Productos Envejecen: El Desafío Ineludible de las Empresas
En algún momento, toda empresa debe enfrentarse a una verdad dura: los productos se vuelven obsoletos. No es que haya una fecha de caducidad precisa, después de la cual sus ofertas de repente se vuelvan anticuadas. Pero a menudo, los líderes reconocen que una línea de productos está envejeciendo y se dan cuenta de que es hora de renovarla, incluso si sigue siendo popular y exitosa. Con los tiempos de desarrollo sustanciales de muchos productos modernos y complejos, no innovar para contrarrestar el sutil avance de la obsolescencia puede convertir a un líder en un rezagado.
El Desafío de la Innovación
Sin embargo, la innovación es difícil. La innovación corporativa está rezagada y la innovación en general ha disminuido tanto en calidad como en cantidad. La producción de artículos científicos ha caído entre un 91% y un 100% entre 1945 y 2010, y las patentes han disminuido entre un 78% y un 92% durante el mismo período. A pesar de estas tasas decrecientes, el conocimiento científico en muchos campos se ha vuelto tan grande, tan diverso y tan superpuesto que mantenerse al día es increíblemente desafiante.
Nuevas Formas de Innovar
Las empresas necesitan nuevas formas de innovar rápidamente, de manera económica y productiva. Muchas se preguntan, con razón, cómo podría ayudar el despliegue de la inteligencia artificial (IA). Para investigar, analizamos cómo las empresas están utilizando la IA para la innovación y descubrimos que las herramientas son solo herramientas: el éxito depende de cómo las organizaciones usan estas nuevas herramientas a su disposición.
Por Qué los Productos se Vuelven Obsoletos
Hay muchos caminos hacia la obsolescencia. En primer lugar, los productos pueden tener desarrollos largos pero vidas cortas. Por ejemplo, los nuevos medicamentos innovadores tienen ventanas relativamente breves antes de que los imitadores comiencen a erosionar la cuota de mercado y la rentabilidad.
En segundo lugar, los contextos empresariales cambian y exigen más de los productos. Por ejemplo, Cooper Standard suministra materiales que los fabricantes de automóviles utilizan para crear sellos alrededor de las puertas y ventanas de los coches. Pero a medida que el mercado de los coches eléctricos ha crecido, la empresa ha descubierto que ahora necesita cumplir con estándares más altos. Sin el rugido de un motor de gasolina, «otras fuentes de ruido se vuelven más prevalentes, y la mayor de ellas es el ruido que entra debido al viento alrededor de sus puertas y ventanas», dijo Chris Couch, vicepresidente senior y director de tecnología de Cooper Standard, durante una entrevista en un podcast con uno de nosotros (Ransbotham). Aunque los sellantes de Cooper Standard funcionaban bien para coches más ruidosos y antiguos, los modelos eléctricos más silenciosos exigen un rendimiento aún mayor. Los productos que una vez encajaban bien en un mercado deben adaptarse a medida que cambian las condiciones del mercado.
En tercer lugar, las combinaciones potenciales están explotando. Los fabricantes de automóviles dependen de la empresa de neumáticos Pirelli para proporcionar neumáticos que cumplan con criterios de rendimiento específicos para nuevos modelos de coches. Pero desarrollar nuevos neumáticos es complejo, involucrando más de 200 materiales y sustancias diferentes. El número de combinaciones posibles es asombroso, y trabajar a través de todas ellas por ensayo y error requeriría un tiempo considerable, incurriría en costos considerables y produciría una avalancha de prototipos abandonados. Con una gran cantidad de nuevos materiales y nuevas técnicas pero con plazos de entrega decrecientes, las empresas necesitan formas más rápidas de explorar el espacio de búsqueda.
¿Puede la IA Ayudar con Estos Problemas?
Tal vez. Aunque hemos visto innovaciones asombrosas habilitadas por IA, desde el desarrollo de nuevos medicamentos hasta el diseño de nuevos chasis de automóviles, aún no está claro cómo el uso de análisis de IA puede realmente ayudar a las empresas a mejorar su innovación. Por un lado, los modelos de IA que ingieren y sintetizan vastos datos podrían manejar más información que las personas, lo que podría ayudar con el problema de la sobrecarga de información. Y al enfrentar una mayor complejidad en productos y materiales, los algoritmos pueden predecir el rendimiento y ayudar a reducir el espacio de búsqueda antes de invertir tiempo y recursos en cada combinación posible. Por otro lado, los algoritmos y los datos son inherentemente retrospectivos. Los problemas complejos sin solución conocida pueden no tener aún los datos suficientes para realizar un análisis.
Ejemplos de Éxito y Resultados Mixtos
Nuestra investigación muestra ejemplos que utilizan bien estas herramientas y evidencia de resultados mixtos de una amplia muestra de otras organizaciones. Las nuevas herramientas de IA pueden ayudar con las actividades de innovación, pero no son panaceas.
Enfoque en la Recombination, No en la Reinventación Radical
Hemos visto cierto éxito en abordar estos problemas comunes con la IA. ¿Respuesta rápida? Dave Johnson de Moderna acredita el uso de la IA para ayudar a la empresa a producir candidatos a vacunas «tan rápido y seguro como sea posible». ¿Cambio de contexto? En Cooper Standard, desarrollaron modelos de IA para asesorar a los químicos sobre el próximo conjunto de recetas a probar mientras iteran hacia un nuevo polímero que ya está dando frutos: el vicepresidente senior y director de tecnología, Chris Couch, afirmó reducciones en los ciclos de retroalimentación de diseño de I+D del 70 al 80%. ¿Explosión combinatoria? En Pirelli, los científicos usan algoritmos de IA para asistir en la toma de decisiones humanas al seleccionar nuevos materiales para crear neumáticos.
Dicho esto, nos preguntamos si los ejemplos de Moderna, Cooper Standard y Pirelli eran anomalías en el uso de la IA. Para investigar, construimos sobre dos estudios: primero, una encuesta de 331 empresas sobre prácticas de mejora de procesos y desarrollo de nuevas tecnologías, y segundo, un análisis de archivos de datos de patentes sobre desarrollo de nuevas tecnologías para una muestra más amplia de más de 2,000 empresas que cotizan en bolsa.
Resultados de la Investigación
Nuestros resultados indican que el uso de la IA puede ayudar a las empresas a innovar explorando amplias combinaciones a partir de un conjunto diverso de tecnologías. El uso de la IA ayuda a superar barreras críticas al evaluar estas combinaciones, como cuando el conocimiento está disperso a lo largo de organizaciones en silos. Específicamente, nuestra investigación encuentra que las capacidades avanzadas de datos son más propensas a estar presentes en empresas que (a) se orientan alrededor de la mejora de procesos y (b) crean nuevas tecnologías combinando un conjunto diverso de tecnologías existentes que en empresas que se centran en generar tecnologías completamente nuevas. Y no solo es que estas capacidades de análisis de IA sean más probables de estar presentes; son mucho más probables de ser valiosas. Los análisis de IA complementan ciertos tipos de innovación porque permiten a las empresas expandir el espacio de búsqueda del conocimiento existente para combinarlo en nuevas tecnologías. Estas capacidades también se prestan bien a mejoras incrementales de procesos.
Consideraciones para los Líderes Empresariales
Es importante tener en cuenta, sin embargo, que si la IA ayuda con la innovación depende en gran medida del tipo de innovación que una empresa está intentando. En general, nuestras investigaciones sugieren que las empresas que históricamente se han centrado en tipos específicos de innovación — innovación de procesos e innovación por recombinación diversa, en la que las empresas combinan una amplia variedad de elementos tecnológicos de nuevas maneras — pueden beneficiarse más del uso de capacidades avanzadas de datos de aprendizaje automático e IA. Las empresas que utilizan análisis de IA para generar amplias recombinaciones son entre un 3% y un 7% más productivas que las empresas que no lo hacen. Además, cuando el conocimiento existente de una empresa está disperso a lo largo de la empresa, las capacidades avanzadas de IA pueden aumentar aún más la innovación de la empresa en aproximadamente tres nuevas patentes al año.
Por el contrario, el uso de la IA es menos útil para la innovación incremental y para realizar pequeñas mejoras en productos existentes, y es casi inútil para la innovación radical. No solo no es beneficioso, sino que cuando las empresas utilizan análisis de datos para la innovación radical, el rendimiento de la empresa puede sufrir. Después de todo, estas innovaciones radicales a menudo requieren creatividad humana para interpretar pequeños datos. Por ejemplo, el creador de la Artemisinina, el primer medicamento efectivo para tratar la malaria, se basó en una sola línea de texto antiguo chino. La IA será de poca utilidad en esta situación porque las técnicas basadas en IA requieren mucho más que un solo punto de datos. Peor aún, el uso de recursos costosos de aprendizaje automático para resolver problemas mal ajustados finalmente perjudicará los beneficios de la empresa.
Aplicando la IA a los Procesos de Innovación
Para saber cómo la IA puede ayudar en los esfuerzos de innovación de su empresa, los líderes deben considerar algunas preguntas:
- ¿Eres un seguidor rápido? Usar la IA puede ayudar a mejorar productos existentes y crear nuevos productos recombinando elementos de éxitos previos. Las capacidades avanzadas de datos probablemente ayudarán, ya que puede usar la IA para amplificar habilidades existentes de una nueva manera.
- ¿Estás luchando con un diluvio de datos? Mientras que muchos investigadores tienen una profunda experiencia en una o dos áreas, las tecnologías emergentes de datos pueden ayudar a encontrar elementos