5 lecciones de los Fast Learners para aprovechar Machine Learning al máximo

En una investigación realizada por Economist Intelligence Unit (EIU) y SAP, se encontraron 5 rasgos clave que son importantes para que las organizaciones tengan éxito al incorporar una estrategia de aprendizaje automático.

 

 

1)  Nivel C, prioridad estratégica

 

El Machine Learning (ML) no es sólo una tecnología: es fundamental para las estrategias comerciales que han llevado al valor creciente de las organizaciones que lo incorporan a sus modelos operativos: piense en Amazon, Uber y Airbnb.

 

Los Fast Learners están viendo una amplia gama de beneficios del ML, lo que indica que se están enfocando en sus posibilidades de transformación tanto en el front y back office, en los ingresos y en los centros de costos. Por ejemplo:

 

  • Intel está utilizando ML para mejorar el tiempo de ciclo y la calidad de sus productos y para refinar sus ofertas de ventas basándose en predicciones sobre las necesidades de los clientes.
  • Mientras tanto, otros aprendices rápidos informan una mayor precisión (menor frecuencia de errores), así como una mayor velocidad en una variedad de procesos. De hecho, la velocidad ha sido más un beneficio que el ahorro de costes.

 

2) Mayor diferenciación competitiva

 

Los Fast Learners no ven el aprendizaje automático como una implementación de tecnología clásica, una que se enfoca en ganancias de eficiencia incrementales. Lo ven como una forma de diferenciarse. El 31% de los aprendices rápidos dicen que el aprendizaje automático ha beneficiado la innovación de los procesos comerciales o el modelo comercial.

 

Cliff Justice, director de innovación y soluciones empresariales de KPMG, una empresa de consultoría, cree que el potencial del aprendizaje automático en la innovación de modelos de negocios es enorme: “La inteligencia artificial y el aprendizaje automático impactan el modelo de negocio de una manera mucho más significativa que… cualquiera de las irrupciones que hemos visto en nuestra vida”.

 

3) Nuevos ingresos y rentabilidad

 

El 48% de los Fast Learners mencionan una mayor rentabilidad como el principal beneficio que han obtenido del aprendizaje automático. También se han dado cuenta de que el ML puede tener un impacto positivo en las nuevas fuentes de ingresos.

 

Por ejemplo, Intel está utilizando ML y análisis predictivo para identificar sus oportunidades de ingresos con mayor precisión. Ha creado una nueva plataforma de ventas basada en ML que “ayuda a los vendedores a interpretar lo que está sucediendo en el mercado y enfocar mejor las ofertas de ventas a los clientes”, dice Aziz Safa, director de datos de Intel. “Esto ha generado nuevas oportunidades de ingresos importantes y ha aumentado nuestra tasa de éxito en los objetivos de crecimiento de los ingresos”.

 

4) Procesos clave cerca de casa

 

Según la encuesta, el 58% de los Fast Learners dicen que gastan más de la mitad de su presupuesto en procesos comerciales a nivel local, en comparación con el 39% de otros usuarios de ML. Esto implica que los Fast Learners tienen una ventaja sobre los demás a la hora de mantener sus procesos más estratégicos cerca de casa.

 

Stanton Jones, director y analista principal de ISG, una empresa de asesoría tecnológica, respalda la opinión de que el aprendizaje automático será un importante impulsor de las decisiones de subcontratación, sin importar cuán gradualmente se desarrolle. “Estas tecnologías tendrán un impacto profundo en la forma en que las organizaciones deciden qué subcontratar y a quién subcontratar”. Las organizaciones elegirán cada vez más un modelo de hágalo usted mismo para construir su propia capacidad interna de ML, agrega, lo que reducirá la necesidad de acuerdos de subcontratación a largo plazo.

 

5) Estrategia para toda la empresa

 

El enfoque amplio de los Fast Learners podría ayudar a explicar por qué el 41% dice que su uso se traduce en niveles más altos de satisfacción del cliente. Los Fast Learners han hecho más que otras organizaciones para integrar el uso de ML en funciones clave de desarrollo de productos y de cara al cliente, como centros de contacto, marketing, procesamiento y análisis de datos e I+D. En cada una de estas funciones, la integración de ML en los procesos de negocio es considerablemente más avanzada que la del resto.

 


Facebook / Twitter / LinkedIn / Instagram


 

© 2021 SAP SE. All rights reserved. SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in Germany and other countries. Please see http://www.sap.com/corporate-en/legal/copyright/index.epx#trademark for additional trademark information and notices.