Empresa podría modificar su modelo de negocios y enviarle a los clientes productos que les interesaría comprar

Por: Ajay Agrawal, Joshua Gans y Avi Goldfarb 13 noviembre

¿Cómo cambiará a la estrategia la inteligencia artificial? Esa es la pregunta más común que escuchamos de ejecutivos corporativos. La AI (Inteligencia Artificial) es fundamentalmente una tecnología de predicción. Conforme los avances en AI abaratan la predicción, la teoría económica dicta que usaremos la predicción más frecuente y ampliamente, y que el valor de sus complementos –como el juicio humano– se elevará. Sin embargo, ¿qué significa todo esto para la estrategia?

He aquí un experimento de reflexión para responder esta pregunta. La mayoría de las personas están familiarizadas con comprar en Amazon.com. Como en la mayoría de los vendedores en línea, usted visita la página web de la empresa, pone productos en su "carrito", los paga y Amazon se los envía. Actualmente, el modelo de negocios de Amazon es de compra y envío.

La mayoría de los compradores han notado el motor de recomendaciones de Amazon mientras compran. Actualmente, la inteligencia artificial de Amazon hace un trabajo razonable sugiriéndole productos a los compradores, particularmente si consideramos los millones de bienes en oferta. Sin embargo, las predicciones de la compañía distan de ser perfectas. En nuestro caso, sólo el 5% del tiempo la inteligencia artificial predice correctamente lo que queremos comprar. En otras palabras, adquirimos sólo 1 de cada 20 productos que recomienda.

Ahora, imagine que la inteligencia artificial de Amazon reúne más información sobre nosotros: además de nuestro comportamiento de búsqueda y compra, también recolecta otra información que encuentre en línea, incluyendo redes sociales, además de fuera de línea, como nuestro comportamiento de compras en Whole Foods. Conoce no sólo lo que compramos, sino también en qué momento lo hacemos, en qué sucursal, cómo pagamos y más.

7/11/2017. ShutterStock. EF. Conforme los avances en AI abaratan la predicción, la teoría económica dicta que usaremos la predicción más frecuente y ampliamente, y que el valor de sus complementos –como el juicio humano– se elevará.
7/11/2017. ShutterStock. EF. Conforme los avances en AI abaratan la predicción, la teoría económica dicta que usaremos la predicción más frecuente y ampliamente, y que el valor de sus complementos –como el juicio humano– se elevará.

¿Qué sucedería si la AI usa esa información para mejorar sus predicciones? ¿Qué sucede con la estrategia de Amazon mientras sus científicos de datos, ingenieros y expertos en aprendizaje de máquina trabajan incansablemente para elevar la exactitud de la máquina de predicción?

En algún punto, la exactitud de las predicciones de la AI cruza un umbral, de forma que a Amazon le interesará cambiar todo su modelo de negocios. Las predicciones se vuelven tan exactas que es más redituable para Amazon enviarle los bienes que predice que usted querrá, en lugar de esperar a que se los ordene. Cada semana, Amazon le envía cajas de productos que cree que usted desea, y entonces usted compra en la comodidad de su propia casa eligiendo aquellos que desee conservar.

Este enfoque ofrece dos beneficios para Amazon. Primero, la conveniencia de los envíos predictivos hace mucho menos probable que los consumidores adquieran los mismos productos con otro vendedor, pues los productos están siendo entregados a los hogares antes de que las personas puedan comprarlos en otro lugar. Segundo, los envíos predictivos empujan a los consumidores a comprar cosas que de otro modo no habrían elegido. En ambos casos, Amazon gana una mayor parte de la billetera. Elevar lo suficiente el éxito de la predicción cambia el modelo de negocios de Amazon, de comprar-y-enviar, a enviar-y-comprar.

"Mejores predicciones atraerán más compradores, más compradores generarán más información para entrenar a la AI".

Por supuesto, los compradores no querrán lidiar con el embrollo de regresar todos los productos que no quieren. Por lo tanto, Amazon invertiría en infraestructura para el retorno de productos, quizá una flota de camiones que se detengan en las casas de los consumidores una vez a la semana para recogerlos.

Si este es un mejor modelo de negocios, ¿por qué no lo ha hecho Amazon? Porque si lo hiciera, el costo de recibir y manejar los productos devueltos superaría el incremento en ingresos al tener mayor porcentaje de las billeteras. Actualmente, devolveríamos el 95% de los productos que nos enviaran. Eso es molesto para nosotros y costoso para Amazon. Los poderes predictivos de la inteligencia oficial de Amazon no son lo suficientemente buenos para que la compañía adopte el nuevo modelo.

Dicho eso, uno puede imaginar un escenario en el que Amazon adopte la nueva estrategia incluso antes de que la exactitud de sus predicciones sea lo suficientemente buena como para volverla redituable, porque la compañía anticipa que en algún punto lo será. Amazon se da cuenta de que entre más pronto inicie, más difícil será que los competidores la alcancen. Mejores predicciones atraerán más compradores, más compradores generarán más información para entrenar a la AI, más información llevará a mejores predicciones y así sucesivamente, creando un círculo virtuoso. En otras palabras, adoptar demasiado pronto podría ser costoso, pero hacerlo demasiado tarde podría ser fatal.

La perspectiva clave aquí es que elevar la exactitud de la máquina de predicción tiene un impacto significativo en la estrategia. Cambia el modelo de negocio de Amazon de comprar-y-enviar, generando el incentivo para integrar virtualmente la operación de un servicio de devolución de productos y acelera el ritmo de inversión, debido a la ventaja de los rendimientos crecientes para el primero en avanzar.

La mayoría de los lectores están familiarizados con el resultado de compañías como Blockbuster y Borders, que subestimaron lo rápido que cambiaría el comportamiento de los consumidores respecto a las compras en línea. Quizás estas compañías se adormecieron por la inicialmente lenta adopción de la tecnología de comercio electrónico en los primeros días del Internet comercial (1995-1998).

Hoy, en el caso de la AI, algunas compañías están haciendo apuestas tempranas, anticipando que la exactitud de la máquina de predicción comenzara a elevarse con mayor rapidez una vez que gane impulso.

En 2014, Google adquirió DeepMind, pagando más de $500 millones por una compañía que había generado un mínimo de ingreso, pero había desarrollado una AI que aprendió a jugar ciertos videojuegos de Atari a un nivel de desempeño súper humano. En 2016, General Motors pagó más de $1.000 millones para adquirir Cruise Automation, una empresa emergente de AI. En 2017, Ford invirtió $1.000 millones en la empresa emergente Argo AI, y John Deere pagó más de $300 millones para adquirir la empresa emergente de AI Blue River Technology. Estas compañías están apostando en un incremento exponencial en el desempeño de la inteligencia artificial y, a esos precios, anticipando un impacto significativo en sus propias estrategias empresariales.

Primero, los estrategas deben invertir en desarrollar un mejor entendimiento de cuán rápido y qué tan alto se elevará la exactitud de las máquinas de predicción en sus sectores y aplicaciones. Segundo, deben invertir en desarrollar una tesis acerca de las opciones estratégicas creadas por las cambiantes economías de sus negocios que resulten de dicha elevación, de forma similar al experimento de reflexión que consideramos para Amazon.

Entonces, ¿el tema general para iniciar una estrategia de AI? Imagine poner los dedos en el marcador de su máquina de predicción y, en las inmortales palabras de Spinal Tap (el grupo ficticio de heavy metal), subirlo a 11.