L

a adopción de la IA puede ser más lenta si la alta dirección asume que el resto de la organización comparte su optimismo, o si la organización subestima la diferencia de expectativas entre los líderes que definen la estrategia y los mandos intermedios responsables de su ejecución. Hasta que los altos directivos no comprendan esta brecha y asuman la responsabilidad de cerrarla, ningún nivel de inversión o ambición en los niveles más altos producirá la transformación que prometen.

La evidencia

Nuestro estudio encontró brechas significativas en la pregunta más básica que un líder empresarial debería poder responder: ¿Su inversión en IA está generando rendimientos?

Los altos ejecutivos y los mandos intermedios nos dieron respuestas muy diferentes a esa pregunta. Casi la mitad de los ejecutivos (45%) reportó un ROI significativamente positivo de sus inversiones iniciales en IA. Entre los mandos intermedios, esa cifra cayó al 27%. Esa diferencia de 18 puntos en la valoración de si la estrategia está generando resultados pone de manifiesto una desconexión que podría resultar muy costosa.

¿Por qué los ejecutivos y los mandos intermedios tienen perspectivas diferentes?

Los directivos suelen utilizar la IA para la síntesis de alto nivel, la elaboración de estrategias y el apoyo a la toma de decisiones, tareas en las que la tecnología funciona bien, por lo que las capacidades actuales suelen beneficiar su trabajo. Los mandos intermedios, en cambio, tienen la tarea de implementar la tecnología en el terreno más complejo de las operaciones del día a día: flujos de trabajo construidos durante años, equipos con distintos niveles de familiaridad técnica y resultados que deben ser consistentemente correctos, no solo rápidos. Cuando la herramienta funciona, ambos grupos lo entienden y aprovechan los beneficios. Cuando falla, normalmente solo uno de ellos tiene que lidiar con las consecuencias.

Estos dos grupos también operan con horizontes de tiempo fundamentalmente distintos. A los directivos se les recompensa por su visión, es decir, por anticiparse al futuro y apostar por lo que es posible; a los mandos intermedios se les recompensa por la ejecución, es decir, por hacer que las cosas funcionen hoy mismo, con el personal y los procesos de que disponen.

Cinco acciones concretas que debe tomar

Cerrar esta brecha comienza con cinco acciones específicas que los equipos directivos pueden tomar ahora:

1. Analizar la situación antes de tomar decisiones.

¿En qué punto se encuentra su organización en su camino de transformación con IA? No puede cerrar una brecha que no ve, y sin una evaluación intencional, el entusiasmo de los líderes ejecutivos puede nublar su comprensión de la realidad de sus organizaciones.

2. Elaborar el manual de estrategias de forma conjunta, no imponerlo.

Involucra a los directivos en las conversaciones sobre la hoja de ruta antes de tomar decisiones, no después. El objetivo es garantizar que todos los niveles de liderazgo estén alineados y comprometidos con un camino común, no solo informados o involucrados.

3. Organizar el proceso reduciendo la carga de trabajo antes de aumentarla.

Para que la transformación hacia la IA sea un éxito, es necesario replantearse los flujos de trabajo, volver a capacitar a los miembros del equipo, llevar a cabo proyectos piloto de prueba y aprendizaje bien planificados, y aprender a gestionar equipos híbridos formados por agentes de IA y humanos. Los directivos deben ser conscientes de estas cargas inevitables a corto plazo y colaborar con sus equipos de gestión para garantizar que se dispone de la capacidad suficiente para hacerles frente.

4. Medir la preparación, no solo la adopción.

La confianza de los gerentes y la preparación organizacional deben ser indicadores clave de desempeño explícitos, junto con las métricas de uso.

5. Construir mecanismos de retroalimentación ascendente y recompensar la honestidad.

Cree canales estructurados para que los mandos intermedios informen a sus superiores sobre la realidad de la implementación y deje claro que las evaluaciones cautelosas o los proyectos piloto fallidos son datos valiosos, no una muestra de resistencia.

L

a IA generativa está transformando la recopilación, creación y análisis de información sobre los consumidores y el mercado: el motor del marketing estratégico.

Creemos que en el centro de esta transformación se encontrarán dos herramientas generadas por IA diseñadas para actuar como representantes de las personas: el perfil sintético (que representa a un individuo o grupo compuesto) y el gemelo digital (que representa a un individuo real). Al utilizar datos públicos o privados para simular las respuestas humanas a preguntas y encuestas, estas nuevas herramientas prometen permitir a los mercadólogos realizar investigaciones y experimentos sin el tiempo, costo y carga que implican las entrevistas o encuestas tradicionales para los participantes.

El perfil sintético

En este enfoque, los investigadores, mercadólogos, gerentes de producto y vendedores proporcionan a un modelo de IA información demográfica, psicográfica o conductual sobre un tipo o segmento de cliente para crear un perfil que sea representativo de ese tipo o segmento. Luego pueden pedirle al LLM (modelo de lenguaje de gran tamaño) que responda a preguntas como si fuera ese tipo de persona.

El gemelo digital

Este enfoque va más allá de los segmentos compuestos y los perfiles imaginarios, y aporta datos a nivel individual para la tarea. Si una empresa dispone de datos detallados a nivel individual sobre un grupo de clientes a partir de interacciones, encuestas o entrevistas anteriores, por ejemplo, podría utilizar esos datos para crear gemelos digitales de esas personas, que luego podrían participar en encuestas virtuales, “entrevistas” cualitativas e incluso experimentos en lugar de las personas a las que representan. Esto tiene muchas aplicaciones potenciales interesantes, pero también algunas implicaciones éticas importantes.

Cómo empezar

1. Determine su caso de uso. Es fundamental tener en mente el objetivo final: ¿Busca una estimación puntual de un segmento clave o desea comprender cómo las personas valoran de forma diferencial ciertas características del producto?

2. Determine el tipo de consumidores que quiere simular. ¿Quiere entender mejor el punto de vista promedio o compuesto de un segmento en particular, donde podría funcionar un perfil sintético? ¿O quiere “retroalimentación” de un consumidor específico o de un conjunto de consumidores, donde pueda valer la pena el esfuerzo y el costo extra de crear gemelos digitales capaces de captar variaciones y matices tanto dentro como entre segmentos?

3. Obtenga los datos necesarios para calibrar los perfiles o gemelos. Este puede ser el factor limitante para algunas opciones.

4. Defina métricas de rendimiento claras y precisas. Aunque es tentador tratar las métricas de rendimiento como intercambiables, no lo son, y su elección influirá en la conclusión que usted extraiga de sus datos.

5. Realice una pequeña prueba. Idealmente, esta prueba debe ser representativa de su caso de uso, y usted debe aplicarla a una muestra de participantes humanos que sean representativos de sus clientes.

6. Evalúe el rendimiento de sus perfiles sintéticos o gemelos digitales. Compare sus datos sintéticos con esa medida de la realidad sobre el terreno. Asegúrese de incluir puntos de referencia relevantes que le ayuden a contextualizar los resultados.

7. Decida si quiere escalar. En esta etapa del proceso, usted tendrá una visión holística del potencial de los datos sintéticos para su caso de uso.

8. Realice pruebas periódicas para garantizar la validez continua y mantener sus datos actualizados. Por ejemplo, puede ser útil realizar periódicamente estudios paralelos sobre las personas reales que hay detrás de su panel de gemelos digitales.

A medida que este campo continúa expandiéndose, es inevitable que los perfiles sintéticos y los gemelos digitales cobren cada vez más relevancia. Puede que aún no estén completamente preparados para posicionarse en el centro de la escena, pero pronto lo estarán, y cuando eso ocurra, es muy probable que transformen por completo el mundo del marketing.

L

os chatbots impulsados por inteligencia artificial se están convirtiendo en el nuevo estándar para gestionar consultas sobre productos, quejas y reembolsos.

Sin embargo, los clientes no se sienten satisfechos con las interacciones de los chatbots. Las encuestas muestran que el 77% de las personas considera que los chatbots son frustrantes, y el 88% sigue prefiriendo hablar con una persona real.

La mayoría de las empresas intenta solucionar este problema diseñando mejores modelos de IA en sus chatbots, bajo el argumento de que, si los modelos suenan lo suficientemente humanos, el problema eventualmente desaparecerá. Pero esta suposición es errónea. Incluso cuando los chatbots alcanzan un realismo casi perfecto (en recientes pruebas de Turing a ciegas, el 73% confundió a ChatGPT-4.5 con una persona), los clientes aún los rechazan.

Esto se debe a que el problema de fondo no es tecnológico. Es psicológico. En un estudio sobre interacciones con chatbots, los clientes que participaron en conversaciones idénticas con personas y con chatbots informaron estar un 8.5% menos satisfechos después de interactuar con el chatbot. Pero cuando las ventajas del chatbot (como “respuestas instantáneas” o “disponible 24/7”) se destacaban y ofrecían de forma explícita, las personas de repente se mostraban un 37% más satisfechas con el chatbot que con agentes humanos más lentos y menos disponibles.

Recientemente hemos analizado las últimas investigaciones sobre chatbots y la interacción entre IA y humanos, y las hemos convertido en una guía práctica para crear chatbots de IA efectivos que impulsen la satisfacción, la percepción positiva de la marca y las ventas. Estas son seis de nuestras formas favoritas para mejorar su chatbot.

1. Etiquete a su chatbot como “en aprendizaje continuo”

Las personas no solo quieren chatbots inteligentes. Necesitan chatbots de IA que sean cada vez más inteligentes. Las investigaciones muestran que los clientes tienen hasta un 17% más de probabilidades de seguir las sugerencias de un chatbot cuando este se etiqueta como “en aprendizaje continuo”, en comparación con un algoritmo estático, o incluso un agente humano.

2. Demuestre la precisión de su chatbot

Los clientes confían en los resultados, no en las explicaciones técnicas. Brinde pruebas de que su chatbot de IA realmente funciona. Mostrar ejemplos de éxito en el mundo real puede aumentar la confianza y la precisión esperada hasta en un 22%. Muestre métricas como: “Hoy gestionó 4,500 consultas con un 94% de precisión” o “Al 98% de los clientes les resultó útil”.

3. Utilice los halagos con cuidado

Los cumplidos sutiles hacen que las recomendaciones sean más persuasivas. Escuchar “Sí, este bolso encajaría con su estilo elegante” se siente bien, y hace que las personas tengan hasta un 12.5% más de probabilidades de aceptar recomendaciones de productos.

Pero si el halago suena demasiado humano, puede tener un efecto adverso. Mantenga los cumplidos basados en hechos, objetivos y alineados con el tono que los clientes esperan de la IA.

4. Compórtese como una persona para reducir el fraude

Las investigaciones muestran que los clientes tienen hasta un 35% más de probabilidades de comportarse de manera poco ética (por ejemplo, mintiendo para obtener un reembolso) cuando tratan con un chatbot en lugar de un agente humano. Interactuar con una máquina se siente menos personal y reduce los sentimientos de culpa.

Para contrarrestarlo, programe su chatbot de IA para que se comporte más como una persona en estas situaciones.

5. Vaya al grano con clientes enojados o apresurados

En momentos de mucho estrés (como la reprogramación de un vuelo cancelado), las respuestas con estilo humano no ayudan. En su lugar, programe su chatbot para que responda de forma rápida, clara y directa cuando detecte enojo o urgencia. En estas situaciones, es mejor no parecer “humano” en absoluto.

6. Comunique las buenas noticias de forma humana

Cuando su chatbot entrega buenas noticias (como la aprobación de un préstamo, un reembolso o una mejora gratuita), hágalo de forma cálida y humana. Los clientes calificaron a las empresas un 8% más alto cuando los resultados positivos fueron comunicados por un chatbot con comportamiento humano.

El próximo gran avance en los chatbots no vendrá solo de mejores modelos de IA. Vendrá del reconocimiento de que, con la IA, la experiencia del cliente ya no es un desafío de ingeniería. Ahora es un desafío de psicología humana.