Machine intelligence y su impacto en el desempeño operativo de las empresas

Una investigación realizada por McKinsey y el programa Machine Intelligence for Manufacturing and Operations (MIMO) del Instituto Tecnológico de Massachusetts (MIT) muestra que las empresas líderes están utilizando cada vez más tecnologías de machine intelligence para mejorar sus operaciones.

El reporte, que se llevó a cabo en la primera mitad de 2021, se centró en dónde, cuándo y cómo se implementan estas tecnologías en las organizaciones y en su impacto en el rendimiento operativo.

En un whitepaper, la consultora global detalló que los líderes que participaron en la encuesta indicaron más del doble del impacto en la mitad del tiempo en comparación con los primeros esfuerzos sin esa tecnología.

El texto analizó cinco formas diferentes en que las empresas utilizan datos y análisis para mejorar la velocidad, la agilidad y el rendimiento de la toma de decisiones operativas.

Dicha evolución de la madurez digital comienza con herramientas simples, como tableros para ayudar en la toma de decisiones humanas, y termina con MI verdadera, es decir, máquinas que pueden ajustar su propio rendimiento de forma autónoma en función de datos históricos y en tiempo real.

Uso a medias de las tecnologías de machine intelligence

Un dato a considerar señala que el 92% de las empresas clasificadas como líderes en la encuesta realizada para el reporte tenían un proceso implementado para rastrear datos incompletos e inexactos.

A medida que las empresas avanzan hacia MI, las oportunidades y los riesgos aumentan, no solo en términos de las habilidades e inversiones requeridas, sino también en el potencial de error, destacó el texto.

Muchas empresas solo aprovecharán el aprendizaje automático o la IA en la medida en que sus resultados sean intuitivos y transparentes y, en algunas industrias, explicables a los reguladores externos.

Otro dato revelador: el 67% de los líderes realizan un seguimiento de la trazabilidad de los resultados, en comparación con solo el 14% del resto.

Pero el impacto de la autonomía, es decir, sacar al ser humano de la operación, en casos de uso bien definidos puede ser sustancial, a decir del reporte.

Algunas empresas informaron una mejora promedio en el nivel de servicio y la precisión de la demanda del 13%, mientras que las que se encuentran al principio de sus viajes generalmente usan tableros y ven mejoras promedio de solo el 3%.

Atributos para medir los avances en el uso del machine intelligence

La investigación definió tres grupos de atributos para cada empresa en la encuesta a fin de ver más allá de números y porcentaje.

Primero, se evaluaron los resultados logrados a través de sus programas digitales, medidos por factores que incluyen la cantidad de funciones que aplican estas tecnologías, la cantidad de KPIs mejorados y el tamaño de esas mejoras.

También lee:
Principales KPIs de abastecimiento y proveeduría: esto deben medir

En segundo lugar, se observó el despliegue, medido por factores que incluyen el gasto, la cantidad de años que las empresas han estado trabajando con estas tecnologías, la madurez de sus implementaciones y métodos analíticos, y la cantidad de organizaciones asociadas involucradas.

Finalmente, se revisó el conjunto de habilitadores, incluida la madurez de la estrategia digital de la organización, su infraestructura de datos y la presencia de centros de excelencia o programas estructurados de desarrollo de capacidades.

¿Quiénes aprovechan mejor los beneficios de las tecnologías de machine intelligence?

Como resultado, el reporte apuntó que los líderes tienen estrategias claramente definidas y utilizan centros de excelencia al doble de velocidad que los demás.

Por esa razón, esas empresas obtuvieron las mayores ganancias de sus esfuerzos de MI y tienen el nivel más alto de infraestructura y capacidades de soporte.

Existe un un grupo de empresas emergentes, que tienen el nivel más bajo de madurez habilitadora y vieron las ganancias más pequeñas.

Muchas de éstas recién iniciaron su conversión, pero aún no tienen la escala o la infraestructura de otros profesionales de MI más maduros.

Algunas empresas emergentes luchan por identificar los lugares adecuados para invertir.

El reporte identificó a otros dos grupos, a los que llamó planificadores y ejecutores.

El primer grupo muestra un nivel de madurez en los habilitadores que está a la par con las empresas del grupo líder.

Los planificadores aún tienen que lograr los mismos resultados que sus contrapartes líderes, pero algunos están a punto de convertirse en líderes.

Les caracteriza que no han podido lograr el impacto del grupo líder, a pesar de que han invertido mucho tiempo y recursos en proyectos digitales.

Los ejecutores ya han logrado ganancias significativas, a pesar de construir menos infraestructura que los líderes o planificadores e incluso menos que algunas empresas del grupo emergente.

Ese grupo, generalmente, encuentra algunos casos de uso de alto impacto, se asocian con otros para crear una solución y luego comienzan a implementar estas soluciones puntuales de la manera más amplia posible.

Evolución del machine intelligence

Hace una década, cualquier empresa que deseara aplicar MI a sus operaciones no tenía más remedio que construir internamente la infraestructura y los sistemas necesarios. Hoy en día, las organizaciones tienen la opción de comprar herramientas y experiencia de un enorme ecosistema de proveedores.

Por si te lo perdiste:
7 factores de éxito para impulsar los programas de diversidad de proveedores

Eso hace posible que los ejecutores logren ganancias significativas en casos de uso específicos sin hacer tanto trabajo preliminar por adelantado.

En una próxima entrega abordaremos cuáles son las áreas que se han visto más beneficiadas por el uso de tecnologías de machine intelligence.

THE LOGISTICS WORLD