1. Contexto del sector: el marco estratégico
El sector en el que operas influye considerablemente en los ingresos previstos de los AI que planeas poner en marcha.
Esta primera fase se basa en tres criterios: las fuerzas reguladoras y los costes de cumplimiento normativo del sector, la madurez de su ecosistema tecnológico específico y la cultura de inversión a corto y largo plazo que impera en él.
1.1 Factores normativos y costes de cumplimiento
Todas AI se desarrollan dentro de los límites normativos específicos de cada sector, lo que influye directamente en el potencial de retorno de la inversión.
Tomemos como ejemplo el acceso a data sobre recetas data los profesionales sanitarios
- En Estados Unidos, la HIPAA protege la información que permite identificar a los pacientes, pero permite el uso y la venta de data anonimizados sobre las recetas médicas data fines comerciales y de investigación, sujetos a controles menos estrictos, lo que ha propiciado el desarrollo de un mercado sólido para el análisis de recetas
- En Brasil, la normativa está en constante evolución: la ANVISA y la Ley General de Protección de Datos (LGPD) regulan data sanitarios, con normas similares a las del RGPD, pero su aplicación aún no está tan consolidada; data sobre recetas médicas data consideran sensibles, y su uso está sujeto a las leyes de confidencialidad y de secreto comercial, por lo que el acceso suele estar restringido a menos que se hayan anonimizado o agregado
- En Europa, el RGPD impone controles estrictos sobre data personales y sanitarios, lo que limita data la recopilación, el tratamiento y el uso comercial de data de las recetas médicas y, a menudo, exige un consentimiento explícito o un alto grado de anonimización.
En consecuencia, el retorno de la inversión que supone el uso data sobre recetas data dirigirse a los profesionales sanitarios es elevado en Estados Unidos, medio en Brasil y limitado en Europa, donde, en la mayoría de los casos, los data agrupan a nivel regional.
Estas limitaciones establecen «límites de rentabilidad» que determinan los casos de uso viables.
1.2 Multiplicadores de madurez del ecosistema
El panorama tecnológico de un sector —en particular, la presencia de actores especializados y empresas emergentes innovadoras— desempeña un papel fundamental a la hora de acelerar el retorno de la inversión AI .
Cuando un sector se beneficia de un ecosistema dinámico formado por proveedores tecnológicos, integradores y empresas emergentes especializadas, las organizaciones pueden identificar, probar e implementar con mayor rapidez AI de vanguardia adaptadas a sus retos empresariales específicos. Este ecosistema fomenta la colaboración, el intercambio de conocimientos y el acceso a las mejores herramientas del mercado, lo que reduce los plazos de desarrollo y las dificultades de integración.
Además, las comunidades de código abierto y los proveedores especializados permiten a las empresas experimentar con marcos de trabajo probados y beneficiarse de la innovación colectiva, lo que agiliza las fases piloto y acorta el tiempo necesario para obtener resultados. Como consecuencia, los sectores que cuentan con una amplia red de actores AI pueden ampliar más rápidamente los proyectos exitosos y obtener antes mejoras tangibles en productividad y eficiencia, lo que repercute directamente en la evolución de su retorno de la inversión.
1.3 El largo plazo como acelerador del retorno de la inversión
Los sectores que adoptan una planificación plurianual (por ejemplo, el energético o el aeroespacial) obtienen AI acumulado significativamente mayor en periodos de cinco años, en comparación con los sectores de ciclo corto. Los ciclos a largo plazo permiten invertir en tecnologías más innovadoras y audaces, al tiempo que se equilibran los costes de gestión de proyectos, gracias a la contratación interna y a la planificación del suministro a largo plazo.
Un ejemplo famoso es AI de BP, que abarca una década, sobre el uso de AI para el mantenimiento predictivo en la perforación marítima.
2. Costes de implementación en la empresa: la capa de ejecución
La Compañia la que se implementa un caso AI influye de manera significativa en los costes de implementación, en función del grado de madurez de tres aspectos: los fundamentos tecnológicos, la data y el interés de la empresa por AI.
2.1 Costes de preparación de la pila tecnológica
Las organizaciones que cuentan con data moderna (data cloud , procesos de MLOps) aceleran considerablemente la implementación de AI en comparación con aquellas que dependen de sistemas heredados.
A modo de orientación, el establecimiento de una nueva conexión con un sistema fuente puede llevar desde unos pocos días hasta un mes, dependiendo de los tipos de conectores disponibles.
2.2 Déficit en materia de Data
La falta de data sólida data reduce considerablemente el retorno de la inversión de los casos AI principalmente de dos maneras.
En primer lugar, los proyectos suelen retrasarse debido a la necesidad de llevar a cabo data exhaustiva data y de implementar una gestión adecuada de los accesos, ya que los equipos deben dedicar mucho tiempo a limpiar, organizar y proteger data poder comenzar con la modelización. Data puede suponer hasta el 80 % del esfuerzo total en los proyectos de aprendizaje automático.
En segundo lugar, una gobernanza insuficiente da lugar a data mala data y a un etiquetado inadecuado, lo que repercute directamente en AI : los modelos entrenados con data incompletos, incoherentes o mal etiquetados data resultados menos precisos y menos fiables, lo que merma el valor empresarial y exige costosas revisiones o ciclos de desarrollo más prolongados.
2.3 Índice de fricción de adopción
La familiaridad de los empleados con la tecnología y su capacidad para gestionar el cambio determinan si AI aportan valor o acaban quedando en el olvido.
Si AI anteriores AI han allanado el camino y los empleados tienen acceso a programas AI continua AI que ayudan a desmitificar esta tecnología, a demostrar sus resultados y a poner de relieve su complementariedad con los seres humanos, se vuelven mucho más receptivos a los futuros casos AI que se vayan implantando.
Por ejemplo, las sesiones de formación que acompañan al lanzamiento de un AI suelen incluir un 20 % de contenido dedicado a AI , además de al menos una sección sobre el acceso a las herramientas. Cuanto más se centralizan estos productos en una única interfaz y se dirigen a equipos que ya cuentan con formación previa, más se reduce el esfuerzo de familiarización, entre un 30 % y un 40 %.
3. Beneficios en múltiples ámbitos: la matriz de valor
Las ventajas de los casos AI se articulan en torno a dos horizontes temporales para aprovechar todo su potencial, con beneficios que varían en cuanto a su tangibilidad.
El primer horizonte abarca un año y es muy concreto, centrándose en los beneficios relacionados con el lanzamiento de nuevos productos y servicios que AI hace posible, así como en la automatización de tareas que AI permite.
El segundo horizonte abarca un periodo de dos a tres años y es menos tangible; implica mejoras en la toma de decisiones estratégicas y una mayor resiliencia empresarial ante los cambios del mercado mediante el uso de AI.
3.1 Corto plazo (0-12 meses)
Motor de crecimiento de los ingresos
El principal método para impulsar el crecimiento de los ingresos consiste en aumentar los ingresos procedentes de los productos existentes. En el ámbito de la personalización, cabe citar dos ejemplos ilustrativos: el motor de recomendaciones de Netflix, que incrementó la fidelidad de los clientes en un 30 % y, en consecuencia, redujo la tasa de cancelación de suscripciones. Otro ejemplo es Stitch Fix, una Compañia de ropa Compañia utiliza AI para analizar las preferencias y el comportamiento de los clientes, ofreciendo así recomendaciones de ropa a medida. Una personalización a tan gran escala sería imposible sin AI, y es precisamente esta tecnología la que hace viable el modelo de negocio de Stitch Fix.
El segundo enfoque consiste en lanzar nuevos productos que antes no eran rentables hasta la llegada de AI. Por ejemplo, Nutella se asoció con Ogilvy Italia para utilizar una red neuronal en la creación de siete millones de etiquetas únicas para sus tarros, que se agotaron en menos de una semana. Sin AI, producir un número tan elevado de etiquetas únicas habría resultado prohibitivamente caro o, sencillamente, imposible, lo que hizo que la campaña fuera excepcionalmente rentable.
3.2 A largo plazo (más de 12 meses)
Superioridad en la toma de decisiones estratégicas
Siempre resulta complicado evaluar el impacto de una decisión estratégica en las finanzas Compañia, y aún más valorar la influencia de Inteligencia Artificial dicha decisión. Sin embargo, las opiniones coinciden en reconocer que AI ya AI convertido en un socio estratégico en la toma de decisiones. Un ejemplo proporcionado por Artefact el uso del modelado del marketing mix, una herramienta diseñada para optimizar la asignación del presupuesto de marketing entre los distintos canales para el año siguiente. En algunos casos, el aumento de beneficios que permite esta optimización puede alcanzar hasta un 40 %.
Resiliencia organizativa
La adopción de una cultura AI aporta agilidad a las organizaciones al integrar el aprendizaje continuo, la adaptabilidad y la experimentación rápida en las operaciones diarias. AI los equipos automatizar tareas rutinarias, detectar anomalías con rapidez y optimizar los flujos de trabajo, lo que libera a los empleados para que puedan centrarse en la innovación y la creación de valor. Esta cultura fomenta la toma de decisiones descentralizada y empodera a los equipos para que prueben nuevas ideas, analicen resultados y repitan procesos en tiempo real, promoviendo una mentalidad en la que se acoge el cambio y se considera el fracaso como una oportunidad de aprendizaje. Como resultado, las organizaciones se vuelven más flexibles, están mejor preparadas para responder a los cambios del mercado y son capaces de adaptar sus estrategias y funciones para hacer frente a los nuevos retos, lo que convierte la agilidad en una parte fundamental de su identidad y su fortaleza operativa.
El 90 % de las empresas encuestadas en un estudio de Dataiku consideran AI una herramienta de resiliencia ante el riesgo de recesión y las crisis económicas. Más del 80 % de los directivos afirman que mantienen o aumentan sus inversiones en AI la incertidumbre económica, lo que refleja una gran confianza en la capacidad AIpara proteger a las empresas frente a las perturbaciones.
El marco de ROI concéntrico
Teniendo en cuenta todos los factores mencionados anteriormente, proponemos la siguiente fórmula para calcular el retorno de la inversión (ROI) de un caso AI , que depende de tres niveles: el sector, Compañia y la racionalización de los casos de uso en torno a los costes de TI, data y gestión del cambio. Aunque la evaluación de cada factor es compleja, esta fórmula le ayudará a tener en cuenta todos los elementos que deben tenerse en cuenta.
Conclusión: Equilibrar la ecuación del retorno de la inversión
Este marco va más allá del análisis estático de costes y beneficios para modelar los efectos en cadena AI:
- Las fuerzas del sector marcan las reglas del juego en materia de retorno de la inversión
- La preparación de la empresa determina los costes de entrada
- Los beneficios se acumulan con el tiempo
En nuestro último artículo, analizaremos cómo poner en práctica este marco a través de dos ejemplos del sector sanitario: uno centrado en el retorno de la inversión (ROI) en los primeros 12 meses y otro centrado en el ROI a partir de los 12 meses.
