mujer joven reparando y montando la computadora

Cómo la GenAI y la complejidad desafían las suposiciones y los modelos de negocio

La GenAI altera los modelos comerciales y operativos de nuevas maneras, lo que requiere nuevas respuestas.


En resumen

  • La aplicación de GenAI en toda la empresa impulsa formas de trabajo más eficientes y productivas, remodelando los modelos operativos.
  • La aplicabilidad de GenAI en una amplia gama de casos de uso también convierte en productos básicos y socava muchos modelos de negocio existentes.
  • El éxito radica en replantearse no solo los modelos operativos y de negocio, sino también el proceso de innovación del modelo de negocio, y los supuestos ocultos que lo sustentan.

Desde el lanzamiento de ChatGPT en noviembre de 2022, empresas de todos los sectores han invertido en el despliegue de la IA generativa (GenAI, por sus siglas en inglés) en una amplia gama de casos de uso. En el cuidado de la salud, por ejemplo, algunas empresas están ayudando a proveedores clínicos como Oncora Medical, que ayuda a los oncólogos a personalizar los tratamientos contra el cáncer en función de los datos de los pacientes. Otros, desde incondicionales como Siemens hasta empresas emergentes como Enlitic y Subtle Medical, están utilizando GenAI para ayudar a los proveedores a analizar imágenes médicas. Una gran cantidad de empresas de ciencias de la vida están explorando GenAI en investigación y desarrollo de medicamentos, por ejemplo, para identificar de manera más eficiente nuevos candidatos a medicamentos.

Estos casos de uso persiguen aumentar la eficiencia en segmentos estrechos de la cadena de valor. Ninguna empresa está invirtiendo en todos los posibles casos de uso de GenAI para el cuidado de la salud. Pero si damos un paso atrás, conectamos los puntos a través de estos casos de uso y extrapolamos un poco hacia el futuro, surge una imagen muy diferente: una que no es de ganancias incrementales de eficiencia, sino de disrupción transformacional.

Los modelos de negocio de muchas empresas de ciencias de la vida se han basado en la investigación y el desarrollo, las ventas y el marketing como sus mayores impulsores de valor; ambos podrían ser disminuidos por GenAI. GenAI tiene el potencial de hacer que el descubrimiento y desarrollo de fármacos sea más productivo y rentable. Las estimaciones de EY son que una vez que se alcance el pico de adopción de GenAI, el costo del descubrimiento y desarrollo de fármacos podría disminuir entre un 44 % y un 67 % (vía EY Estados Unidos). En un mundo en el que el costo de la investigación y el desarrollo de medicamentos se reduce, es concebible que la duración de la exclusividad legal de las patentes pueda seguir su ejemplo. Mientras tanto, a medida que la inteligencia artificial (IA) ingresa a la clínica para brindar apoyo a la toma de decisiones para diagnósticos y recetas, la competencia central de las empresas de ciencias de la vida en la comercialización de medicamentos se volverá menos efectiva y valiosa, al eliminar las emociones humanas y los sesgos de comportamiento del proceso de adquisición, y hacer que los representantes de ventas y la publicidad directa al consumidor sean cada vez más ineficaces. Con sus mayores impulsores de valor interrumpidos, las empresas de ciencias de la vida tendrían que reinventarse para identificar nuevos grupos de valor e impulsar el crecimiento. 

GenAI no es solo una tecnología que mejora la eficiencia como la computación en la nube. Se parece más al nacimiento de la computadora personal o la World Wide Web, una tecnología fundamental y transformadora.

Lo que se pierde en la búsqueda de casos de uso y eficiencia es que GenAI no es solo una tecnología que mejora la eficiencia como la computación en la nube. Se parece más al nacimiento de la computadora personal o la World Wide Web, una tecnología fundamental y transformadora. La GenAI está aumentando la velocidad y la escala de la disrupción, abarcando segmentos de modelos de negocio que antes se consideraban fuera de los límites, y exigiendo a las empresas que reconsideren fundamentalmente la forma en que operan e innoven esos modelos.

Las ideas de este artículo se basan en varias fuentes, incluidas varias sesiones en la cumbre Innovation Realize 2024, dos talleres facilitados con cerca de 50 clientes que exploran el impacto de la IA en los modelos de negocio y una serie de entrevistas con expertos externos y de EY.

Definiciones

  • Modelo operativo: cómo se estructura internamente una empresa para llevar a cabo sus actividades principales, incluido su talento, flujos de trabajo, procesos y sistemas de información.
  • Modelo de negocio: cómo una empresa crea, entrega y captura valor en el mercado. Los modelos de negocio y los modelos operativos, tal y como se definen aquí, son conceptos distintos pero interrelacionados, ya que el modelo operativo de una empresa ayuda a dar forma al componente de creación de valor de su modelo de negocio.
  • Innovación del modelo de negocio: el proceso de identificación, desarrollo y comercialización de nuevos modelos de negocio para mantener la ventaja competitiva.
  • Propuesta de valor: los beneficios clave que los clientes obtienen al elegir el producto o servicio de una empresa. En el núcleo de cualquier modelo de negocio se encuentra una propuesta de valor (por ejemplo, comodidad, precio y/o personalización).
  • Cadena de valor: secuencia de procesos y actividades utilizados por una empresa para crear y entregar productos y servicios a los clientes.
  • Impulsor de valor: cualquier paso, actividad o proceso individual que agregue valor dentro de una cadena de valor. 
Vista escénica de luces iluminadas en el mar contra el cielo
1

Capítulo 1

Demostrar el valor de GenAI requiere un enfoque estructurado de los casos de uso

Identifica los grupos de valor más deseables en función del potencial de ganancias y la complejidad de la implementación.

Las empresas de todos los sectores se han apresurado a adoptar la GenAI y han centrado en gran medida sus esfuerzos en identificar e implementar casos de uso para ofrecer ganancias de eficiencia y productividad a corto plazo. Este es un enfoque prudente, al menos por un par de razones.
 

En primer lugar, la combinación de la inteligencia artificial (IA) tradicional y la GenAI tiene un enorme potencial para aumentar la eficiencia. Las estimaciones de EY son que las ganancias de las inversiones en GenAI podrían impulsar la actividad económica mundial y el PIB entre 1,7 y 3,4 billones de dólares durante la próxima década. Tales ganancias son particularmente atractivas en el clima operativo actual de mayores presiones inflacionarias y de costos.
 

En segundo lugar, la aparición de GenAI ha presentado a los líderes empresariales una tecnología que inicialmente rebosaba de promesas, pero que no había sido probada en absoluto en el mundo real. Enfrentadas a una variedad aparentemente interminable de casos de uso prometedores, las empresas comenzaron a buscar pruebas de concepto que pudieran generar rendimientos a corto plazo.
 

Gran parte del potencial de GenAI para generar ganancias en los resultados se deriva de sus capacidades sin precedentes, como su capacidad para realizar trabajos creativos y trabajar con datos no estructurados. Esto permite a las empresas desbloquear valor mediante la automatización de procesos, la combinación de conjuntos de datos y el aprovechamiento de datos no estructurados de formas que antes no eran posibles. Recientemente, los equipos de EY ayudaron a una empresa de seguros líder en los países nórdicos a optimizar su gestión de reclamaciones mediante el uso de IA para procesar datos de reclamaciones no estructurados de una variedad de fuentes, incluidas facturas, recibos de efectivo de farmacias y clínicas locales, y diagnósticos de tratamiento médico con documentos de respaldo.
 

"GenAI permite que los datos que no están estructurados o que no están completamente 'limpios' sigan agregando valor. Permite la interoperabilidad y la combinación de dichos datos a través de las paredes de la empresa", dice Greg Sarafin, EY Global Vice Chair, Partner Ecosystem. "Al mismo tiempo, proporciona los casos de uso más adecuados para que las empresas limpien sus datos. Abordar cuestiones como la fragmentación de los datos y la gobernanza de los datos requiere un uso intensivo del capital y una importante gestión del cambio. Los casos de uso de GenAI proporcionan la justificación económica necesaria para limpiar los datos y, finalmente, desbloquear el valor de este recurso masivo e infrautilizado".
 

De hecho, GenAI tiene el potencial de agregar valor en varias dimensiones dentro de la empresa, incluidas las reducciones de costos, la mejora de la productividad de la fuerza laboral, el aumento de los ingresos y el aumento de la eficiencia del capital. El número de casos de uso está proliferando en todos los sectores, y los pilotos y las pruebas de concepto están dando resultados. El Instituto de Investigación de Toyota está utilizando GenAI en el diseño de vehículos, con una herramienta que incorpora bocetos de diseño iniciales y restricciones de ingeniería para reducir las iteraciones necesarias para conciliar las consideraciones de diseño e ingeniería.
 

Recientemente, los equipos de EY ayudaron a un banco comercial a mejorar el rendimiento de los agentes de ventas mediante la implementación de un sistema de asistencia basado en IA que utiliza el procesamiento del lenguaje natural para analizar las conversaciones de los agentes. Este enfoque superó las limitaciones de las evaluaciones de rendimiento tradicionales y subjetivas al proporcionar información objetiva y basada en datos derivada de datos no estructurados. Gracias a la herramienta de asistencia basada en IA, el banco ha agilizado el proceso de formación y ha conseguido un aumento de las oportunidades generadas por los agentes superior al 50 %.
 

Las estimaciones de EY son que el 59 % de las ocupaciones en todo el mundo tienen una exposición "alta a moderada" a ser remodeladas por la GenAI, con un 67 % en las economías avanzadas y el 57 % en los mercados emergentes. Sin embargo, a pesar del enorme potencial de GenAI para ser utilizado en una amplia gama de aplicaciones, comprender la mejor manera de aprovechar este potencial no es nada fácil. El desafío es aún más importante en un entorno consciente de los costos en el que el entusiasmo inicial en torno a la GenAI ha disminuido, y muchas empresas están examinando el costo de la implementación de la GenAI y su capacidad para ofrecer resultados a corto plazo. 

Madre e hijo haciendo formas geométricas con palos y plastilina
2

Capítulo 2

La combinación de tecnologías y casos de uso remodela los modelos de negocio

Considera el impacto combinado de cada caso de uso potencial y múltiples tecnologías emergentes.

Si bien la mayoría de las empresas se centran en identificar y perseguir un número específico de casos de uso para agregar valor en procesos o funciones específicos dentro de sus cadenas de valor, el impacto más transformador de GenAI se deriva del impacto combinado de cada caso de uso potencial que podría implementarse en el modelo operativo y comercial de una empresa.
 

Hay dos puntos que vale la pena señalar a este respecto.
 

En primer lugar, el impacto de GenAI se define por la totalidad de los posibles casos de uso, incluso si usted mismo no está persiguiendo activamente esos casos de uso. Una vez que GenAI se ha implementado en un amplio conjunto de casos de uso, ya sea por competidores existentes o nuevos participantes en el mercado, crea nuevos estándares mínimos y mejores prácticas para realizar estas actividades de manera más eficiente. Cualquier empresa que no utilice GenAI de esta manera se encontraría en una desventaja competitiva y, en última instancia, tendría que adoptar GenAI en toda su gama de negocios para seguir siendo viable.

En primer lugar, el impacto de GenAI se define por la totalidad de los posibles casos de uso, incluso si usted mismo no está persiguiendo activamente esos casos de uso.

En segundo lugar, todo el potencial de disrupción del modelo de negocio y del modelo operativo proviene de la combinación no solo de la GenAI y la IA tradicional, sino también de otras tecnologías y plataformas disruptivas. Estos van desde tecnologías que ya están en el mercado, como las aplicaciones móviles y el Internet de las cosas (IoT, por sus siglas en inglés), hasta aquellas cuyo impacto total se materializará en los próximos años, como la cadena de bloques. También se incluyen en la lista de posibles disruptores las capacidades nuevas y emergentes que la IA puede adquirir en los próximos meses y años.

El 2024 EY Reimagining Industry Futures Study revela que las empresas están invirtiendo en una amplia gama de tecnologías, con una variación considerable entre sectores.

¿En cuál de las siguientes tecnologías está invirtiendo tu organización?


La adopción actual de tecnologías varía significativamente, siendo GenAI la más incipiente, seguida de realidad ampliada o realidad virtual y blockchain.

¿Cuál es el estado de implementación de las tecnologías emergentes en las que estás invirtiendo actualmente?


Sin embargo, la misma encuesta también mostró que el 75 % de las empresas no entienden adecuadamente cómo se pueden combinar las tecnologías emergentes para crear valor. Se trata de una deficiencia crítica, ya que la combinación de tecnologías permite obtener beneficios que no habrían surgido de una sola tecnología: la disrupción es más que la suma de las partes. Por ejemplo, la combinación de GenAI y robótica podría ofrecer no solo robots que pueden ir mucho más allá de las capacidades humanas (levantar más, moverse más rápido, con mayor resistencia a las lesiones y menos necesidad de tiempo de inactividad), sino también robots dotados de la base de conocimientos y la visión del mundo como capacidad central. 

La combinación de tecnologías permite beneficios que no habrían surgido de una sola tecnología: la disrupción es más que la suma de las partes.

Varias empresas están trabajando activamente en la combinación de IA y robótica. NVIDIA informa de que más de 1,2 millones de desarrolladores y 10.000 clientes y socios están utilizando su sistema operativo robótico Isaac y su ecosistema de socios Jetson para desarrollar robots impulsados por IA.

GenAI puede dotar a los robots de capacidades más robustas, incluida una mayor autonomía y la capacidad de aprender de forma adaptativa y no supervisada. En agosto de 2024, Figure, una empresa emergente con sede en California, lanzó su "Figure 02 robot", con capacidades habilitadas para GenAI, que incluyen razonamiento de voz a voz y conversación con humanos a través de micrófonos y altavoces integrados conectados a modelos personalizados de GenAI, así como un rápido razonamiento visual de sentido común de cámaras robóticas conectadas a un modelo de lenguaje de visión a bordo.

La capacidad de GenAI para mejorar y desarrollar nuevas capacidades emergentes a un ritmo rápido, junto con una aceleración general en el ritmo de adopción de tecnología desde la pandemia, también significa que los líderes no deben subestimar el ritmo del cambio. La aparición de GenAI tomó por sorpresa al mundo de los negocios. Las partes de una propuesta de valor o modelo de negocio que parecen resistentes a la disrupción hoy en día pueden no estar fuera de los límites por mucho tiempo.

Estos dos atributos, el poder combinatorio de múltiples tecnologías emergentes y el potencial disruptivo de todo el universo de casos de uso en los que podrían implementarse, tienen el potencial de remodelar los modelos operativos y de negocio de manera fundamental.

Remodelación de los modelos operativos

La IA está teniendo un impacto significativo en los modelos operativos de las empresas, es decir, en los constructos internos que definen el funcionamiento de una empresa, incluidos sus flujos de trabajo, procesos, estructura de talento y sistemas de información. Dado que los casos de uso que las empresas están explorando buscan en gran medida ganancias de eficiencia y productividad, inevitablemente impactan en las estructuras de talento y los procesos de trabajo.

Inicialmente, muchas empresas pueden estar buscando la mejor manera de aplicar la IA a los procesos comerciales existentes, pero el verdadero potencial radica en reimaginar los procesos desde cero, para que estén optimizados para un mundo impulsado por la IA.

Con el tiempo, esta disrupción, especialmente en conjunto con la próxima generación de tecnologías emergentes, remodelará no solo los procesos comerciales, sino también funciones comerciales completas y modelos operativos completos. Un buen ejemplo es la aparición de agentes autónomos de IA, un mercado que algunas estimaciones independientes ven crecer a una tasa de crecimiento anual compuesta (CAGR, por sus siglas en inglés) del 42,8 % entre 2023 y 2030. Gartner predice que para 2028, un tercio de las interacciones con los servicios de GenAI utilizarán modelos de acción y agentes autónomos para la finalización de tareas.

"La próxima fase de las capacidades de IA permitirá agentes basados en IA", dice Matt Barrington, Líder de Tecnologías Emergentes de EY Americas. "Los agentes y los humanos trabajarán en colaboración, y los humanos tomarán las decisiones. Con el tiempo, los agentes ganarán una mayor autonomía y, en última instancia, un enjambre de agentes físicos y virtuales puede incluso ser capaz de gestionar su negocio. En ese momento, veremos un "giro digital", en el que los ganadores se mueven hacia formas completamente diferentes de administrar y operar sus negocios, con la IA haciendo gran parte del trabajo pesado. El verdadero punto de inflexión se verá con múltiples funciones que se trasladan a un modelo dirigido por agentes, lo que abrirá formas completamente diferentes de crear valor".

Hasta qué punto las empresas y los reguladores permitirán realmente que las tecnologías operen de manera altamente autónoma es una pregunta abierta. Ciertamente, hay muchas aplicaciones en las que el riesgo de tal autonomía supera los beneficios potenciales. Pero, incluso sin llegar a procesos de negocio y organizaciones completamente autónomos, estas tecnologías tienen el potencial de remodelar los modelos operativos de las empresas de manera fundamental. 

Remodelación de los modelos de negocio

El impacto combinado de todas las formas en que la IA y otras tecnologías se pueden implementar en una empresa también tiene el potencial de remodelar su modelo de negocio. Esto se deriva de la capacidad de la IA para comoditizar las propuestas de valor, así como para devaluar las actividades y competencias que hasta ahora han sido los mayores impulsores de valor. Las empresas que prosperan en este futuro son aquellas que pueden identificar creativamente nuevas propuestas de valor e innovar modelos de negocio.

La razón principal de esto es que GenAI ha llevado la automatización en direcciones que tomaron por sorpresa a la mayor parte del mundo empresarial. Si bien muchas empresas estaban trabajando con IA tradicional basada en reglas para automatizar partes de sus operaciones, la sabiduría convencional era que era poco probable que la IA estuviera lista para el trabajo creativo y de conocimiento de orden superior en el corto plazo. En general, se aceptó que las habilidades blandas, como la empatía, la comunicación y los matices, seguirían resistiéndose a la automatización.

Esas suposiciones cambiaron en un abrir y cerrar de ojos con el lanzamiento de ChatGPT. Los modelos de GenAI demostraron ser expertos en asumir trabajos que antes se consideraban prohibidos, desde escribir artículos y código, hasta crear imágenes y vídeos. También han adquirido una competencia cada vez mayor en habilidades blandas como la comunicación y la demostración (o más bien, simulación) de empatía. 

Vivimos en una época en la que todo el mundo espera una disrupción, pero la disrupción que sufrimos puede no ser la disrupción que esperábamos.

Vivimos en una época en la que todo el mundo espera una disrupción, pero la disrupción que sufrimos puede no ser la disrupción que esperábamos. Esta realidad, impulsada por la capacidad de GenAI para llevar la automatización en nuevas direcciones y adquirir nuevas capacidades, significa que, para muchas empresas, la tecnología ahora podrá interrumpir de manera integral toda la cadena de valor y el modelo de negocio, incluidas las partes que antes se consideraban seguras de la interrupción. Otras tecnologías pueden desafiar aún más las suposiciones sobre la naturaleza, la velocidad y el alcance de la disrupción.

Algunos de los mayores impactos pueden estar en sectores que han experimentado relativamente pocas interrupciones hasta ahora. Un buen ejemplo de este sector es el de la automoción.

Si bien desarrollos como los viajes compartidos y los vehículos eléctricos ciertamente han comenzado a sacudir las cosas en los últimos años, el alcance de la disrupción en la industria automotriz se ve empequeñecido por el observado en muchos otros sectores, desde el retail hasta los medios de comunicación y el entretenimiento. La automoción es un buen ejemplo de un sector que se está viendo afectado por una confluencia de tecnologías y plataformas tecnológicas, que incluyen no solo la IA, sino también los vehículos eléctricos (VE), los vehículos autónomos (AV, por sus siglas en inglés), las plataformas de viajes compartidos y el IoT. Algunos de ellos están bien desarrollados y maduros (por ejemplo, las plataformas de viajes compartidos), mientras que otros son incipientes (por ejemplo, los vehículos autónomos), pero considerar su impacto combinado nos permite imaginar cómo los modelos de negocio heredados podrían remodelarse fundamentalmente de formas que no habrían sido posibles anteriormente.

Para una empresa ilustrativa en el sector automotriz tradicional, sus competencias principales, y los mayores impulsores de valor, se han centrado en actividades como:

  • Diseño de vehículos
  • Ingeniería y software central
  • Fabricación y gestión de una cadena de suministros global
  • Ventas y marketing, incluso a través de la gestión de una red de concesionarios

La combinación de tecnologías enumeradas anteriormente tiene el potencial de automatizar, comoditizar y disminuir el valor de estas competencias básicas heredadas. La aplicación de GenAI a todo, desde la investigación y el desarrollo hasta el diseño, está aportando una mayor automatización a estas funciones y disminuyendo su importancia como impulsores de valor. Además, la ingeniería podría volverse menos crítica con el crecimiento de los vehículos eléctricos, que son mecánicamente más simples en muchos sentidos, lo que hace que los atributos relacionados con la ingeniería sean menos valiosos como diferenciadores competitivos. Estos incluyen aspectos clave de rendimiento (todos los vehículos eléctricos son capaces de entregar instantáneamente el par máximo) y confiabilidad (los vehículos eléctricos tienen menos partes móviles sujetas a desgaste, mientras que los frenos regenerativos son más eficientes y duraderos que los convencionales). La simplicidad mecánica de los vehículos eléctricos podría disminuir de manera similar la importancia de la fabricación como impulsor de valor. El diseño y la marca del vehículo pueden convertirse en un diferenciador menor en un mundo de vehículos autónomos y viajes compartidos, ya que a los pasajeros generalmente les importan menos muchas características de diseño que a los propietarios. Los canales de venta también podrían verse interrumpidos; algunas empresas de vehículos eléctricos ya están evitando las redes tradicionales de concesionarios y vendiendo directamente al consumidor.

Todavía hay muchas preguntas sin respuesta sobre este escenario. Los vehículos eléctricos eliminan la complejidad mecánica, pero añaden complejidad eléctrica y de baterías: ¿el impacto neto producirá una simplificación? ¿Cómo afectará la innovación tecnológica al costo de las baterías, así como a la confiabilidad a largo plazo, la vida útil y la depreciación de los automóviles? ¿Sobrevivirán o se verán interrumpidas las redes de concesionarios?

Si bien estas preguntas solo se responderán con el tiempo, no es difícil imaginar un escenario en el que el impacto combinado de los cambios enumerados anteriormente haga que los automóviles sigan el camino de la computadora personal: plataformas de hardware comoditizadas en las que el valor migra al software y los servicios. En un primer indicio de tal cambio, Foxconn, el mayor fabricante por contrato de productos electrónicos del mundo, ha entrado en la fabricación de vehículos eléctricos a lo grande, al igual que una serie de gigantes tecnológicos chinos, lo que indica que el futuro de la fabricación de automóviles puede tener más en común con la electrónica que con los motores de combustión interna.

Con sus propuestas de valor tradicionales y sus impulsores de valor disminuidos, las empresas automotrices necesitarían identificar nuevas propuestas de valor y construir nuevos modelos de negocio, a menudo en concierto con un ecosistema de socios externos. Algunos ejemplos son la infraestructura de carga. En 2024, un consorcio de siete fabricantes de automóviles unió fuerzas para construir estaciones de carga en todo Estados Unidos. Dicha infraestructura podría permitir nuevos grupos de valor, no solo generando tarifas, sino también potencialmente creando oportunidades para monetizar los datos de los usuarios. Con el acceso a los datos de los usuarios, y a medida que los automóviles se vuelven cada vez más autónomos, las experiencias en el vehículo podrían convertirse en otro nuevo grupo de valor, y la combinación de GenAI e IoT podría permitir nuevas experiencias que sean altamente personalizadas y específicas del contexto.

El análisis de EY ha identificado un gran número de futuros grupos de valor para el sector automotriz, y destaca tres "megagrupos de valor" que colectivamente representan una oportunidad de ingresos de más de 660 mil millones de dólares para 2030:

  • Potenciar el futuro: baterías y carga, incluida la producción de baterías para vehículos eléctricos, materiales activos y componentes, soluciones de carga pública para vehículos eléctricos y sistemas de almacenamiento de energía.
  • Redefinir la arquitectura del vehículo: cambiar la automoción de definida por hardware a definida por software, incluyendo tecnologías habilitadoras, sistema avanzado de asistencia al conductor o componentes de vehículos autónomos, monetización de datos y reparación y mantenimiento basados en software.
  • Cerrar el círculo: modelos circulares destinados a reutilizar y reciclar baterías y otros materiales.
Primer plano de la rueda de color de la mano que sostiene en el campo
3

Capítulo 3

La complejidad exige replantearse la innovación del modelo de negocio

Reconsidere las mejores prácticas y desafíe las suposiciones ocultas para prosperar en un mundo incierto.

La IA es el ejemplo más visible de un cambio mayor. Las empresas operan en un entorno caracterizado por cambios más rápidos, impactos más interconectados y una mayor incertidumbre, impulsados no solo por el cambio tecnológico, sino también por la volatilidad geopolítica, los cambios demográficos y el cambio climático.

Esto tiene implicaciones no solo en la forma en que se alteran los modelos de negocio, sino también en la forma en que las empresas abordan la innovación del modelo de negocio en sí. Las empresas tendrán que replantearse cómo abordan la innovación del modelo de negocio para estar preparadas no solo para la IA, sino también para otros cambios que se avecinan.

Estas son algunas formas en las que las empresas y los líderes podrían empezar a replantearse su enfoque de la innovación del modelo de negocio:

1. Construir agilidad para un mundo de incertidumbre

En un mundo incierto y que cambia rápidamente, las empresas necesitan realizar un análisis más amplio para identificar las fuentes inesperadas y los impactos de la disrupción, así como utilizar metodologías que desarrollen la agilidad y la adaptabilidad.
 

Un ejemplo de esto es el uso de caminos futuros para complementar la planificación a futuro. La planificación retrospectiva del futuro, una práctica líder para la innovación de modelos de negocio, comienza por visualizar el estado futuro de su sector y luego desarrollar un plan para que su empresa desarrolle las competencias necesarias para tener éxito en este estado futuro. Si bien este sigue siendo un constructo útil, otro enfoque, conocido como caminos futuros, es cada vez más importante en un mundo de creciente incertidumbre. Este enfoque comienza por observar su negocio existente e identificar los espacios en blanco donde puede expandirse. Esto podría implicar el aprovechamiento de las capacidades y activos empresariales principales existentes para aprovechar nuevas oportunidades (por ejemplo, las empresas de medios de comunicación que utilizan sus bibliotecas de contenidos para crear plataformas de streaming over-the-top) o entrar en nuevos mercados mediante el desarrollo de nuevas competencias (por ejemplo, las empresas automotrices que necesitan desarrollar competencias como la creación de mercado y la gestión de redes para entrar en el negocio de los viajes compartidos). Si bien ambos marcos son útiles para la innovación de modelos de negocio, el enfoque de caminos futuros proporciona flexibilidad y adaptabilidad adicionales en un mundo que cambia rápidamente.
 

Cuando los equipos de EY ayudaron a una empresa india de petróleo y gas con su transformación digital, el proyecto comenzó con la creación de una visión digital que incluía tanto una estrategia a largo plazo como una evaluación de los desafíos actuales y las tendencias tecnológicas que podrían informar un enfoque de camino futuro. A continuación, la empresa elaboró una hoja de ruta para este estado futuro, que incluía un sólido plan de implementación y un enfoque de gestión del cambio. El enfoque está generando no solo ganancias en la eficiencia operativa, sino también ganancias en los ingresos a través de un enfoque más ágil para identificar oportunidades comerciales.
 

Otra metodología útil, conocida como mapeo del futuro, ayuda a sacar a la luz posibles resultados en un mundo más incierto e impredecible.
 

"El Mapeo del Futuro es una forma estructurada de iluminar los efectos de primer, segundo y tercer orden de las posibles tendencias y desarrollos", dice Minsoo Pak, EY Americas Innovation Realized Leader. "Un ejemplo que usamos para demostrar esta metodología comienza con los vehículos autónomos, y se puede ver rápidamente cómo el Mapeo del Futuro puede identificar impactos potenciales que pueden no ser intuitivamente obvios o evidentes de inmediato. En un mundo de coches autónomos, es probable que veamos menos accidentes, lo que significa que el segmento industrial de los talleres de carrocería podría verse afectado. Los vehículos autónomos también traerían menos infracciones por exceso de velocidad y, si se tiene en cuenta que las multas de tráfico son una fuente importante de ingresos para muchas jurisdicciones locales, esto podría reducir los ingresos fiscales, al igual que los vehículos eléctricos ya están afectando a los impuestos a la gasolina, lo que a su vez podría afectar negativamente al gasto en educación, parques y otras prioridades. Además, menos accidentes podrían diezmar el suministro de donaciones de órganos, ya que los accidentes de motocicleta son la mayor fuente de trasplantes de órganos, y esto, a su vez, podría tener impactos en la salud pública. Pensar en estas 'implicaciones de implicaciones' nos permite pensar en escenarios y planificar mejor los eventos futuros, una herramienta poderosa en los negocios".

2. Aplicar un enfoque de cartera para la innovación del modelo de negocio

En un entorno operativo incierto, las empresas prosperan explorando y desarrollando múltiples modelos de negocio simultáneamente, lo que proporciona más flexibilidad en circunstancias cambiantes.

Esta idea se ha utilizado con mayor efecto en el sector tecnológico, donde muchas grandes empresas han prosperado innovando múltiples modelos de negocio nuevos, un ejemplo es el desarrollo de nuevos modelos de negocio por parte de Uber en la entrega de alimentos, el alquiler de scooters y la logística de mercancías. Mientras tanto, los brazos de riesgo corporativo de muchas grandes empresas, como Google, también realizan múltiples inversiones simultáneas en ofertas comerciales disruptivas.

Al igual que con cualquier estrategia de inversión, lo ideal sería que esto implicara un enfoque considerado para la asignación de capital en toda la cartera. Hace más de una década, un artículo de la revista Harvard Business Review expuso la proporción áurea de la inversión en innovación1. Los autores encontraron que "las empresas que asignaron alrededor del 70 % de su actividad de innovación a las iniciativas centrales, el 20% a las adyacentes y el 10 % a las transformadoras superaron a sus pares, por lo general obteniendo una prima de precio/beneficio del 10 % al 20 %". Curiosamente, descubrieron que el rendimiento de las inversiones en la cartera era aproximadamente el inverso de esta asignación ideal. A largo plazo, las iniciativas principales (aquellas que optimizan los productos existentes para los clientes existentes) representaron el 10 % de los retornos, las iniciativas adyacentes (aquellas que se expandieron desde el negocio existente a los negocios "nuevos en la empresa") representaron el 20 % de los retornos, mientras que las iniciativas de transformación (aquellas que desarrollan avances e inventan cosas que aún no existen) representaron el 70 % de los retornos. Las inversiones en oportunidades transformadoras y disruptivas pueden ser una pequeña proporción de la asignación total de recursos, pero pueden generar rendimientos descomunales a lo largo del tiempo, ya que los modelos heredados están sujetos a interrupciones.

Si bien estas mejores prácticas se publicaron hace más de una década, están lejos de ser ampliamente adoptadas en todo el mundo empresarial. Hoy en día, son más destacados que nunca, y los líderes empresariales deben desarrollar un enfoque de cartera para sus inversiones en GenAI y otras tecnologías a medida que navegan por un entorno de cambios rápidos y mayor incertidumbre.
 

3. Hacer de la innovación del modelo de negocio un proceso continuo

Los días de reunir a los líderes de alto nivel cada pocos años para desarrollar un nuevo plan estratégico quinquenal están contados. En un mundo de cambios más rápidos, la innovación del modelo de negocio debe llevarse a cabo, como mínimo, cada trimestre. Aún mejor, debería convertirse en un proceso continuo, con empresas que desarrollen las capacidades y competencias necesarias para hacer esto de manera continua.

El desarrollo de la innovación del modelo de negocio como una capacidad continua es especialmente importante a medida que las empresas buscan adoptar un enfoque de cartera para la innovación del modelo de negocio. Los equipos de EY trabajaron recientemente con una importante cadena de tiendas de conveniencia para ayudarlos a desarrollar una visión futura para la tienda de conveniencia de 2030. Una característica clave de su visión de futuro era el escaparate digital, habilitado por interfaces de tabletas. Sin embargo, pronto se hizo evidente que ejecutar esta visión sería un desafío, ya que muchos empleados de la tienda no son hablantes nativos de inglés y tienen bajos niveles de educación. Por lo tanto, revisaron su visión de futuro a una potenciada por interfaces auditivas y flujos de información en lugar de tabletas basadas en texto. La empresa está interesada en explorar futuros estados y modelos de negocio adicionales, y pasar por el proceso de pruebas de presión y refinar iterativamente este modelo de negocio les demostró el valor de poder hacer esto repetidamente y a escala. Por lo tanto, los equipos de EY les construyeron una capacidad llave en mano para llevar a cabo la innovación del modelo de negocio de forma continua.

Otra empresa que busca hacer de la innovación del modelo de negocio un proceso continuo es el Grupo Volkswagen, que ha lanzado un "Laboratorio de IA" centrado en el desarrollo de ofertas disruptivas impulsadas por la IA. El Laboratorio de IA sirve como un centro global para la innovación, identificando nuevas ideas de productos y colaborando con múltiples socios tecnológicos para desarrollar y explorar una gama de ofertas disruptivas.

El presidente Eisenhower dijo que "los planes son inútiles, pero la planificación es indispensable". Una variante de esta observación es aplicable aquí. En un mundo más complejo e incierto, el objetivo no es tanto definir un único destino específico y construir la hoja de ruta para llegar allí, sino identificar escenarios y direcciones de cambio, y desarrollar capacidades que serán necesarias en múltiples escenarios potenciales dentro de esta dirección general de cambio.

4. Desafía las suposiciones que no sabes que estás haciendo

"En física, los mayores avances pueden provenir de desafiar suposiciones ocultas", dice Sprios Michalakis, físico matemático del Instituto de Tecnología de California. "Estas son suposiciones que son tan ampliamente aceptadas que la gente ni siquiera se da cuenta de que las están haciendo, simplemente se han convertido en parte de la ortodoxia. Pero dar un paso atrás para identificar, y luego cuestionar, tales suposiciones puede conducir a grandes avances, particularmente cuando los modelos existentes ya no funcionan. Desafiar las suposiciones ocultas puede ayudarte a replantear la pregunta y crear una forma más sencilla de abordar un problema complejo".

El Dr. Michalakis sabe de lo que habla. Resolvió el famoso efecto Hall cuántico, uno de los últimos grandes problemas sin resolver de la física cuántica que había atormentado a algunos de los nombres más importantes del campo durante décadas. Y lo logró, en solo un año, como un postdoc recién acuñado sin antecedentes ni experiencia en el tema, en parte descubriendo y desafiando un par de suposiciones ocultas.

La ciencia está llena de ejemplos de tales avances, desde Copérnico desafiando la suposición universalmente sostenida de que el sol gira alrededor de la tierra, hasta Einstein desafiando la suposición oculta de que el tiempo es absoluto.

La innovación disruptiva implica algo similar. Durante más de un siglo, todos en la industria automotriz asumieron que estaban en el negocio de fabricar y vender automóviles. Esto se consideraba un hecho tan obvio que a nadie se le ocurrió cuestionarlo, hasta que aparecieron las plataformas de viajes compartidos y revelaron que las empresas automotrices están realmente en el negocio de la movilidad, y que es posible que las personas no necesariamente necesiten comprar automóviles para moverse.

A medida que las empresas, y en particular los líderes, operan en un entorno de mayor incertidumbre y complejidad, pueden beneficiarse al sacar a la superficie y desafiar otras suposiciones ocultas. Una de ellas es la suposición de que la certidumbre es deseable.

"Vivimos en una época de no linealidad", dice Beau Lotto, neurocientífico y fundador y CEO de Lab of Misfits. "Los pequeños cambios pueden tener impactos masivos, y esto crea imprevisibilidad. Pero odiamos la incertidumbre, como individuos, como organizaciones y, desde luego, como líderes. Por lo tanto, tratamos de crear previsibilidad en un mundo de cambios no lineales recompensando la certeza y el estancamiento dentro de nuestras organizaciones, en lugar de fomentar el coraje y la curiosidad para resolver problemas difíciles y, lo que es más importante, para querer resolver problemas difíciles. Pero no crecemos conociendo; el crecimiento solo puede venir de no saber. ¿Cómo puede su empresa crecer abrazando la incertidumbre en lugar de resistirse a ella?"

¿Qué otras suposiciones ocultas está haciendo que deberían cuestionarse en el clima de negocios actual? ¿Debería competir, en lugar de colaborar, con competidores heredados en torno a GenAI? ¿Deberías estar en modo de exploit de inmediato, o deberías estar en modo de exploración? ¿Deberías aspirar a llegar a un acuerdo rápidamente, o vivir más tiempo con desacuerdos es más propicio para prosperar en un mundo complejo?

Sacar a la luz tales suposiciones y desafiarlas —en esencia, hacer mejores preguntas— puede ayudar a replantear el problema y aportar cierta simplicidad a un mundo complejo.


Resumen

A pesar de todo el interés y la actividad en torno a la GenAI, la mayoría de las empresas aún no se han centrado en su capacidad para alterar sus modelos comerciales y operativos. Esta es una brecha crítica, porque GenAI tiene el potencial de remodelar los modelos existentes a una velocidad y escala mucho mayores. Para comprender su impacto en sus modelos de negocio y operativos, las empresas deben considerar el impacto combinado de cada caso de uso potencial y múltiples tecnologías, y deben desafiar las mejores prácticas existentes para la innovación del modelo de negocio.

Artículos relacionados

Cómo retomar el impulso en la transición a los vehículos eléctricos

El EY Mobility Consumer Index muestra una desaceleración en las ventas de vehículos eléctricos. Descubre cómo las actitudes, las políticas y la innovación de los consumidores pueden impulsar la próxima ola de adopción de vehículos eléctricos.

EY Global + 2

    Acerca de este artículo

    Autores