Estudio muestra que la IA podría agregar $ 4.4 billones de valor anualmente

El potencial económico de la IA generativa: la próxima frontera de productividad

Ideas clave de la Inteligencia Artificial Generativa

• La IA generativa se está posicionando como una tecnología con un potencial económico significativo.
• La capacidad de la IA generativa para realizar tareas creativas y de generación de contenido ha capturado la atención de diversas industrias.
• El valor comercial de la IA generativa radica en su capacidad para transformar roles y aumentar el rendimiento en funciones como ventas, marketing, operaciones con clientes y desarrollo de software.
• Se espera que la IA generativa desbloquee billones de dólares en valor en diversos sectores, desde la banca hasta las ciencias de la vida.

Dónde reside el valor empresarial

La IA generativa ha abierto nuevas posibilidades en términos de generación de contenido y creatividad. Las aplicaciones generativas, como ChatGPT Copilot y Stable Diffusion, han demostrado su utilidad en la comunicación y creación de contenido. Sin embargo, el verdadero valor empresarial de la IA generativa va más allá de las aplicaciones específicas y radica en su capacidad para transformar roles y aumentar la productividad en diversas funciones.

En áreas como ventas y marketing, la IA generativa puede ayudar a desarrollar estrategias de comunicación más efectivas, generar contenido publicitario persuasivo y personalizado, y automatizar tareas de seguimiento con clientes. Esto puede llevar a un aumento en las tasas de conversión y en el rendimiento general de las actividades de ventas y marketing.

En el desarrollo de software, la IA generativa puede acelerar el proceso de codificación, ofreciendo sugerencias y generando código automatizado. Esto puede reducir los tiempos de desarrollo y mejorar la eficiencia de los equipos de ingeniería.

En general, la capacidad de la IA generativa para generar contenido original y realizar tareas creativas tiene el potencial de agregar valor en diversas funciones empresariales y aumentar la productividad en general.

Impactos de la Inteligencia Artificial Generativa de la industria

La IA generativa está impactando diferentes industrias de diversas formas. A continuación, se presentan algunos ejemplos destacados:

• Medios de comunicación y entretenimiento: La IA generativa ha revolucionado la producción de contenido en la industria del entretenimiento. Desde la creación de música y arte digital hasta la generación de guiones y narrativas, la IA generativa ha permitido explorar nuevas formas de expresión artística y narrativa. Además, en el ámbito de los medios de comunicación, la IA generativa puede ayudar a automatizar la generación de noticias y contenido periodístico, mejorando la velocidad y la calidad de la información producida.
• Diseño y moda: La IA generativa ha encontrado aplicaciones en el diseño y la moda, permitiendo la creación de diseños únicos y personalizados. Desde la generación de patrones y estilos hasta la optimización de la producción y la oferta de recomendaciones de moda, la IA generativa está transformando la forma en que se desarrollan y comercializan los productos de diseño y moda.
• Salud y ciencias de la vida: En el campo de la salud, la IA generativa está siendo utilizada para la generación de modelos y simulaciones médicas, lo que permite un mejor entendimiento de enfermedades y tratamientos. Además, la IA generativa puede ayudar en la creación de medicamentos y en la personalización de tratamientos médicos, mejorando la eficacia y la precisión en el cuidado de la salud.

Estos son solo algunos ejemplos de cómo la IA generativa está impactando diferentes industrias, pero su alcance es amplio y se espera que continúe expandiéndose en el futuro.

Implicaciones de la IA Generativa en el trabajo y la productividad

La adopción de la IA generativa tiene implicaciones significativas en el ámbito laboral y la productividad. A medida que la IA generativa automatiza tareas rutinarias y genera contenido de manera eficiente, se producirán cambios en la forma en que se realizan ciertas actividades laborales.

En algunos casos, la IA generativa puede reemplazar ciertos roles o tareas específicas, lo que podría resultar en la necesidad de reestructurar equipos y desarrollar nuevas habilidades. Sin embargo, también se espera que la IA generativa cree nuevas oportunidades laborales y permita a los trabajadores enfocarse en tareas más creativas y estratégicas.

La productividad también se verá impactada positivamente a medida que la IA generativa automatice tareas y mejore la eficiencia en la generación de contenido y la toma de decisiones. Esto liberará tiempo y recursos que podrán ser utilizados en actividades de mayor valor agregado.

Es importante destacar que la implementación de la IA generativa en el ámbito laboral requerirá un enfoque cuidadoso para garantizar una transición suave y justa, brindando oportunidades de aprendizaje y reconversión profesional a los trabajadores afectados.

Consideraciones para las empresas y la sociedad

Si bien la IA generativa presenta oportunidades emocionantes en términos de productividad y creación de valor, también plantea desafíos y consideraciones importantes tanto para las empresas como para la sociedad en general.

• Ética y responsabilidad: La IA generativa plantea preguntas éticas sobre la autoría y el uso responsable de los contenidos generados. Es importante establecer marcos éticos sólidos y responsabilidad en el desarrollo y uso de la IA generativa para evitar posibles abusos y garantizar la transparencia y la equidad.
• Sesgos y discriminación: Existe el riesgo de que los modelos de IA generativa reflejen sesgos inherentes en los datos de entrenamiento, lo que puede llevar a la generación de contenido discriminatorio o sesgado. Es fundamental abordar estos sesgos y garantizar la diversidad y equidad en los modelos de IA generativa.
• Seguridad y privacidad: La generación automática de contenido plantea desafíos en términos de seguridad y privacidad. Es esencial garantizar la protección de los datos y la información generada por la IA generativa, así como prevenir posibles riesgos y vulnerabilidades.
• Educación y habilidades: La adopción de la IA generativa requerirá una inversión en educación y desarrollo de habilidades para aprovechar su potencial de manera efectiva. Es importante proporcionar oportunidades de formación y aprendizaje para los trabajadores y la sociedad en general.

El impacto de la IA generativa en la productividad podría agregar billones de dólares en valor a la economía global

El impacto de la IA generativa en la productividad tiene el potencial de agregar billones de dólares en valor a la economía global. Según nuestra investigación más reciente, estimamos que la IA generativa podría añadir entre $2.6 billones y $4.4 billones anualmente en los 63 casos de uso que hemos analizado. En comparación, el PIB total del Reino Unido en 2021 fue de $3.1 billones. Esto representaría un aumento del impacto total de la inteligencia artificial entre un 15% y un 40%. Si también incluimos el impacto de incorporar la IA generativa en el software que se utiliza actualmente para otras tareas más allá de los casos de uso analizados, esta estimación se duplicaría aproximadamente.

Alrededor del 75% del valor generado por los casos de uso de la IA generativa se concentra en cuatro áreas principales: operaciones de clientes, marketing y ventas, ingeniería de software e I+D. Hemos examinado 63 casos de uso en 16 funciones comerciales, en los cuales la tecnología puede abordar desafíos específicos y producir resultados medibles. Algunos ejemplos incluyen el uso de la IA generativa para respaldar las interacciones con los clientes, generar contenido creativo para marketing y ventas, y redactar código informático basado en instrucciones en lenguaje natural, entre muchas otras tareas.

La IA generativa tendrá un impacto significativo en todos los sectores industriales. La banca, la alta tecnología y las ciencias de la vida son algunas de las industrias que podrían experimentar el mayor impacto en términos de ingresos generados por la IA generativa. Por ejemplo, en la industria bancaria, la tecnología podría generar un valor adicional equivalente a entre $200 mil millones y $340 mil millones anualmente si los casos de uso se implementan por completo. En el sector minorista y de bienes de consumo empaquetados, el impacto potencial también es significativo, con un rango de $400 mil millones a $660 mil millones al año.

La IA generativa tiene el potencial de cambiar la naturaleza del trabajo, al aumentar las capacidades de los trabajadores individuales mediante la automatización de algunas de sus tareas. Actualmente, la IA generativa y otras tecnologías pueden automatizar actividades laborales que ocupan entre el 60% y el 70% del tiempo de los empleados. Anteriormente, estimamos que la tecnología podría automatizar la mitad del tiempo de trabajo de los empleados. Esta aceleración en el potencial de la automatización técnica se debe principalmente a la mayor capacidad de la IA generativa para comprender el lenguaje natural, que es necesario para las actividades laborales que representan el 25% del tiempo total de trabajo. Por lo tanto, la IA generativa tiene un impacto mayor en el trabajo del conocimiento asociado con ocupaciones que requieren salarios y requisitos educativos más altos que en otros tipos de trabajo.

Se espera que el ritmo de transformación de la fuerza laboral se acelere debido al aumento del potencial de automatización técnica. Según nuestros escenarios de adopción actualizados, que consideran el desarrollo tecnológico, la viabilidad económica y los plazos de difusión, se estima que la mitad de las actividades laborales actuales podrían automatizarse entre 2023.

Operaciones de clientes: mejora de las experiencias de clientes y agentes

La IA generativa tiene el potencial de revolucionar la función de operaciones del cliente al mejorar la experiencia del cliente y la productividad de los agentes a través del autoservicio digital, así como al mejorar y ampliar las habilidades de los agentes. Esta tecnología ya ha avanzado en el servicio al cliente gracias a su capacidad para automatizar las interacciones con los clientes utilizando el lenguaje natural.

Nuestra investigación revela que en una empresa con 5000 agentes de servicio al cliente, la implementación de la IA generativa ha aumentado la resolución de problemas en un 14% por hora y ha reducido el tiempo dedicado a manejar un problema en un 9%. También ha disminuido la deserción de agentes y las solicitudes para hablar con un gerente en un 25%. Es importante destacar que la productividad y la calidad del servicio han mejorado especialmente entre los agentes menos experimentados, mientras que la asistencia de IA no ha aumentado, e incluso a veces ha disminuido, las métricas de productividad y calidad de los agentes más calificados. Esto se debe a que la asistencia de IA ha ayudado a los agentes menos experimentados a comunicarse utilizando técnicas similares a las de sus colegas más capacitados.

A continuación, se presentan ejemplos de las mejoras operativas que la IA generativa puede aportar a casos de uso específicos:

1. Autoservicio al cliente: Los chatbots generativos impulsados por IA pueden ofrecer respuestas inmediatas y personalizadas a consultas complejas de los clientes, sin importar el idioma o la ubicación del cliente. Al mejorar la calidad y la eficiencia de las interacciones a través de canales automatizados, la IA generativa podría automatizar un mayor porcentaje de consultas de los clientes, permitiendo que los equipos de atención al cliente se centren en consultas que requieren la intervención de un agente humano. Según nuestra investigación, aproximadamente la mitad de los contactos con clientes en empresas bancarias, de telecomunicaciones y de servicios públicos en América del Norte ya son gestionados por máquinas, incluida la IA. Estimamos que la IA generativa podría reducir aún más el volumen de contactos atendidos por humanos hasta en un 50%, dependiendo del nivel de automatización existente en una empresa.
2. Resolución durante el contacto inicial: La IA generativa puede recuperar instantáneamente los datos que una empresa tiene sobre un cliente específico, lo que puede ayudar a un representante de servicio al cliente humano a responder preguntas y resolver problemas de manera más exitosa durante una interacción inicial.
3. Tiempo de respuesta reducido: La IA generativa puede reducir el tiempo que un representante de ventas humano dedica a responder a un cliente al proporcionar asistencia en tiempo real y recomendar los próximos pasos.
4. Aumento de ventas: Debido a su capacidad para procesar rápidamente datos sobre los clientes y sus historiales de navegación, la tecnología puede identificar sugerencias de productos y ofertas adaptadas a las preferencias de los clientes. Además, la IA generativa puede mejorar la garantía de calidad y el entrenamiento al recopilar información de las conversaciones con los clientes, determinar áreas de mejora y capacitar a los agentes.

Estimamos que la implementación de la IA generativa en las funciones de atención al cliente podría aumentar la productividad en un rango que oscila entre el 30% y el 45% de los costos actuales de estas funciones.

Es importante destacar que nuestro análisis se enfoca en el impacto directo que la IA generativa puede tener en la productividad de las operaciones del cliente. No hemos tenido en cuenta los posibles efectos colaterales que esta tecnología podría tener en la satisfacción y retención del cliente, que surgen de una experiencia mejorada, incluida una mejor comprensión del contexto del cliente que puede ayudar a los agentes humanos a brindar ayuda y recomendaciones más personalizadas.

Marketing y ventas: impulsar la personalización, la creación de contenido y la productividad de ventas

Impulsando la personalización, la creación de contenido y la productividad de ventas en marketing y ventas

La integración de la IA generativa ha cobrado rápidamente impulso en las funciones de marketing y ventas, donde las comunicaciones basadas en texto y la personalización a gran escala son fundamentales. Esta tecnología puede crear mensajes personalizados adaptados a los intereses, preferencias y comportamientos individuales de los clientes, así como llevar a cabo tareas como la redacción de anuncios de marca, titulares, eslóganes, publicaciones en redes sociales y descripciones de productos.

Marketing

La implementación de la IA generativa en el ámbito del marketing requiere una consideración cuidadosa. Por un lado, los modelos matemáticos entrenados en datos públicos sin garantías suficientes contra el plagio y las violaciones de derechos de autor pueden infringir la propiedad intelectual. Además, las aplicaciones de prueba virtual pueden generar representaciones sesgadas de ciertos grupos demográficos debido a datos de entrenamiento limitados o sesgados. Por lo tanto, es crucial contar con una supervisión humana significativa que aborde las necesidades conceptuales y estratégicas específicas de cada empresa.

Los posibles beneficios operativos del uso de la IA generativa en marketing incluyen:

1. Creación eficiente y efectiva de contenido: La IA generativa puede reducir significativamente el tiempo necesario para idear y redactar contenido, lo que ahorra tiempo y esfuerzo valiosos. También puede garantizar la coherencia en diferentes piezas de contenido, asegurando una voz y un estilo de escritura uniformes. Mediante la colaboración con la IA generativa, los miembros del equipo pueden integrar sus ideas en una sola pieza cohesiva. Esto permite mejorar la personalización de los mensajes de marketing dirigidos a diferentes segmentos de clientes, geografías y datos demográficos. Las campañas de correo electrónico masivas se pueden traducir instantáneamente a múltiples idiomas, con imágenes y mensajes adaptados a cada audiencia. La capacidad de la IA generativa para producir contenido con especificaciones diversas puede aumentar el valor del cliente, la atracción, la conversión y la retención.
2. Mejor uso de los datos: La IA generativa puede ayudar a los especialistas en marketing a abordar los desafíos que plantean los datos no estructurados, inconsistentes y desconectados, como los provenientes de diferentes bases de datos. Puede interpretar fuentes abstractas de datos, como texto, imágenes y estructuras variables, y ayudar a los especialistas en marketing a aprovechar mejor datos como el rendimiento del territorio, los comentarios de los clientes y el comportamiento de compra para generar estrategias basadas en datos, perfiles de clientes específicos y recomendaciones de canales. Estas herramientas podrían identificar y sintetizar tendencias, impulsores clave y oportunidades de mercado y productos a partir de datos no estructurados, como redes sociales, noticias, investigaciones académicas y comentarios de los clientes.
3. Optimización SEO: La IA generativa puede ayudar a los especialistas en marketing a mejorar la conversión y reducir los costos mediante la optimización de motores de búsqueda (SEO) para elementos técnicos del marketing y las ventas, como títulos de página, etiquetas de imágenes y URL. Puede sintetizar palabras clave de SEO, brindar apoyo a los especialistas en la creación de contenido digital optimizado para SEO y distribuir contenido dirigido a los clientes.
4. Descubrimiento de productos y personalización de búsquedas: Con la IA generativa, es posible personalizar el descubrimiento y la búsqueda de productos mediante el uso de entradas multimodales de texto, imágenes y voz, y una comprensión profunda de los perfiles de los clientes. Por ejemplo, la tecnología puede aprovechar las preferencias, el comportamiento y el historial de compras de los usuarios individuales para ayudar a los clientes a descubrir los productos más relevantes y generar descripciones de productos personalizadas. Esto permitiría a las empresas minoristas, de viajes y de productos de consumo mejorar sus ventas en línea al lograr tasas de conversión de sitios web más altas.

Se estima que la implementación de la IA generativa podría aumentar la productividad de la función de marketing en un valor que oscila entre el 5% y el 15% de los gastos totales en marketing.

Es importante tener en cuenta que nuestro análisis del uso potencial de la IA generativa en marketing no considera completamente los ingresos adicionales que podría generar. Por ejemplo, la capacidad de la IA generativa para identificar clientes potenciales y realizar seguimientos puede descubrir nuevas oportunidades y facilitar un alcance más efectivo, generando así ingresos adicionales. Además, el tiempo ahorrado por los representantes de ventas gracias a las capacidades de la IA generativa puede ser invertido en interacciones de mayor calidad con los clientes, lo que resulta en un mayor éxito en las ventas.

Ingeniería de software: Acelerando el trabajo del desarrollador como asistente de codificación

La IA generativa ha comenzado a desempeñar un papel importante en la ingeniería de software al actuar como un asistente de codificación para los desarrolladores. Los ingenieros de software pueden aprovechar esta tecnología para agilizar el proceso de programación y capacitar a los modelos de lenguaje generativos (LLM) para generar código cuando se les presenta un mensaje en lenguaje natural que describe la tarea que debe realizar ese código.

La implementación de la IA generativa en la ingeniería de software tiene el potencial de impulsar la productividad y eficiencia de los desarrolladores. Nuestro análisis indica que el impacto directo de la IA en la productividad de la ingeniería de software podría representar entre el 20% y el 45% del gasto anual actual en esta función. Esto se debe a la reducción del tiempo dedicado a actividades como la generación de borradores de código, la corrección y refactorización de código, el análisis de causa raíz y la generación de nuevos diseños de sistemas. Al acelerar el proceso de codificación, la IA generativa permite que los desarrolladores enfoquen sus habilidades en tareas de mayor nivel, como el diseño de código y la arquitectura.

Estudios han demostrado que los desarrolladores de software que utilizan herramientas de IA generativa experimentan una mayor eficiencia. Por ejemplo, un estudio encontró que los desarrolladores que utilizaban GitHub Copilot, una herramienta basada en IA de Microsoft, completaban las tareas un 56% más rápido que aquellos que no la utilizaban. Además, se ha observado que los equipos de ingeniería de software capacitados en el uso de herramientas de IA generativa reducen significativamente el tiempo necesario para generar y refactorizar código, lo que resulta en una mejor experiencia laboral y mayores niveles de satisfacción.

Es importante destacar que el análisis anterior no considera el impacto en la calidad de las aplicaciones y el impulso resultante en la productividad que la IA generativa puede generar al mejorar el código y la arquitectura de TI. Aunque la calidad de la arquitectura de TI sigue dependiendo en gran medida de los arquitectos de software, las capacidades actuales de la IA generativa permiten producir borradores iniciales que pueden servir como una base sólida para el desarrollo posterior.

Las grandes empresas tecnológicas ya están comercializando herramientas de IA generativa para la ingeniería de software. Por ejemplo, GitHub Copilot, ahora integrado con GPT-4 de OpenAI, y Replit, utilizado por millones de programadores, son ejemplos de estas herramientas que ayudan a acelerar el trabajo del desarrollador y mejorar la eficiencia en la programación.

I+D de productos: reducción del tiempo de investigación y diseño, mejora de la simulación y las pruebas

El potencial de la IA generativa en el campo de I+D no siempre es reconocido en la misma medida que en otras áreas empresariales. Sin embargo, nuestra investigación revela que esta tecnología tiene la capacidad de generar un aumento en la productividad que puede representar entre el 10% y el 15% de los costos totales de I+D.

Un ejemplo notable es el uso de modelos básicos de IA generativa en las industrias químicas y de ciencias de la vida, donde se emplea el diseño generativo. Estos modelos básicos tienen la capacidad de generar moléculas candidatas, lo que acelera el proceso de desarrollo de nuevos fármacos y materiales. Una empresa farmacéutica de biotecnología llamada Entos ha combinado la IA generativa con herramientas automatizadas de desarrollo sintético para diseñar terapias basadas en moléculas pequeñas. Los mismos principios pueden aplicarse al diseño de una amplia gama de productos, incluyendo productos físicos y circuitos eléctricos a gran escala, entre otros.

Aunque las técnicas de diseño generativo ya han desbloqueado parte del potencial de la IA en I+D, existen limitaciones en cuanto a costos y requisitos de datos, especialmente en el caso del aprendizaje automático «tradicional». Por otro lado, los modelos básicos preentrenados que respaldan la IA generativa, o aquellos que han sido afinados y mejorados, tienen un alcance de aplicación mucho más amplio que los modelos optimizados para una sola tarea. Esto permite acelerar el tiempo de comercialización y ampliar la variedad de productos a los que se puede aplicar el diseño generativo. No obstante, por el momento, los modelos básicos carecen de las capacidades necesarias para diseñar productos en todas las industrias.

Además de las ganancias de productividad que se obtienen al poder generar rápidamente diseños candidatos, el diseño generativo también puede permitir mejoras en los propios diseños. A continuación, se presentan ejemplos de mejoras operativas que la IA generativa puede aportar:

1. Diseño mejorado: La IA generativa ayuda a los diseñadores de productos a reducir costos mediante la selección y uso más eficiente de materiales. También optimiza los diseños para la fabricación, lo que resulta en reducciones de costos en logística y producción.
2. Pruebas y calidad del producto mejoradas: La aplicación de la IA generativa en el diseño generativo puede dar como resultado productos de mayor calidad, lo que los hace más atractivos para el mercado. La IA generativa también puede acelerar las pruebas de sistemas complejos y agilizar las fases de prueba que involucran la participación de los clientes, al redactar escenarios y perfilar candidatos de prueba.

Además, hemos identificado un nuevo caso de uso de la IA en I+D, que no es generativa: el uso combinado de sustitutos del aprendizaje profundo y la IA generativa. Desde nuestra investigación previa, se ha observado un aumento en el uso de los sustitutos del aprendizaje profundo, y al combinarlos con la IA generativa se pueden obtener beneficios aún mayores. Aunque se requeriría el desarrollo de soluciones específicas para lograr esta integración, el valor potencial podría ser significativo, ya que los sustitutos del aprendizaje profundo tienen el potencial de acelerar las pruebas de los diseños propuestos por la IA generativa.

Si bien hemos estimado los posibles impactos directos de la IA generativa en la función de I+D, no hemos intentado estimar el potencial de esta tecnología para crear nuevas categorías de productos. Estos son los tipos de innovaciones que pueden generar cambios drásticos no solo en el desempeño de empresas individuales, sino también en el crecimiento económico en general.

Impactos de la Inteligencia Artificial en la industria

Nuestro análisis de 63 casos de uso revela que la IA generativa tiene el potencial de generar un valor estimado entre $2,6 billones y $4,4 billones en todas las industrias. El impacto exacto dependerá de diversos factores, como la combinación y la importancia de las diferentes funciones, así como la escala de los ingresos de cada industria.

Por ejemplo, en el sector minorista (incluyendo concesionarios de automóviles), nuestra investigación estima que la IA generativa podría aportar aproximadamente $310 mil millones en valor adicional al mejorar el desempeño en funciones como marketing e interacciones con los clientes. En contraste, gran parte del valor potencial en la industria de alta tecnología proviene de la capacidad de la IA generativa para acelerar y hacer más eficiente el desarrollo de software.

En la industria bancaria, la IA generativa tiene el potencial de mejorar las eficiencias ya ofrecidas por la inteligencia artificial, asumiendo tareas de menor valor en la gestión de riesgos, como informes requeridos, seguimiento de desarrollos normativos y recopilación de datos. Por otro lado, en la industria de ciencias de la vida, la IA generativa está lista para hacer contribuciones significativas en el descubrimiento y desarrollo de fármacos.

A continuación, compartimos un análisis detallado de estas industrias y sus respectivos impactos:

• Industria minorista: Valor adicional estimado de aproximadamente $310 mil millones.
• Industria de alta tecnología: Valor potencial significativo en el desarrollo de software.
• Industria bancaria: Mejora de eficiencias en la gestión de riesgos.
• Industria de ciencias de la vida: Contribuciones en el descubrimiento y desarrollo de fármacos.

Es importante destacar que estos son solo algunos ejemplos de cómo la IA generativa puede impactar diversas industrias. Existen oportunidades y aplicaciones en otros sectores que también pueden generar beneficios significativos en términos de valor y eficiencia.

La IA generativa y su respaldo a los impulsores de valor clave en el comercio minorista y los bienes de consumo empaquetados

La aplicación de la IA generativa en la industria minorista y de bienes de consumo empaquetados (CPG) tiene el potencial de generar un aumento en la productividad, estimado entre el 1,2% y el 2,0% de los ingresos anuales, lo que equivale a un valor adicional de $400 mil millones a $660 mil millones. Esta tecnología puede agilizar los procesos al automatizar funciones clave como el servicio al cliente, el marketing, las ventas, la gestión del inventario y la cadena de suministro.

Durante décadas, la tecnología ha desempeñado un papel esencial en estas industrias. Las soluciones tradicionales de inteligencia artificial y análisis avanzado han ayudado a las empresas a gestionar grandes volúmenes de datos, amplias cadenas de suministro, redes de almacenamiento y categorías de productos complejas. La naturaleza orientada al cliente de estas industrias ofrece oportunidades para que la IA generativa complemente las soluciones de IA existentes. Por ejemplo, su capacidad para personalizar ofertas puede optimizar las actividades de marketing y ventas que ya son manejadas por soluciones de IA existentes. Además, las herramientas generativas de IA destacan en la gestión de datos y pueden ser compatibles con las herramientas de fijación de precios impulsadas por IA existentes. La aplicación de IA generativa en estas actividades puede ser un paso hacia la integración de aplicaciones en toda la empresa.

La IA generativa en el comercio minorista y CPG puede ofrecer beneficios específicos, como:

1. Reinvención del patrón de interacción con el cliente: Los consumidores buscan cada vez más la personalización en todos los aspectos, desde productos de moda y cosméticos hasta experiencias de compra y alimentos seleccionados. La IA generativa puede mejorar esta experiencia al agregar datos de mercado para probar conceptos, ideas y modelos. Por ejemplo, Stitch Fix utiliza algoritmos y la tecnología DALL·E para visualizar productos según las preferencias de los clientes, lo que permite a los estilistas visualizar prendas de vestir en función de las preferencias individuales y encontrar artículos similares en su inventario.
2. Acelerar la creación de valor en áreas clave: Las herramientas de IA generativa pueden facilitar la redacción de textos publicitarios, generar ideas creativas de marketing, agilizar la investigación del consumidor y acelerar el análisis y la creación de contenido. Mejoras en la escritura y las imágenes pueden aumentar la conciencia y mejorar las tasas de conversión de ventas.
3. Resolución rápida y conocimientos mejorados en la atención al cliente: Con el crecimiento del comercio electrónico, las interacciones efectivas con los consumidores son cada vez más importantes. La combinación de herramientas de IA existentes con la IA generativa permite mejorar las capacidades de los chatbots, lo que les permite imitar mejor el estilo de interacción de los agentes humanos. Esto incluye responder consultas de clientes, rastrear o cancelar pedidos, ofrecer descuentos y aumentar las ventas. La automatización de tareas repetitivas libera tiempo para que los agentes humanos se enfoquen en resolver problemas más complejos y obtener información contextual.

La inteligencia artificial generativa (IA generativa) ofrece un respaldo clave a los impulsores de valor en el comercio minorista y los bienes de consumo empaquetados.

La implementación de esta tecnología podría generar un aumento en la productividad de la industria minorista y de CPG, representando un incremento de entre el 1,2 y el 2,0 por ciento de los ingresos anuales, lo que equivale a $400 mil millones a $660 mil millones adicionales. La IA generativa tiene el potencial de agilizar diversos procesos automatizando funciones fundamentales como el servicio al cliente, el marketing, las ventas, la gestión del inventario y la cadena de suministro.

Durante décadas, la tecnología ha desempeñado un papel esencial en estas industrias. Las soluciones tradicionales de inteligencia artificial y análisis avanzado han ayudado a las empresas a gestionar grandes volúmenes de datos, como SKU, cadenas de suministro, redes de almacenamiento expansivas y categorías de productos complejas. Además, estas industrias se centran en gran medida en el cliente, lo que brinda oportunidades para que la IA generativa complemente las soluciones de IA existentes. Por ejemplo, la capacidad de personalización de la IA generativa puede optimizar las actividades de marketing y ventas que ya son manejadas por soluciones de IA existentes. Asimismo, las herramientas generativas de IA destacan en la gestión de datos y podrían ser compatibles con herramientas de fijación de precios impulsadas por IA ya existentes. La aplicación de la IA generativa a estas actividades podría ser un paso hacia la integración de aplicaciones en toda la empresa.

IA generativa en el comercio minorista y CPG Reinvención de la interacción con el cliente

Los consumidores demandan cada vez más personalización en productos como ropa, cosméticos, experiencias de compra y alimentos, y la IA generativa puede mejorar esta experiencia. Al agregar datos de mercado, la IA generativa puede probar conceptos, ideas y modelos. Por ejemplo, Stitch Fix utiliza algoritmos para sugerir opciones de estilo a sus clientes y ha experimentado con la IA generativa para visualizar productos según las preferencias de los consumidores en términos de color, tela y estilo. Mediante la generación de texto a imagen, los estilistas de la empresa pueden visualizar prendas de vestir basadas en las preferencias del consumidor y luego identificar artículos similares en el inventario de Stitch Fix.

Los minoristas pueden crear aplicaciones que brinden a los compradores una experiencia de próxima generación, lo que les otorgará una ventaja competitiva significativa en una era en la que los clientes esperan tener una única interfaz de lenguaje natural que los ayude a seleccionar productos. Por ejemplo, la IA generativa puede mejorar el proceso de selección y pedido de ingredientes para una comida o la preparación de alimentos. Imagina un chatbot capaz de obtener los consejos más populares de los comentarios adjuntos a una receta. También existe una gran oportunidad para mejorar la gestión del valor del cliente a través de la entrega de campañas de marketing personalizadas mediante un chatbot. Estas aplicaciones pueden mantener conversaciones similares a las de los humanos sobre productos, lo que aumentaría la satisfacción del cliente, el tráfico y la lealtad a la marca. La IA generativa ofrece a los minoristas y las empresas de CPG muchas oportunidades para realizar ventas cruzadas y adicionales.

Aceleración de la creación de valor en áreas clave

Las herramientas de IA generativa pueden facilitar la redacción de textos publicitarios, generar ideas creativas de marketing, agilizar la investigación del consumidor y acelerar el análisis y la creación de contenido. La mejora en la escritura y las imágenes puede aumentar la conciencia y mejorar las tasas de conversión de ventas.

Respuestas rápidas y mejores conocimientos en atención al cliente

El crecimiento del comercio electrónico ha aumentado la importancia de las interacciones efectivas con los consumidores. Los minoristas pueden combinar las herramientas de IA existentes con la IA generativa para mejorar las capacidades de los chatbots, permitiéndoles imitar mejor el estilo de interacción de los agentes humanos. Esto incluye responder directamente a las consultas de los clientes, rastrear o cancelar pedidos, ofrecer descuentos y aumentar las ventas. La automatización de tareas repetitivas libera tiempo para que los agentes humanos se enfoquen en manejar problemas más complejos de los clientes y obtener información contextual.

Innovación disruptiva y creativa

Las herramientas de IA generativa pueden mejorar el proceso de desarrollo de nuevos productos al permitir una creación digital rápida de nuevos diseños. Un diseñador puede generar diseños de empaques desde cero o generar variaciones sobre un diseño existente. Esta tecnología se está desarrollando rápidamente y tiene el potencial de agregar generación de texto a video.

Factores a considerar para las organizaciones minoristas y de CPG

A medida que los ejecutivos minoristas y de CPG exploran la integración de la IA generativa en sus operaciones, deben tener en cuenta varios factores que podrían afectar su capacidad para capturar valor de esta tecnología:

• Inferencia externa: La IA generativa ha aumentado la necesidad de comprender si el contenido generado se basa en hechos o inferencias, lo que requiere un nuevo nivel de control de calidad.
• Ataques adversarios: Los modelos de base son un objetivo principal para los ataques de piratas informáticos y otros actores malintencionados, lo que aumenta las posibles vulnerabilidades de seguridad y riesgos de privacidad.

Para abordar estas preocupaciones, las empresas minoristas y de CPG deben mantener a los humanos informados estratégicamente y garantizar que la seguridad y la privacidad sean consideraciones clave en cualquier implementación. Las empresas deben establecer nuevos controles de calidad para procesos que antes eran realizados por humanos, como correos electrónicos redactados por representantes de servicio al cliente, y realizar controles de calidad más detallados en procesos asistidos por IA, como el diseño de productos.

Los productos farmacéuticos y médicos pueden obtener beneficios en toda la cadena de valor mediante la implementación de la inteligencia artificial generativa (IA generativa).

Según nuestro análisis, esta tecnología tiene el potencial de generar un impacto significativo en las industrias farmacéutica y de productos médicos, representando entre el 2,6 y el 4,5 por ciento de los ingresos anuales de estas industrias, lo que equivale a $60 mil millones a $110 mil millones anuales. Este potencial se debe al proceso intensivo en recursos utilizado para descubrir nuevos compuestos farmacológicos, donde las empresas farmacéuticas invierten aproximadamente el 20 por ciento de sus ingresos en investigación y desarrollo, y el desarrollo de un nuevo medicamento puede tomar de diez a 15 años. Mejorar la velocidad y la calidad de la investigación y desarrollo puede generar un valor sustancial en este contexto.

La implementación de la IA generativa en el ámbito farmacéutico y médico puede tener los siguientes beneficios:

1. Mejora de la automatización en la detección preliminar: En la etapa de identificación de plomo en el desarrollo de fármacos, los modelos básicos de IA pueden automatizar la selección preliminar de productos químicos que podrían tener efectos específicos en los objetivos de los fármacos. Esto permite a los investigadores identificar de manera más precisa los productos químicos más prometedores para un análisis posterior durante la optimización de los prospectos.
2. Mejora en la búsqueda de indicaciones: La IA generativa puede ayudar en la identificación y priorización de nuevas indicaciones para medicamentos. Al procesar grandes cantidades de datos y opciones de modelos, los investigadores pueden mapear eventos clínicos y registros médicos de pacientes para identificar indicaciones con mayor probabilidad de éxito en ensayos clínicos. Esto acelera el proceso de desarrollo de medicamentos al seleccionar con mayor precisión los grupos de pacientes apropiados.

Sin embargo, al integrar la IA generativa en las operaciones farmacéuticas y de productos médicos, es importante considerar algunos factores limitantes:

1. Necesidad de un humano en el proceso: Puede ser necesario implementar nuevos controles de calidad en procesos que anteriormente eran realizados por humanos, como la generación de correos electrónicos por parte de representantes o el descubrimiento de fármacos asistido por IA. También es necesario verificar si el contenido generado se basa en hechos o inferencias.
2. Explicabilidad: La falta de transparencia en los orígenes del contenido generado y la trazabilidad de los datos pueden dificultar la actualización de los modelos y la identificación de posibles riesgos. Es importante diseñar sistemas que apunten a fuentes de datos específicas y realizar verificaciones humanas.
3. Consideraciones de privacidad: El uso de imágenes clínicas y registros médicos en la IA generativa puede aumentar el riesgo de filtración de información de salud protegida, lo que puede violar regulaciones de privacidad del paciente. Es necesario garantizar la protección adecuada de la privacidad y cumplir con las regulaciones aplicables.

En resumen, la IA generativa ofrece oportunidades significativas para mejorar la eficiencia y la calidad en la industria farmacéutica y de productos médicos, pero también implica consideraciones importantes que deben abordarse para maximizar sus beneficios y garantizar el cumplimiento normativo.

Implicaciones de la Inteligencia Artificial en el trabajo y la productividad

Durante décadas, la tecnología ha estado transformando la naturaleza del trabajo. Desde la Revolución Industrial, las máquinas han otorgado a los trabajadores capacidades ampliadas, permitiéndoles realizar tareas físicas y cálculos que superan sus propias limitaciones humanas. En este sentido, la inteligencia artificial generativa (IA generativa) sigue este patrón al automatizar actividades laborales individuales en el entorno de trabajo actual.

En 2017, el McKinsey Global Institute comenzó a investigar el impacto de la automatización tecnológica en las actividades laborales. En ese momento, se estimaba que aproximadamente la mitad del tiempo de trabajo se dedicaba a actividades susceptibles de ser automatizadas con la tecnología existente en ese momento. Estos escenarios modelaron cómo estas tecnologías podrían adoptarse y afectar las actividades laborales a nivel mundial.

Sin embargo, la adopción de tecnología a gran escala lleva tiempo. Aunque las capacidades tecnológicas pueden existir en un laboratorio, su integración en soluciones que automatizan actividades laborales específicas requiere desarrollo y tiempo. Además, incluso si existe una viabilidad económica para su implementación, la adopción a nivel global lleva tiempo. Por lo tanto, los escenarios de adopción del McKinsey consideran estos factores, junto con el potencial de automatización técnica, para comprender el ritmo y la escala en los que las actividades laborales podrían cambiar con el tiempo.

La IA generativa, combinada con tecnologías anteriores, tiene el potencial de acelerar la automatización técnica de actividades individuales y la adopción de tecnologías que mejoran las capacidades de la fuerza laboral. Esto afecta principalmente el trabajo del conocimiento, incluidas las actividades que implican toma de decisiones y colaboración, que anteriormente tenían un menor potencial de automatización. Las capacidades mejoradas de lenguaje natural de la IA generativa permiten la automatización de actividades que involucran comunicación, supervisión, documentación e interacción con personas en general.

La IA generativa también desafía el enfoque tradicional basado en credenciales educativas, ya que su impacto se extiende a las actividades realizadas por trabajadores más educados. A diferencia de las generaciones anteriores de tecnología de automatización, que afectaron principalmente a las ocupaciones de ingresos medios, la IA generativa tiene un impacto incremental en ocupaciones que requieren niveles más altos de logro educativo.

La IA generativa podría impulsar un mayor crecimiento de la productividad

Es importante tener en cuenta que la adopción de la automatización puede variar según el país. En países desarrollados con salarios más altos, la adopción de la automatización puede ocurrir más rápidamente debido a la viabilidad económica. Por otro lado, en países con salarios más bajos, la adopción puede ser más lenta.

En resumen, la IA generativa tiene implicaciones significativas en el trabajo y la productividad. Acelera la automatización de actividades laborales individuales, principalmente en el trabajo del conocimiento, y desafía los modelos tradicionales de habilidades y educación. Sin embargo, la adopción de estas tecnologías llevará tiempo y requerirá consideraciones económicas y regulatorias. Es fundamental abordar estos desafíos para aprovechar al máximo los beneficios de la IA generativa.

Consideraciones para las empresas y la sociedad

La historia nos ha demostrado que las nuevas tecnologías tienen el potencial de remodelar nuestras sociedades. La inteligencia artificial (IA) ya ha cambiado la forma en que vivimos y trabajamos, pero hasta ahora ha sido principalmente utilizada en segundo plano, optimizando procesos comerciales o haciendo recomendaciones de compra. Sin embargo, el rápido desarrollo de la IA generativa aumentará significativamente su impacto, generando un valor adicional de billones de dólares cada año y transformando la naturaleza del trabajo.

No obstante, la tecnología también plantea desafíos nuevos y significativos. Las partes interesadas deben actuar rápidamente debido al ritmo acelerado al que la IA generativa podría adoptarse, para prepararse y abordar tanto las oportunidades como los riesgos que conlleva. Ya se han identificado riesgos, como preocupaciones sobre el contenido producido por sistemas de IA generativa. ¿Podrían infringir derechos de propiedad intelectual al utilizar datos de entrenamiento que contengan «plagio»? ¿Las respuestas generadas por los modelos de lenguaje y lógica (LLM) serán precisas y explicables? ¿Podría el contenido generado por la IA ser sesgado o injusto, reflejando estereotipos dañinos?

Además, existen desafíos económicos importantes. Las transiciones en la fuerza laboral descritas en este informe son considerables en términos de escala y alcance. Según el escenario de adopción de punto medio, entre un cuarto y un tercio de las actividades laborales podrían cambiar en la próxima década. Debemos gestionar simultáneamente los aspectos positivos y negativos de la tecnología (consulte el recuadro «Uso responsable de la IA generativa»). Estas son algunas preguntas críticas que debemos abordar mientras equilibramos nuestro entusiasmo por los beneficios potenciales de la tecnología con los nuevos desafíos que plantea.

Empresas y líderes empresariales:

• ¿Cómo pueden las empresas aprovechar rápidamente el valor potencial resaltado en este informe mientras gestionan los riesgos asociados con la IA generativa?
• ¿Cómo se transformará la combinación de ocupaciones y habilidades requeridas en la fuerza laboral de una empresa debido a la IA generativa y otras formas de inteligencia artificial en los próximos años? ¿Cómo adaptará una empresa sus planes de contratación, programas de capacitación y otros aspectos de recursos humanos para facilitar estas transiciones?
• ¿Las empresas tienen la responsabilidad de garantizar que la tecnología no se implemente en «casos de uso negativos» que podrían dañar a la sociedad?
• ¿Cómo pueden las empresas compartir de manera transparente sus experiencias con la ampliación del uso de la IA generativa tanto dentro de su industria como entre industrias, así como con gobiernos y la sociedad en general?

Responsables políticos:

• ¿Cómo será el futuro del trabajo a nivel de una economía en términos de ocupaciones y habilidades? ¿Cómo pueden apoyar los responsables políticos a los trabajadores a medida que sus actividades cambian con el tiempo? ¿Qué programas de reciclaje se pueden implementar? ¿Qué incentivos son necesarios para que las empresas inviertan en capital humano? ¿Existen programas de «ganar mientras se aprende», como pasantías, que permitan a las personas capacitarse nuevamente mientras se mantienen a sí mismas y a sus familias?
• ¿Qué medidas pueden tomar los formuladores de políticas para evitar que la IA generativa se utilice de manera perjudicial para la sociedad o las poblaciones vulnerables? ¿Se pueden desarrollar nuevas políticas o modificar las existentes para garantizar un desarrollo e implementación de la IA centrado en el ser humano, que incluya supervisión humana y perspectivas diversas de los valores sociales?

Individuos como trabajadores, consumidores y ciudadanos:

• ¿Cuán preocupados deberían estar los individuos por la llegada de la IA generativa? Mientras las empresas pueden evaluar cómo afectará la tecnología a sus resultados, ¿dónde pueden los ciudadanos obtener información precisa e imparcial sobre cómo afectará sus vidas y medios de subsistencia?
• ¿Cómo pueden las personas equilibrar las comodidades que ofrece la IA generativa con su impacto en el lugar de trabajo?
• ¿Los ciudadanos pueden participar en las decisiones que darán forma a la implementación e integración de la IA generativa en sus vidas?

La innovación tecnológica puede generar asombro y preocupación a partes iguales. Cuando esa innovación se materializa de manera repentina y se generaliza rápidamente, estas respuestas se amplifican. La llegada de la IA generativa en otoño de 2022 fue el ejemplo más reciente de este fenómeno, debido a su adopción inesperadamente rápida y a la lucha resultante entre empresas y consumidores para implementarla, integrarla y explorar sus posibilidades.

Todos estamos al comienzo de un viaje para comprender el poder, el alcance y las capacidades de esta tecnología. Si los últimos ocho meses nos han enseñado algo, es que los próximos años nos llevarán a una montaña rusa de innovaciones y avances tecnológicos que nos obligarán a recalibrar nuestra comprensión del impacto de la IA en el trabajo y en nuestras vidas. Es crucial comprender adecuadamente este fenómeno y anticipar su impacto. Dada la velocidad de implementación de la IA generativa hasta ahora, existe una gran necesidad de acelerar la transformación digital y la capacitación de la fuerza laboral.

Estas herramientas tienen el potencial de crear un valor enorme para la economía global en un momento en que enfrentamos los costos considerables de adaptarnos y mitigar el cambio climático. Sin embargo, también pueden ser más desestabilizadoras que las generaciones anteriores de inteligencia artificial. Son capaces de llevar a cabo una de las habilidades más humanas, el lenguaje, que es fundamental en la mayoría de las actividades laborales relacionadas con la experiencia y el conocimiento, pero también puede ser utilizado para causar daño emocional, crear malentendidos, ocultar la verdad, incitar a la violencia e incluso provocar guerras.

Esperamos que esta investigación haya contribuido a una mejor comprensión de la capacidad de la IA generativa para agregar valor a las operaciones empresariales, impulsar el crecimiento económico y la prosperidad, así como transformar drásticamente la forma en que trabajamos y nuestro papel en la sociedad. Las empresas, los formuladores de políticas, los consumidores y los ciudadanos pueden colaborar para garantizar que la IA generativa cumpla su promesa de crear un valor significativo al tiempo que limita su potencial para alterar vidas y medios de subsistencia. El momento de actuar es ahora.

Via: Mckinsey.com

LEE MÁS ARTÍCULOS SOBRE: Comercio Electrónico con IA.

LEE LA ENTRADA ANTERIOR: La IA en la psicoterapia: Beneficios, riesgos y futuro prometedor.