El impacto de las aplicaciones en constante expansión de la tecnología de IA1 Esto ha generado inquietud entre muchos inversores respecto a los negocios tradicionales basados en mano de obra humana, desde servicios profesionales y técnicos hasta empleados administrativos.
La sostenibilidad de estas empresas es un tema complejo y difícil de evaluar. Sin embargo, se complica aún más por los intrincados análisis que muchos consultores han propuesto para evaluar el impacto de la IA, como la disponibilidad de datos, la existencia y la rigidez de las reglas en un proceso o sistema, etc. Estos marcos conceptuales dan pie a excelentes libros, como el galardonado *La segunda era de las máquinas* (de Erik Brynjolfsson y Andrew McAfee), pero son prácticamente imposibles de aplicar en la práctica, necesaria para llevar a cabo la debida diligencia en la adquisición de una empresa objetivo u otra inversión real. Si bien el continuo avance de los innovadores sistemas de gestión de la vida basados en transformadores (ChatGPT, Gemini de Google, etc.*) preocupa a todos, desde los representantes de atención al cliente hasta los inversores principales, por la posible disrupción en sus puestos de trabajo, aún se requiere un esfuerzo enorme para generar resultados precisos y consistentes a partir de la IA. Por lo tanto, abordar el avance de la IA es importante y factible.
Entonces, ¿cómo se debe evaluar la probabilidad de una disrupción tecnológica de manera práctica? Cuando se le pide a GRAPH que evalúe el riesgo de una disrupción por IA, analizamos las siguientes siete preguntas (que, en realidad, no han cambiado sustancialmente en los últimos ~5 años):
Evaluar la naturaleza de la razón de ser de la empresa:
- ¿Cuáles son las actividades específicas que generan valor desde la perspectiva del cliente? Enumérelas y defínalas con el mayor nivel de detalle posible.
- ¿Cuál es la naturaleza del problema que se está resolviendo? ¿Es un problema profundo o general?
- ¿Qué consideran los clientes como una solución "suficientemente buena"?
- ¿Qué importancia tiene la calidad para los clientes? ¿Qué diferencias perciben los clientes entre las soluciones 80% y las soluciones 95% o 100% disponibles en el mercado?
- ¿Qué porcentaje de actividades o de finalización de una actividad en particular considerarían los clientes generalmente como "suficientemente bueno"?“
- ¿Existe alguna evidencia de que los clientes estén cambiando a una solución "suficientemente buena" en ámbitos similares?
- ¿Qué grado de regulación existe en este espacio?
- ¿Se enfrentan los clientes a una creciente presión competitiva u otras fuerzas económicas y, de ser así, existe un vínculo amenazante entre esta creciente presión competitiva y la solución actual que se considera "suficientemente buena"?
- ¿Existen actualmente aplicaciones que realicen alguna de esas actividades? ¿Cuáles?
- ¿Existen plataformas que (de aplicarse) podrían llevar a cabo alguna de esas actividades? ¿Cuáles?
- ¿Cuáles son las dependencias para la aplicación y/o la tecnología de la plataforma? Las limitaciones típicas incluyen la necesidad de procesamiento en la nube (en lugar de en el borde); datos con formato específico; la necesidad de grandes cantidades de datos para el entrenamiento; y ciencia de datos e ingeniería personalizadas para cada instalación.
- ¿Quién respalda las aplicaciones y plataformas? ¿La inversión en I+D se cuenta por miles, millones o miles de millones para cada actividad?
Al reflexionar sobre estas siete preguntas, el grado de amenaza inmediata debería quedar mucho más claro. Tenga en cuenta que en los sectores con baja regulación, las tecnologías han pasado de la plataforma a la aplicación y a la adopción en tan solo 2 a 5 años; en los sectores con alta regulación, las tecnologías suelen tardar más de 10 años en completar el mismo recorrido.
*Este artículo se actualizó en 2024 para incluir plataformas como ChatGPT y Gemini de Google.
- 1. La IA es un término que muchos CIM han definido de forma extremadamente amplia y corre el riesgo de perder su significado. GRAPH define la IA como servicios de desarrollo o aplicaciones terminadas con la capacidad de (a) razonar sobre datos no estructurados; (b) modelar inferencias no lineales; (c) autocorregirse y mejorar periódicamente; y, por lo general, (d) conectar los modos de comunicación tradicionales. ↩︎