El papel del CFO en la adopción de la Inteligencia Artificial

Por Pablo Balcáceres - Estrategia & Negocios

Los Chief Financial Officer (CFO) aportan su propio código para desplegar la Inteligencia Artificial (IA) y tecnologías en las empresas de la región. En Centroamérica lo hacen escribiendo los códigos $, ₡, Q, L, C$ y B/., y del aporte de sus líneas pende en gran medida la competitividad de las empresas de cara al futuro.

Aquí reside el desafío principal para las empresas de la región, en un momento en el que la IA generativa aún se encuentra en fase de evolución: ¿En qué vale la pena invertir? ¿Cuándo es mejor esperar?BAC Momentum Summit congregó en Nueva York a una serie de CFO y altos líderes empresariales de la región para reflexionar sobre estas posibilidades tecnológicas, tanto las oportunidades como los riesgos.

Alejandro Cárdenas Perdomo, Regional Business Transformation Manager de GBM as a Service, plantea el desafío para los financieros de ver a la tecnología como un elemento de cambio y, como tal, surge la necesidad de evaluarlas con celeridad y tomar decisiones fundamentadas.

“Esa implementación genera muchos cambios e impacto en la organización que no todas están tan dispuestas llevar a cabo y, por supuesto, cualquier cambio tecnológico tiene que alinear un resultado de negocio”, plantea Cárdenas Perdomo.

¿En dónde está la rentabilidad de la IA generativa? Gran parte del impacto se relaciona con procesos operativos. “El CFO debe pasar a un siguiente nivel desde una gestión operativa a más asertiva, más estratégica, a planificar elementos de liquidez de flujo de capital donde realmente se agrega mucho valor”, apunta.

¿Cuánto valor medible se genera? Es aquí donde muchos CFO detienen su mano en el teclado antes de presionar el código $$$.“La tecnología usualmente, aunque suene irónico, son promesas. Tenemos que realmente ver y muchas veces no alcanzamos el éxito porque no queremos cambiar porque la tecnología te plantea procesos, te plantea esquemas de adopción y ahí está una clave de que el beneficio se puede alcanzar o no”, advierte Cárdenas. “El resultado no viene solo de tecnología, sino es una combinación tecnología-empresa”, remata.

Al menos hasta este punto del desarrollo de la IA, faltan herramientas para calcular los retornos de inversión con exactitud, aunque pueden seguirse algunas pautas, plantea Cárdenas Perdomo.

Un buen punto de partida sería la autoevaluación de la madurez digital que lleve a declarar una visión de cambio digital sustentable y sostenible en el tiempo.

Luego, saber diferenciar las “promesas tecnológicas”. “Hay que ver evidencias y contraevidencias donde realmente se ha replicado porque esto va a implicar una inversión para la organización. Realmente no tenemos que avanzar a la misma velocidad que sale la promesa, sino cotejar ejemplos tangibles de valor, que sean llevados a mi organización y ejemplificados”.

¿Vale la pena invertir en la promesa de la IA? Larry Lerner, socio de la firma de asesoría McKinsey, hace una pausa para plantear... ¿De dónde venimos? Las compañías ya consolidaron un proceso de transformaciones digitales. “Hemos estado enfocados en cómo transformar las capacidades digitales en la compañías: cosas como el Cloud, las API, ahora son comunes, pero esos fueron escalados en los últimos cinco a ocho años”.

“Ya estamos llegando al final de esa etapa de digitalización y estamos entrando a esta etapa de trnsformaciones con Inteligencia Artificial e Inteligencia Artificial Generativa”, apunta.

Lerner menciona tres enfoques prácticos para construir y desplegar soluciones de IA generativa, resumida desde tres enfoques: convertirse en takers, shapers o makers.

La opción menos costosa sería convertirse en takers, es decir, arrendar soluciones off the shelf, es decir, soluciones estandarizadas. La ventaja de este esquema radica en una inversión menos costosa, que puede ser aplicada mientras se explora la viabilidad de los proyectos de IA.

Por el contrario, los makers desarrollan modelos funcionales desde cero, a la medida de las organizaciones, potenciando así el desarrollo de soluciones a la medida que remodelen al negocio desde sus cimientos. Mientras tanto, una aproximación shaper sería la opción más balanceada.

“Tomamos modelos preentrenados y le hacemos un tunning específico a los casos de uso, en vez de que nos demoremos 25 semanas como makers podemos tomar ocho semanas elaborando los casos de uso”, plantea.

Lerner apunta a no perder de vista el foco, tanto en el Qué, como en el Cómo. Por un lado, desplegar la IA pasa por reimaginar las capacidades de las compañías, pero también por considerar su potencial de reproducirla transversalmente en la empresa y ganar eficiencias. Y no, no se necesita codificar con $$$ 50 o 100 proyectos simultáneamente, basta con 5 apuestas profundas que toquen transversalmente a las empresas, para activar los nuevos potenciales.

Larry Lerner, socio de McKinsey, imparte seis recomendaciones a considerar para desplegar la Inteligencia Artificial en los negocios

1. Perseguir una transformación basada en grandes apuestas. Si el tema lo apoya el CEO arranca con más momentum.

2. Evaluar las apuestas, es preferible trabajar menos de una decena de casos a un centenar, siempre y cuando los equipos de negocios estén alineados.

3. Centralizar el manejo de las capacidades para gobernar a la IA de manera más estricta, esto aplica especialmente al sector financiero.

4. Diseñar plataformas de uso horizontal, estructuras replicables en otras unidades de negocios.

5. Considerar los propios datos de la empresa, desde su disponibilidad, su protección hasta su eliminación.

6. Enfoque en change managment para asegurar que la adopción de las capacidades llegará a un nivel alto.