– – –

En laúltima década, Novartis ha invertido

mucho en la transformación digital. A medida que el gigante farmacéutico suizo trasladó su infraestructura tecnológica a la nube e invirtió en plataformas de datos e integración de datos, contrató a especialistas en IA y científicos de datos para crear modelos de aprendizaje automático y desplegarlos en toda la empresa. Pero aunque los equipos técnicos crecían, los directivos de toda la empresa -ventas, cadena de suministro, RRHH, finanzas y marketing- no adoptaban la nueva información disponible, ni pensaban mucho en cómo los datos podían mejorar el trabajo de sus equipos. Al mismo tiempo, los científicos de datos tenían poca visibilidad en las unidades de negocio y no podían integrar fácilmente los datos en las operaciones diarias. Como resultado, las inversiones sólo dieron lugar a éxitos ocasionales (en algunos aspectos del proceso de I+D, por ejemplo), mientras que muchos pilotos y proyectos fracasaron.

Sin embargo, más recientemente, los proyectos piloto dirigidos a la personalización de la I+D y el marketing empezaron a mostrar valor comercial y captaron la atención y la imaginación de algunos de los ejecutivos más creativos de Novartis. Se entusiasmaron cada vez más con las oportunidades de desplegar la IA en diversas partes de la empresa y empezaron a defender seriamente los esfuerzos. (Revelación: ambos hemos trabajado con Novartis y otras empresas mencionadas en este artículo de diversas maneras, como miembros del consejo de administración, investigación y consultoría) Se dieron cuenta de que los tecnólogos y los científicos de datos por sí solos no podían aportar el tipo de innovación global que necesitaba la empresa, así que empezaron a emparejar a los científicos de datos con los empleados de la empresa que tenían una idea de dónde se necesitaba mejorar la eficiencia y el rendimiento.

Novartis también invirtió en la formación de los empleados de primera línea del negocio para que utilizaran los datos ellos mismos para impulsar la innovación. Un número creciente de equipos adoptó métodos ágiles para abordar todo tipo de oportunidades. Así, la intensidad y el impacto de la transformación se aceleraron rápidamente, impulsando una serie de iniciativas de innovación, como la habilitación digital de las ventas y la previsión de ventas, la reconcepción del sistema de pedidos y reposición para los clientes de servicios sanitarios, y la renovación de los sistemas y procesos de cumplimiento de recetas.

Los avances en la transformación digital resultaron muy valiosos cuando la empresa se enfrentó al caos inicial de la pandemia. Los equipos empresariales de Novartis se asociaron con científicos de datos para idear modelos que permitieran gestionar las interrupciones de la cadena de suministro, predecir la escasez de suministros críticos y permitir cambios rápidos en la combinación de productos y las políticas de precios. También desarrollaron análisis para identificar a los pacientes que estaban en riesgo porque posponían las visitas al médico. A medida que avanzaba la crisis del Covid, el valor de la IA se hizo evidente para los directivos de toda la empresa.

Antes de esta oleada de adopción de la IA, las inversiones de Novartis en tecnología consistían casi por completo en aplicaciones empresariales empaquetadas, normalmente implementadas por el departamento de TI con la orientación de consultores, proveedores o integradores de sistemas externos. Pero para crear una capacidad digital en toda la empresa, bajo el liderazgo del entonces director digital Bertrand Bodson, Novartis no sólo desarrolló nuevas capacidades en la ciencia de los datos, sino que también empezó a democratizar el acceso a los datos y la tecnología fuera de los silos tecnológicos tradicionales. La empresa está ahora formando a empleados de todos los niveles y funciones para que identifiquen y aprovechen las oportunidades de incorporar datos y tecnología para mejorar su trabajo. En 2021, a la cumbre anual de IA de Novartis asistieron miles de empleados.

El potencial de la innovación digital impulsada por los empleados es imposible de calcular, pero según el informe Worldwide IT Industry 2020 Predictions de la empresa de investigación de mercado IDC, las empresas de toda la economía mundial necesitarán crear unos 500 millones de nuevas soluciones digitales para 2023, más que el número total creado en los últimos 40 años. Esto no puede lograrse con pequeños grupos de tecnólogos y científicos de datos amurallados en silos organizativos. Requerirá grupos mucho más amplios y diversos de empleados -directivos, gerentes y trabajadores de primera línea- que se unan para repensar cómo debe funcionar cada aspecto de la empresa. Nuestra investigación arroja luz sobre cómo hacerlo.

Los impulsores del éxito

Cuando comenzamos nuestra investigación, queríamos entender por qué muchas empresas tienen dificultades para cosechar los beneficios de las inversiones en transformación digital, mientras que otras obtienen enormes ganancias. ¿Qué hacen las empresas de éxito de forma diferente?

Examinamos 150 empresas de los sectores de la fabricación, la atención sanitaria, los productos de consumo, los servicios financieros, el sector aeroespacial y el farmacéutico/biotecnológico, incluyendo una muestra representativa de las mayores empresas de cada sector. Algunas no conseguían mover la aguja, pero muchas habían hecho progresos espectaculares. Tal vez sea sorprendente comprobar que los resultados no dependían del tamaño relativo de los presupuestos de TI. Las historias de éxito tampoco se limitaban a las organizaciones «nacidas digitales». Gigantes heredados como Unilever, Fidelity y Starbucks (donde uno de nosotros, Satya, forma parte del consejo de administración) -por no hablar de Novartis- habían conseguido crear una mentalidad y una cultura de innovación digital.

Nuestra investigación muestra que para permitir la transformación a escala, las empresas deben crear sinergias en tres áreas:

Capacidades.

El éxito de los esfuerzos de transformación requiere que las empresas desarrollen capacidades digitales y de datos en empleados ajenos a las funciones tecnológicas tradicionales. Sin embargo, estas capacidades por sí solas no son suficientes para obtener todos los beneficios de la transformación; las organizaciones también deben invertir en el desarrollo de la agilidad de los procesos y, más ampliamente, en una cultura que fomente la experimentación generalizada y frecuente.

La tecnología.

Por supuesto, la inversión en las tecnologías adecuadas es importante, especialmente en los elementos de una pila de IA: tecnología de plataforma de datos, ingeniería de datos, algoritmos de aprendizaje automático y tecnología de despliegue de algoritmos. Las empresas deben asegurarse de que la tecnología desplegada sea fácil de usar y accesible para los numerosos empleados no técnicos que participan en los esfuerzos de innovación.

Arquitectura.

La inversión en arquitectura organizativa y técnica es necesaria para garantizar que las capacidades humanas y la tecnología puedan trabajar en sinergia para impulsar la innovación. Esto requiere una arquitectura -tanto para la tecnología como para la organización- que apoye el intercambio, la integración y la normalización de los datos (por ejemplo, haciendo que las definiciones y las características de los datos sean coherentes) en silos tradicionalmente aislados. Ésta es la única forma real y escalable de reunir los activos tecnológicos y de datos necesarios para que estén a disposición de una plantilla distribuida.

Muchas grandes empresas están avanzando en cada una de estas áreas. Pero incluso las empresas líderes tienden a subestimar la importancia de conseguir que los empleados introduzcan la transformación en sus funciones y en su trabajo, en lugar de que los grupos tecnológicos centrales y los consultores empujen los cambios hacia el negocio. Como ha defendido Eric von Hippel del MIT durante muchos años, los usuarios de primera línea, que están más cerca de los casos de uso y mejor posicionados para desarrollar soluciones que se ajusten a sus necesidades, deben asumir un papel central, uniéndose a equipos ágiles que se unen y disuelven dinámicamente en función de las necesidades del negocio.

Construir la intensidad tecnológica

Nuestra investigación desvela cómo las capacidades, la tecnología y la arquitectura trabajan juntas para construir lo que llamamos intensidad tecnológica .

Derivado del concepto económico de margen intensivo -cuánto se utiliza o aplica un recurso-, la intensidad tecnológica se refiere al grado en que los empleados utilizan la tecnología para impulsar la innovación digital y lograr resultados empresariales. Nuestra investigación descubrió que las empresas que hicieron buenas inversiones en tecnología e hicieron que las herramientas fueran accesibles a una amplia comunidad de empleados con conocimientos de datos y tecnología, lograron una mayor intensidad tecnológica y un rendimiento superior. Las empresas que no desarrollaron las capacidades tecnológicas y de datos de sus empleados y sólo ofrecieron un acceso limitado a la tecnología se quedaron atrás.

Clasificamos la intensidad tecnológica de las 150 empresas de nuestro estudio y descubrimos que el cuartil superior de la muestra aumentó sus ingresos más del doble que el cuartil inferior. (Véase la exposición «La transformación digital da sus frutos» Para puntuar la intensidad tecnológica de tu empresa, entra en www.keystone.ai/techintensity) También descubrimos que los índices de tecnología, capacidad y arquitectura estaban correlacionados con otras medidas de rendimiento, desde la productividad y los beneficios hasta el crecimiento del valor de la empresa. Utilizando una técnica econométrica conocida como variables instrumentales,

también encontramos pruebas de que la relación entre la intensidad tecnológica y el rendimiento era causal: Es decir, una mayor intensidad (especialmente las inversiones en arquitectura técnica y organizativa) impulsó un mayor crecimiento de los ingresos.

Puesta en escena de la transformación

Nuestro análisis confirma que el mero hecho de gastar dinero en tecnología no se traduce en un mayor crecimiento o un mejor rendimiento; de hecho, en algunos casos puede perjudicar a la empresa si acentúa las divisiones e incoherencias entre los grupos. En cambio, son los enfoques arquitectónicos, de gestión y organizativos de la transformación los que mejor explican las diferencias sustanciales y duraderas entre las empresas. Descubrimos que las empresas suelen pasar por cinco etapas en su viaje de transformación.

Modelo tradicional.

No es sorprendente que muchas empresas se ajusten a lo que consideramos el modelo tradicional de innovación digital, según el cual las inversiones digitales y tecnológicas son competencia del departamento de TI (o de otros grupos de especialistas técnicos) y el impacto se dispersa entre los grupos, en su mayoría de forma incoherente. El departamento de TI trabaja con las unidades de negocio para financiar proyectos y gestionar la implantación -por ejemplo, para el despliegue de una aplicación empresarial o una tecnología de plataforma de datos-. Los proyectos y sus implementaciones se adaptan a los requisitos específicos de cada silo, unidad de negocio o función. El resultado es que, con el tiempo, la tecnología y la infraestructura de datos reflejan las peculiaridades de los grupos individuales, sin ninguna coherencia ni conectividad. Este tipo de enfoque desarticulado hace prácticamente imposible compartir, escalar o distribuir los esfuerzos de innovación en toda la organización.

Muchas empresas del modelo tradicional siguen gastando mucho dinero en tecnología de la información. Pensemos en una empresa de servicios financieros que hemos estudiado, cuyo presupuesto de tecnología y análisis está entre los mejores de su sector, tanto en términos absolutos como relativos. La empresa ha gastado mucho en tecnología de plataforma de datos de última generación y ha contratado a miles de especialistas en TI y científicos de datos, que se encuentran aislados en un grupo de TI separado, mientras que pocos empleados (si es que hay alguno) de la parte empresarial participan en los esfuerzos de innovación digital de la organización. Por tanto, la empresa carece de la arquitectura y las capacidades necesarias para fomentar cualquier intensidad en la adopción de tecnología. No es de extrañar que los esfuerzos de la empresa en materia de TI y ciencias de los datos se hayan estancado, y que el impacto empresarial haya sido mínimo.

Núria Madrid

Un signo revelador de que una empresa se encuentra en la fase tradicional es que las percepciones del impacto entre los empleados de tecnología y los de negocio son dramáticamente diferentes. Los primeros perciben que el impacto es alto (medido por el esfuerzo que dedican a su trabajo), mientras que los segundos lo miden como mucho más bajo (según cómo se han beneficiado sus actividades cotidianas).

Modelo puente.

Para liberarse de las limitaciones tradicionales de los silos -organizativos e infraestructurales-, las empresas suelen empezar lanzando proyectos piloto que tienden un puente entre grupos previamente separados y desarrollando datos y activos tecnológicos compartibles para permitir nuevas innovaciones. Pueden centrarse primero en oportunidades funcionales específicas, como la optimización de la publicidad, la fabricación o las capacidades de la cadena de suministro. Estas empresas están poniendo a prueba no sólo la tecnología, sino también un modelo de innovación fundamentalmente diferente, en el que los ejecutivos, los directivos y los trabajadores de primera línea de la parte empresarial trabajan en colaboración con los informáticos y los científicos de datos. Victor Bulto, director de productos farmacéuticos de Novartis en EE.UU., fue decisivo en el lanzamiento de los primeros proyectos piloto (centrados, por ejemplo, en la identificación de pacientes de riesgo) y actuó como defensor de muchas iniciativas a medida que la organización avanzaba en la fase de puente. A Lori Beer, CIO global de JPMorgan Chase, le gusta hablar del impacto demostrado de la prueba de IA para simplificar la notificación y aprobación de gastos, una prueba de mejora de procesos que convenció a muchos empleados.

Hubs.

A medida que más y más pilotos demuestran el éxito del nuevo enfoque, las organizaciones forman centros de datos y capacidades y desarrollan gradualmente la capacidad de vincular e involucrar a otras funciones y unidades de negocio en busca de oportunidades de transformación. A medida que avanzan por este camino, los líderes empiezan a darse cuenta de que el cuello de botella de la innovación ha pasado de las inversiones en tecnología a las inversiones en la mano de obra. El factor limitante en esta fase es el número de empleados de la empresa con la capacidad -el conocimiento y el acceso- para impulsar la innovación digital. Por tanto, las empresas deben invertir en la formación de una comunidad de empleados mucho más amplia.

Fidelity se esfuerza por desarrollar lo que llama atletas digitales.

Empezó a construir centros creando activos de datos centralizados (un lago de datos para toda la empresa, por ejemplo); ahora está ampliando la formación de miles de empleados de la empresa, dándoles la capacidad de desplegar soluciones habilitadas digitalmente en todo el negocio. Los especialistas en inversiones y los expertos en impuestos, por ejemplo, están trabajando estrechamente con científicos de datos y tecnólogos para crear soluciones innovadoras con un enfoque especial en la personalización y el impacto en el cliente. También han creado una aplicación destinada a incorporar y atraer a los inversores más jóvenes y otra aplicación para ofrecer recomendaciones impulsadas por la IA a los asesores financieros de Fidelity, por citar sólo algunos ejemplos.

También Starbucks se centra no sólo en la tecnología y la arquitectura, sino también en el desarrollo de habilidades de innovación ágiles y de base amplia en sus empleados para impulsar sus centros. El director general, Kevin Johnson, explica: «Hemos pasado de grandes equipos que trabajaban en silos a equipos más pequeños e interfuncionales [en todas partes], y de evaluar cada idea como si fuera un pase o un fracaso a una iteración rápida» Starbucks es ahora un centro de innovación digital, con sofisticadas aplicaciones para clientes que permiten hacer pedidos a distancia, programas de fidelidad y sistemas de pago, junto con sistemas internos que permiten la asignación de mano de obra y la gestión de inventarios basados en la IA.

Modelo de plataforma.

Cuando las empresas entran en la fase de plataforma, los centros de datos se fusionan en una base de software integral que permite el rápido despliegue de aplicaciones basadas en la IA. Las empresas se centran en crear sofisticadas capacidades de ingeniería de datos y en fomentar la reutilización e integración de los modelos de aprendizaje automático. Los modelos de predicción basados en la analítica se aplican en toda la empresa, centrándose cada vez más en la automatización de las tareas operativas básicas. Las organizaciones empiezan a funcionar un poco más como empresas de software, desarrollando capacidades integrales que permiten la gestión de productos y programas y la experimentación rápida.

En los últimos cinco años, Microsoft ha pasado por casi todas las etapas de este viaje. Hace años, estábamos tan aislados como la mayoría de las empresas, y cada organización basada en productos segregaba sus propios datos, software y capacidades. A medida que conectábamos y normalizábamos los datos de diferentes funciones y grupos de productos, podíamos desplegar soluciones integradas en áreas que iban desde el servicio al cliente hasta la gestión de la cadena de suministro.

Integramos todos nuestros datos en un lago de datos para toda la empresa, y construimos lo que llamamos una plataforma de procesos empresariales,

que proporciona componentes de software y análisis que los equipos utilizan para permitir la innovación en áreas que van desde la fabricación de Xbox hasta la gestión del gasto en publicidad. También invertimos en programas de formación para empleados no técnicos, cultivando capacidades centradas en los datos y en el aprendizaje automático en toda la organización.

Modelo nativo.

Las empresas con más éxito de entre las 150 de nuestro estudio han desplegado un tipo de arquitectura operativa totalmente diferente, centrada en activos de datos y bibliotecas de software integrados y diseñada para desplegar la IA a escala en un enorme espectro distribuido de aplicaciones. Sus señas de identidad son un núcleo de expertos, unas herramientas ampliamente accesibles y fáciles de usar, y la inversión en formación y creación de capacidades entre grandes grupos de empresarios. Estas empresas se están acercando a la capacidad de las nativas digitales como Airbnb y Uber, que fueron creadas a propósito para escalar la analítica de toda la empresa y la innovación basada en el software. Airbnb y Uber no son ciertamente perfectos, pero se acercan al ideal nativo.

En Microsoft, todavía tenemos mucho que aprender, pero en algunas partes de la organización estamos empezando a acercarnos al modelo nativo. Como es habitual en cualquier empresa, el progreso no ha sido uniforme. Los distintos grupos han alcanzado diferentes niveles de capacidad, pero los resultados en general son alentadores, ya que vemos soluciones cada vez más innovadoras a los problemas internos y de cara al cliente. Lo más importante es que el enfoque de toda la empresa para entender, proteger y trabajar con los datos ha progresado años luz.

El imperativo para los líderes

El mandato de transformación digital crea un imperativo de liderazgo: Adoptar la transformación y trabajar para mantenerla. Articular una estrategia clara y comunicarla sin descanso. Establece una arquitectura organizativa en la que evolucionar mientras tomas las innumerables decisiones diarias que definen tu estrategia tecnológica. Despliega un verdadero proceso de gobernanza para hacer un seguimiento de los numerosos proyectos tecnológicos en curso, y coordínalos e intégralos siempre que sea posible. Defiende la agilidad en todas las iniciativas empresariales que toques e influyas. Y por último, libérate de la tradición. Forma y entrena a tus empleados para que comprendan el potencial de la tecnología y los datos, y libera a los innovadores de tu plantilla.

Este mandato se extiende a los proveedores de tecnología. A pesar de las grandes inversiones, las tecnologías siguen siendo demasiado complejas y a menudo son demasiado difíciles de utilizar y desplegar. Necesitamos herramientas y tecnología que hagan que el impulso de la transformación sea intuitivo para los trabajadores de primera línea, al tiempo que se mantienen seguros los datos. No olvidemos que hasta hace poco muchos de nosotros dependíamos de especialistas en Fortran y Cobol para modelar problemas empresariales e incluso para realizar operaciones matemáticas básicas. Las hojas de cálculo provocaron una revolución en el modelado matemático; necesitamos que los proveedores de tecnología lleven la misma revolución a la IA y hagan que utilizar una aplicación de aprendizaje automático sea tan fácil como crear una tabla dinámica.

El impulso está creciendo. Pero debemos mantener los esfuerzos para garantizar que las empresas de todo tipo superen la brecha digital.