Si revisas algunas de las ofertas de empleo más recientemente publicadas (al menos en ciertos campos, como puede ser marketing, innovación o tecnología), uno de los requerimientos suele ser, tener una mentalidad “Problem solver”. Es decir, las organizaciones buscamos individuos que nos ayuden a buscar soluciones a problemas. De hecho, en los slogans de muchas marcas, se utiliza este concepto (la solución a tu problema).. El gran problema, según mi punto de vista, es que para buscar la solución correcta, lo que se necesita es hacer las preguntas correctas. Y en la mayoría de los casos, esto no es asi. Nos centramos demasiado en saltar rápidamente en pensar en soluciones, sin entender qué es lo que se necesita, en algunos casos basado en asunciones. Saltamos rápidamente, con conclusiones posiblemente no acertadas, y en muchos casos basadas en nuestras propias suposiciones.
La tecnología esta cogiendo un role cada vez mas importante. Por diferentes motivos hemos visto que es una herramienta fundamental a la hora de poder ofrecer a nuestros clientes lo que necesitan. Sin embargo, en muchas ocasiones ponemos demasiado peso en estas soluciones (software), sin querer pensar en cual es el problema. Cuantas veces has oido que la solución a cierto problema es la inteligencia artificial, por ejemplo.
La inteligencia artificial surgió alrededor de los años 60, pero hasta ahora no había salido de los laboratorios y de las universidades. La bajada del precio del almacenamiento de datos, y el incremento en la potencia de computación, han hecho que sean unas de las principales herramientas que todas las organizaciones tienen en la mente. Para ser mas exacto, la alta disponibilidad de datos de diferentes fuentes, y formatos, con una posibilidad de computación distribuida de los mismos, es uno de los motivos de esta aceleración. sin embargo, posiblemente el gran problema sea no entender qué es lo que nos ofrece o en qué consiste este área tecnológico.
Dentro de la inteligencia artificial existen muchas ramas y disciplinas. Hasta hace unas décadas, la mayoritaria eran los sistemas expertos. Debido al gran coste de almacenamiento de datos, la único forma de hacer pensar a una máquina como un experto, era que este (o un grupo de ellos) dieran las instrucciones precisas para este cometido. Para ello, era necesario codificar todo ese conocimiento (sobre un tema en concreto) con lenguaje de programación de forma que el ordenador pudiera ejecutarlo. Cualquier nueva instrucción tenía que ser añadido a este conjunto de reglas, con el coste asociado Sin embargo, debido a este desplome del precio de almacenamiento de datos, el enfoque ha cambiado. En vez de tener que recolectar estas reglas y codificarlas, se busca que en base de un conjunto de ejemplos, las máquinas saquen patrones que nos ayuden a tomar decisiones y conclusiones en función de ese gran conjunto de datos disponible. Actualmente no solo es barato, sino también fácil poder almacenar datos de diferentes tipos (fotos, videos, texto, ..).
Lanzarnos en la aventura de la inteligencia artificial es fascinante, pero es necesario entender qué significa, y que limites tiene. Si lo llevamos aun terreno mas táctico, pensemos en un ejemplo real. En el campo del marketing, se está utilizando para analizar la propensión de un cliente a comprar más, o predicciones de abandono, o para el diseño de campañas personalizadas que tengan un mayor impacto. Todo este es una gran ayuda, y nos puede guiar en ese vision de ser organizaciones que realmente están basada en la toma de decisiones por datos y no por intuiciones. Sin embargo no siempre es así.
Pretendemos que las maquinas hagan parte del trabajo que debemos hacer nosotros. Pretendemos que las maquinas piensen por nosotros, y actualmente, los algoritmos actuales, buscan patrones de comportamiento, pero necesitan saber que estas buscando. Esa misión debería ser encomendada a nosotros. Nosotros deberíamos pensar, que es lo que necesitamos saber. Muchas veces puede parecer obvio, pero pocas veces lo es.
Podemos lanzar datos históricos de compra a una algoritmo para que nos diga cual es la predicción de próxima compra por parte de nuestros clientes. Con estos datos, en la gran mayoria datos históricos, podemos sacar patrones, podemos descubrir características, podemos descubrir nuevos perfiles, pero nunca vamos a saber porque los clientes nos comprar, porque siguen interesados en nosotros. Todo son preguntas diferentes.
Cada organización está basada en una cultura, y cada cultura es diferente. En aquellas más jerárquicas, hacer preguntas podía incomodar, podía ser sinónimo de cuestionar el trabajo realizado o atacar al conocimiento personal. En estas culturas, solo se proporcionaban soluciones a las preguntas que se hacían desde arriba, sin cuestionar. Sin embargo, en otras organizaciones (más abiertas y modernas), plantear el status quo es parte de su gestión diaria. Y esa es la base de la innovación. Hacerse preguntas, para luego buscar soluciones a las preguntas correctas.
Muchos los sistemas comerciales actuales con inteligencia artificial, están preparados para contestar preguntas ya establecidas. En muchos casos son preguntas básicas que toda organización necesita conocer: Que oportunidades de negocio tienen más probabilidad de cerrarse con éxito, en que audiencia tendrá mas efecto este email, cual es la frecuencia media recomendada de envío en un segmento concreto, que patrón de comportamiento tiene cierto individuo respecto a nuestra base de clientes. Todo esto son sistemas que podríamos denominar genéricos. Su uso es sencillo, nos puede ayudar a gestionar nuestro día a día, podemos automatizar procesos en torno a sus respuestas, y son fácilmente integrables en el entorno (aunque siempre puede haber resistencia al cambio, lo que será un buen indicador). El problema viene cuando las organizaciones deben plantearse dudas mucho más estratégicas. Lo más probable es que tengan los datos, dispongan de los sistemas pero no sepan qué preguntas hacerse. Disponer de la tecnología es una gran paso, pero sin saber cómo utilizarla (qué preguntas hacerse), no tendrán el impacto que se busca.
En algunos sitios se define a los directivos como aquellos profesionales encargados de velar por el futuro de la organización creando una visión. Y es justo en este punto donde las preguntas son fundamentales. Un ejecutivo debería ser capaz de cuestionarse a sí mismo, de cuestionar su estrategia, de cuestionar el porqué de las cosas. Por supuesto, no es algo que debería ser exclusivo de la dirección, ya que lo que realmente diferencia a las empresas más innovadoras es que esa capacidad de cuestionar este distribuida. Si los diferentes agentes de una organización crean preguntas, a las que buscar soluciones, quiere decir que se esta constantemente buscando como mejorar, cómo atender mejor a los clientes, como buscar nuevos huecos de mercado, como ser mas eficientes. Se está multiplicando el impacto creado por la organización, que e slo que diferencia la innovación. Lo que será necesario es encontrar un equilibrio y sobre todo un gobierno y una criterio de priorización común.
La innovación, sea en el campo que sea, se basa en hacerse preguntas, en cuestionar el status quo. Eso requiere saber que problema que quiere solucionar, antes de buscar soluciones. La inteligencia artificial es una de las mejores herramientas que podemos encontrarnos en este espacio. Puede ayudarnos a analizar datos y a sacar ciertas conclusiones, pero cuando más eficiente será, es si sabemos hacerle las preguntas adecuadas. Si sabemos que es lo que necesitamos saber.
marketingstorming 