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

Mejorar los KPI (indicadores clave de rendimiento) es un mandato claro para la mayoría de las organizaciones. Según nuestra séptima encuesta anual global sobre IA para ejecutivos, 7 de cada 10 encuestados coinciden en que mejorar los índices es fundamental para el éxito de su negocio.

Como señala un ejecutivo: “Necesitamos evolucionar nuestros KPI todo el tiempo para no dirigir nuestro negocio con métricas heredadas.”

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

Un número creciente de empresas utilizan ahora la IA para acelerar esa evolución.

“Estoy muy entusiasmado con lo que el aprendizaje automático puede hacer en términos de que nuestros líderes se alejen de las métricas que miran hacia atrás”, dijo Avinash Kaushik, director de estrategia de la agencia de marketing digital Croud y ex director senior de análisis estratégico global en Google.

Lyft, medir el rendimiento de los viajes a través de la IA

En los inicios de Lyft, los ingenieros diseñaron un algoritmo para maximizar los ingresos ajustando la oferta de conductores a la demanda de los clientes.

“Analizaba todas las combinaciones posibles de pasajeros y conductores y elegía la combinación que, en función del trayecto solicitado, maximizaba los ingresos”, explicó Elizabeth Stone, ex vicepresidenta científica de Lyft.

Entonces, cuando los científicos de datos empezaron a probar otros objetivos, surgió algo interesante. Una solución de IA descubrió que la optimización de las tasas de conversión generaría, a su vez, más solicitudes de viaje en el futuro.

Más solicitudes de viajes significan, en última instancia, más ingresos. Como resultado del uso de la IA, Lyft transformó su KPI de ingresos. Pasó de ser uno centrado en las combinaciones de viajes y conductores a uno que se centra en la optimización de las tasas de conversión.¹

En búsqueda de un KPI exitoso y efectivo

Tokopedia, así es como la IA ha resignificado sus KPI

En Tokopedia, uno de los mayores mercados de Indonesia, la IA examina petabytes de datos para detectar señales correlacionadas con la credibilidad y la fiabilidad.

Estas son consideraciones clave, dado que el 86.5 por ciento de sus 14 millones de comerciantes, que venden mil 800 millones de productos, son nuevos empresarios.

Contar con más comerciantes creíbles hace que el mercado sea más atractivo, eficaz y eficiente.

“Puede que tengan buenos productos para vender, pero no saben cómo gestionar sus existencias. Con la IA, conectamos a nuestros clientes con el producto adecuado. Mismo que es servido por los comerciantes adecuados que ellos quieren”, dice Herman Widjaja, CTO de Tokopedia.

La empresa sintetizó millones de posibles señales en un sistema de puntuación que representa un nuevo KPI en torno a la calidad de los comerciantes.

La perspectiva actual del uso de la IA en la medición de indicadores

Aunque la mayoría de los encuestados entienden la necesidad de mejorar los KPI, una clara mayoría confía en herramientas y tecnologías inadecuadas.

Incluso a medida que los algoritmos de aprendizaje automático y la IA transforman las capacidades empresariales, el juicio humano es aún el enfoque dominante para la mejora de los KPI.

Dos tercios de los encuestados afirman que los directivos hacen juicios de valor al ajustar los KPI de su organización. Aunque es habitual, este enfoque a menudo no produce los resultados deseados: Apenas un tercio de los encuestados que se basan únicamente en el criterio humano ven mejorar sus KPI.

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

Por el contrario, las empresas que utilizan la IA para informar sus KPI tienen muchas más probabilidades de ver métricas mejoradas. El 90 por ciento de los encuestados que utilizan la IA para crear nuevos indicadores afirman que ven cómo mejoran sus KPI.

¿Qué ofrecen los datos alimentados por la IA?

Estos datos alimentados por IA ofrecen beneficios empresariales y demuestran nuevas capacidades. A menudo conducen a una mayor eficiencia y un mayor beneficio financiero y son más detallados, alineados con los objetivos de la organización. Observamos una creciente concienciación entre los ejecutivos de que los KPI deben ser más inteligentes y predictivos.

Todos los directivos entrevistados para nuestra investigación expresaron razones similares para mejorar los KPI. A medida que las métricas heredadas se vuelven estáticas y obsoletas, disminuye su valor como herramientas para definir y alcanzar los objetivos de la organización.

De hecho, se vuelven mensurablemente menos útiles. Tanto individual como colectivamente, los KPI deben actualizarse y mejorarse para garantizar que promueven los resultados organizativos deseados.

Mejorar el rendimiento sin mejorar los KPI crea un riesgo competitivo. Las empresas que se centran en medidas subóptimas están en desventaja competitiva. Centrarse en el rendimiento sin un enfoque proporcional en su medida crea un desequilibrio inherente que puede sabotear los esfuerzos de una empresa.

La IA ayuda a las empresas a redefinir su rendimiento, no solo a mejorarlo

Cómo mejorar la medición de KPI con IA

Basándonos en nuestra investigación, que incluye una encuesta global a más de 3 mil directivos, hemos identificado tres formas de mejorar las KPI con IA:

• Mejorar los KPI existentes (I)
• Crear nuevos KPI (C)
• Establecer nuevas relaciones entre los KPI (E)

Este artículo explica cómo este marco Mejorar-Crear-Establecer, o ICE, puede ayudar a los líderes a reutilizar los KPI para que su personal, sus procesos y sus tecnologías sean más eficaces.

Nuestra investigación muestra que los indicadores mejorados con IA se asocian con beneficios empresariales estratégicamente valiosos, como una mayor eficiencia o una mejor alineación.

Integrar la IA en el proceso de medición estratégica tiene enormes implicaciones para el futuro de la asignación de capital, el compromiso de los clientes, la experiencia de los colaboradores, el EBITDA y cualquier otra métrica ejecutiva.

Ofrecemos varios pasos prácticos sobre cómo utilizar la IA para mejorar sus KPI.

Materializar la aplicación de la IA en toda una empresa, ¿cómo lograrlo?

Mejorar los KPI existentes con IA

Las empresas que inicialmente utilizan la IA para aumentar las cifras de rendimiento descubren que la tecnología crea oportunidades para volver a examinar los parámetros.

El efecto sustitución en Wayfair

El enfoque de la IA de Wayfair es un buen ejemplo de ello. El minorista de muebles en línea utilizó la IA para reexaminar los fundamentos detrás de su KPI de pérdida de ventas.

Como recuerda la directora de tecnología Fiona Tan, “solíamos pensar que si perdías la venta de un producto concreto, era una pérdida para la empresa. Pero analizamos los datos y nos dimos cuenta de que entre el 50 por ciento y el 60 por ciento de las veces, cuando perdíamos una venta era porque el cliente compraba otra cosa.”

Este análisis basado en IA permitió a Wayfair experimentar con ofertas sustitutivas basadas en las preocupaciones de los clientes, como los precios. La demanda de estos productos sustitutivos proporcionó una nueva perspectiva de lo que anteriormente se había medido e interpretado como ventas perdidas.

Reconocer este “efecto sustitución” llevó a Wayfair a ajustar los precios en todo su dominio de sofás. También a renovar las configuraciones de productos en sus centros de distribución y volver a priorizar los indicadores clave de rendimiento heredados.

¿Cómo utilizó Wayfair la IA en la medición de los KPI?

En un nivel, Wayfair utilizó la IA para transformar su antiguo KPI de ventas perdidas en una métrica más valiosa que diferenciaba las ventas realmente perdidas de las reales. Pero a otro nivel, la IA detrás de este KPI actualizado también permitió cambios más radicales.

El equipo de Tan utilizó el efecto de sustitución para desarrollar un “marco de conciencia de beneficios“. Este cambió la forma en que la empresa interactuaba con los clientes.

Tomar 600 mil millones de decisiones con IA: Rathi Murthy de Grupo Expedia

Las recomendaciones de Wayfair empezaron a tener en cuenta los plazos de entrega y los gastos de envío, así como las incidencias a la hora de hacer ofertas. La medición explícita y la incorporación del efecto sustitución replantearon las ventas perdidas como oportunidades de venta y condujeron a cambios en los precios.

Este replanteamiento alineó consecuentemente las decisiones de colocación de productos con las necesidades y capacidades de los centros de distribución y almacenes. Esto mejoró tanto la experiencia de los colaboradores como la de los clientes.

Así es como las empresas se acercan de mejor forma a sus KPI…

Las empresas de todo el sector están encontrando formas de utilizar la IA para mejorar los indicadores clave de rendimiento existentes. Algunas utilizan la IA para profundizar en el conocimiento de los factores que impulsan los resultados de los KPI. Otras la utilizan para identificar y priorizar los KPI que aportan más valor a la organización.

Aunque los resultados de nuestra encuesta sugieren que la mayoría de las empresas se conformarán con mejorar los KPI (confiarán en el juicio humano). También vemos que las empresas reconocen que la IA hace posible KPI totalmente nuevos que pueden alcanzar, e impulsar, un rendimiento de siguiente nivel.

Crear nuevos KPI

Además de mejorar las métricas de rendimiento existentes, la IA ofrece a los directivos la posibilidad de descubrir y generar algorítmicamente KPI totalmente nuevos. Aunque nuestra encuesta muestra que sólo el 16 por ciento de las organizaciones de los encuestados utilizan la IA para generar nuevos KPI, el 90 por ciento está de acuerdo en que su uso de la IA ha mejorado de forma apreciable sus métricas.

KPI, IA y el mundo de la medicina

Por ejemplo, la búsqueda de indicadores que puedan ayudar a los médicos a prevenir la muerte súbita cardíaca, que afecta a 300 mil personas en Estados Unidos cada año, es un esfuerzo constante para médicos e investigadores.

Este tipo de muertes surgen de la nada; los médicos no pueden predecirlas, ya que los pacientes no se presentan como de alto riesgo. Es una enfermedad especialmente frustrante porque existe un tratamiento eficaz si los médicos pueden identificar a tiempo a los pacientes de riesgo.

Uno de los investigadores en esta cacería, Ziad Obermeyer, médico y profesor de la Universidad de California en Berkeley, trabaja con el Sistema de Salud Region Halland de Suecia, cuyos datos de historiales médicos electrónicos pueden vincularse a diversos datos gubernamentales.

Él y sus colaboradores han entrenado un algoritmo para predecir la muerte súbita cardíaca en el año siguiente a la realización de un electrocardiograma (ECG). Utilizaron certificados de defunción y otros datos extraídos de los registros públicos y las historias clínicas electrónicas.

“El algoritmo se ha vuelto bastante bueno para predecir quién va a sucumbir a una muerte súbita cardiaca en el año siguiente a la realización de un ECG. Cada vez que se hace un ECG a alguien, se genera una puntuación de riesgo que mide la probabilidad de que la persona muera de una parada cardiaca súbita”, explicó Obermeyer.

Esa puntuación del ECG también puede funcionar como un indicador clave del rendimiento. Con la puntuación en la mano, un médico podría observar cómo cambia si al paciente se le receta una medicación como un betabloqueante o un inhibidor de la ECA.

Estrategias a corto plazo: El agente asesino de las empresas ante la crisis

El sueño de prevenir muertes usando IA

Aunque la investigación se encuentra en una fase muy temprana, algún día podría permitir a médicos y pacientes colaborar para reducir el riesgo de muerte súbita cardiaca. Así como identificar nuevas intervenciones que lo disminuyan.

“Tener la capacidad de convertir estas señales biológicas tan complicadas en indicadores es muy potente. Y creo que va a ser algo que veremos mucho más, no sólo en el caso de la muerte súbita cardiaca, sino también en el de las complicaciones diabéticas y todo tipo de afecciones prevenibles y de alto riesgo”, afirmó Obermeyer,

El uso que hace Obermeyer de la IA promete mejorar los resultados de los pacientes, reducir costes y aumentar la sensación de eficacia de los médicos.

Desarrollar y discernir nuevos indicadores clave de rendimiento con IA es un fenómeno emergente entre las empresas. Por ejemplo: DBS Bank, General Electric, General Motors, Sanofi, Schneider Electric y Walmart.

Estas empresas están utilizando la IA para identificar indicadores de rendimiento futuro en fases cada vez más tempranas de la actividad corporativa. Esta capacidad facilita un mejor conocimiento de la situación y una respuesta más eficaz a las condiciones cambiantes del mercado, entre otras ventajas.

Establecer nuevas relaciones entre los KPI

Ningún KPI es una isla. Muchos ejecutivos con los que hablamos hicieron hincapié en que para gestionar mejor su negocio es necesario reunir los KPI locales en un conjunto de métricas más integrado.

Ejecutivos de todos los sectores señalaron explícitamente las tensiones organizativas y computacionales inherentes entre maximizar los KPI locales y optimizar los de nivel superior, más macro.

A medida que evolucionan las características y los parámetros de los KPI, la importancia de anticipar, modelar y coordinar las múltiples interacciones de los KPI con la IA se vuelve más crítica.

Teads innova al medir por primera vez ‘la atención a los anuncios’ digitales en Latinoamérica

El caso de DBS Bank

DBS Bank, con sede en Singapur, dependía en el pasado de KPI independientes para cada función que tocaba diferentes puntos a lo largo del recorrido del cliente.

Es decir, para un producto determinado, marketing tendría, por ejemplo, sus propias métricas de captación de clientes, producto tendría sus propias métricas de desgaste, finanzas tendría sus propias métricas de ingresos, etc.

Sin embargo, en los últimos tres años, la multinacional de servicios bancarios y financieros ha sustituido ese modelo vertical por uno horizontal.

DBS creó un mapa de valor que une los casos de uso en un único viaje del cliente con resultados en cuatro categorías: experiencia del cliente, experiencia del colaborador, rentabilidad y riesgo.

Lo llamamos “gestión a través de viajes“, dijo Sameer Gupta, director de análisis de DBS.

“Cada viaje del cliente tendría múltiples impulsores, y cada impulsor tendría a su vez múltiples métricas que medir. Puede imaginarse lo rápido que se escalan, y sería humanamente imposible optimizar un número tan grande de impulsores y métricas. La IA es un multiplicador de fuerza que nos da la capacidad de analizar un gran número de impulsores y métricas y también de identificar aquellos sobre los que hay que actuar ahora”.

DBS Bank integra sus KPI con IA

En el nuevo modelo, los datos de resultados son visibles para los equipos interfuncionales, cuyos miembros tienen interés en optimizar los resultados en las cuatro categorías.

“Todos miran los mismos datos y todos son responsables del mismo resultado”, señaló Gupta.

Los equipos utilizan la experimentación, el análisis de datos, la inmersión del cliente y la IA para revisar continuamente los factores que impulsan los diferentes resultados. Además, no pierden de vista la elección de las métricas correctas.

Establecer estas interrelaciones entre sus KPI ha sido, en palabras de Gupta, “un cambio fundamental”.

Anticipa que la IA tendrá un papel cada vez más destacado a medida que la organización siga coordinando sus métricas en un impulso hacia la mejora continua.

“Estamos empezando a desempaquetar para preguntarnos: ‘¿Tomamos actualmente esa decisión a través de los datos y la habilitación de la IA? ¿Existe la posibilidad de tomarla a través de los datos y la IA? Si la hay, ¿cómo podemos hacerlo?”. afirmó Gupta.

Discernir nuevas relaciones entre los KPI con IA y otras técnicas analíticas puede generar nuevas oportunidades de negocio, nuevos conocimientos y un valioso conjunto de datos en torno a los cuales gestionar los comportamientos organizativos.

El huevo y la gallina: Cómo innovar sin descuidar la operación de tu empresa

Ideas para el liderazgo

El futuro de la medición estratégica pasa por unos KPI más inteligentes. Nuestra investigación sugiere, sin embargo, que pocas organizaciones heredadas están utilizando estratégicamente la IA para mejorar sus KPI. Esto hace que tanto la IA como los indicadores sean activos infravalorados. Los directivos deben invertir en consecuencia.

El uso de la IA para mejorar los KPI, crear nuevos y establecer nuevas relaciones entre ellos crea una oportunidad de capturar un valor mensurablemente mayor.

El marco ICE invita a los ejecutivos y a los consejos de administración a entablar debates que deberían conducir a la inversión de la dirección en la mejora de la medición estratégica.

Nuestra investigación también hace hincapié en la necesidad de que los líderes se alineen no sólo sobre qué KPI perseguir, sino, lo que es aún más fundamental, sobre el propósito de esos KPI. ¿Serán los KPI principalmente retrospectivos o se orientarán hacia el futuro?

En este último caso, las organizaciones necesitan hojas de ruta para mejorar los KPI existentes, un compromiso con la exploración y la experimentación en torno a la creación de nuevos indicadores y el reconocimiento de que las relaciones entre los KPI pueden importar tanto o más que los propios KPI individuales.

Los KPI inteligentes no deben gestionarse principalmente como silos de rendimiento independientes, sino que deben comprenderse y abordarse sus interdependencias e interrelaciones. Como han demostrado nuestros ejemplos, estos cambios representan retos operativos, organizativos y culturales para el liderazgo.

Ética en el uso de los KPI y la IA

Como ha ocurrido con casi todas las iniciativas de IA de éxito, los KPI, al igual que los algoritmos que los componen, deben ser transparentes y explicables. Los KPI no pueden verse como cajas negras. Deben diseñarse y desplegarse para que se confíe en ellos.

Este componente cultural no debe minimizarse ni darse por sentado. De lo contrario, las personas de todos los niveles de la organización tratarán de jugar con las métricas que les guían, garantizando la desalineación organizativa.

Este nuevo énfasis en la IA y los KPI, y en la medición estratégica en general, se basa en el reconocimiento de que unos KPI de calidad dependen de unos datos de calidad.

Los KPI entrenados o supervisados sobre conjuntos de datos sesgados, incompletos y defectuosos tienen muchas probabilidades de ser sesgados, incompletos y defectuosos. La calidad de los datos importa más allí donde los KPI importan más.

Vemos que las organizaciones comprometidas con las mediciones impulsados por la IA se comprometen aún más a cultivar los datos como un activo. Ven que las inversiones en datos se reflejan en mejoras de los KPI.

Por último, a medida que los KPI influidos por la IA adquieran más influencia en la empresa, su propio rendimiento requerirá nuevos niveles de seguimiento y supervisión.

Los directivos tendrán que ser capaces de evaluar el rendimiento de sus KPI, tanto individual como colectivamente. ¿Son los KPI adecuados para un éxito sostenible? ¿Se anticipan adecuadamente al futuro? ¿Están tomando las decisiones correctas para lograr los resultados deseados y deseables?

En pocas palabras, los KPI necesitarán sus propios KPI para ayudar a responder a esas importantes preguntas.

---

SOBRE LOS AUTORES

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.

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

François Candelon es socio principal y director gerente del Boston Consulting Group 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 senior 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 un socio y director asociado de BCG que 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 (1)

1. S. Ransbotham, S. Khodabandeh, D. Kiron y otros, “Expanding AI’s Impact With Organizational Learning“, MIT Sloan Management Review y Boston Consulting Group, 20 de octubre de 2020, https://sloanreview.mit.edu.