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 IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
