Antes de automatizar hay que eliminar lo innecesario y simplificar lo que queda. Automatizar un proceso deficiente puede institucionalizar una deficiencia a mayor velocidad.
- Previo a la implementación de modelos o plataformas de IA hay que mapear, cuestionar y procesos. A veces, la secuencia importa tanto como la tecnología misma.
En muchas organizaciones está ocurriendo una escena cada vez más común: los equipos directivos saben que necesitan incorporar inteligencia artificial (IA), buscan casos de uso, comparan plataformas y desarrollan pilotos para demostrar que están avanzando, sin embargo, en medio de esa urgencia existe una pregunta mucho más básica que pocas compañías parecen hacerse: ¿el proceso que queremos automatizar funciona realmente bien?
La pregunta importa porque automatizar un proceso ineficiente no elimina sus problemas, simplemente permite ejecutarlos con mayor velocidad y escala, por eso, antes de pensar en modelos, agentes o plataformas inteligentes, quizá sea necesario regresar a los fundamentos de la automatización.
Un estudio de RAND Corporation encontró que 84% de los líderes empresariales considera que la IA tendrá un impacto significativo en su negocio, pero solamente 14% afirma que su organización está completamente preparada para integrarla, mientras que algunas estimaciones recopiladas por la institución indican que más de 80% de los proyectos de IA fracasan.
Entre las causas identificadas después de entrevistar a especialistas en datos e ingeniería aparece una particularmente reveladora: muchas organizaciones no comprenden con suficiente precisión el problema que intentan resolver, una falla que ocurre mucho antes de seleccionar un modelo o desarrollar una solución.
Automatizar no significa empezar por IA
Durante los últimos años hemos convertido a la inteligencia artificial en el punto de partida de muchas conversaciones sobre transformación digital, cuando debería ser una de sus últimas capas. Antes de preguntarse qué puede hacer un modelo, una organización debería entender qué hace actualmente su proceso, quién participa, qué decisiones se toman, qué información necesita cada persona, dónde aparecen los cuellos de botella y cuáles de esos pasos continúan existiendo únicamente porque siempre se han hecho de esa manera. Esa disciplina puede parecer menos sofisticada que hablar de IA generativa o agentes autónomos, pero probablemente sea mucho más importante para conseguir resultados.
También debemos distinguir entre digitalizar, automatizar e incorporar inteligencia, porque no significan lo mismo. Digitalizar convierte actividades manuales o analógicas en procesos digitales, automatizar permite que determinadas tareas se ejecuten con mínima intervención humana, mientras que incorporar IA supone utilizar sistemas capaces de interpretar información, reconocer patrones, generar resultados o apoyar decisiones. Son capas diferentes de madurez tecnológica y no todas las organizaciones necesitan recorrerlas simultáneamente, mucho menos comenzar por la última cuando todavía existen procesos fragmentados, captura duplicada de información, sistemas desconectados o tareas que podrían resolverse mediante reglas, APIs, integraciones y automatización tradicional.
Primero eliminar, después simplificar y finalmente automatizar
Soren Kaplan recupera en Inc. una idea particularmente útil para entender este problema a partir de “The Algorithm”, el método operativo utilizado en SpaceX: cuestionar cada requerimiento, eliminar procesos o componentes innecesarios, simplificar y optimizar lo que permanece, acelerar el ciclo y solamente entonces automatizar. El orden es importante porque evita una de las tentaciones más frecuentes de la transformación tecnológica, utilizar herramientas cada vez más sofisticadas para mejorar actividades cuya existencia nunca fue cuestionada.
Pensemos en una organización que tiene cinco niveles de autorización para aprobar una operación, automatizarlos puede reducir el tiempo necesario para completar el proceso, pero quizá la verdadera transformación consiste en preguntarse por qué existen cinco autorizaciones. Lo mismo ocurre cuando se implementa IA para clasificar cientos de solicitudes recibidas por correo electrónico, cuando probablemente el problema original sea que esas solicitudes deberían ingresar mediante un sistema estructurado. La innovación no debería medirse por la sofisticación de la herramienta utilizada, sino por la cantidad de fricción que conseguimos retirar del sistema.
Automatizar sin realizar este ejercicio previo también genera un riesgo menos visible: institucionalizar procesos deficientes. Una actividad manual puede modificarse relativamente rápido, pero una vez traducida a sistemas, integraciones, modelos y dependencias tecnológicas, cambiarla puede convertirse en un proyecto mucho más complejo, de manera que la automatización que buscaba hacer más ágil a la organización termina consolidando parte de su deuda operativa. Con la IA este riesgo aumenta porque ya no solamente automatizamos tareas, también comenzamos a delegar análisis y decisiones, por eso resulta indispensable determinar qué debe automatizarse antes de preguntarnos hasta dónde puede hacerlo la tecnología.
¿Por dónde deberían empezar las empresas?
Para las organizaciones que hoy están evaluando proyectos de automatización o inteligencia artificial, existen algunos principios que pueden ayudar a evitar esta lógica invertida:
- Mapear antes de automatizar. Entender entradas, decisiones, responsables, sistemas y dependencias permite identificar dónde se genera realmente la fricción.
- Cuestionar antes de optimizar. No preguntar solamente cómo hacer una tarea más rápido, sino por qué continúa existiendo.
- Utilizar la solución más simple. Una API, una integración, una regla de negocio o un workflow pueden resolver problemas sin necesidad de incorporar IA.
- Usar IA donde realmente se necesite inteligencia. Interpretar información no estructurada, reconocer patrones, gestionar excepciones o apoyar decisiones son problemas donde puede aportar un valor diferencial.
- Medir resultados, no adopción tecnológica. Menores tiempos, errores y costos, así como mayor productividad o una mejor experiencia del cliente, dicen mucho más sobre la transformación que la cantidad de modelos implementados.
La consecuencia puede parecer contradictoria en un momento en el que prácticamente todas las compañías quieren construir una estrategia de inteligencia artificial: una buena estrategia de IA puede comenzar identificando dónde no utilizarla. La madurez tecnológica no consiste en aplicar la herramienta más avanzada disponible a cada problema, sino en comprender qué herramienta corresponde a cada necesidad y en qué momento debe incorporarse.
La inteligencia artificial puede acelerar procesos, ampliar capacidades y transformar profundamente la manera en que operan las organizaciones, pero no puede sustituir la disciplina de decidir qué trabajo vale la pena realizar. Antes de automatizar debemos eliminar lo innecesario, simplificar lo que permanece y entender qué resultado queremos producir, porque solamente entonces la tecnología deja de ser una solución buscando un problema y se convierte en una verdadera palanca de transformación. Como resume Kaplan en una frase que debería acompañar cualquier conversación sobre automatización: “The sequence is the strategy”.
Artículo tomado de Entrepreneur, lea el original aquí.