¿Puede la IA ayudar a su empresa a innovar? Depende.

En algún momento, casi todas las empresas deben enfrentarse a una dura verdad: los productos envejecen. No se trata tanto de que haya una fecha de caducidad precisa, después de la cual sus ofertas se fechan repentinamente. Pero a menudo, los líderes tienen un momento en el que reconocen que una línea de productos se está haciendo larga y se dan cuenta de que es hora de refrescarse, aunque siga siendo próspera y popular. Con los importantes plazos de desarrollo de muchos productos modernos y complejos, no innovar para contrarrestar el sutil aumento de la obsolescencia puede convertir a un líder en un rezagado.

Sin embargo, la innovación es dura. La innovación empresarial va a la zaga y la innovación en general ha disminuido en gran medida tanto en calidad como en cantidad. Según una investigación reciente, la disrupción de la producción de artículos científicos ha cayó del 91 al 100% entre 1945 y 2010 y, del mismo modo, la disrupción de las patentes cayó entre un 78 y un 92% durante el mismo período. Pero a pesar de estas tasas decrecientes, el conocimiento científico en muchos campos se ha hecho tan amplio, tan diverso y tan superpuesto que mantenerse al día es un desafío increíble.

Las empresas necesitan nuevas formas de innovar de forma rápida, económica y productiva. Muchos, con bastante razón, se preguntan cómo podría ayudar el despliegue de la IA. Para investigar, investigamos cómo las empresas utilizan la IA para innovar y descubrimos que las herramientas son solo herramientas; el éxito depende de cómo las organizaciones utilicen las nuevas herramientas que tienen ahora a su disposición.

Por qué los productos quedan obsoletos y qué deben hacer las empresas para mantenerse al día.

Hay muchos caminos hacia la obsolescencia.

En primer lugar, los productos pueden tener un desarrollo largo pero una vida corta. Por ejemplo, los nuevos fármacos innovadores tienen plazos relativamente breves antes de que los imitadores empiecen a erosionar la cuota de mercado y la rentabilidad. La leucemia mieloide crónica (LMC), un cáncer de sangre poco frecuente, tenía un mal diagnóstico antes de 2001, cuando Gleevec descubrió el imatinib, el primer tratamiento eficaz para la LMC. Pero solo unos pocos años después, en 2006, Bristol-Myers Squibb y Otsuka recibieron la aprobación de la Administración de Alimentos y Medicamentos (FDA) de los Estados Unidos para el dasainib, un inhibidor igualmente eficaz para tratar la LMC. En 2012, Novo Nordisk comenzó a desarrollar los fármacos más taquilleros para bajar de peso, Ozempic y Wegovy, y recibió la aprobación de la FDA de los Estados Unidos en 2017 (Ozempic) y 2021 (Wegovy). Ahora, estos medicamentos generan el 52% de Novo Los ingresos totales de Nordisk. ¿Pero en el futuro? La aprobación en mayo de 2022 de Mounjaro, de Eli Lilly, dos veces eficaz para perder peso como Ozempic, ya amenaza esa fuente de ingresos.

En segundo lugar, los contextos empresariales cambian y exigen más de los productos. Por ejemplo, Cooper Standard suministra materiales que los fabricantes de automóviles utilizan para crear sellos alrededor de las puertas y ventanas de los automóviles. Pero a medida que el mercado de los coches eléctricos ha crecido, la empresa ha descubierto que ahora tiene que cumplir con estándares más altos. Sin el rugido de un motor de gasolina, «otras fuentes de ruido se hacen más frecuentes y la más importante de ellas es el ruido que entra debido al viento alrededor de las puertas y ventanas», Chris Couch, vicepresidente sénior y director de tecnología de Cooper Standard, dijo durante una entrevista en un podcast con uno de nosotros (Ransbotham). Aunque los selladores Cooper Standard funcionaban bien en los coches más antiguos y ruidosos, los modelos eléctricos más nuevos y silenciosos exigen un rendimiento aún mayor. Los productos que alguna vez se ajustan bien al mercado deben adaptarse a medida que cambian las condiciones del mercado.

En tercer lugar, las posibles combinaciones están explotando. Los fabricantes de automóviles dependen de la empresa de fabricación de neumáticos Pirelli para que les proporcione neumáticos que cumplan con los criterios de rendimiento específicos para los nuevos modelos de automóviles. Pero desarrollar neumáticos nuevos es complejo, ya que implica más de200 diferentes materiales y sustancias. El número de combinaciones posibles es asombroso y realizarlas todas mediante ensayo y error requeriría mucho tiempo, implicaría costes considerables y produciría una avalancha de prototipos abandonados. Con una gran cantidad de materiales y técnicas nuevos, pero con plazos de entrega cada vez más cortos, las empresas necesitan formas más rápidas de explorar el espacio de búsqueda.

¿Puede la IA ayudar con estos problemas? Tal vez. Si bien hemos visto increíbles innovaciones basadas en la IA, desde el desarrollo nuevos medicamentos a diseñar chasis de coche nuevo — Aún no está claro cómo el uso de la analítica de la IA puede ayudar realmente a las empresas a mejorar su innovación. Por un lado, los modelos de IA que ingieren y sintetizan enormes datos podrían gestionar más información que las personas, lo que podría ayudar a resolver el problema de la sobrecarga de información. Y ante la creciente complejidad de los productos y los materiales, los algoritmos pueden predecir el rendimiento y ayudar a reducir el espacio de búsqueda antes de invertir tiempo y recursos en todas las combinaciones posibles. Por otro lado, los algoritmos y los datos son intrínsecamente orientados hacia atrás. Es posible que los problemas complejos sin una solución conocida aún no tengan los datos o los datos suficientes para realizar un análisis.

Nuestra investigación muestra ejemplos que utilizan bien estas herramientas y pruebas de resultados contradictorios en una amplia muestra de otras organizaciones. Las nuevas herramientas de IA pueden ayudar en las actividades de innovación, pero no son la panacea.

Céntrese en la recombinación, no en la reinvención radical.

Hemos tenido cierto éxito a la hora de abordar estos problemas comunes con la IA. ¿Respuesta rápida? Dave Johnson, de Moderna, atribuye al uso de la IA la ayuda a la empresa a encontrar vacunas candidatas «tan rápido y de la forma más segura posible». ¿Cambio de contexto? En Cooper Standard, desarrollaron modelos de IA para asesorar a los químicos sobre la siguiente serie de recetas que probarían a medida que avanzaban hacia un nuevo polímero que ya está dando sus frutos: Chris Couch, vicepresidente sénior y CTO afirmó una reducción en los ciclos de retroalimentación del diseño de la I+D del 70 al 80%. ¿Explosión combinatoria? En Pirelli, los científicos utilizan Algoritmos de IA para ayudar a los humanos a tomar decisiones a la hora de seleccionar nuevos materiales para la creación de neumáticos.

Dicho esto, nos preguntamos si los ejemplos de Moderna, Cooper Standard y Pirelli eran anomalías en el uso de la IA. Para investigar, nos basamos en dos estudios: primero, un encuesta a 331 firmas para las prácticas sobre la mejora de procesos y el desarrollo de nuevas tecnologías y, en segundo lugar, un análisis archivístico de datos de patentes sobre el desarrollo de nuevas tecnologías para una muestra más amplia de más de 2000 empresas que cotizan en bolsa.

Nuestros resultados indican que el uso de la IA puede ayudar a las empresas a innovar al explorar amplias combinaciones de un conjunto diverso de tecnologías. El uso de la IA ayuda a superar las barreras críticas a la hora de evaluar estas combinaciones, como cuando el conocimiento está disperso por una organización en silos. En concreto, nuestra investigación revela que las capacidades de datos avanzadas tienen más probabilidades de estar presentes en las empresas que (a) se orientan en torno a la mejora de los procesos y (b) crean nuevas tecnologías mediante la combinación de un conjunto diverso de tecnologías existentes que en las empresas que se centran en generar tecnologías completamente nuevas. Y no es solo que estas capacidades de análisis de la IA tengan más probabilidades de estar presentes, sino que es mucho más probable que sean valiosas. La analítica de la IA complementa ciertos tipos de innovación porque permite a las empresas ampliar el espacio de búsqueda del conocimiento existente para combinarlo en nuevas tecnologías. Estas capacidades también se prestan bien a mejoras graduales de los procesos.

Sin embargo, hay una salvedad importante: que la IA ayude a la innovación depende en gran medida de la amable de innovación que una empresa está intentando. En general, nuestras investigaciones sugieren que las empresas que históricamente se han centrado en tipos específicos de innovación (la innovación de procesos y la innovación mediante recombinación diversa, en la que las empresas combinan una amplia variedad de elementos tecnológicos de nuevas formas) podrían ser las que más se beneficien del uso de las capacidades de datos avanzadas del aprendizaje automático y la IA. Las empresas que utilizan la analítica de la IA para generar amplias recombinaciones son entre un 3 y un 7% más productivas que las que no lo hacen. Además, cuando los conocimientos actuales de una empresa se distribuyen por toda la empresa, las capacidades avanzadas de IA pueden impulsar aún más la innovación de la empresa con unas tres patentes nuevas más al año.

Por el contrario, el uso de la IA es menos útil para la innovación gradual y para realizar pequeñas mejoras en los productos existentes, y casi no ayuda en absoluto para la innovación radical. No solo no es beneficioso, sino que cuando las empresas utilizan el análisis de datos para una innovación radical, el rendimiento de la empresa puede verse afectado. Al fin y al cabo, estas innovaciones radicales suelen requerir la creatividad humana para interpretar los pequeños datos. Por ejemplo, el creador de la artemisinina, el primer fármaco eficaz para tratar la malaria, se basó en una sola línea de texto en chino antiguo. La IA servirá de poco en esta situación porque las técnicas basadas en la IA requieren mucho, mucho más que un solo punto de datos. Peor aún, utilizar costosos recursos de aprendizaje automático para resolver problemas inadecuados perjudicará, en última instancia, los beneficios de la empresa.

Por lo tanto, los directivos deben entender los tipos de innovación en los que la IA puede ayudar y los tipos en los que no.

Cómo aplicar la IA a los procesos de innovación

Para saber cómo la IA puede ayudar a los esfuerzos de innovación de su empresa, los líderes deberían plantearse algunas preguntas:

• ¿Es un seguidor rápido? El uso de la IA puede ayudar a mejorar los productos existentes y a crear nuevos productos mediante la recombinación de elementos de éxitos anteriores. Es probable que las capacidades avanzadas de datos ayuden, ya que puede utilizar la IA para amplificar las capacidades existentes de una manera nueva. 
• ¿Tiene problemas con una avalancha de datos? Si bien muchos investigadores tienen una amplia experiencia en una o dos áreas, las tecnologías de datos emergentes pueden ayudar a encontrar elementos tecnológicos de campos amplios y lejanos. Una síntesis amplia es fundamental para que estas empresas combinen estas tecnologías y resuelvan problemas en su propio dominio.
• ¿Está abrumado por las opciones? Para tener éxito, tiene que invertir en proyectos de IA que apoyen la recombinación y contratar talentos de IA para evaluar las combinaciones sugeridas. No necesita volver a capacitarse ni contratar científicos con habilidades de IA, pero sí necesita contratar talentos de IA para apoyar los esfuerzos científicos.
• ¿Depende de la innovación radical? Es probable que el uso de la IA no beneficie directamente a los esfuerzos de innovación. Sin embargo, el uso de la IA puede llevar a mayores proyectos de seguimiento una vez que haya dado ese primer paso radical. Pero tenga cuidado, ahora otros pueden aprovechar o combinar rápidamente lo que usted ha hecho. Tendrá que proteger sus inventos, ya que estas innovaciones crean una enorme externalidad positiva para los demás. Una forma posible es crear una rama independiente en la empresa que se especialice en el uso de la analítica para encontrar nuevas combinaciones basadas en la nueva innovación radical que acaba de descubrir. De esta manera, puede darse cuenta de esa externalidad usted mismo.

La IA es una herramienta prometedora para que los gerentes la utilicen en la innovación. Pero las herramientas son solo herramientas. La forma en que los humanos usen esas herramientas es importante. En cuanto a la innovación, encontramos más éxito en las organizaciones que utilizan la IA para sintetizar, combinar y extender, en lugar de esperar innovaciones nuevas y radicales.

Nota del editor (4 de diciembre de 2024): Una versión anterior de este artículo describía mal los hallazgos sobre la producción de artículos científicos y patentes. Se ha actualizado para aclarar que el impacto de los artículos científicos y las patentes ha disminuido con el tiempo, no el número total de artículos y patentes que se producen al año.