En el mundo actual de los negocios, la intensa competencia impulsa la necesidad de cambiar rápidamente de estrategia, y los acontecimientos imprevistos -como la pandemia por el Covid-19 o los desastres naturales- pueden requerir que miles de empleados modifiquen sus patrones de trabajo en un momento dado.
Frente a esto, las empresas se ven obligadas a examinar detenidamente sus capacidades y procesos para comprender qué es lo que ayudará o dificultará su adaptabilidad e innovación. En ese escenario, la agilidad presenta una poderosa oportunidad, especialmente en el creciente ámbito de la Inteligencia Artificial (IA) y la analítica avanzada.
La mentalidad ágil puede cambiar fundamentalmente la forma en que las empresas miden el valor y la productividad. Cuando se combina con el pensamiento de diseño y la economía del comportamiento, esta mentalidad cobra mayor fuerza como base de una nueva forma de trabajo que toma los principios de la metodología ágil -simplicidad, conversaciones cara a cara, ajustes iterativos y diseño centrado en el cliente, por nombrar algunos- y los aplica en una variedad de contextos.
Aquellos que aprovechan las técnicas ágiles están fuertemente posicionados para cosechar las recompensas de escalar la IA: mayor velocidad de salida al mercado, generación de valor más rá pida, ventaja competitiva, capacidad de “fallar rápido” y corregir el rumbo, y mejor colaboración en todo el negocio.
Sumando valor
Entonces, ¿cómo pueden las empresas utilizar formas ágiles de trabajo para desbloquear nuevo valor a través de la IA y la analítica avanzada? Mediante tres elementos:
1. Incorporar la agilidad en el ciclo de vida de delivery de la Inteligencia Artificial
En el nivel más básico, el aprovechamiento del valor de la IA se reduce a la capacidad de una organización de llevar un proyecto de Inteligencia Artificial desde su inicio hasta su ejecución en entornos de producción que repercuten en las relaciones con los clientes y en el producto final de una empresa. La hoja de ruta de la IA es un modelo de principio a fin para multiplicar el valor de los proyectos con esta tecnología. En el centro de este modelo se encuentra un enfoque ágil y basado en la velocidad para captar los requisitos del negocio y ofrecer de forma iterativa modelos de Inteligencia Artificial.
Hay dos trampas principales en las que las organizaciones pueden caer cuando tratan de adoptar la agilidad para entregar el valor de la IA. La primera es tratar de adoptar una mentalidad ágil mientras se utilizan herramientas tradicionales para alimentarla. Herramientas como Microsoft Teams, Slack, Trello y Jira ponen la colaboración y la adaptabilidad en el centro de los flujos de trabajo al permitir altos niveles de visibilidad dentro de los equipos de proyecto y entre ellos, y dan prioridad a los cambios continuos para optimizar los resultados de la entrega.
La segunda trampa es invertir en tecnologías ágiles sin considerar cuidadosamente cómo se alinean con los profesionales de los negocios. Sin apoyo de la cúpula o con equipos multifuncionales y usuarios empresariales, los equipos de análisis avanzado y de Inteligencia Artificial adoptan tecnologías ágiles en silos que no están equipados para escalar. Las herramientas ágiles, como cualquier tecnología aplicada, necesitan el caso de uso comercial adecuado y el apoyo de su estrategia de adopción por parte del C-Level.
2. Crear una “cultura de la data”
El éxito de la aplicación de la agilidad a la IA a escala no solo se basa en el método y la tecnología, sino también en la cultura. En un intento de solución rápida, muchas empresas tratan de crear una cultura ágil simplemente contratando equipos de científicos de datos con experiencia ágil. Pero a menudo lo hacen sin una estrategia para construir una cultura de datos en toda la organización que abarque la absorción de los conocimientos generados por la Inteligencia Artificial.
Del mismo modo, muchas empresas creen que basta con tener un equipo ágil o una función ágil para escalar la IA; esto no siempre es así. Si una organización quiere adoptar inteligencia Artificial a escala, por ejemplo, debe fomentar una cultura de datos más amplia y depende de que todos la alimenten: de arriba hacia abajo, de abajo hacia arriba y de afuera hacia adentro.
3. Recalibrar las métricas
Los métodos ágiles y la cultura de los datos son consideraciones esenciales para el éxito de la escalada de la IA, pero son inútiles sin un cambio en la forma de cuantificar el éxito. En otras palabras, hay que redefinir la frecuencia, los métodos y los parámetros con los que se mide el valor de esta. Para adoptar la agilidad y aprovechar el poder de la Inteligencia Artificial, las organizaciones deben pasar a una planificación continua e iterativa una vez que identifiquen y adopten la métrica adecuada para definir el éxito. Críticamente, las métricas en los niveles más altos de la organización deben ser recalibradas teniendo en cuenta los datos y la IA.
Para los departamentos de TI, pasando por los equipos de desarrollo de productos y los de marketing, hasta el C-Level, el mensaje es claro: si se dan las condiciones adecuadas, la agilidad tiene el poder de transformar la capacidad de una organización para escalar y extraer valor de las inversiones en datos y en Inteligencia Artificial, cambiando el enfoque de la tecnología hacia las personas y los procesos. El momento de avanzar es ahora.
