H

ace poco me reuní con el CEO de una gran corporación, quien me hizo una pregunta peculiar: ¿Preferiría tener una bola de cristal que siempre le muestre el futuro, o un tablero de ajedrez que siempre le indique la estrategia correcta?

Le dije que había una respuesta clara: La estrategia y la previsión alguna vez fueron la misma disciplina. Y deberían volver a serlo.

En los años 80 y 90, las empresas con visión de futuro utilizaban la estrategia y la previsión como una poderosa fuerza dual que guiaba a los líderes a mirar más allá del horizonte mediante modelos cuantitativos respaldados por datos, narrativas convincentes sobre futuros plausibles y decisiones informadas para mantenerse competitivos. El objetivo era proporcionar un punto de vista defendible a largo plazo, alinearse en temas clave e involucrar a los líderes en un diálogo común sobre múltiples escenarios para el futuro.

Al mismo tiempo, tanto líderes como gerentes usaban esa base de previsión para crear, calibrar y ejecutar sus estrategias a corto plazo. Compartían una perspectiva sobre dónde y cómo crecer, cómo ejecutar nuevas posiciones, y cómo mantener y defender el negocio principal.

Es hora de reunir de nuevo la estrategia y la previsión, reconocer que operan en el mismo continuo y restablecer las expectativas sobre lo que pueden lograr juntas. Con las actualizaciones y mejoras modernas de estas disciplinas combinadas, los líderes pueden agudizar su previsión del futuro, capacitando a los gerentes para tomar decisiones estratégicas informadas e impulsando a los equipos hacia un rendimiento superior. Este ámbito es la verdadera previsión estratégica: un enfoque disciplinado y sistemático para identificar dónde competir, cómo ganar en el futuro y cómo garantizar la resiliencia organizacional ante disrupciones imprevistas.

Nos encontramos en el entorno operativo más desafiante que he visto en 20 años, y este momento exige una nueva mentalidad. En el mundo empresarial, los ejecutivos con los que me reúno sienten curiosidad por la previsión estratégica, pero la tratan como una palabra de moda y aún no comprenden su valor.

Cómo operacionalizar la previsión estratégica en su organización

Volver a unir la estrategia y la previsión da como resultado la evaluación de futuros potenciales, la gestión de los ejes estratégicos necesarios para navegarlos y, lo que es más importante, la medición de la eficacia de dichas iniciativas. Esta tríada (evaluación, gestión y medición) es la columna vertebral de una previsión estratégica eficaz y lo que une lo mejor de ambas. La previsión estratégica es intrínsecamente interdisciplinaria, no multidisciplinaria. Lo que significa que los líderes o los equipos no deben trabajar de forma aislada.

La previsión estratégica debe tener un alcance interfuncional, y el mandato del equipo debe ser interactuar con múltiples segmentos de la organización, y brindarles servicios y apoyo. Por esa razón, la previsión estratégica debe posicionarse de manera horizontal, trabajando con diferentes unidades (como marketing, finanzas, operaciones y desarrollo de productos) para asegurar que la empresa, de manera colectiva, sepa dónde competir, cómo ganar y, lo que es más importante, esté preparada para adaptarse a entornos empresariales inciertos. Los nuevos equipos de previsión estratégica, con la participación de las unidades de negocio, deben alinearse en una metodología repetible que pueda producir hallazgos accionables, estrategia competitiva y ejecución estratégica capaces de alcanzar las metas y objetivos comerciales establecidos por el liderazgo.

Mi enfoque de previsión estratégica se basa en investigación profunda, modelado riguroso, teoría de juegos, estrategia y storytelling.

He aquí una descripción general de nuestro proceso de 10 pasos:

1. Detección de señales: Combine la investigación primaria, los conocimientos de expertos y el reconocimiento de patrones impulsado por IA para detectar las primeras señales de cambio, dejando atrás el análisis tradicional del horizonte para adoptar un enfoque continuo y rico en datos.

2. Identificación de tendencias: Mida las tendencias utilizando el impulso, la trayectoria y el potencial disruptivo, asignando puntuaciones basadas en datos cuantitativos, como la actividad del mercado y los cambios regulatorios.

3. Temas macro: Identifique temas generales priorizando las tendencias con un impacto significativo basado en datos, lo cual conducirá a diálogos estratégicos con el liderazgo.

4. Incertidumbres: Aborde lo impredecible categorizando las incertidumbres y priorizándolas para cubrir un amplio rango estratégico. Utilice el marco analítico STREEEP + W: social (social), tecnológico (technological), regulatorio (regulatory), medioambiental (environmental), económico (economic), ético (ethical), político (political) y comodines (wild cards).

5. Desarrollar hipótesis sobre el futuro: Genere hipótesis generales combinando tendencias e incertidumbres, utilizando herramientas como matrices 2×2 y simulaciones de Monte Carlo, una poderosa técnica estadística automatizada que utiliza variables para modelar una serie de posibles resultados, con el fin de minimizar el sesgo.

6. Escenarios: Los escenarios deben prepararse específicamente para que el ejecutivo, gerente o equipo los utilice para tomar decisiones, y siempre deben estar respaldados por la investigación. En nuestro trabajo, no usamos una plantilla estándar, porque la cultura de cada organización es muy diferente.

7. Puente hacia la estrategia: Utilice los escenarios para realizar un análisis FODA, cuestionando las hipótesis y poniendo a prueba la capacidad de adaptación de la organización a las condiciones futuras.

8. Estrategia: Utilice la planificación estratégica tradicional para alinear a las partes interesadas y obtener el apoyo de los ejecutivos, enfocándose en decisiones clave como el desarrollo de productos, y las fusiones y adquisiciones.

9. Ejecución estratégica: Alinee las funciones organizacionales con los objetivos estratégicos, establezca nuevos indicadores de desempeño y ejecute tácticas operativas.

10. Medir y recalibrar: Los equipos deben establecer una forma de supervisar continuamente el progreso y ser capaces de realizar ajustes ágiles en las tácticas en respuesta a la retroalimentación del mercado en tiempo real y a la evolución del panorama empresarial.

Aunque el proceso general es lineal, este trabajo no tiene fin. Los equipos deben mantener un ciclo de previsión estratégica mediante la detección continua de señales, la identificación de tendencias y el desarrollo de hallazgos accionables. Nuestro enfoque es único y específico, pero efectivo. Aunque cada equipo de previsión estratégica debe adoptar y formalizar su propio método repetible, este debe estar absolutamente anclado en investigación, modelado, storytelling y estrategia.

La previsión estratégica en la práctica

La previsión estratégica puede posicionar a cualquier empresa para sobrevivir y prosperar en medio de la incertidumbre.

Netflix pasó del alquiler de DVDs a los servicios de streaming, anticipándose al cambio en los hábitos de consumo hacia la visualización de contenido en línea, una decisión que ha consolidado su dominio en el mercado. Schibsted, un portafolio de marcas de consumo digital con sede en Oslo y una empresa a la que asesoramos, utilizó la previsión estratégica para anticipar cómo el internet podría acabar con su negocio de publicidad, y utilizó esos conocimientos para crear su propio negocio de publicidad digital, adelantándose a su tiempo. Actualmente, Schibsted es una de las empresas de medios más exitosas y respetadas del mundo.

Hoy en día vivimos en un mundo mucho más complejo de lo que jamás imaginaron los estrategas corporativos y futuristas. Líderes, olviden sus bolas de cristal y sus tableros de ajedrez. La previsión estratégica es eficaz, está a su alcance y les ayudará a navegar por las próximas oleadas de disrupción y transformación.

L

os directores de marketing (CMO, por sus siglas en inglés) tienen uno de los mandatos más cortos de la C-suite. No es porque la mayoría sean malos en marketing, sino porque les cuesta relacionar el impacto del marketing con los resultados comerciales que realmente importan a los equipos financieros y ejecutivos.

No hay duda de que los CMO están bajo una intensa presión para aumentar los ingresos y mejorar la eficiencia. El problema es que muchos de sus KPIs tradicionales (alcance, impresiones, tasas de interacción, estudios de reconocimiento de marca) son útiles para los especialistas en marketing, pero no se conectan directamente con los resultados comerciales.

Los directores financieros (CFO, por sus siglas en inglés), CEOs y la junta directiva se preocupan por las ganancias, la previsión de estabilidad y la asignación de capital. Quieren saber: si gastamos 2 millones de dólares adicionales en marketing el próximo trimestre, ¿cuántos ingresos incrementales podemos esperar? ¿Y cuánta confianza tenemos en ese número? Cuando los CMO no pueden responder con claridad a esa pregunta, se generan expectativas desalineadas y presupuestos de marketing infrautilizados. Más aún, esto lleva a que el equipo ejecutivo vea al marketing como un centro de costos en lugar de un motor de crecimiento.

He observado esta dinámica en repetidas ocasiones, tanto al dirigir el análisis de marketing de la marca de productos de aseo personal Harry’s como al asesorar a cientos de equipos de marketing y finanzas de empresas sobre la medición. En todas estas colaboraciones, el patrón es claro: las organizaciones que alinean el marketing y las finanzas en torno a la medición suelen ahorrar considerablemente al reducir el gasto innecesario e invertir en lo que realmente funciona. ¿Cuál es la solución? Que los CFO y CMO compartan la responsabilidad de la agenda de medición, y que ambas partes la adopten.

Construyendo una mejor relación CMO-CFO

La brecha entre CMO y CFO surge de presiones contradictorias: los CFO se enfocan principalmente en las ganancias del próximo trimestre y necesitan resultados inmediatos y medibles del gasto en marketing. Mientras tanto, los CMO se debaten entre impulsar el rendimiento a corto plazo y construir valor de marca a largo plazo. El resultado frecuente es que la medición del marketing se vuelve retrospectiva en lugar de prospectiva. Los equipos de marketing gastan más energía en demostrar que las campañas anteriores funcionaron, en lugar de comprender qué impulsa el rendimiento actual.

Pero las condiciones de marketing cambian rápidamente, y la medición del marketing es propensa a errores. Lo que pareció funcionar el trimestre pasado puede no funcionar este trimestre. Cuando los planes, proyecciones y ejecución dependen de dinámicas de campaña obsoletas, el resultado es predecible: proyecciones optimistas que no alcanzan los resultados reales trimestre tras trimestre, erosionando sistemáticamente la confianza de las finanzas en los números de marketing.

A medida que este ciclo de desconfianza se profundiza, ambas partes se refugian en sus zonas de confort: marketing en métricas que pueden controlar (impresiones, clics, etc.), y finanzas en métricas en las que confían (ingresos, ganancias, flujo de efectivo). Al final, ninguna de las dos partes logra un entendimiento compartido de qué acciones de marketing impulsan los resultados comerciales.

Romper este ciclo no se trata de mejores métricas de marketing ni de modelos de atribución más sofisticados. Más bien, se trata de reconocer que los CFO y CMO en realidad quieren lo mismo: un crecimiento predecible y rentable. Los CFO piensan en sistemas, proyecciones de ganancias y ROI incremental (aunque no necesariamente lo llamen así). Quieren saber cómo un cambio en la estrategia de marketing afectará al negocio, y qué rango de resultados pueden esperar con base en diversos escenarios de marketing.

Cuando la colaboración es exitosa, los CMO satisfacen estos deseos con sistemas sólidos de planeación, generación de hipótesis y ejecución que se enfocan en las métricas que le importan al CFO. En lugar de preguntarse “¿Qué funcionó el trimestre pasado?”, preguntan: “¿Qué canales nos generan más incertidumbre? ¿Qué apuestas de marketing deberíamos hacer el próximo trimestre, y qué resultados podemos esperar?” Esto es exactamente lo que el CFO quiere: una medición que le ayude a planear y operar el negocio. Cuando un CMO puede decir “aumentar la inversión en TV en un 20% debería generar entre 3 y 5 millones de dólares en ingresos adicionales, y aquí está cómo validaremos esa predicción”, está hablando el idioma del CFO.

Cómo se produce realmente la alineación CMO-CFO

He hablado con cientos de ejecutivos de marketing, finanzas y datos (desde empresas de la lista Fortune 500 hasta startups de alto crecimiento y grandes plataformas de anuncios) en el proceso de ayudar a implementar estas estrategias de alineación en los sectores de bienes de consumo, tecnología financiera y farmacéutico en marcas reconocidas como Canva, Rocket Money, Los Angeles Times, Masterclass y muchas más.

El hilo común en estos negocios es que la alineación real requiere un cambio cultural en la forma en que el CMO y el CFO piensan sobre la medición y la toma de decisiones. Esto es lo que hacen los equipos más exitosos:

1. Cambian la pregunta fundamental de “¿qué funcionó?” a “¿qué deberíamos hacer ahora, y qué tan seguros estamos?” Esto replantea cada conversación de medición en torno a la acción y la incertidumbre, en lugar de la justificación y la falsa certeza.

2. Establecen un lenguaje compartido de incertidumbre, pronósticos y riesgo. En lugar de que marketing presente estimaciones puntuales (“La TV lineal genera un ROI de 3.1x”), ambos equipos deberían discutir rangos y niveles de confianza (“La TV lineal probablemente genera un ROI entre 2.2x y 3.8x, con base en los datos actuales”).

3. Implementan experimentos de marketing regulares y revisiones de avance de objetivos a las que ambos equipos asisten. Se enfocan en qué experimentos se han ejecutado y qué se ha aprendido, cómo esos aprendizajes influyen en las expectativas futuras y qué grandes cambios está planeando el equipo.

Estos cambios generan resultados. Cuando la medición es responsabilidad de todo el negocio (no solo del marketing) ocurre algo interesante. El marketing obtiene mejores resultados porque las decisiones se basan en el impacto comercial y no en métricas específicas de cada canal. La confianza del CFO en el CMO aumenta porque las recomendaciones vienen acompañadas de la validación y el rigor de proyección que espera de otras inversiones.

Diversas marcas líderes ya están trabajando para crear esta alineación. McDonald’s, una potencia del marketing, hizo de la alineación CFO-CMO un pilar de su estrategia de crecimiento “Accelerating the Arches”. En una entrevista reciente, el CFO Global de McDonald’s, Ian Borden, habló sobre la importancia de que las finanzas defiendan la colaboración con el marketing:

Marketing y finanzas construyeron alineación estableciendo un lenguaje compartido: uno basado en datos, impacto y resultados comerciales. Hoy, nuestros equipos financieros y de marketing trabajan como verdaderos socios, asegurando que cada dólar de marketing sea una inversión que genere rendimientos medibles. Cuando la creatividad y la estrategia comercial avanzan al unísono, se transforma no solo la marca, sino también el negocio.

AT&T dio pasos similares. En una reunión reciente con su CMO y CFO, Fortune señaló que “los equipos de marketing exitosos utilizan KPIs compartidos para demostrar el impacto financiero, lo cual facilita que los CFO respalden nuevas iniciativas.” AT&T priorizó esta alineación contratando a Pascal Desroches como CFO, un ejecutivo que aportaba más de 20 años de experiencia en la industria de medios antes de AT&T. Su contraparte CMO, Kellyn Smith Kenny, señaló que tener a una persona de finanzas en la mesa de liderazgo “que domine la práctica del marketing y el crecimiento es de gran ayuda.”

Si gigantes globales como McDonald’s y AT&T ven valor en cerrar la brecha entre CMO y CFO, también pueden hacerlo las marcas más nuevas con equipos de marketing más pequeños. ¿El resultado final para los CMO? Al estar finalmente alineados con las métricas que importan, pueden quedarse en sus puestos.

L

a IA no necesita una actualización de ciencia ficción para transformar la economía: los modelos actuales (y las versiones más baratas y potentes que vienen) están a punto de alterar casi todos los rincones del mercado laboral.

Para navegar por este nuevo panorama, los líderes deben comprender y planificar cómo afectará la automatización a sus negocios. Para ello, es necesario comprender qué tareas y responsabilidades tienen más probabilidades de estar bajo presión, y trazar un rumbo para mover a la empresa a lo largo de la cadena de valor de la inteligencia antes de que se acabe el tiempo.

¿Qué es lo que no está en riesgo de ser automatizado?

Investigadores, académicos y profesionales han debatido ampliamente qué trabajos y tareas son más vulnerables a la automatización. Algunas amenazas son obvias: los vehículos autónomos pronto podrían estar en posición de reemplazar a millones de conductores de transporte compartido, autobuses y camiones. Mientras tanto, la traducción de idiomas, la escritura creativa, el diseño e incluso la programación cotidiana están pasando a manos de la IA.

Los pioneros en investigación de IA Ajay Agrawal, Joshua Gans y Avi Goldfarb argumentaron en 2018 que, a medida que avanza la IA, el último bastión de la ventaja humana será el juicio: la capacidad de sopesar opciones y tomar decisiones bajo incertidumbre. Sin embargo, esa perspectiva nos deja una tarea imposible: definir con precisión qué califica como juicio en un momento dado.

Hoy en día, las tareas que exigen juicio humano (elegir un tratamiento médico, revisar un contrato legal, escribir un guion que capture el espíritu de la época) pronto podrían ser realizadas por IA a medida que los modelos acceden a datos más ricos y mayor capacidad de cómputo. Tampoco podemos asumir que las personas siempre preferirán a un terapeuta, consejero o mediador humano, según investigaciones recientes.

Entonces, ¿cómo podemos separar las tareas que la IA automatizará próximamente de aquellas que requerirán nuevos avances tecnológicos para lograrlo? Para responder eso, debemos volver a los principios fundamentales y revisar dónde comenzó todo.

De un concurso de laboratorio a una revolución industrial

A mediados de la década del 2000, la científica computacional Fei-Fei Li observó que el campo de la visión computacional (enfocado en permitir que las computadoras “vean” e interpreten imágenes) enfrentaba un cuello de botella: los algoritmos carecían de datos visuales suficientes para alcanzar el rendimiento humano. Su solución fue contundente: construyó ImageNet, un vasto conjunto de imágenes meticulosamente etiquetadas armado con ayuda de Amazon Mechanical Turk. Pero su verdadero golpe de genialidad llegó en 2010, cuando agregó una clasificación global al conjunto de datos, transformando el reconocimiento de imágenes en una competencia estilo gladiador para investigadores.

Luego, en 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton arrasaron con la competencia. Con dos tarjetas gráficas NVIDIA GTX 580, el trío de Toronto logró entrenar una red neuronal convolucional en solo unos días, un enfoque revolucionario que demostró que era posible alterar la historia de la visión computacional con el presupuesto de un estudiante de posgrado.

Ese momento puso fin al largo invierno de la IA, colocó a las redes neuronales en el centro del progreso y reveló el libro de jugadas con el que sigue funcionando este campo: Primero, reunir datos relevantes. Luego, depender de métricas para cuantificar e impulsar el progreso. Por último, inundar el modelo con datos y GPU hasta que aprenda por sí solo.

Datos, recompensa y cómputo

El marco que impulsó el avance en reconocimiento de imágenes es mucho más general de lo que muchos creen. Puede aplicarse siempre que podamos: a) definir el entorno de la tarea y reunir sus datos; b) especificar una recompensa objetivo; y c) proporcionar el poder computacional para permitir que el sistema itere.

Si se apilan esos tres ingredientes, se obtiene un motor de automatización de uso general. Ahora, dos tendencias de datos aceleran este ciclo. En primer lugar, los modelos pueden generar ejemplos sintéticos ilimitados (por ejemplo, creando “kilómetros de conducción” virtuales que cubran todos los escenarios extraños, en lugar de depender de datos de conductores reales). Y, en segundo lugar, la IA se despliega cada vez más en una variedad de dispositivos y sensores (en teléfonos, autos y otros lugares), capturando y cuantificando señales del mundo real que antes resultaban demasiado costosas o poco prácticas de medir.

Si puede convertir un fenómeno en números, la IA lo aprenderá y lo reproducirá a escala. Eso significa que cualquier trabajo que pueda medirse puede, en teoría, automatizarse.

Prosperar a pesar de las incógnitas desconocidas

Los humanos somos generalistas evolutivos, seleccionados para navegar por mapas incompletos. No solo sobrevivimos a las incógnitas desconocidas: prosperamos con ellas, y esa resiliencia es nuestra mayor ventaja. A lo largo de incontables generaciones afinamos nuestras cuerdas vocales y cerebros sociales hasta que surgió el lenguaje, abriendo la puerta al conocimiento acumulativo, el razonamiento abstracto y el pensamiento simbólico. A partir de allí, superamos nuestros límites biológicos, creando herramientas que expandieron nuestros sentidos, memoria y habilidades.

Pero la piedra angular de nuestra ventaja es nuestra corteza prefrontal altamente plástica y densamente conectada. Este centro de comando neuronal nos permite imaginar infinitos “qué pasaría si”, ensayar futuros contrafactuales y ajustar la estrategia en el instante en que cambian las condiciones. A falta de una verdadera singularidad, incluso las máquinas cuánticas tendrán dificultades para igualar nuestro talento para la planificación contrafactual abierta y multidisciplinar.

A medida que la IA acelera el progreso, crea nuevas incógnitas desconocidas, por lo que nuestros mapas siguen redibujándose. Mientras tanto, convierte lo predecible en rutina, tal como la mecanización agrícola nos sacó de la subsistencia, liberando más de nuestra capacidad cerebral contrafactual para problemas de mayor nivel.

La IA también tendrá dificultades en dominios donde la medición roza lo imposible: como lo demuestra el esfuerzo de una década que el Event Horizon Telescope necesitó para capturar una sola imagen de un agujero negro, y los desafíos aún no resueltos de explorar la física a gran escala, el manto profundo de la Tierra, los océanos abisales o las interacciones celulares vivas dentro del cerebro humano. También se quedará atrás donde la medición esté limitada por la privacidad, la ética o la regulación; donde la sociedad exija un razonamiento transparente; y donde las personas simplemente prefieran un toque humano.

Pero una excepción crucial en lo que puede medirse podría resultar decisiva: tareas que desafían la cuantificación porque sus probabilidades de resultado son fundamentalmente incognoscibles.

El crecimiento de una empresa emergente, la asignación de capital o talento a proyectos altamente inciertos, la contención de un nuevo virus, el establecimiento de la política de un banco central durante un cambio de régimen financiero, la redacción de principios éticos de la IA, la invención de un nuevo medio artístico, el inicio de una tendencia de moda o la creación de un nuevo éxito de taquilla que rompa géneros: todas estas tareas se sitúan en zonas donde las probabilidades desaparecen. Algunos actos y descubrimientos creativos no son más que ingeniosas recombinaciones de lo conocido, pero los verdaderamente ambiciosos dependen de nuestra capacidad singular para imaginar nuevos y complejos mundos contrafactuales.

Para los líderes que guían a sus organizaciones en esta transición turbulenta, ¿qué hay más allá de la hoja de cálculo? Todo aquello que no cabe en una celda: las habilidades que se resisten a ser contabilizadas, los problemas abiertos sin precedentes fiables, lo intangible.

En términos generales, la receta es sencilla. Respalde las apuestas arriesgadas con retornos difusos, recompense a los equipos que replantean los problemas y se inclinan por lo desconocido, y rote el talento por las funciones que se enfrentan a la incertidumbre en I+D, nuevos mercados e interacciones complejas con clientes, socios y políticas. Reserve tiempo libre y fomente colisiones entre equipos para estimular la serendipia y la recombinación de ideas. No trate esos espacios de ambigüedad planificada como pasivos, sino como activos estratégicos.

Solo los líderes que presten atención a lo que es medible (y, más crucialmente, a lo que obstinadamente no lo es) estarán listos cuando llegue el próximo cambio.