Oguz A. Acar, autor en DirigeHoy PREMIUM https://dirigehoy.info Todo lo que un gerente tiene que saber Thu, 06 Mar 2025 19:28:14 +0000 es hourly 1 https://wordpress.org/?v=6.9.4 https://dirigehoy.info/wp-content/uploads/2022/02/cropped-identidad-32x32.png Oguz A. Acar, autor en DirigeHoy PREMIUM https://dirigehoy.info 32 32 242473640 Investigación: Cómo protege los resultados financieros la IA responsable https://dirigehoy.info/como-protege-los-resultados-financieros-la-ia-responsable/ Thu, 06 Mar 2025 13:30:46 +0000 https://dirigehoy.info/?p=270942 Las empresas tienden a destinar recursos a mejoras en IA que impulsen sus resultados financieros en lugar de a esfuerzos de IA responsable.

La entrada Investigación: Cómo protege los resultados financieros la IA responsable se publicó primero en DirigeHoy PREMIUM.

]]>

Investigación: Cómo protege los resultados financieros la IA responsable

E

l 87% de los gerentes reconoce la importancia de la IA responsable (RAI, por sus siglas en inglés), según una encuesta de MIT Technology Review de 2025. Sin embargo, solo el 15% de estos mismos gerentes se sienten bien preparados para adoptar prácticas de RAI. Poco más de la mitad (52%) de las empresas cuentan con un programa de IA responsable, según datos de BCG.

En la búsqueda incesante por la supremacía en IA, las empresas tienden a destinar recursos a mejoras en IA que impulsen sus resultados financieros en lugar de a esfuerzos de IA responsable, que a menudo se consideran costosos. Pero, ¿realmente existe esta dicotomía percibida entre responsabilidad ética y rentabilidad?

Diseñar productos de IA responsable en los que confíen los consumidores

Nuestra investigación revela que las características de la IA responsable sirven como potentes diferenciadores de producto que pueden generar retornos económicos significativos. Este hallazgo insta a las empresas a replantear la asignación de recursos en el diseño de productos, especialmente al enfrentar decisiones difíciles.

Considere la paradoja personalización-privacidad, un dilema común para los gerentes de producto. Los consumidores desean experiencias personalizadas, pero dudan en compartir los datos personales que dichas experiencias requieren. ¿Las empresas deberían priorizar la personalización o la privacidad del usuario? Nuestra investigación ofrece una respuesta clara para los productos financieros basados en IA: El valor de la privacidad supera significativamente los beneficios de la personalización.

Otro dilema clave surge entre la privacidad y las capacidades del modelo. Los gerentes a menudo asumen que deben elegir entre sólidas protecciones de privacidad y funciones avanzadas de IA. El instinto de buscar capacidades de última generación es comprensible, pero enfocarse exclusivamente en ellas es una visión miope. Los modelos que priorizan la privacidad, manteniendo un desempeño “suficientemente bueno”, podrían alinearse mejor con las expectativas de los usuarios e impulsar una mayor adopción.

Otra tensión que enfrentan los gerentes de productos de IA es el equilibrio entre auditabilidad y costos. La supervisión humana puede ser costosa, ya que requiere una inversión significativa en personal, procesos y herramientas. Sin embargo, la combinación de mejores resultados, refinamiento continuo del modelo y mayor adopción por parte de los usuarios genera retornos económicos que pueden justificar la inversión.

La clave para un mejor diseño de productos de IA radica en comprender cómo se desarrollan estas compensaciones en su contexto específico.

Integrar la IA responsable en la estrategia empresarial y de marca

Hacer que las decisiones de IA responsable sean visibles y creíbles es tan importante como diseñarlas bien. Comunicar valores y prácticas es un buen punto de partida, pero no es suficiente. Para establecer credibilidad, las empresas deben ir más allá de las declaraciones y demostrar compromisos tangibles. Una forma de hacerlo es mediante validaciones de terceros, como las certificaciones ISO de IA responsable.

Del mismo modo, la incorporación de la IA responsable en el posicionamiento general de la marca refuerza la credibilidad y la diferenciación.

Las empresas deben alinearse con socios, proveedores y colaboradores que también prioricen las prácticas éticas, a fin de establecer una imagen coherente y auténtica como organización responsable en toda la cadena de valor.

La IA responsable como enfoque de gestión de riesgos y cumplimiento

Cuando las prácticas de IA responsable se integran de manera proactiva y auténtica en el núcleo de un negocio, pueden incluso servir como un amortiguador contra posibles contratiempos. Los sistemas de IA no son infalibles: los errores y fallos son casi inevitables. Sin embargo, las empresas que incorporan principios de IA responsable en sus operaciones están mucho mejor posicionadas para soportar el escrutinio.

En definitiva, apostar por un futuro que valore no solo la innovación, sino también la ética detrás de ella, tiene menos que ver con el idealismo y más con comprender la dirección de las tendencias tecnológicas y sociales. Los líderes en IA responsable de hoy podrían convertirse en los líderes del mercado de mañana, cosechando los beneficios de su visión estratégica.

© 2025 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Eighty-seven percent of managers acknowledge the importance of responsible AI (RAI), according to a 2025 MIT Technology Review survey. However, only 15% of these same managers feel well-prepared to adopt RAI practices. Little more than half (52%) of companies actually have a responsible AI program in place, BCG data shows.

In the relentless pursuit of AI dominance, companies are more inclined to allocate resources toward AI enhancements that elevate their bottom line rather than responsible AI efforts, which are often viewed as cost-inducing. But does this perceived dichotomy between ethical responsibility and profitability hold up?

DESIGNING RESPONSIBLE AI PRODUCTS THAT CONSUMERS TRUST

Our research reveals that responsible AI features serve as powerful product differentiators that can generate significant economic returns. This finding calls for companies to reconsider their resource allocation in product design, particularly when confronting challenging trade-offs.

Consider the personalization-privacy paradox, a common dilemma facing product managers. Consumers desire personalized experiences but hesitate to share the personal data these experiences require. Should companies prioritize customization or user privacy? Our research provides a clear answer for financial AI products: The value of privacy significantly outweighs personalization benefits.

Another critical trade-off emerges between privacy and model capabilities. Managers often assume they must choose between robust privacy protections and advanced AI features. The instinct to pursue state-of-the-art capabilities is understandable, but focusing solely on capabilities is shortsighted. Models that prioritize privacy while maintaining “good enough” performance might better align with user expectations and drive stronger adoption.

Another tension AI product managers face is between auditability and costs. Human oversight can be expensive; it requires significant investment in personnel, processes and tools. Yet the combination of improved outputs, continuous model refinement and increased user adoption creates economic returns that can justify the investment.

The key to better AI product design lies in understanding how these trade-offs unfold in your specific context.

EMBEDDING RESPONSIBLE AI INTO BRAND AND BUSINESS STRATEGY

Making responsible AI choices visible and credible is just as important as designing them well. Communicating values and practices is a good start, but not enough. To establish credibility, companies must go beyond declarations and demonstrate tangible commitments. One way is through third-party validations, such as ISO’s Responsible AI certifications.

Similarly, embedding responsible AI into broader brand positioning strengthens credibility and differentiation.

Companies also must align with partners, suppliers and collaborators who equally prioritize ethical practices to establish a consistent and authentic image as a responsible organization across the entire value chain.

RESPONSIBLE AI AS A RISK MANAGEMENT AND COMPLIANCE APPROACH

Once proactively and authentically integrated into the core of a business, responsible AI practices could even serve as a buffer against potential setbacks. AI systems are not infallible — errors and failures are almost inevitable. But companies that proactively build responsible AI principles into their operations are far better positioned to withstand scrutiny.

All in all, betting on a future that values not only innovation, but the ethics behind it, is less about idealism and more about understanding the direction of technological and societal trends. Leaders in responsible AI today might well be the market leaders of tomorrow, reaping the rewards of their foresight.

La entrada Investigación: Cómo protege los resultados financieros la IA responsable se publicó primero en DirigeHoy PREMIUM.

]]> 270942 Un kit de herramientas para ayudarle a gestionar la incertidumbre en torno a la IA https://dirigehoy.info/un-kit-de-herramientas-para-ayudarle-a-gestionar-la-incertidumbre-en-torno-a-la-ia/ Thu, 07 Nov 2024 13:30:10 +0000 https://dirigehoy.info/?p=270005 A medida que la IA generativa transforma el mundo empresarial, introduce un nivel de incertidumbre lleno de muchas incógnitas desconocidas.

La entrada Un kit de herramientas para ayudarle a gestionar la incertidumbre en torno a la IA se publicó primero en DirigeHoy PREMIUM.

]]>

Un kit de herramientas para ayudarle a gestionar la incertidumbre en torno a la IA

A

medida que la IA generativa se prepara para transformar el mundo empresarial, introduce un nivel de incertidumbre al que los gerentes no están acostumbrados, un nivel lleno de muchas incógnitas desconocidas. Los gerentes se enfrentan el doble desafío de predecir resultados inherentemente impredecibles y, al mismo tiempo, competir contra el tiempo en un entorno de ritmo acelerado.

Para los gerentes, el primer paso hacia una mayor certidumbre sobre la IA es reconocer y comprender las incertidumbres.

Tipos de incertidumbre en torno a la IA

La incertidumbre en torno a la IA adopta distintas formas, pero podemos resumirla en tres categorías principales.

Incertidumbre de estado: se produce cuando los gerentes carecen de información suficiente para predecir las tendencias y cambios en el mercado. Los gerentes que experimentan este tipo de incertidumbre enfrentan desafíos para comprender las capacidades actuales de la IA y su posible evolución.

Incertidumbre de efecto: describe la dificultad que tienen los gerentes para predecir el impacto de la IA en los negocios. ¿La IA revolucionará su industria o solo será una herramienta más?

Incertidumbre de respuesta: es el desafío que enfrentan los gerentes para determinar cómo reaccionar ante las numerosas incertidumbres que rodean a la IA, así como las consecuencias de sus acciones. ¿Deberían dar el salto como los primeros en adoptarla, o es más prudente esperar y observar?

Estrategias para enfrentar la incertidumbre en torno a la IA

Entonces, ¿cómo pueden los gerentes abordar eficazmente estas incertidumbres? Sugerimos cuatro enfoques clave. Estas estrategias no son mutuamente excluyentes; se pueden combinar para crear un plan integral y abordar la incertidumbre en torno a la IA.

1. Pensamiento

El pensamiento es un enfoque interno y reflexivo en el que los gerentes utilizan modelos mentales de escenarios exitosos del pasado para darle sentido al presente. Cuando los gerentes tienen dudas, una forma de avanzar es cuestionar lo que saben. Para ello, se recurre a la metacognición, es decir, a la capacidad de reflexionar sobre sus propios pensamientos. Los estudios sugieren que el pensamiento metacognitivo fomenta la autorreflexión, alentando a los gerentes a explorar estrategias alternativas frente a las incertidumbres en torno a la IA.

2. Visualización

Mientras que el pensamiento se basa en experiencias pasadas y en la reflexión, la visualización consiste en mirar hacia delante y prever posibles desarrollos futuros. Este enfoque es útil cuando los gerentes no se sienten seguros de predecir la dirección de las capacidades de la IA y los cambios del mercado (incertidumbre de estado) y su impacto potencial (incertidumbre de efecto).

Un elemento clave de esta estrategia es la previsión del cliente, es decir, anticipar cómo podrían cambiar sus necesidades y comportamientos. La investigación sugiere que el uso de múltiples escenarios futuros (distintos) ayuda a los gerentes a prepararse para acontecimientos plausibles, incluso aquellos fuera de su control.

3. Acción

La acción es un enfoque activo que se centra en el entorno interno y la experimentación activa. Es particularmente útil para que los gerentes comprueben cómo afectan los desarrollos actuales y futuros de IA a su negocio (incertidumbre de efecto) y prevean los resultados de las acciones potenciales (incertidumbre de respuesta).

Este enfoque implica experimentar con pruebas piloto rápidas, (y suele considerarse la mejor estrategia en mercados nuevos y radicales como el Fintech). De hecho, las investigaciones han demostrado que las acciones flexibles y adaptables son cruciales para prosperar en mercados impredecibles.

4. Configuración

La configuración es un enfoque proactivo y externo que resulta especialmente útil para navegar por las tendencias del mercado de IA (incertidumbre de estado) y predecir cómo los cambios en el mercado de IA transformarán los negocios en el futuro (incertidumbre de efecto).

Los gerentes que adoptan este enfoque van más allá de simplemente reaccionar a la incertidumbre. Trabajan activamente para influir en la trayectoria tecnológica y la industria.

Convierta la incertidumbre en torno a la IA en una oportunidad

Abordar la incertidumbre en torno a la IA requiere algo más que un enfoque único; exige un conjunto integral de estrategias que los gerentes puedan implementar según sea necesario. Adoptar un enfoque multifacético es esencial para convertir la incertidumbre en una oportunidad.

© 2024 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

As generative A.I. is poised to reshape the business world, it introduces a level of uncertainty that managers are not accustomed to — one filled with many unknown unknowns. Managers face the dual challenge of predicting inherently unpredictable outcomes while racing against the clock in a fast-paced environment.

For managers, the first step toward more certainty about A.I. is to recognize and understand uncertainties.

A.I. UNCERTAINTY TYPES

Uncertainty around A.I. takes different shapes and forms, but we can boil it down to three main categories .

STATE UNCERTAINTY occurs when managers lack sufficient information to predict market trends and changes. Managers experiencing this type of uncertainty face challenges in understanding A.I.’s current capabilities and potential developments.

EFFECT UNCERTAINTY describes the difficulty managers have in predicting A.I.’s impact on business. Will A.I. disrupt your industry, or will it be just another tool?

RESPONSE UNCERTAINTY is the challenge for managers in determining how to react and the consequences of these actions to the many uncertainties surrounding A.I. Should you take the leap as an early adopter, or is it wiser to wait and observe?

STRATEGIES TO NAVIGATE A.I. UNCERTAINTY

So, how can managers effectively tackle these uncertainties? We suggest four key approaches. These strategies are not mutually exclusive; they can be combined to create a comprehensive plan for navigating A.I. uncertainty.

THINKING

Thinking is an internal and reflective approach where managers use mental models of past successful scenarios to make sense of the present. When managers are in doubt, one way to break through is by questioning what they know. This taps into metacognition, or the ability to think about your own thinking. Studies suggest that metacognitive thinking fosters self-reflection, encouraging managers to explore alternative strategies in the face of A.I. uncertainties.

SEEING

While thinking draws on past experiences and reflection, seeing is about looking ahead and visualizing potential future developments. Such an approach is beneficial when managers do not feel confident in predicting the direction of broader A.I. capabilities and market changes (state uncertainty) and their potential impact (effect uncertainty).

A key part of this strategy is customer foresight—i.e., anticipating how customer needs and behaviors might change. Research suggests that using multiple, distinct future scenarios helps managers prepare for plausible events, even those beyond their control.

DOING

Doing is an active approach that focuses on the internal environment and active experimentation. It is particularly useful for managers in testing how current and future A.I. developments affect their business (effect uncertainty) and envision the outcomes of potential actions (response uncertainty).

This approach entails experimenting with rapid pilot tests and is often viewed as the best strategy in new, radical markets like fintech. Indeed, researchers showed that flexible, adaptable actions are crucial to thriving in unpredictable markets.

SHAPING

Shaping is a proactive and externally focused approach that is especially helpful for navigating A.I. market trends (state uncertainty) and predicting how A.I. market changes will transform business in the future (effect uncertainty).

Managers who adopt this approach go beyond simply reacting to uncertainty — they actively work to influence the technological trajectory and the industry.

TURN YOUR A.I. UNCERTAINTY INTO AN OPPORTUNITY

Navigating A.I.’s uncertainty requires more than a singular approach — it demands a comprehensive toolkit of strategies that managers can deploy as needed. Adopting such a multifaceted approach is essential for turning uncertainty into opportunity.

La entrada Un kit de herramientas para ayudarle a gestionar la incertidumbre en torno a la IA se publicó primero en DirigeHoy PREMIUM.

]]> 270005