Una reciente encuesta realizada por IBM a 2.000 ejecutivos sobre sus expectativas con respecto a la inteligencia artificial en 2030 ha revelado algo digno de mención.
Tal y como era de esperar, prevén que la inversión en IA aumentará (desde unos niveles ya elevados) y el 79% espera que la IA contribuya de manera significativa a sus ingresos. No obstante, llama la atención que solo el 24% “ve claramente” de dónde procederán esos ingresos.
Esta falta de claridad podría parecer una mala señal, teniendo en cuenta que la mayoría de los proyectos de inteligencia artificial no han logrado generar un retorno de la inversión, aunque en realidad es precisamente lo que cabe esperar de una innovación realmente revolucionaria, y deja claro que los mayores retos empresariales que plantea la IA serán de carácter administrativo, no tecnológico.
Por lo general, las innovaciones revolucionarias casi nunca anuncian sus modelos de negocio, ni mucho menos sus casos de uso, previamente. Suelen empezar con un simple reemplazo uno a uno, donde las innovaciones son una forma más barata o mejor de hacer algo que las compañías ya hacen.
A lo largo del tiempo, los usuarios se dan cuenta de que les ofrecen nuevas y potentes capacidades. Es ahí cuando se nota su auténtico impacto, y eso explica por qué la misma encuesta dice que los ejecutivos esperan que su inversión en IA pase de mejorar la eficiencia a innovar en productos y servicios.
Sin embargo, para aprovechar adecuadamente estas nuevas capacidades, las empresas suelen tener que reorganizarse en todos los aspectos. Ese cambio es normalmente el mayor obstáculo para que una nueva tecnología cumpla sus promesas.
Esto ya lo hemos vivido antes.
A finales del siglo XIX e inicios del XX, cuando la electricidad llegó por primera vez a las fábricas de EE. UU., sus beneficios económicos fueron decepcionantes.
En la década de 1870, Thomas Edison inventó la bombilla eléctrica; sin embargo, en 1900, menos del 5% de la energía usada por las fábricas estadounidenses provenía de motores eléctricos. En su lugar, la energía provenía de máquinas de vapor, con frecuencia compartidas por varias fábricas, que accionaban las máquinas a través de ejes de transmisión.
El alumbrado eléctrico permitió a las fábricas trabajar de manera mucho más eficiente durante la noche; no obstante, sus operaciones fundamentales no cambiaron.
La verdadera transformación ocurrió más tarde, cuando los motores eléctricos más pequeños y económicos hicieron posible abandonar la energía centralizada. Las máquinas pudieron distribuirse de manera más flexible y los flujos de trabajo se reorganizaron para seguir la lógica de la producción.
Y lo que es igual de importante, estos nuevos procesos solo podían ser aprovechados adecuadamente por trabajadores que habían recibido una formación diferente, gozaban de mayor independencia y, en última instancia, cobraban mejores salarios.
La reorganización hizo posible la cadena de montaje móvil y, con ella, la producción en masa a una escala sin precedentes. Fue entonces cuando la electricidad se convirtió en una innovación realmente revolucionaria. Además de abaratar el funcionamiento de las fábricas, cambió lo que estas podían producir, su capacidad de adaptación y qué empresas sobrevivían. Toda la industria siguió su ejemplo.
La inteligencia artificial podría estar saliendo lentamente de su fase de reemplazo y entrando en su fase de reestructuración. Automatizar tareas rutinarias y optimizar flujos de trabajo es como cambiar las máquinas de vapor por motores eléctricos. Útil, necesario y limitado.
El trabajo más arduo y trascendental reside en rediseñar procesos, productos y la toma de decisiones cuando las máquinas pueden generar contenido, interpretar información no estructurada y actuar de forma autónoma dentro de límites definidos.
Ese tipo de rediseño es incómodo y a menudo costoso (lástima por el industrial de inicios del siglo XX cuya fábrica tuvo que ser reconstruida gracias a unos electrones danzantes).
No encaja perfectamente en los organigramas existentes ni en los presupuestos de capital. A menudo produce descensos temporales en la productividad medida a medida que las empresas experimentan, fracasan y reaprenden cómo se debe trabajar.
Cuando se estaba implementando la tecnología de la información en las décadas de 1970 y 1980, este efecto fue tan pronunciado que el economista ganador del Premio Nobel Robert Solow bromeó: “Se puede ver la era de la informática en todas partes menos en las estadísticas de productividad “.
Y la combinación de la dificultad del rediseño y la incapacidad de saber para qué se utilizarán estas nuevas capacidades hace que sea difícil o imposible para los ejecutivos responder a la pregunta aparentemente básica de dónde, exactamente, provendrán los ingresos.
La historia sugiere que exigir una respuesta demasiado precisa demasiado pronto es un error.
Los ejecutivos que instalaron motores eléctricos en sus fábricas en 1905 no tenían forma de saber que las cadenas de montaje pronto transformarían la manufactura ni que sus fábricas pronto estarían produciendo productos que aún no existían. Quienes exigieron un pronóstico detallado antes de reorganizar la producción fueron los que con más probabilidad se quedaron atrás.
El mismo riesgo existe hoy en día.
Si solo se considera la IA como una herramienta para reducir costos, se podrían proteger los márgenes a corto plazo, pero también podría verse atrapado en versiones optimizadas de modelos de negocio que pronto quedarán obsoletos.
Una vez que la competencia comience a rediseñar sus ofertas, precios y relaciones con los clientes en torno a las capacidades de la inteligencia artificial, las mejoras incrementales de eficiencia ya no serán suficientes.
Nada de esto garantiza que las apuestas actuales por la IA rindan frutos. Muchas de las primeras fábricas electrificadas fracasaron. Muchas iniciativas impulsadas por la inteligencia artificial, probablemente la mayoría, también lo harán.
Sin embargo, el principio de la sabiduría es admitir lo que se desconoce, y los ejecutivos que admiten que aún no saben cómo generará ingresos la IA son quienes comprenden que la siguiente fase de esta tecnología no se trata de ejecutarla dentro de los límites conocidos, sino de descubrir unos completamente nuevos.
Cuando el destino sea obvio, alguien más ya habrá alcanzado la meta.
Esta nota no refleja necesariamente la opinión del consejo editorial de Bloomberg LP y sus propietarios.
Lea más en Bloomberg.com
