KPI inteligentes impulsados por IA, ¿cómo funciona esta herramienta?

Alinear las operaciones con la estrategia es una tarea de liderazgo crítica. Las turbulentas condiciones del mercado y las continuas demandas de actualizar digitalmente las operaciones hacen que la alineación estratégica sea más difícil de gestionar. Los líderes con experiencia digital están afrontando el reto de la alineación mejorando la forma en que utilizan y desarrollan los KPI.

A partir de una encuesta global a más de 3 mil directivos y 17 entrevistas a ejecutivos, observamos que los líderes de todo el espectro empresarial utilizan la IA para mejorar la forma en que se priorizan, organizan y comparten las mediciones.

Estas mejoras tienen un efecto directo y medible en el fortalecimiento de la alineación estratégica. Estos líderes también utilizan la IA para mejorar la precisión, el detalle y la capacidad predictiva de los propios KPI. Las mejoras individuales y colectivas generan un mayor conocimiento de la situación y colaboran para lograr resultados estratégicos.

Los líderes reconocen que necesitan nuevas capacidades de medición y métricas mejoradas para anticipar y navegar mejor por las oportunidades y amenazas estratégicas.¹

Reconocen que las nuevas capacidades de medición basadas en IA pueden ofrecer nuevas perspectivas y métricas de rendimiento, fortalecer la alineación y mejorar los resultados. Nuestras conclusiones representan una llamada a la acción clara para que los líderes creen sistemas más integrados de KPI.

Mejorar las KPI con la IA, un nuevo hito en la búsqueda de la eficiencia

¿KPI enriquecidos con IA? ¿Para qué funcionan?

Estos KPI enriquecidos con IA, o KPI inteligentes, pueden actuar eficazmente como un GPS empresarial, asesorando a las personas sobre dónde están, adónde tienen que ir y cuál es la mejor forma de llegar hasta allí.

Estos KPI inteligentes ofrecen descripciones más detalladas sobre lo que está ocurriendo en la empresa. Además brindan predicciones más incisivas sobre lo que es probable que ocurra y, en algunos casos, sugerencias. Unas mediciones más inteligentes mejoran las métricas heredadas que se dejan sin coordinar y sin cuestionar.

Analizamos ejemplos que ilustran cómo los líderes utilizan estas nuevas capacidades para alcanzar sus objetivos estratégicos. También ofrecemos recomendaciones específicas para utilizar la IA con el fin de enriquecer los KPI y avanzar en la alineación estratégica.

Reforzar la alineación estratégica con la IA

Los KPI siempre se concibieron como mecanismos para alinear los comportamientos organizativos con los objetivos estratégicos. La mayoría de los directivos, sin embargo, no creen que sus KPI reflejen en la práctica las aspiraciones estratégicas. Reconocen que sus KPI necesitan ser mejorados.²

Nuestra investigación muestra que los líderes que enriquecen sus KPI con IA tienen más probabilidades de ver beneficios en la alineación, como una mejor coordinación interfuncional.

Son más eficaces a la hora de priorizar los KPI, identificar y establecer relaciones entre los KPI y compartir datos relacionados con los KPI entre los equipos.

Priorizar los KPI con IA

Decidir qué KPI enfatizar y priorizar es un reto bien conocido de la alineación estratégica. En nuestra investigación cualitativa, un estribillo común fue: “Tenemos que mejorar la alineación de nuestros KPI“. Los entrevistados citaron ampliamente las corazonadas de los ejecutivos como una fuente clave de desacuerdo sobre los KPI.

Los encuestados que informaron de que su empresa había utilizado la IA para priorizar sus KPI tenían 4.3 veces más probabilidades de ver una mejor alineación. Priorizar las mediciones con IA mejora las decisiones basadas en datos y sienta las bases para una alineación estratégica más sólida.

Ejemplo del uso de la IA y KPI: Maersk

Maersk, la empresa danesa de transportes, envíos y logística, utilizó la IA para reevaluar y definir cómo mide el rendimiento y la productividad de su red de 65 activos en puertos, transportes y almacenes de todo el mundo.

Los gestores de primera línea tenían que decidir si el rendimiento clave se definía mejor cargando y descargando buques o camiones lo más rápidamente posible o gestionando el proceso de carga para que el transporte pudiera salir de forma fiable según lo programado. ¿El KPI adecuado era la velocidad o la fiabilidad del horario?

Esta decisión tendría enormes ramificaciones prácticas para la empresa

Utilizar más equipos en las terminales de APM para la carga y descarga aumentaría el rendimiento pero incrementaría los costes a corto plazo. En cambio, si se utilizaban los equipos necesarios para garantizar la puntualidad de las salidas, se reducirían los costes pero se limitaría el rendimiento.

Basándose en la experiencia, los directivos de primera línea in situ creían que la velocidad era la medida de rendimiento correcta.

KPIs accionables en relaciones públicas, hacia una medición de mayor valor

Descubrimientos

Para probar esta hipótesis, el equipo de ciencia de datos de Maersk desarrolló gemelos digitales para representar cada enfoque y evaluar sus efectos en toda la cadena de valor. Llegaron a la conclusión de que utilizar menos equipos de carga evitaría los cuellos de botella en los puntos de transbordo o al hacer conexiones con otros modos de transporte, como la carretera y el ferrocarril.

También descubrieron que ir más rápido en un puerto provocaba ralentizaciones en otros. Mantener un horario fiable también reducía los costes y permitía llegar más a tiempo.

Ir más despacio era “una métrica contraintuitiva. Utilizar un gemelo digital para la cadena de suministro explicaba y justificaba el uso de menos equipos. Se ahorraron millones en una sola terminal”, afirma Holly Landry, directora de datos de Maersk.

Ahora, la empresa está desplegando gemelos digitales en toda su cadena de valor. Con la IA, Maersk priorizó el KPI correcto, lo que luego condujo a un rendimiento más eficiente y alineado en toda la empresa.

Ensamblaje de KPI con IA

Descubrir las interdependencias entre los KPI con IA facilita la creación de “conjuntos” de KPI que agrupan KPI distintos para actividades empresariales diferentes, pero conectadas.

Algunos ejemplos de conjuntos de mediciones son la productividad de los empleados y el compromiso de los clientes, los márgenes de beneficios y la cuota de mercado, etc. La IA desempeña un papel fundamental a la hora de discernir patrones ocultos que vinculan unos KPI con otros.

Dado que estos patrones a menudo abarcan múltiples funciones y partes interesadas, los conjuntos de KPI pueden romper los silos y aumentar la colaboración entre las diferentes partes interesadas, mejorando la alineación organizativa.

Pernod Ricard, otro éxito en el uso de la IA aplicada a la medición

Pernod Ricard, la empresa mundial de bebidas espirituosas valorada en 10 mil millones de dólares, utiliza la IA para describir y profundizar en la conexión entre dos de sus KPI más importantes. Entre ellos destacan los márgenes de beneficio y la cuota de mercado.

En el pasado, estos KPI estaban aislados y separados, cada uno con su propio conjunto de medidas. Ahora, la empresa utiliza la IA para obtener información sobre cómo las inversiones comerciales y de marketing que mejoran los beneficios también influyen en los objetivos de cuota de mercado y viceversa.

En lugar de tratar de maximizar cada KPI por separado, el fabricante de bebidas espirituosas ahora trata de optimizar ambos KPI de forma conjunta.

“Si te imaginas moviendo un cursor entre objetivos de optimización de cuota de mercado y objetivos de optimización de márgenes, necesitas saber cómo varían las inversiones necesarias para alcanzar esos objetivos. La IA te va a dar esa información. Con la IA, podemos alinear mejor los KPI de cuota de mercado, los KPI de margen y las inversiones necesarias para alcanzarlos”, dice Pierre-Yves Calloc’h, director digital de Pernod Ricard.

Esta capacidad transformó la forma en que la dirección de Pernod Ricard asigna el capital y equilibra sus aspiraciones de rentabilidad y cuota de mercado.

En búsqueda de un KPI exitoso y efectivo

Hacer que los KPI sean compartidos, visibles y fiables

En términos generales, compartir los KPI significa compartir la responsabilidad, compartir la información o ambas cosas. Compartir la responsabilidad de los KPI suele ser una decisión de liderazgo. Compartir la información sobre el rendimiento depende de la tecnología y del acceso a los datos.

Nuestra investigación identifica varias formas en las que la IA mejora el intercambio de información sobre los KPI. Además fomenta la colaboración entre las distintas partes de una organización.

El uso de la IA para compartir los KPI ofrece ventajas específicas que pueden reforzar la alineación estratégica

Las empresas que utilizan IA para compartir KPI tienen cinco veces más probabilidades de ver mejorada la alineación entre funciones. Además de tres veces más probabilidades de ser ágiles y receptivas que las organizaciones que no utilizan IA para compartir KPI. Como señaló un ejecutivo:

“Tenemos que hacer más para compartir los KPI. … ¿Cuáles son los KPI adecuados para compartir que nos permitirán asegurarnos de que una cosa no está anulando contraproducentemente a la otra?”.

Mejorar la visibilidad de los resultados de los KPI de toda la empresa y los impulsores del rendimiento refuerza la capacidad de los directivos para compartir, debatir y sortear las tensiones entre los KPI.

Ejemplo del de la IA en Sanofi

En Sanofi, la IA reunió los datos que impulsan el plan de negocios integrado (IBP) de la compañía farmacéutica, una tarea enorme para un negocio que ha realizado 300 adquisiciones en los últimos 50 años.

En 2019, el CEO entrante Paul Hudson defendió la democratización de los datos, lo que requirió nuevos estándares de datos para la calidad y la gobernanza.

Los datos de rendimiento sobre métricas clave de IBP se consolidaron finalmente y se compartieron con 10 mil altos ejecutivos de todo el mundo a través de una nueva interfaz digital inteligente llamada Plai.

Esta accesible herramienta de IA, también denominada “snackable AI” por sus desarrolladores, ofrece visibilidad del rendimiento de toda la empresa.

Estas conversaciones habrían sido imposibles antes, no porque los datos no estuvieran disponibles, sino porque el algoritmo introdujo un nivel de objetividad, afirma Stephanie Androski, responsable de operaciones y transformación financiera global de Sanofi.

“Ahora tenemos un número que va detrás de nuestra previsión de ventas, y es el punto central para otros múltiples KPI. Si estamos prediciendo una posible situación de falta de existencias de un producto, no solo nos da la capacidad de decir: ‘Oh, un momento, la IA predice que podríamos quedarnos sin existencias de ese producto en cuatro meses. ¿Es real y podemos adelantarnos? También nos da la capacidad, como financieros, de preguntarnos: ‘¿Son las ventas demasiado ambiciosas para este producto? ¿Perderemos cuota de mercado?’ o ‘¿Cómo afecta esto a la previsión global?’. Como todo está más claro y se puede ver, ha contribuido a aumentar el diálogo y la productividad”.

La principal conclusión para los directivos es que organizar y compartir los datos de los indicadores clave de rendimiento con la IA puede ofrecer una plataforma valiosa.

Por qué los KPI incorrectos condenan la transformación digital de los líderes

Tres tipos de KPI inteligentes

A medida que los KPI evolucionan, también lo hacen sus contribuciones a la alineación estratégica. Nuestra investigación sugiere que hay tres formas en las que los KPI enriquecidos con IA mejoran las métricas que simplemente rastrean el rendimiento.

Estos KPI inteligentes describen mejor el mundo tal y como es (rendimiento actual y pasado) y anticipan mejor cómo será probablemente (rendimiento futuro). En algunos casos, las mediciones inteligentes también indican lo que puede o debe hacerse para promover mejores resultados. Los cuadros de mando ejecutivos, por ejemplo, suelen codificar los KPI por colores.

El rojo indica que el rendimiento es bajo, y el verde que el rendimiento cumple o supera las expectativas. Esta codificación es un tipo sencillo de llamada a la acción que proporcionan los KPI y los cuadros de mando tradicionales. Los KPI inteligentes van más allá: Pueden hacer recomendaciones más detalladas y específicas sobre los próximos pasos y diagnosticar las implicaciones para otros KPI.

Así pues, los KPI inteligentes mejoran a los KPI tradicionales en tres sentidos que se solapan: Describen y predicen mejor el rendimiento y prescriben recomendaciones más detalladas y valiosas.

Estos tres tipos de KPI inteligentes se corresponden con una distinción bien conocida entre análisis descriptivo, predictivo y prescriptivo. Esta tipología de KPI se explica con más detalle a continuación.

1. KPI descriptivos inteligentes

Estos KPI sintetizan datos históricos y actuales para ofrecer información sobre lo que ha ocurrido o lo que está ocurriendo. Proporcionan una comprensión más profunda de las deficiencias de rendimiento y sus causas, lo que conduce a una mejor creación de KPI o a una mejor comprensión de las relaciones entre KPI.

Un ejemplo es la herramienta snackable AI de Sanofi, que impulsa el conocimiento de la situación al revelar interdependencias críticas entre diferentes KPI.

2. KPI predictivos inteligentes

Estos KPI anticipan el rendimiento futuro produciendo indicadores adelantados fiables. Proporcionan visibilidad de los resultados potenciales, lo que permite tomar medidas preventivas para mitigar los riesgos o aprovechar las oportunidades. Por ejemplo, General Electric ha transformado sus KPI para centrarse en indicadores adelantados.

La empresa utiliza la IA, por ejemplo, para analizar la cartera de pedidos comparándolos con la base instalada de productos y servicios. Estas comparaciones detalladas ayudan a identificar con precisión las oportunidades de aumentar los pedidos futuros, lo que, a su vez, genera mayores ingresos y márgenes. Como señala Carolina Dybeck Happe, vicepresidenta sénior de Finanzas de GE y ex directora financiera, “la utilización de indicadores adelantados crea una conexión mucho más rápida y estrecha entre la estrategia y el cumplimiento de esa estrategia.”

3. KPI prescriptivos inteligentes

Más allá de la descripción y la predicción, los KPI prescriptivos se enriquecen con acciones recomendadas por la IA. No sólo indican las deficiencias de rendimiento, sino que también sugieren medidas correctivas. Los KPI inteligentes de Sanofi, por ejemplo, alinean las operaciones y las ventas recomendando ajustes de los KPI de ventas basados en el rendimiento de la cadena de suministro.

Enriquecer los KPI con IA potencia las métricas clave para impulsar el rendimiento adecuado y reforzar la alineación estratégica. Al transformar los KPI en herramientas inteligentes descriptivas, predictivas y prescriptivas, las organizaciones digitalmente inteligentes los utilizan para mejorar el conocimiento de la situación, tomar decisiones más eficaces y mejorar la gestión del rendimiento.

Plan de marketing, ¿cómo diseñar la guía que le ayudará a vender más a tu negocio?

Consejos para líderes

Basándonos en nuestra investigación, las siguientes acciones ayudarán a los líderes a utilizar la IA para mejorar cómo utilizan y desarrollan los KPI y cómo alinean las operaciones con la estrategia.

Tratar los KPI como activos

Cuando los KPI se consideran activos, además de métricas, invitan a una inversión más reflexiva e intencionada. ¿Qué KPI deberían enriquecerse o mejorarse con IA? ¿Qué mediciones son más predictivas y prospectivas? ¿Cuáles inversiones en IA, datos y personal son necesarias para reforzar las relaciones entre los KPI y mejorar la alineación estratégica?

Del mismo modo que las organizaciones identifican, cultivan, forman y desarrollan a su personal para que adquiera mayor responsabilidad y autoridad en la toma de decisiones, los líderes deben identificar, cultivar, formar y desarrollar sus KPI para que ofrezcan ideas y recomendaciones prácticas.

Fomentar una mayor visibilidad y transparencia en torno a las medidas de rendimiento

Hacer más visibles los indicadores clave de rendimiento clarifica la rendición de cuentas y la responsabilidad, fomenta el debate y cultiva un sentido de propósito compartido. El caso de Sanofi ilustra que la creación de una única fuente de verdad sobre el rendimiento, que se pueda compartir y sea visible para los altos directivos, beneficia la alineación.

Aumentar el acceso multifuncional a los indicadores clave de rendimiento fomenta una mayor conciencia de la situación y de uno mismo. Democratizar el acceso a datos de rendimiento creíbles y transparentes ayuda a las personas a ver dónde están y hacia dónde tienen que ir. La alta dirección debe comprometerse con recursos relacionados con la IA que mejoren la visibilidad y transparencia de los KPI.

Mapear las relaciones y conexiones de los KPI

Las personas de toda la empresa deben poder ver cómo se relacionan entre sí los empleados clave, el rendimiento clave y los indicadores clave de rendimiento. La visibilidad y la visualización animan el funcionamiento de la alineación organizativa.

Los líderes impulsados por los datos pueden utilizar la IA para mapear, modelar y gestionar sus impulsores de rendimiento y prioridades de KPI, dice Hervé Coureil, director de gobernanza y secretario general de Schneider Electric. Describir y representar el “ecosistema de KPI” de una empresa, señala Coureil, puede ser un primer paso que requiera mucho trabajo y recursos. Estos mapas y modelos pueden identificar y aclarar qué KPI deben compartirse o agruparse.

Las organizaciones centradas en el cliente, por ejemplo, probablemente darían prioridad a los KPI compartidos y agrupados en torno a la experiencia del cliente y las métricas de valor del ciclo de vida del cliente. Un mejor mapeo y modelado hace que los KPI sean mejores activos.

Conclusión

Nuestra investigación concluye que la mejora de la alineación estratégica depende no sólo de definir correctamente las métricas que más importan, sino también de desarrollar continuamente estas métricas con IA y mejores datos. Pero a un nivel más fundamental, nuestra investigación destaca que la IA está asumiendo tareas que antes eran dominio exclusivo de los ejecutivos, como priorizar, ensamblar y compartir los KPI.

La convergencia de la IA y los KPI está redefiniendo cómo se utilizan los KPI y cómo contribuyen a la alineación estratégica. La traducción continua de la estrategia en métricas más inteligentes, mejor organizadas y más valiosas es una actividad cada vez más crítica para los líderes impulsados por los datos.

SOBRE LOS AUTORES

David Kiron es director editorial de investigación de MIT Sloan Management Review y responsable de programa de sus iniciativas de investigación Big Ideas.

Michael Schrage es investigador de la Iniciativa sobre la Economía Digital de la Sloan School of Management del MIT. Su labor de investigación, redacción y asesoramiento se centra en la economía conductual de los medios digitales, los modelos y las métricas como recursos estratégicos para gestionar las oportunidades y los riesgos de la innovación.

François Candelon es socio principal y director gerente del Boston Consulting Group (BCG) y director mundial del BCG Henderson Institute, donde sus investigaciones se centran en el impacto de las tecnologías en las empresas y la sociedad. Puede ponerse en contacto con él en candelon.francois@bcg.com.

Shervin Khodabandeh es socio sénior y director gerente de BCG y colíder del negocio de IA de BCG en Norteamérica. Es uno de los líderes de BCG X y cuenta con más de 20 años de experiencia impulsando el impacto empresarial de la IA y lo digital. Puede ponerse en contacto con él en shervin@bcg.com.

Michael Chu es socio y director asociado de BCG, donde se centra en la aplicación de la IA y el aprendizaje automático a problemas empresariales en funciones comerciales, incluida la optimización de precios, promociones, ventas y marketing. Puede ponerse en contacto con él en chu.michael@bcg.com.

REFERENCIAS (2)

1. M. Schrage, D. Kiron, F. Candelon y otros, “Improve Key Performance Indicators With AI“, MIT Sloan Management Review y Boston Consulting Group, 11 de julio de 2023, https://sloanreview.mit.edu.

2. M. Schrage y D. Kiron “Leading With Next-Generation Key Performance Indicators“, MIT Sloan Management Review, 26 de junio de 2018, https://sloanreview.mit.edu; y M. Schrage, D. Kiron, F. Candelon, et al., “Improve Key Performance Indicators With AI“, MIT Sloan Management Review y Boston Consulting Group, 11 de julio de 2023, https://sloanreview.mit.edu.

Síguenos en Google News