transformación digital se convirtieran en parte integral de la estrategia empresarial. Como resultado, existe una importante brecha de conocimientos -sólo 50% de los líderes han recibido formación en IA, y entre ellos, la mitad informa de que su formación es insuficiente.
Limitada preparación de la función empresarial
El éxito de la implantación de la IA no puede ser únicamente una iniciativa impulsada por las TI. Los líderes empresariales de todas las funciones clave -como la cadena de suministro, el marketing, las compras y el CRM- deben asumir la responsabilidad de la integración de la GenAI.
Infraestructura data insuficiente
Los modelos de IA requieren data de alta calidad y bien estructurados para funcionar con eficacia. Muchas empresas se enfrentan a problemas como data governance incoherentes, marcos de referencia poco claros y documentación deficiente. Sin un data foundation sólido, las empresas tienen dificultades para desplegar soluciones de IA a escala.
Marcos éticos y de gobernanza poco claros
El panorama normativo de la IA varía significativamente de un país a otro, lo que crea complejidades de cumplimiento para las organizaciones multinacionales. Además, la GenAI plantea problemas éticos críticos y relacionados con la mano de obra. Por ejemplo, si la IA permite a los departamentos de marketing lograr el mismo rendimiento con menos empleados, las empresas deben abordar las posibles implicaciones para su mano de obra.
Costes de implantación elevados y retorno de la inversión incierto
Para muchas empresas, construir y desplegar soluciones GenAI escalables sigue siendo demasiado caro. Algunos modelos de negocio impulsados por la IA siguen luchando por obtener un ROI positivo.
Una carrera por el más fuerte
Estamos siendo testigos del desarrollo de una nueva era tecnológica a un ritmo sin precedentes, una era que definirá la próxima década de transformación económica. Las empresas que adopten la GenAI y reimaginen sus flujos de trabajo prosperarán. Las que no se adapten se quedarán atrás.
Edouard de Mézerac está encantado de ver a los Antiguos Alumnos de HEC asumir un papel de liderazgo en la dirección de estas conversaciones y enfatiza un mensaje claro: El liderazgo debe dar un paso al frente, replantearse las estrategias y prepararse para un futuro que ya está aquí.
