Cómo la inteligencia artificial puede transformar el rendimiento de tu empresa y medirlo mejor

El impacto de la inteligencia artificial en el rendimiento empresarial y su medición

Sorprendentemente, la inteligencia artificial a menudo trastorna las suposiciones tradicionales sobre los impulsores del rendimiento, la rentabilidad y el crecimiento. El uso de esta tecnología ayuda a las empresas a transformar su rendimiento y mantener esa transformación, no solo a realizar un seguimiento de métricas heredadas, lo que convierte a la inteligencia artificial en un factor crítico en la medición del rendimiento. Según la Encuesta Global Ejecutiva de Inteligencia Artificial BCG-MIT 2023 (la Encuesta), siete de cada diez encuestados están de acuerdo en que mejores indicadores clave de rendimiento (KPI) son fundamentales para el éxito.

Nuestros estudios muestran que los líderes en inteligencia artificial utilizan datos y tecnología, como el aprendizaje automático supervisado y no supervisado o el aprendizaje profundo, para medir y gestionar los KPI de tres formas: crean nuevos KPI con inteligencia artificial, priorizan los KPI que importan utilizando inteligencia artificial y mejoran la alineación en toda la organización con KPI compartidos diseñados por inteligencia artificial.

Creación de nuevos KPI con inteligencia artificial

A pesar de desplegar un ejército de científicos de datos, Google no pudo mejorar el rendimiento de un canal digital principal durante años. Aunque Google recolectó una gran cantidad de datos, no pudo identificar los parámetros clave para medir, gestionar y monitorear con el fin de mejorar el rendimiento de las campañas de sus clientes. Frustrado porque sus datos, análisis y talento no estaban produciendo resultados, Google finalmente recurrió a la inteligencia artificial. Desarrolló un algoritmo, le proporcionó todos los datos posibles y le pidió a la inteligencia artificial que descubriera cómo el canal podría ofrecer mejores resultados para los clientes, lo que mejoraría su rendimiento financiero.

Utilizando técnicas de aprendizaje automático no supervisado, la inteligencia artificial identificó conexiones, correlaciones y causas que los ingenieros de Google habían pasado por alto; clasificó la importancia de nuevos indicadores de rendimiento e identificó los más críticos. Los ingenieros aprendieron de la inteligencia artificial que algunos indicadores que se consideraban críticos eran, en realidad, poco importantes. La inteligencia artificial también sugirió que otras métricas en las que la plataforma no se había enfocado hasta entonces eran de los principales impulsores del rendimiento, por lo que Google comenzó a centrarse en ellas. Seis meses después de implementar las recomendaciones de la inteligencia artificial, las campañas experimentaron una mejora del 30% en su rendimiento.

La capacidad de la inteligencia artificial para identificar nuevos indicadores de rendimiento relevantes es impresionante. Según la Encuesta, el 34% de las empresas ya utilizan inteligencia artificial para crear nuevos indicadores de rendimiento, y hasta el 90% de ellas afirman que sus KPI han mejorado como resultado. Además, las empresas que utilizan inteligencia artificial para crear nuevos KPI tienen el doble de probabilidades de mejorar la eficiencia con la que operan. Los KPI diseñados por inteligencia artificial también hacen que el rendimiento sea más predecible; estas empresas afirman que son tres veces más efectivas para predecir el rendimiento futuro que aquellas que no utilizan inteligencia artificial.

Esto no solo es cierto para los gigantes tecnológicos; la inteligencia artificial también puede identificar problemas ocultos en medianas y pequeñas empresas analógicas y encontrar formas de rastrearlos y abordarlos. Por ejemplo, uno de los minoristas de América del Sur creó un conjunto de datos compuesto por datos de series temporales sobre, entre otras cosas, la demanda, el suministro, las ventas, los almacenes, los camiones, etc. Luego utilizó un modelo de inteligencia artificial no supervisado para desarrollar nuevos KPI que ayudaron a optimizar su logística en nueve países. En los primeros 90 días, las recomendaciones de la inteligencia artificial llevaron a una disminución importante del 14% en los costos logísticos del minorista.

Priorización de KPI con inteligencia artificial

Al igual que varios otros líderes, el banco DBS con sede en Singapur comenzó a utilizar la tecnología para realizar un seguimiento de métricas convencionales como los KPI de cada función, que cada uno era responsable de optimizar. Sin embargo, el banco luchó por mejorar y los experimentos iniciales resultaron ser infructuosos (aunque fueron lecciones de las cuales DBS aprendió).

Hace tres años, DBS decidió adoptar el concepto de “viajes” del consumidor, como el viaje para proporcionar a un consumidor una tarjeta de crédito o un préstamo hipotecario, y creó una torre de control impulsada por inteligencia artificial para rastrear todos los viajes. Al hacerlo, el banco pudo identificar los factores más importantes que impulsaban los resultados deseados en términos de experiencia del cliente, rentabilidad, experiencia del empleado y nivel de riesgo, y, lo más importante, darles prioridad. DBS hizo que los datos fueran visibles para sus equipos multifuncionales, cuyos miembros ahora tenían un interés en optimizar los resultados en las cuatro categorías. Esto le dio al banco la confianza para tomar todas las decisiones con información impulsada por inteligencia artificial. Como resultado, las ganancias antes de impuestos de DBS aumentaron de alrededor de 5 mil millones de dólares estadounidenses en 2021 a más de 6 mil millones de dólares en 2022, y Euromoney y Global Finance lo calificaron como uno de los mejores bancos del mundo el año pasado.

Las industrias se han vuelto más complejas y las empresas son más grandes, por lo que priorizar los KPI se ha vuelto crítico. Una organización, sus negocios, operaciones nacionales, equipos y empleados tienen que perseguir múltiples objetivos, pero la cantidad de KPI puede resultar abrumadora para muchos. Utilizar la inteligencia artificial para desarrollar un conjunto de KPI simplificado, afinado a los objetivos de desempeño de cada empleado, ayudará a dirigir los esfuerzos hacia los objetivos organizacionales que importan.

Los propios KPI necesitan indicadores clave de desempeño. Su eficacia requiere una evaluación periódica, al igual que las empresas evalúan regularmente el desempeño de los empleados. Desarrollar indicadores clave de desempeño para los KPI, lo cual ayudará a la parsimonia de los KPI, ayuda a las empresas a anticipar mejor los desafíos, optimizar la asignación de recursos y adaptarse más rápido a las dinámicas del mercado. Por ejemplo, Schneider Electric ha creado una oficina de gestión del desempeño tanto para mejorar su desempeño como las métricas que utiliza.

Alineación con KPI compartidos

La inteligencia artificial es adecuada para descubrir las coincidencias entre los KPI y resolver los conflictos y las inconsistencias resultantes. Los KPI compartidos generados por la inteligencia artificial pueden llevar a una mejor alineación organizacional.

En el cuidado de la salud, por ejemplo, reducir las admisiones es importante para reducir costos, pero también es un indicador clave de resultados. En organizaciones proveedoras heredadas, los directores financieros (CFO) administran los costos y los flujos de reembolso, y los directores médicos (CMO) enfatizan la atención de calidad a los pacientes y su alta del hospital. Ahora la inteligencia artificial puede permitir el análisis de datos de pacientes, identificar las causas raíz de las readmisiones y sugerir intervenciones específicas. Utilizando esta información, los CFO y los CMO pueden compartir un KPI de “tasa de readmisión de pacientes” (cuanto más baja, mejor) al identificar las causas raíz y predecir intervenciones para mejorar simultáneamente los resultados y reducir los costos. Este KPI compartido promueve la alineación en toda la organización y no sería posible sin el reconocimiento de patrones impulsado por la inteligencia artificial.

Aunque en situaciones limitadas algunas empresas podrían priorizar un solo KPI principal (por ejemplo, maximizar las ventas por cliente o maximizar las visitas repetidas), la mayoría de las empresas forman parte de ecosistemas empresariales, lo que hace que el uso de un solo indicador sea impracticable. Las coincidencias crean conflictos; cada entidad aportará diferentes conjuntos de datos, flujos de datos y flujos de trabajo, y sus prioridades a menudo pueden chocar.

A medida que los objetivos de los diferentes actores del ecosistema, unidades de negocio y funciones se entrelazan cada vez más en la búsqueda de objetivos organizacionales, administrar un conjunto compartido de KPI mejorará su alineación. Sobre todo, permitirá a los ejecutivos dejar de perseguir métricas aisladas y profundizar su comprensión de cómo la organización crea valor. Si bien el intercambio de datos entre equipos es necesario para obtener resultados, desarrollar un caso de negocio para demostrar la eficacia de los KPI compartidos motivará a los equipos y mejorará su desempeño.

Las empresas que utilizan la inteligencia artificial para la gestión del desempeño podrán optimizar sus KPI existentes y diseñar nuevos. Deben equilibrar esto utilizando la tecnología para priorizar los KPI en los que confían. Hacerlo permitirá a los CEOs dejar de gestionar mirando hacia atrás en el retrovisor y hacerlo mirando hacia adelante a través del parabrisas. Por lo tanto, la inteligencia artificial parece abrir una nueva era de medición del desempeño y nuevas fronteras del desempeño empresarial.

Lee otros artículos de ANBLE por François Candelon. François Candelon es director gerente y socio sénior de BCG, y director global del BCG Henderson Institute. Puedes contactarlo en [email protected]. Shervin Khodabandeh es director gerente y socio sénior de BCG. Michael Chu es socio y director asociado de ciencia de datos en BCG X. Gaurav Jha es consultor de BCG y embajador del BCG Henderson Institute. Algunas de las empresas mencionadas en este artículo son clientes pasados o actuales de BCG.