El potencial económico de la IA generativa: la próxima frontera de la productividad
La IA ha ido calando poco a poco en nuestras vidas, desde la tecnología de nuestros teléfonos inteligentes hasta las funciones de conducción autónoma de los coches o las herramientas que utilizan los retailers para sorprender y deleitar a los consumidores. Como resultado, su progreso ha sido casi imperceptible. Los hitos son claros, como cuando AlphaGo, un programa basado en IA desarrollado por DeepMind, derrotó a un campeón mundial de Go en 2016.
Las aplicaciones de IA generativa como ChatGPT, GitHub Copilot y Stable Diffusion, entre otras, han captado la imaginación de personas de todo el mundo de una forma en la que AlphaGo no lo hizo, gracias a su amplia utilidad (casi cualquiera puede utilizarlas para comunicarse y crear contenido) y a su capacidad preternatural para mantener una conversación con un usuario. Las últimas aplicaciones de IA generativa pueden realizar una serie de tareas rutinarias, como la reorganización y clasificación de datos. Pero es su capacidad para escribir textos, componer música y crear arte digital lo que ha acaparado titulares y persuadido a consumidores y hogares a experimentar.
Como resultado, un conjunto más amplio de partes interesadas están lidiando con el impacto de la IA generativa en las empresas y la sociedad, pero sin mucho contexto que les ayude a darle sentido.
La velocidad a la que se está desarrollando la tecnología de IA generativa no está facilitando esta tarea. ChatGPT se lanzó en noviembre de 2022. Cuatro meses después, OpenAI lanzó un nuevo modelo de lenguaje de gran tamaño, o LLM, llamado GPT-4, con capacidades notablemente mejoradas. Del mismo modo, en mayo de 2023, Claude, la IA generativa de Anthropic, era capaz de procesar 100.000 tokens de texto, lo que equivale a unas 75.000 palabras en un minuto (la longitud de una novela media), en comparación con los 9.000 tokens que podía procesar cuando se introdujo en marzo de 2023. Y en mayo de 2023, Google anunció varias funciones nuevas basadas en IA generativa, como Search Generative Experience y un nuevo LLM llamado PaLM 2 que impulsará su chatbot Bard, entre otros productos de Google.
Para entender lo que nos espera es necesario comprender los avances que han permitido el auge de la IA generativa, que han tardado décadas en producirse. A los efectos de este informe, se define la IA generativa como “las aplicaciones construidas típicamente utilizando modelos fundacionales”. Estos modelos contienen redes neuronales artificiales expansivas inspiradas en los miles de millones de neuronas conectadas en el cerebro humano.
Los modelos básicos forman parte de lo que se denomina aprendizaje profundo, término que alude a las numerosas capas profundas de las redes neuronales. El aprendizaje profundo ha impulsado muchos de los avances recientes en IA, pero los modelos de base que impulsan las aplicaciones de IA generativa suponen un cambio evolutivo dentro del aprendizaje profundo. A diferencia de los modelos de aprendizaje anteriores, pueden procesar conjuntos extremadamente grandes y variados de datos no estructurados y realizar más de una tarea.
Los modelos Foundation han habilitado nuevas capacidades y mejorado enormemente las existentes en una amplia gama de modalidades, como imágenes, vídeo, audio y código informático. La IA entrenada con estos modelos puede realizar varias funciones: clasificar, editar, resumir, responder preguntas y redactar nuevos contenidos, entre otras tareas.
Ahora mismo el sector se encuentra al principio de un viaje para comprender el poder, el alcance y las capacidades de la IA generativa. Este estudio se esfuerza por evaluar el impacto de esta nueva era de la IA. Asimismo sugiere que la IA generativa está preparada para transformar roles e impulsar el rendimiento en funciones como ventas y marketing, operaciones con clientes y desarrollo de software. En el proceso, podría desbloquear billones de dólares en valor en sectores que van desde la banca a las ciencias de la vida. A continuación se exponen algunas de las principales conclusiones.
Para obtener la versión completa del informe desarrollado por Mckinsey, descargue el PDF.
Datos clave
El impacto de la IA generativa en la productividad podría añadir billones de dólares de valor a la economía mundial. La última investigación de McKinsey estima que la IA generativa podría añadir el equivalente a entre 2,6 y 4,4 billones de dólares anuales en los 63 casos de uso que analizaron; en comparación, el PIB total del Reino Unido en 2021 fue de 3,1 billones de dólares. Esto aumentaría el impacto de toda la inteligencia artificial entre un 15 y un 40 por ciento. Esta estimación se duplicaría aproximadamente si se incluye el impacto de la integración de la IA generativa en el software que se utiliza actualmente para otras tareas más allá de esos casos de uso.
Alrededor del 75% del valor que podrían aportar los casos de uso de la IA generativa corresponde a cuatro áreas: Operaciones con clientes, marketing y ventas, ingeniería de software e I+D. En 16 funciones empresariales, examinaron 63 casos de uso en los que la tecnología puede abordar retos empresariales específicos de forma que produzca uno o más resultados cuantificables. Algunos ejemplos son la capacidad de la IA generativa para apoyar las interacciones con los clientes, generar contenidos creativos para marketing y ventas y redactar código informático basado en instrucciones en lenguaje natural, entre otras muchas tareas.
La IA generativa tendrá un impacto significativo en todos los sectores industriales. La banca, la alta tecnología y las ciencias de la vida se encuentran entre los sectores que podrían ver un mayor impacto en el porcentaje de sus ingresos gracias a la IA generativa. En el sector bancario, por ejemplo, la tecnología podría aportar un valor equivalente a entre 200.000 y 340.000 millones de dólares anuales adicionales si se aplicaran plenamente los casos de uso. En el sector Retail Media y de bienes de consumo envasados, el impacto potencial también es significativo: entre 400.000 y 660.000 millones de dólares al año.
La IA generativa tiene el potencial de cambiar la anatomía del trabajo, aumentando las capacidades de los trabajadores individuales mediante la automatización de algunas de sus actividades individuales. La IA generativa actual y otras tecnologías tienen el potencial de automatizar actividades laborales que hoy absorben entre el 60% y el 70% del tiempo de los empleados. La aceleración del potencial de automatización técnica se debe en gran medida a la mayor capacidad de la IA generativa para comprender el lenguaje natural, necesario para actividades laborales que representan el 25% del tiempo total de trabajo. Así pues, la IA generativa tiene más impacto en el trabajo del conocimiento asociado a ocupaciones que tienen salarios y requisitos educativos más elevados que en otros tipos de trabajo.
Es probable que el ritmo de transformación de la mano de obra se acelere, dado el aumento del potencial de automatización técnica. Los escenarios de adopción actualizados, que incluyen el desarrollo tecnológico, la viabilidad económica y los plazos de difusión, llevan a estimar que la mitad de las actividades laborales actuales podrían automatizarse entre 2030 y 2060, con un punto medio en 2045, es decir, aproximadamente una década antes que en las estimaciones anteriores de McKensey.
La IA generativa puede aumentar sustancialmente la productividad laboral en toda la economía, pero eso requerirá inversiones para apoyar a los trabajadores a medida que cambian de actividad laboral o de empleo. La IA generativa podría permitir un crecimiento de la productividad laboral de entre el 0,1% y el 0,6% anual hasta 2040, dependiendo del ritmo de adopción de la tecnología y de la reasignación del tiempo de los trabajadores a otras actividades. Combinando la IA generativa con el resto de tecnologías, la automatización del trabajo podría añadir entre 0,2 y 3,3 puntos porcentuales anuales al crecimiento de la productividad. Sin embargo, los trabajadores necesitarán apoyo para aprender nuevas habilidades y algunos cambiarán de ocupación. Si se pueden gestionar las transiciones de los trabajadores y otros riesgos, la IA generativa podría contribuir sustancialmente al crecimiento económico y apoyar un mundo más sostenible e inclusivo.
La era de la IA generativa no ha hecho más que empezar. El entusiasmo por esta tecnología es palpable y las primeras pruebas piloto son convincentes. Pero los beneficios de esta tecnología tardarán en materializarse plenamente, y los líderes empresariales y sociales aún tienen que afrontar retos considerables. Entre ellos se encuentran la gestión de los riesgos inherentes a la IA generativa, la determinación de las nuevas habilidades y capacidades que necesitará la mano de obra y el replanteamiento de procesos empresariales básicos como el reciclaje y el desarrollo de nuevas habilidades.
Dónde reside el valor empresarial
La IA generativa es la evolución de la inteligencia artificial. A medida que las empresas se apresuran a adaptarla e implantarla, comprender el potencial de esta tecnología para aportar valor a la economía y la sociedad en general ayudará a tomar decisiones críticas. El estudio de Mckinsey ha utilizado dos visiones complementarias para determinar dónde la IA generativa, con sus capacidades actuales, podría aportar el mayor valor y cuál podría ser su magnitud.
El primer objetivo analiza los casos de uso de la IA generativa que podrían adoptar las organizaciones. Se define un "caso de uso" como una aplicación específica de la IA generativa a un reto empresarial concreto, con uno o varios resultados cuantificables. Por ejemplo, un caso de uso en marketing es la aplicación de la IA generativa para generar contenidos creativos como correos electrónicos personalizados, cuyos resultados medibles incluyen potencialmente la reducción del coste de generación de dichos contenidos y el aumento de los ingresos gracias a la mayor eficacia de los contenidos de mayor calidad a escala. En este caso han identificado 63 casos de uso de IA generativa que abarcan 16 funciones empresariales y que podrían aportar un valor total de entre 2,6 y 4,4 billones de dólares anuales en beneficios económicos si se aplican en todos los sectores.
El segundo objetivo complementa el primero analizando el impacto potencial de la IA generativa en las actividades laborales requeridas en unas 850 ocupaciones. Han modelado escenarios para estimar cuándo la IA generativa podría realizar cada una de las más de 2.100 "actividades laborales detalladas" -como "comunicarse con otros sobre planes o actividades operativas"- que componen esas ocupaciones en toda la economía mundial. Esto les permite estimar cómo las capacidades actuales de la IA generativa podrían afectar a la productividad laboral en todos los trabajos que realiza actualmente la mano de obra mundial.
Operaciones con clientes: mejorar la experiencia del cliente y del agente
La IA generativa tiene el potencial de revolucionar toda la función de operaciones de atención al cliente, mejorando la experiencia del cliente y la productividad de los agentes a través del autoservicio digital y mejorando y aumentando las habilidades de los agentes. La tecnología ya ha ganado terreno en el servicio de atención al cliente por su capacidad para automatizar las interacciones con los clientes mediante el lenguaje natural. Un estudio reveló que en una empresa con 5.000 agentes de atención al cliente, la aplicación de la IA generativa aumentó la resolución de incidencias en un 14% por hora y redujo el tiempo empleado en gestionar una incidencia en un 9%. Y lo que es más importante, la productividad y la calidad del servicio mejoraron sobre todo entre los agentes menos experimentados, mientras que el asistente de IA no aumentó -y a veces disminuyó- la productividad y los parámetros de calidad de los agentes más cualificados. Esto se debe a que el asistente de IA ayudó a los agentes menos experimentados a comunicarse utilizando técnicas similares a las de sus homólogos más cualificados.
A continuación se ofrecen ejemplos de las mejoras operativas que la IA generativa puede tener para casos de uso específicos:
Autoservicio del cliente. Los chatbots alimentados por IA generativa pueden dar respuestas inmediatas y personalizadas a consultas complejas de los clientes, independientemente de su idioma o ubicación. Al mejorar la calidad y la eficacia de las interacciones a través de canales automatizados, la IA generativa podría automatizar las respuestas a un mayor porcentaje de consultas de los clientes, lo que permitiría a los equipos de atención al cliente hacerse cargo de consultas que sólo pueden ser resueltas por un agente humano. Según este estudio, aproximadamente la mitad de los contactos con los clientes que realizan las empresas de banca, telecomunicaciones y servicios públicos en Norteamérica ya son gestionados por máquinas, incluida, aunque no exclusivamente, la IA. Se calcula que la IA generativa podría reducir aún más el volumen de contactos atendidos por personas en hasta un 50%, dependiendo del nivel de automatización existente en la empresa.
Resolución durante el contacto inicial. La IA generativa puede recuperar al instante los datos que una empresa tiene sobre un cliente concreto, lo que puede ayudar a un representante humano de atención al cliente a responder mejor a las preguntas y resolver los problemas durante una interacción inicial.
Reducción del tiempo de respuesta. La IA generativa puede reducir el tiempo que un representante de ventas humano dedica a responder a un cliente proporcionándole asistencia en tiempo real y recomendándole los siguientes pasos.
Aumento de las ventas. Gracias a su capacidad para procesar rápidamente datos sobre los clientes y sus historiales de navegación, la tecnología puede identificar sugerencias de productos y ofertas adaptadas a las preferencias del cliente. Además, la IA generativa puede mejorar el control de calidad y la formación al recopilar información de las conversaciones con los clientes, determinar qué se podría hacer mejor y formar a los agentes.
McKinsey estima que la aplicación de la IA generativa a las funciones de atención al cliente podría aumentar la productividad en un valor que oscila entre el 30 y el 45% de los costes actuales de las funciones.
Este análisis capta únicamente el impacto directo que la IA generativa podría tener en la productividad de las operaciones de atención al cliente. No tiene en cuenta los posibles efectos en cadena que la tecnología puede tener en la satisfacción y retención de los clientes derivados de una experiencia mejorada, incluida una mejor comprensión del contexto del cliente que puede ayudar a los agentes humanos a proporcionar ayuda y recomendaciones más personalizadas.
Marketing y ventas: impulsar la personalización, la creación de contenidos y la productividad de las ventas
Entre las posibles ventajas operativas del uso de la IA generativa para el marketing se incluyen las siguientes:
Creación de contenidos eficiente y eficaz. La IA generativa podría reducir significativamente el tiempo necesario para la creación y la redacción de contenidos, ahorrando tiempo y esfuerzo valiosos. También puede facilitar la coherencia entre diferentes contenidos, garantizando una voz de marca, un estilo de redacción y un formato uniformes. Los miembros del equipo pueden colaborar a través de la IA generativa, que puede integrar sus ideas en una única pieza cohesionada. Esto permitiría a los equipos mejorar significativamente la personalización de los mensajes de marketing dirigidos a diferentes segmentos de clientes, geografías y datos demográficos. Las campañas masivas de correo electrónico pueden traducirse instantáneamente a tantos idiomas como sea necesario, con imágenes y mensajes diferentes en función de la audiencia. La capacidad de la IA generativa para producir contenidos con especificaciones variables podría aumentar el valor, la atracción, la conversión y la retención de los clientes a lo largo de toda su vida y a una escala superior a la que permiten actualmente las técnicas tradicionales.
Mejor uso de los datos. La IA generativa podría ayudar a las funciones de marketing a superar los retos que plantean los datos no estructurados, incoherentes y desconectados -por ejemplo, procedentes de diferentes bases de datos- mediante la interpretación de fuentes de datos abstractas como texto, imágenes y estructuras variadas. Puede ayudar a los profesionales del marketing a utilizar mejor datos como el rendimiento del territorio, los comentarios sintetizados de los clientes y su comportamiento para generar estrategias de marketing basadas en datos, como perfiles de clientes específicos y recomendaciones de canales. Estas herramientas pueden identificar y sintetizar tendencias, impulsores clave y oportunidades de mercado y producto a partir de datos no estructurados como redes sociales, noticias, investigaciones académicas y comentarios de los clientes.
Optimización SEO. La IA generativa puede ayudar a los profesionales del marketing a lograr una mayor conversión y un menor coste mediante la optimización de motores de búsqueda (SEO) para componentes técnicos de marketing y ventas como títulos de páginas, etiquetas de imágenes y URL. Puede sintetizar tokens SEO clave, apoyar a los especialistas en la creación de contenido digital SEO y distribuir contenido específico a los clientes.
Descubrimiento de productos y personalización de búsquedas. Con la IA generativa, el descubrimiento y la búsqueda de productos pueden personalizarse con entradas multimodales de texto, imágenes y voz, y un profundo conocimiento de los perfiles de los clientes. Por ejemplo, la tecnología puede aprovechar las preferencias individuales del usuario, su comportamiento y su historial de compras para ayudar a los clientes a descubrir los productos más relevantes y generar descripciones personalizadas de los productos. Esto permitiría a las empresas de bienes de consumo, viajes y venta al por menor mejorar sus ventas de comercio electrónico consiguiendo mayores tasas de conversión en el sitio web.
La IA generativa también podría cambiar la forma en que las empresas B2B y B2C abordan las ventas. A continuación se exponen dos casos de uso para las ventas:
Aumentar la probabilidad de venta. La IA generativa podría identificar y priorizar las oportunidades de venta creando perfiles completos de consumidores a partir de datos estructurados y no estructurados y sugiriendo acciones al personal para mejorar el compromiso con el cliente en cada punto de contacto. Por ejemplo, la IA generativa podría proporcionar mejor información sobre las preferencias del cliente, mejorando potencialmente las tasas de cierre.
Mejorar el desarrollo de clientes potenciales. La IA generativa podría ayudar a los representantes de ventas a nutrir a los clientes potenciales sintetizando información relevante sobre ventas de productos y perfiles de clientes y creando guiones de discusión para facilitar la conversación con el cliente, incluidos los temas de conversación de venta ascendente y cruzada. También podría automatizar el seguimiento de las ventas y nutrir pasivamente a los clientes potenciales hasta que estén listos para la interacción directa con un agente de ventas humano.
La IA generativa ayuda a los principales impulsores de Retail Media y los bienes de consumo envasados
La tecnología podría generar valor para la industria del Retail y de bienes de consumo envasados (CPG) al aumentar la productividad entre un 1,2 y un 2,0% de los ingresos anuales, es decir, entre 400.000 y 660.000 millones de dólares adicionales.
Para agilizar los procesos, la IA generativa podría automatizar funciones clave como la atención al cliente, el marketing y las ventas, y la gestión de inventarios y de la cadena de suministro. La tecnología ha desempeñado un papel esencial en los sectores minorista y de bienes de consumo durante décadas. La IA tradicional y las soluciones analíticas avanzadas han ayudado a las empresas a gestionar vastos conjuntos de datos a través de un gran número de SKU, extensas cadenas de suministro y redes de almacenamiento, y complejas categorías de productos como los consumibles.
Además, estos sectores están muy orientados al cliente, lo que ofrece oportunidades para que la IA generativa complemente la inteligencia artificial ya existente. Por ejemplo, la capacidad de la IA generativa para personalizar las ofertas podría optimizar las actividades de marketing y ventas que ya gestionan las soluciones de IA existentes. Del mismo modo, las herramientas de IA generativa destacan en la gestión de datos y podrían servir de apoyo a las herramientas de fijación de precios basadas en IA ya existentes. Aplicar la IA generativa a estas actividades podría ser un paso hacia la integración de aplicaciones en toda la empresa.
Fuente: McKinsey
