como-presupuestar-la-adopcion-de-la-ia:-consejos-para-directores-financieros

Cómo presupuestar la adopción de la IA: Consejos para directores financieros

Presupuestar la adopción de la inteligencia artificial (IA) puede ser un desafío debido a la rápida evolución tecnológica y la incertidumbre en los análisis de coste-beneficio. Este artículo ofrece consejos prácticos de directores financieros para ayudar a las empresas en este proceso.

  • Es crucial que los proyectos de IA estén alineados claramente con los objetivos de la empresa para evitar gastos innecesarios y maximizar el retorno de la inversión.
  • Adoptar un enfoque iterativo y ágil permite a las empresas adaptarse rápidamente a los cambios tecnológicos y minimizar riesgos.

Presupuestar la adopción de la inteligencia artificial (IA) puede resultar complicado. La rápida evolución tecnológica y el gran número de aplicaciones emergentes crean grandes incertidumbres en los análisis de coste-beneficio y en las previsiones de retorno de la inversión (ROI).

Los directores financieros afirman que es como intentar dar en un blanco móvil con los ojos vendados. Para facilitar el camino, en este artículo, exploramos los retos de presupuestar la IA con consejos prácticos de directores financieros y expertos para resolverlos.

Según estudios recientes, la investigación sobre el ROI de la IA tampoco ha sido siempre útil, con resultados que varían enormemente, del 5% al 350%.

CONTENIDO DEL POST

Sage Copilot

¡DESCUBRE! Nuestro nuevo asistente impulsado por IA generativa:

✅ Gestiona tu lista de tareas

✅ Automatiza tus procesos

✅ Recomienda formas de ahorrar y mejorar

Quiero saber más sobre Sage Copilot

Chica trabajando en la oficina

Alineación con los objetivos empresariales

Para asegurar el éxito en la adopción de la inteligencia artificial (IA), es fundamental que los proyectos se alineen claramente con los objetivos empresariales. Esta alineación no solo ayuda a maximizar el retorno de la inversión (ROI), sino que también evita gastos innecesarios en tecnologías que no aportan valor directo a la empresa.

En esta sección, conocerás cómo los directores financieros pueden integrar la IA en sus estrategias empresariales, enfocándose en la eficiencia, el crecimiento y la competitividad.

1. Importancia de la alineación

Será fundamental comenzar el proceso presupuestario alineando el proyecto de IA lo más claramente posible con objetivos empresariales como la eficiencia, el crecimiento y el aumento de la competitividad. Esto ayuda a evitar los gastos innecesarios

Ejemplo práctico: Leo Smigel, fundador de Analyzing Alpha

Leo Smigel, fundador de la empresa de negociación algorítmica Analyzing Alpha, se ha enfrentado a las complejidades de la adopción de la IA y afirma: «He visto cómo la falta de claridad en los objetivos hacía que se desperdiciaran recursos. No toda la IA aporta el mismo valor o repercutirá en los objetivos específicos. Así que será fundamental priorizar las herramientas en función de su ROI esperado».

2. Enfoque ágil y flexible

Adoptar un enfoque exploratorio e iterativo es clave en un campo que evoluciona rápidamente. Comenzar con un pequeño piloto o prueba de concepto centrado en un solo uso proporciona una forma de bajo riesgo para recopilar datos y construir un caso de éxito para inversiones más grandes.

Ejemplo práctico: Christoph Cemper, director general de AIPRM

Christoph Cemper, fundador y director general de la plataforma de gestión puntual AIPRM, afirma: «Este campo evoluciona a un ritmo increíblemente rápido, por lo que es difícil predecir dónde estarán las cosas incluso dentro de un año.

«Pero, según mi experiencia, la clave está en un enfoque exploratorio e iterativo. Hay que ir paso a paso, en lugar de intentar prever y presupuestar todas las aplicaciones posibles desde el primer día.

«Comenzar con un pequeño piloto o prueba de concepto centrado en un solo uso proporciona una forma de bajo riesgo para recopilar datos y construir el caso de negocio para inversiones más grandes».

3. Planificación a largo plazo

Aunque al principio el presupuesto se centre en objetivos a corto plazo, será importante no ignorar el potencial transformador a largo plazo de la IA. Hay que considerar cómo los proyectos de IA pueden ampliar las capacidades humanas, abrir nuevas oportunidades de ingresos y aumentar la competitividad en el futuro.

Ejemplo práctico: Alistair Brisbourne, responsable de tecnología de ACCA

Alistair Brisbourne, responsable de tecnología de la Association of Chartered and Certified Accountants (ACCA), afirma: «Para evitar los costes de oportunidad, especialmente en torno a las ganancias de eficiencia, los directores financieros pueden adoptar una perspectiva a largo plazo.

«Esto podría incluir una serie de consideraciones adicionales, como la escalabilidad de la solución, la moral de los empleados, la gestión del rendimiento y las oportunidades de crecimiento frente a la reducción de costes.

«Con el ritmo de desarrollo, es importante que cualquier herramienta que se implemente pueda adaptarse a futuros avances y retos».

Gestión de datos y refinamiento

La gestión de datos es un componente crucial para el éxito de cualquier proyecto de inteligencia artificial (IA). La calidad y preparación de los datos determinan en gran medida la eficacia de los modelos de IA. En esta sección, abordaremos la importancia de la limpieza, normalización y catalogación de los datos, así como su mantenimiento continuo. Además, exploraremos cómo presupuestar adecuadamente para el refinamiento de los modelos de IA, asegurando que se adapten y mejoren con el tiempo. 

1. Calidad de los datos

La calidad de los datos es esencial para la eficacia de la IA. Presupueste la limpieza, normalización y catalogación de los datos, así como su mantenimiento y almacenamiento continuos.

Ejemplo práctico: Steven Kibbel, planificador financiero de Day Tradingz

Steven Kibbel, planificador financiero y editor del sitio web de inversiones Day Tradingz, afirma: «Me he enfrentado a los retos únicos de presupuestar proyectos de IA.

«Al principio de mi carrera, subestimé necesidades como el etiquetado de datos, las pruebas y el perfeccionamiento. Esto me llevó a exceder el presupuesto.

«Afortunadamente, he aprendido mucho desde entonces.

«Ahora recomiendo a los directores financieros que tengan en cuenta la gestión de datos, las pruebas, el perfeccionamiento, la retroalimentación y la reelaboración. La recopilación, limpieza y anotación de conjuntos de datos para el entrenamiento de modelos de IA requiere enormes recursos que alargan los plazos.

Costes «blandos» y adopción

Los costes “blandos” son a menudo subestimados en los proyectos de inteligencia artificial (IA), pero pueden ser determinantes para el éxito o el fracaso de su implementación. Estos costes incluyen aspectos como la formación del personal, la gestión del cambio y la adopción por parte de los usuarios. En esta sección, exploraremos cómo estos factores influyen en la integración de la IA en la empresa y por qué es crucial incluirlos en el presupuesto. 

1. Formación y gestión del cambio

No pases por alto los costes “blandos” como la formación, la gestión del cambio y la adopción por parte de los usuarios. Estos pueden determinar el éxito o el fracaso de una implantación de IA.

Ejemplo práctico: Christoph Cemper, director general de AIPRM

Christoph afirma que siempre aboga por incluir explícitamente estos costes en los presupuestos, aunque no aparezcan en las hojas de cálculo tradicionales del ROI.

«No planificar la capacitación de las personas y los procesos puede hacer descarrilar incluso la tecnología de IA más prometedora», afirma. «Los costes blandos son la salsa secreta para el éxito a largo plazo de la IA, y con el proceso adecuado, la recompensa puede ser inmensa».

Gobernanza y flexibilidad

La gobernanza y la flexibilidad son elementos esenciales para la implementación exitosa de la inteligencia artificial (IA) en cualquier organización. La gobernanza asegura que los proyectos de IA cumplan con las normativas, estándares éticos y alineación con los valores de la empresa, mientras que la flexibilidad permite adaptarse a los rápidos cambios tecnológicos y de mercado.

En esta sección, discutiremos cómo los directores financieros pueden establecer una estructura de gobernanza robusta y, al mismo tiempo, mantener la flexibilidad necesaria para ajustar presupuestos y estrategias según sea necesario.

1. Gestión de riesgos

Es esencial que los directores financieros comprendan los riesgos potenciales de la IA y asignen recursos para abordarlos. Dedica parte del presupuesto a la supervisión, garantía y gobernanza continuas de los sistemas de IA.

Ejemplo práctico: Christoph Cemper, director general de AIPRM

Para Christoph: «Muchas empresas aún no disponen de medidas adecuadas para gestionar los riesgos potenciales de la IA, como los relacionados con la precisión, la privacidad y los derechos de autor».

«Es esencial que los directores financieros comprendan estos riesgos y asignen recursos para abordarlos».

2. Enfoque flexible

En un entorno tecnológico en constante cambio, adoptar un enfoque flexible es crucial para el éxito de los proyectos de inteligencia artificial (IA). La flexibilidad permite a las empresas adaptarse rápidamente a nuevas oportunidades y desafíos, ajustando sus estrategias y presupuestos según sea necesario. 

Ejemplo práctico: Michael Dinich, fundador de Wealth of Geeks

Michael Dinich, fundador del sitio web de finanzas personales Wealth of Geeks, afirma que, según su experiencia en la elaboración de presupuestos para proyectos de IA, lo más importante es mantenerse flexible.

«He aprendido a no apegarme demasiado a las previsiones, porque los requisitos y las capacidades tienden a cambiar más rápido de lo esperado», afirma.

«Intento hacer estimaciones iniciales conservadoras de costes y beneficios. Luego reviso esas estimaciones a menudo a medida que avanzamos en los proyectos piloto y perfeccionamos nuestro enfoque.»

En resumen, establecer presupuestos precisos para proyectos de IA puede ser como navegar por una densa niebla. Sin embargo, un enfoque meditado de los datos, las competencias, las pruebas, la gobernanza y la gestión del cambio puede ayudar a que las previsiones sean más fiables. Así, tu empresa podrá cosechar los beneficios transformadores de las tecnologías de IA con el mínimo despilfarro.

Leer más
ia-conversacional:-el-futuro-de-la-productividad-empresarial

IA conversacional: El futuro de la productividad empresarial

5 minutos de lectura

La inteligencia artificial está redefiniendo la forma en que las empresas operan. Pero aún estamos en una fase inicial. La IA Conversacional representa el siguiente gran avance, prometiendo transformar en profundidad el día a día de los profesionales. Impulsando la productividad y la calidad. Descubre cómo en este artículo.

En la realidad empresarial actual, la innovación es clave para el crecimiento. Buena parte de esos avances tecnológicos han pasado en los últimos años por la inteligencia artificial. Como CEO de ForceManager, he sido testigo de primera mano de cómo está redefiniendo la forma en que operamos.

Pero hay una revolución aún mayor en el horizonte: la IA Conversacional, que transformará la manera en la que interactuamos con nuestros sistemas tecnológicos, cambiando por completo nuestras dinámicas laborales. Como resultado, veremos un impulso sin precedentes en la eficiencia y la productividad.

CONTENIDO DEL POST

Más allá del «oye, Siri»

Cuando hablamos de IA Conversacional, no nos referimos únicamente a chatbots o asistentes virtuales simples como Siri o Alexa. Hablamos de una tecnología que puede comprender, procesar y responder al lenguaje humano de manera contextual y personal. En el ámbito empresarial, esto se traduce en una revolución en la forma en que recopilamos datos, tomamos decisiones y optimizamos procesos.

En ForceManager CRM, por ejemplo, hemos implementado un sistema de reporte por voz que permite a los equipos de ventas realizar el reporting de manera natural, simplemente grabando una nota de voz en el CRM. La IA transcribe, analiza y estructura esta información automáticamente, creando reportes detallados y proponiendo los siguientes pasos en cuestión de segundos. ¿El resultado? Un aumento exponencial en la cantidad y la calidad de los datos introducidos en el CRM.

Sin embargo, el potencial de la IA conversacional se extiende más allá de las ventas, abarcando todas las áreas de la gestión empresarial. Desde finanzas hasta recursos humanos, pasando por marketing y operaciones, la IA conversacional promete transformar cada interacción en una oportunidad para optimizar procesos y tomar decisiones más informadas.

El futuro: IA conversacional integrada en nuestros sistemas

La verdadera revolución llegará cuando la IA conversacional esté completamente integrada en los sistemas que usamos diariamente. Imaginemos un futuro donde nuestro CRM o ERP interactúa con nosotros de manera inteligente y proactiva.

En este escenario, la IA te llamará por teléfono después de una visita importante y te preguntará cómo ha ido y luego se encargará de reportarla en el CRM, realizar los emails de seguimiento, la oferta, oportunidad etc…  también le podrás preguntar: «¿Cuáles son las oportunidades de venta más prometedoras este mes?», recibiendo una respuesta detallada basada en el análisis de datos en tiempo real. O mejor aún, el software podría alertarte: «Basándome en el patrón de compras del cliente, es probable que necesite realizar un pedido en los próximos días. ¿Quieres que programe una llamada de seguimiento?»

CRM, ERP e IA, una combinación ganadora

La integración nativa de ForceManager CRM con Sage 50 y Sage 200 es un ejemplo perfecto de cómo la IA puede potenciar la eficiencia. Esta integración permite que la información fluya sin problemas entre diferentes departamentos, creando un ecosistema donde las decisiones se toman basadas en datos en tiempo real y contextualizados.

Por ejemplo, cuando un vendedor registra una venta potencial en ForceManager utilizando el reporte por voz, la IA estructura esta información en el CRM, crea el pedido y este viaja a Sage para ser validado con las reglas del negocio.

También podrías preguntar a la IA integrada de ForceManager, Dana AI, sobre los productos más vendidos, el riesgo de clientes, el historial de facturación y otros datos clave almacenados en Sage 50 y Sage 200, y obtener la respuesta al instante.

Esto no solo aumenta la productividad del equipo comercial al contar con los datos clave de Sage en movilidad. El equipo financiero se beneficia de un mejor flujo de la información al minimizar riesgos con clientes con crédito insuficiente y mejorar el seguimiento de acciones de recobro.

La nueva brecha digital: adaptarse o quedarse atrás

La IA no es el futuro lejano, es el presente. Las empresas que comiencen a explorar y adoptar estas tecnologías hoy estarán mejor posicionadas para liderar sus industrias mañana. Desde ForceManager, en colaboración con Sage, estamos decididos a estar a la vanguardia de esta revolución, ayudando a las empresas a sacar el mayor provecho de esta tecnología.

La clave está en ver la IA conversacional no como un reemplazo, sino como un potenciador de las capacidades. En un futuro próximo todos tendremos un asistente que nos ayude en nuestro trabajo y multiplique nuestra productividad.

Con estas herramientas, los profesionales pueden liberarse de tareas repetitivas y enfocarse en lo que realmente importa: la estrategia, la creatividad y las relaciones humanas que impulsan el éxito.

La IA está creando una nueva generación de profesionales altamente eficientes. Aquellos que la abrazan y la integran en sus procesos diarios están experimentando un crecimiento significativo en sus habilidades y productividad. Te animo a sumarte y a comprobar por ti mismo los enormes beneficios de estas tecnologías.

Leer más
el-sector-financiero-ante-el-nuevo-ciclo-de-rebajas-de-tipos-de-interes

El sector financiero ante el nuevo ciclo de rebajas de tipos de interés

Comparte esta entrada



Ya se ha puesto en marcha, tanto por parte del Banco Central Europeo (BCE) como de la Reserva Federal de Estados Unidos, una nueva coyuntura de tipos de interés a la baja. En sus respectivas reuniones de septiembre, ambas autoridades monetarias los redujeron. Eso sí, la Fed, con 50 puntos básicos, frente a los 25 que aplicó el BCE. Este ya había lanzado el pistoletazo de salida con una primera disminución de 25 puntos básicos en junio. Ambos presidentes del BCE y la Fed comentaron además que se avecinan nuevas reducciones de tipos, más probables aún con el buen dato de inflación de septiembre. Positivas noticias macroeconómicas, porque suponen una victoria, ojalá definitiva, en la guerra contra la inflación. Unos costes financieros más bajos, además, ayudarán a reactivar la demanda de familias y empresas.

El nuevo entorno monetario afectará al sector bancario. No todos los efectos serán inmediatos, ya que hay mucha inercia en el negocio y los cambios de tipos en activos y pasivos no se deben notar tanto en los resultados de 2024, aunque el euríbor lleva un mes por debajo del 3%. A partir del ejercicio próximo, la historia puede ser distinta, porque el impacto de las rebajas de tipos actuales y las pronosticadas se estará dejando sentir más. La rentabilidad bancaria no contará con los mismos márgenes financieros de estos tres últimos años. Otras partidas de ingresos deberán contribuir más ante la disminución de márgenes.

Sin embargo, tampoco hay que pensar que esto vaya a poner patas arriba el sector. Los bancos están acostumbrados a operar y ser rentables con tipos muy bajos, o incluso negativos. Estuvieron así una década. Por supuesto, no es lo óptimo y genera demasiadas distorsiones en los mercados, pero tampoco se va a volver a ese escenario de tipos cero o muy bajos. La expectativa es que se queden en torno al 2%-2,5% a finales de 2025, si la inflación se mantiene a raya.

Para compensar los menores márgenes, una posibilidad es aumentar la cantidad de crédito concedida. Lo que pasa es que esta estrategia tiene sus límites. Aunque los niveles de riesgo de facto están casi bajo mínimos por la baja morosidad, que ha resistido bien la pandemia y la tensión inflacionaria, los diferentes segmentos de mercado se encuentran en coyunturas que no apuntan a un elevado crecimiento.

Por ejemplo, el mercado de hipotecas está lejos de recuperar la vitalidad de otros tiempos. Aunque tampoco se desea volver a una burbuja, hay bastante margen para poder crecer sanamente en ese negocio. El problema es que la falta de oferta de vivienda está afectando negativamente a las compras minoristas, y, por tanto, a la concesión de hipotecas. Por ello, a corto plazo será difícil que las hipotecas repunten con fuerza. Cierto es que el sector privado —con el bancario a la cabeza— deberá jugar un papel determinante en la construcción de nuevas casas, para lograr entre 150.000 y 200.000 nuevas unidades al año, que son las necesitadas en la próxima década. En todo caso, son cifras bien por debajo de las más de 700.000 viviendas nuevas anuales al comienzo de este milenio, que dieron lugar a la burbuja.

El segmento de crédito empresarial es otra línea de eventual crecimiento y sería beneficioso para la economía. También con limitaciones a ese potencial, por una regulación que es restrictiva, sobre todo en la financiación de activos intangibles como los digitales —con un colateral no físico—, que son una parte creciente de sus inversiones. Además, la mayor presencia de otros operadores —plataformas, fondos— en el crédito empresarial complica el alcance del mercado a capturar.

Sin embargo, las entidades financieras son los intermediarios mejor preparados para este tipo de crédito y debería de crecer en los próximos tiempos. En cuanto a otros tipos de crédito (para compra de bienes y servicios, por ejemplo), pueden ayudar si el consumo repunta. No obstante, su peso no es tan grande en los balances bancarios, y el impacto de su crecimiento no se notará tanto.

Nuevos negocios

La palanca de nuevos negocios será, asimismo, una vía de crecimiento de los ingresos. Con un menor margen financiero y con una inteligencia artificial en explosión, que ofrece innumerables posibilidades, los próximos años serán testigos de nuevos servicios y experiencias de usuario en el sector financiero. Es un reto irrenunciable para todas las entidades, con el telón de fondo de generar nuevos negocios e ingresos, pero también para poder mantener su competitividad en un entorno tecnológico. En todo caso, siempre sabiendo reconocer que no todo lo que se genera en IA tiene aún valor real.

Por último, los movimientos corporativos. Siempre que la rentabilidad bancaria está bajo mayor presión, las operaciones de fusiones y adquisiciones saltan a la palestra. En España está pendiente el desenlace de la opa hostil de BBVA a Sabadell, algo que no se resolverá inmediatamente, pero, sea cual sea el resultado, nada será igual en el futuro del mapa bancario y de la pugna competitiva en España, que seguramente seguirá dando noticias.

Y otras fusiones que entrarán en danza serán las transfronterizas. Hay un proceso en marcha —adquisición de Commerzbank por Unicredit—, de resultado incierto, pero también improbable que ocurra, por las resistencias del Gobierno alemán. Por esa razón, habrá que continuar esperando para que las empresas —bancos incluidos— puedan seguir la senda que marcó el exjefe del BCE Mario Draghi en su reciente informe sobre la competitividad europea.

Este artículo se publicó originalmente en el diario Cinco Días

Comparte esta entrada



Leer más
europa-se-queda-atras-en-la-carrera-de-la-ia.-¿va-a-acelerar-el-paso-algun-dia?

Europa se queda atrás en la carrera de la IA. ¿Va a acelerar el paso algún día?

Comparte esta entrada



Uno de los diagnósticos que recoge el informe Draghi hace referencia a cómo el exceso regulatorio de la Unión Europea está “matando a sus compañías”, en particular a las pequeñas empresas tecnológicas. Sin embargo, el problema va más allá del escaso desarrollo tecnológico en Europa. 

En junio de este año Apple anunció su decisión de retrasar la implementación de su actualización de software con inteligencia artificial (IA) y otros servicios en Europa debido a la regulación comunitaria[1]. Este no es un caso aislado. Empresas como Google y Microsoft también han retrasado la introducción de sus innovaciones (Brand y Copilot, respectivamente) en Europa por temor a no cumplir con los requisitos regulatorios. La gota que ha colmado el vaso ha sido el anuncio de OpenAI de no traer a Europa, de momento, sus últimos desarrollos que, por ejemplo, permiten acceder a una descripción clara del entorno a personas con problemas de visión. Toda vez que el continente no dispone de sus propias tecnologías y depende en gran medida de las que se desarrollan en Estados Unidos, el hecho de que los europeos no puedan acceder a las mismas herramientas para su trabajo y vida cotidiana que los estadounidenses frena, en términos comparativos, el aumento de su productividad. 

Además del Reglamento General de Protección de Datos (GDPR) que entró en vigor en 2018, la Unión Europea ha puesto en marcha sucesivas legislaciones en los últimos tres años que no han sido bien recibidas por el sector tecnológico europeo: la Ley de Servicios Digitales (Digital Services Act) en 2022, la Ley de Mercados Digitales (Digital Markets Act) en 2023 y la Ley de IA en 2024. Según la Comisaria Europea de Competencia, estas regulaciones, formuladas bajo estándares éticos, buscan garantizar la competitividad de Europa en el sector tecnológico, a pesar de que el propio sector, la evidencia comparada con Estados Unidos, y ahora el informe Draghi insistan en que la sobreregulación está lastrando el crecimiento de la productividad en Europa. 

Por supuesto, el desarrollo tecnológico no puede ser ajeno a la protección de los consumidores, de la privacidad, la seguridad y la transparencia. Tampoco se puede explicar la falta de competitividad tecnológica europea en base a un único factor. Se trata de una historia con varios villanos. La framentación del mercado de capitales y del mercado digital, la escasez de fondos de capital riesgo, así como la baja inversión en I D o la aversión al riesgo de los europeos son otros elementos que los expertos señalan como lastres para el sector tecnológico europeo. Pero tampoco cabe duda de que al sumar a estos obstáculos la sobreregulación se amplifican las ya de por sí importantes barreras existentes para la innovación en Europa.

Una encuesta realizada en diciembre de 2023 por Funcas a una muestra representativa de la población española de 25 a 64 años ha puesto de relieve que la sociedad es plenamente consciente de que la Unión Europea se ha quedado atrás en la carrera por la IA. Ante la pregunta sobre quién creen que lidera la carrera por la inteligencia artificial, un 53% de los encuestados afirma que Estados Unidos está a la vanguardia, mientras que el 43% piensa que China ocupa el primer lugar (gráfico 1). Solo un 3% identifica a Europa como líder en este ámbito. Incluso al considerar el segundo lugar en la carrera por la IA, apenas el 12% menciona a Europa. En total, solo uno de cada seis encuestados sitúan a Europa en primer o segundo lugar en la carrera internacional por la IA. 


La mayoría de los encuestados en España muestran una clara preferencia por que la regulación se centre en controlar el desarrollo y funcionamiento de la IA en aspectos como el uso, la privacidad y la transparencia. Concretamente, cinco de cada seis encuestados (83%) creen que este debería ser el principal objetivo de la regulación comunitaria en materia de IA. Solo un 14% de los encuestados opinan que la prioridad debe ser fomentar la inversión y la innovación en IA para mantener la competitividad internacional de las economías europeas.

Ahondando en estos resultados, el control regulatorio sigue siendo la opción preferida en todos los grupos de edad, sexo y nivel educativo, aunque es ligeramente menor entre los hombres jóvenes, donde aún así alcanza a dos tercios de los encuestados. Las diferencias en función del conocimiento autopercibido de la IA son mínimas, y aunque hay una variación algo mayor entre diferentes niveles de uso de ChatGPT, sigue siendo pequeña. Incluso entre aquellos que consideran la IA como una oportunidad más que una amenaza, el 82% cree que la prioridad regulatoria debería ser el control.

Estos datos constatan una paradoja significativa: a pesar del escaso apoyo para fomentar la inversión en IA como prioridad regulativa, existe una conciencia clara (y acertada) de que Europa no está liderando en este campo. De lo que quizás no existe una conciencia clara es de las consecuencias. Andrew McAfee, cofundador y codirector de la Iniciativa sobre Economía Digital en el MIT, ha ilustrado este dilema desde una perspectiva histórica: “Quedarse (aún más) rezagado en inteligencia artificial y otras tecnologías que están transformando las economías hoy en día es casi tan perjudicial para la competitividad nacional como lo fue quedarse (aún más) atrás en la máquina de vapor durante la primera revolución industrial”.

Más información en el artículo La opinión pública ante la inteligencia artificial: conocimiento, expectativas y regulación, publicado en el número 39 de la revista Panorama Social.


[1] La Comisaria Europea de Competencia declaraba estar “bastante aliviada de no recibir un servicio actualizado por inteligencia artificial en mi iPhone“.

Comparte esta entrada



Leer más
como-pueden-los-directores-financieros-convencer-a-los-empleados-de-la-importancia-de-la-ia

Cómo pueden los directores financieros convencer a los empleados de la importancia de la IA

8 minutos de lectura

La Inteligencia Artificial (IA) está revolucionando el mundo empresarial, pero su adopción en las finanzas aún enfrenta resistencia. En este artículo encontrarás ejemplos prácticos para que los directores financieros puedan convencer a sus equipos de la importancia de la IA.

  • La IA puede mejorar significativamente la precisión de las previsiones financieras y reducir los errores en la introducción de datos.
  • Además, las herramientas de IA proporcionan una visión más global de las finanzas empresariales y mejoran el rendimiento de los equipos financieros.

La Inteligencia Artificial (IA) está en todas partes. Pero su adopción en las empresas no se produce al mismo ritmo en todos los casos. Por ejemplo, muchas funciones informáticas ya se han automatizado con herramientas inteligentes y los modelos de procesamiento del lenguaje natural (PLN) facilitan a los usuarios la búsqueda de respuestas a preguntas tecnológicas.

Pero cuando se trata de finanzas, algunas empresas suelen ser más reticentes a aprovechar las herramientas de IA, a menudo mencionando preocupaciones en torno a la seguridad, la precisión y la adopción.

En este artículo, encontrarás consejos prácticos para que, como responsable de finanzas, consigas que los directivos, los equipos, los clientes y otras partes interesadas se unan a la IA.

CONTENIDO DEL POST

¿Qué puede hacer la Inteligencia Artificial (IA) en las finanzas?

La Inteligencia Artificial (IA) en finanzas utiliza algoritmos de aprendizaje automático (ML) para mejorar la toma de decisiones y agilizar las operaciones. Estas herramientas pueden predecir el comportamiento del mercado, reducir el riesgo de inversión y automatizar procesos laboriosos como la introducción de datos. Lo que distingue a la IA de los procesos informáticos tradicionales es su capacidad de “aprendizaje”, que se logra mediante el entrenamiento con conjuntos de reglas y datos específicos.

Una vez entrenadas, las herramientas de IA pueden acceder a conjuntos de datos más grandes y aplicar lo aprendido para evolucionar y mejorar sus funciones.

Algunos ejemplos

Por ejemplo, una herramienta de recomendación presupuestaria puede utilizar datos históricos y actuales junto con variables de mercado controladas para ofrecer recomendaciones precisas y adaptadas a las condiciones cambiantes del mercado. Este enfoque permite a las soluciones de IA evolucionar continuamente, proporcionando un valor creciente a las funciones financieras

Por ejemplo, si tienes que crear un presupuesto para las condiciones A, B y C:

  • Una vez que los resultados son precisos y coherentes, la herramienta tiene acceso a conjuntos de datos más amplios y se le pide que los interprete utilizando las reglas presupuestarias entrenadas.
  • Aunque estos nuevos datos pueden no coincidir con los proporcionados, los procesos «aprendidos» por la solución le permiten llegar a conclusiones independientes que luego pueden ser revisadas por el personal para comprobar su exactitud y viabilidad.

Cómo puede beneficiar la IA a las funciones financieras

Las herramientas de IA ofrecen varias ventajas para las funciones financieras, entre ellas destacamos las siguientes.

Mejora de las previsiones

La previsión del mercado y la demanda son tareas complejas influenciadas por múltiples factores. La IA ayuda a resolver estos problemas recopilando y analizando datos de diversas fuentes, lo que permite a los directores financieros tomar decisiones más informadas.

Destacado: La IA puede descubrir patrones en los datos que los humanos podrían pasar por alto, proporcionando una ventaja competitiva en la planificación financiera.

Reducción de los porcentajes de error

La introducción manual de datos es propensa a errores. Las herramientas de IA pueden automatizar este proceso, reduciendo la tasa de error y permitiendo que los equipos se concentren en tareas más estratégicas.

Destacado: Un pequeño error en la introducción de datos puede costar miles de euros. La IA minimiza estos riesgos, mejorando la precisión y eficiencia.

Mayor visibilidad

La IA puede buscar simultáneamente en varias bases de datos, proporcionando una visión más completa de las finanzas empresariales. Esto ayuda a los directores financieros a tomar decisiones más informadas y estratégicas.

Destacado: La capacidad de la IA para analizar grandes volúmenes de datos en tiempo real ofrece una visibilidad sin precedentes, crucial para la toma de decisiones.

Mayor rendimiento

Las herramientas de IA mejoran la eficiencia de los equipos financieros al automatizar tareas repetitivas y proporcionar acceso rápido a la información necesaria. Esto permite a los equipos centrarse en actividades de mayor valor añadido.

Destacado: La IA no solo ahorra tiempo, sino que también mejora la calidad del trabajo realizado por los equipos financieros, impulsando el rendimiento general.

Cómo ayudar a integrar la IA en tu empresa

Integrar la inteligencia artificial (IA) en una empresa puede ser un desafío, pero con la estrategia adecuada, es posible aprovechar al máximo sus beneficios. En esta sección, exploraremos cómo los directores financieros pueden facilitar la adopción de la IA en sus organizaciones.

Ejecutivos de alto nivel

Para conseguir el apoyo de los altos ejecutivos, es crucial centrarse en los resultados empresariales. Explica cómo la IA puede ahorrar dinero y tiempo, y cómo puede mejorar la eficiencia operativa.

No digas: “La nueva herramienta X permitirá a los equipos buscar fácilmente en múltiples bases de datos y reducir las tasas de error en la introducción de datos.”

En su lugar, puedes decir: “Utilizando la nueva herramienta X, podemos ahorrar Y cantidad de dinero en Z cantidad de tiempo, además de reducir la sobrecarga necesaria para la introducción manual de datos.”

Equipos financieros

Convencer a los equipos financieros de adoptar nuevas herramientas de IA requiere demostrar sus beneficios prácticos y proporcionar tiempo para la adaptación.

No digas: “La nueva herramienta X es mucho mejor que nuestro sistema actual.”

En su lugar, puedes decir: “La nueva herramienta X incluye características A, B y C que la actual herramienta Y no tiene. En las próximas semanas os daremos acceso a la nueva herramienta X para que podáis probarla y hacernos llegar vuestros comentarios.”

Clientes

Los clientes pueden estar preocupados por la privacidad y la seguridad de sus datos. Es importante asegurarles que sus datos están seguros y que la IA mejorará su experiencia.

No digas: “Estamos implementando la herramienta X a partir de .”

En su lugar, puedes decir: “A partir de , estamos comenzando nuestro despliegue de la herramienta X. Esta solución de IA nos ayudará a atender mejor tus necesidades con mejores previsiones y análisis de mercado, además de una mayor seguridad.”

¿Qué desafíos suelen enfrentar los equipos financieros al adoptar la IA?

La Inteligencia Artificial (IA) puede traer numerosos beneficios, pero también presenta varios desafíos. Aquí encontrarás algunos de los más comunes.

DESAFÍOS RESUMEN EJEMPLO
1. Privacidad y seguridad de los Datos Los equipos financieros manejan grandes volúmenes de datos sensibles, lo que hace que la privacidad y la seguridad sean una preocupación principal.  Ejemplo: Las instituciones financieras deben asegurarse de que los datos utilizados por los algoritmos de IA estén anonimizados y que se obtenga el consentimiento adecuado para su uso.
2. Silos de datos Los datos financieros a menudo están fragmentados en diferentes sistemas y departamentos, lo que dificulta su integración y análisis. Ejemplo: Un banco puede tener datos de clientes dispersos en sistemas de CRM, bases de datos de transacciones y plataformas de marketing, lo que complica la creación de un modelo de IA cohesivo.
3. Calidad de los datos La calidad de los datos es crucial para el éxito de cualquier proyecto de IA. Datos incompletos, incorrectos o desactualizados pueden llevar a resultados inexactos y decisiones erróneas. Ejemplo: Antes de implementar IA, las empresas deben invertir tiempo en la limpieza y preparación de los datos, asegurando que estén en un formato adecuado para el análisis.
4. Cumplimiento normativo El sector financiero está altamente regulado, y la adopción de IA debe cumplir con diversas normativas y estándares de cumplimiento. Esto incluye garantizar la transparencia de los algoritmos utilizados. Ejemplo: Las instituciones deben ser capaces de explicar cómo sus modelos de IA toman decisiones, especialmente en áreas sensibles como la aprobación de créditos o la detección de fraudes.
5. Brecha de habilidades La implementación de IA requiere habilidades especializadas en ciencia de datos, aprendizaje automático y análisis de datos. Muchas organizaciones enfrentan dificultades para encontrar o capacitar a empleados con estas competencias. Ejemplo: Las empresas pueden necesitar invertir en programas de capacitación interna o contratar nuevos talentos con experiencia en IA y análisis de datos.
6. Resistencia al cambio La adopción de nuevas tecnologías a menudo encuentra resistencia por parte de los empleados que están acostumbrados a los sistemas y procesos tradicionales. Es crucial gestionar el cambio de manera efectiva para asegurar una transición suave. Ejemplo: Involucrar a los empleados en el proceso de implementación de IA, proporcionando formación y demostrando los beneficios prácticos, puede ayudar a reducir la resistencia.
7. Interpretabilidad del modelo Los modelos de IA pueden ser complejos y difíciles de interpretar. Es esencial que los equipos financieros comprendan cómo y por qué la IA llega a ciertas conclusiones para poder confiar en sus recomendaciones. Ejemplo: Utilizar técnicas de IA explicable (XAI) puede ayudar a desglosar las decisiones del modelo y hacerlas más comprensibles para los usuarios finales.
8. Costes de implementación La implementación de IA puede ser costosa, tanto en términos de tecnología como de recursos humanos. Las empresas deben evaluar cuidadosamente el retorno de la inversión (ROI) antes de embarcarse en proyectos de IA. Ejemplo: Realizar un análisis de costo-beneficio detallado puede ayudar a las organizaciones a decidir si la inversión en IA es viable y cómo puede impactar positivamente en sus operaciones.

Estos desafíos requieren una planificación cuidadosa y una estrategia bien definida para ser superados. Con el enfoque adecuado, los equipos financieros pueden aprovechar al máximo las ventajas de la IA mientras mitigan los riesgos asociados.

En definitiva, la adopción de la IA en las finanzas ofrece ventajas sustanciales, pero requiere una estrategia bien pensada y una comunicación efectiva. Los directores financieros deben centrarse en los beneficios tangibles y abordar las preocupaciones de todas las partes interesadas para asegurar una implementación exitosa.

ARTÍCULOS RELACIONADOS

Leer más
inteligencia-artificial-(ia):-los-28-mejores-“prompts”-para-pequenas-empresas

Inteligencia Artificial (IA): Los 28 mejores “prompts” para pequeñas empresas

15 minutos de lectura

La inteligencia artificial (IA) generativa ha llegado para quedarse, y su potencial para transformar las pequeñas empresas es inmenso.

  • En este artículo, exploraremos qué son los “prompts” de IA, cómo funcionan y encontrarás una lista de los 28 mejores prompts para diferentes industrias.
  • Estos prompts te ayudarán a aprovechar al máximo las herramientas de IA, optimizando procesos y mejorando la toma de decisiones en tu negocio.

Hoy en día nadie duda de que la Inteligencia Artificial generativa ha llegado para quedarse definitivamente en todas las áreas de nuestras vidas. Utilizando una combinación de modelos de lenguaje, los marcos generativos permiten a los humanos interactuar conversacionalmente con herramientas inteligentes al hacer preguntas y obtener respuestas detalladas. 

Sin embargo, hacer el mejor uso de estas herramientas requiere de algo más que hacer preguntas aleatorias.

Las empresas necesitan conocer qué indicaciones o instrucciones (los llamados “prompts”) pueden dar a las soluciones inteligentes para encontrar, integrar y aplicar datos relevantes.

En este artículo, explicamos qué son estas indicaciones o “prompts” de IA y cómo funcionan, y compartimos una lista de las 28 mejores para pequeñas empresas.

CONTENIDO DEL POST

Qué son las indicaciones o “prompts” en la Inteligencia Artificial (IA)

Las indicaciones o “prompts” son conjuntos de instrucciones que se dan a las herramientas de IA para obtener respuestas específicas y detalladas. Cuanto más precisas sean las instrucciones, mejores serán los resultados. Por ejemplo, en lugar de pedir “Crear un anuncio para zapatillas de running”, un prompt más detallado como “Crear el guion de un anuncio de televisión para zapatillas de running para hombres que resalte las prácticas de producción sostenibles y se centre en el uso de las zapatillas en actividades al aire libre” producirá un resultado mucho más útil y específico.

Además, los prompts específicos no solo mejoran la calidad de las respuestas, sino que también reducen el riesgo de imprecisiones. Las herramientas de IA generan respuestas basadas en los datos a los que tienen acceso, y las indicaciones generales pueden llevar a utilizar fuentes de datos de baja calidad, resultando en respuestas inexactas.

Las 28 mejores indicaciones o “prompts” de IA por tipo de industria

Para ayudar a las empresas a aprovechar al máximo la IA generativa, aquí encontrarás una lista con 28 sugerencias de indicaciones o “prompts” muy efectivos.

Además, para que navegues mejor por este artículo, los hemos dividido en:

  • 7 secciones por industria vertical (construcción, servicios financieros, salud, hospitality, organizaciones sin ánimo de lucro, servicios profesionales, venta al por menor)
  • 4 categorías dentro de cada vertical, y
  • 3 ejemplos (bueno, mejor, la mejor) en cada categoría.

Construcción 

1. Planificación de proyectos

BUENO «Explica cómo optimizar el diseño de un edificio para reducir los costes totales de material”.
MEJOR «Explica cómo optimizar el diseño de un edificio con dimensiones específicas para reducir los costes de material sin comprometer la seguridad”.
LA MEJOR “Explica cómo optimizar el diseño de un edificio con dimensiones específicas en una ubicación específica mediante el uso de materiales alternativos. Explica cómo reducir los costes utilizando estos materiales sin comprometer la seguridad del edificio mientras se cumple con las fechas del proyecto”.

2. Materiales de abastecimiento

BUENO «Encuentra tres proveedores de un material específico y determina su precio promedio por envío».
MEJOR «Encuentra tres proveedores de un material específico dentro de una ubicación geográfica. Determina su precio promedio actual por envío y proporciona un análisis histórico de sus precios durante los últimos seis meses».
LA MEJOR «Encuentra tres proveedores de un material específico dentro de una ubicación geográfica que tengan una calificación promedio o mejor. Determina su precio promedio por envío, analiza los precios históricos e informa sobre cualquier envío perdido o fallo en la entrega».

3. Conformidad

BUENO «Proporciona un resumen de las regulaciones de cumplimiento vigentes para (proyecto) en (mercado)». 
MEJOR Proporciona una lista de regulaciones de cumplimiento específicas para un proyecto en (ubicación específica) dentro (mercado más grande)”. 
LA MEJOR “Proporciona una sinopsis de las regulaciones de cumplimiento específicas para un proyecto en (ubicación específica) utilizando (equipo específico) durante (período designado). Compara las prácticas operativas actuales con las regulaciones de cumplimiento y observe cualquier discrepancia”.

4. Metodología constructiva

BUENO «Descubre e informa sobre 4 formas de hacer que los procesos de construcción actuales sean más eficientes.«
MEJOR «El proceso actual (x) toma (y) tiempo. Proporciona 4 maneras de reducir este período de tiempo sin sacrificar la calidad».
LA MEJOR «El proceso existente (x) toma (y) tiempo usando (z) materiales. Determina 4 maneras de mejorar la eficiencia de tiempo y costes utilizando materiales y procesos».

Servicios financieros

1. Seguridad de los datos

BUENO «Evalúa las prácticas actuales de seguridad de datos e identifica posibles rutas de compromiso». 
MEJOR «Evalúa las prácticas de seguridad de los datos (datos de tipo x, y y z), identifica posibles caminos de compromiso e informa sobre su posible impacto».
LO MEJOR «Evalúa las prácticas de seguridad para (datos de tipo x, y y z). Identifica posibles puntos de exposición y busca vulnerabilidades conocidas. Informa sobre el impacto potencial del compromiso y sugiere estrategias para la mitigación».

2. Satisfacción del cliente

BUENO «Utilizando los datos disponibles de los clientes, proporciona una puntuación de 1 a 10 para la satisfacción general del cliente, siendo 1 bajo y 10 alto».
MEJOR «Utilizando datos de clientes, incluyendo encuestas, publicaciones en redes sociales e interacciones de servicio al cliente, proporciona una puntuación promedio de satisfacción de 1-10 y sugiere maneras de mejorar la satisfacción». 
LA MEJOR «Utilizando datos de clientes de los resultados de encuestas, publicaciones en redes sociales, interacciones de servicio al cliente y bases de datos de CRM, proporciona una puntuación promedio de satisfacción, sugiere formas de mejorar la satisfacción y determina la causa más común de insatisfacción entre los clientes».

3. Cumplimiento normativo

BUENO «Evalúa las prácticas de seguridad actuales con respecto a las regulaciones de cumplimiento financiero relevantes».
MEJOR «Compara las prácticas de seguridad existentes con los requisitos de cumplimiento financiero, como la Ley de Secreto Bancario, Conozca a su Cliente y Anti-Lavado de Dinero».
LA MEJOR «Evalúa la efectividad de las prácticas de seguridad actuales para cumplir con los requisitos de cumplimiento, incluida la Ley de Secreto Bancario, Conozca a su Cliente y Anti-Lavado de Dinero. Además, sugiere estrategias para mejorar el cumplimiento».

4. Buena estrategia de inversión

BUENO «Dadas las condiciones actuales del mercado, determina la mejor estrategia de inversión para obtener rendimientos consistentes».
MEJOR «Utilizando las condiciones actuales del mercado como guía, crea una estrategia de inversión que produzca rendimientos consistentes al tiempo que minimice el riesgo».
LA MEJOR «Sugiere 3 estrategias de inversión para maximizar las condiciones del mercado y minimizar el riesgo. Crea una estrategia que priorice los retornos, un segundo saldo retornos y riesgo, y la última estrategia se centre en la reducción del riesgo».

5. Seguridad de los datos de los pacientes 

BUENO «Determina 4 posibles puntos de compromiso para los procesos de entrada de datos de los pacientes».
MEJOR «Compara la tasa de incidentes de seguridad de datos internos con los de toda la industria. Determina si hay factores comunes en las violaciones de datos y si nuestra organización comparte esos factores».
LA MEJOR «Analiza las causas de violación de datos más comunes en nuestra organización y ordénalas por su causa raíz. Determina su impacto potencial y sugiere 4 maneras de reducir los riesgos de entrada de datos de los pacientes».

6. Planes de tratamiento

BUENO «Evalúa la eficacia general de los planes de tratamiento del paciente y proporciona un porcentaje de éxito».
MEJOR «Determina las causas más comunes de fracasos del plan de tratamiento y sugiere 5 maneras de mejorar los resultados del tratamiento».
LA MEJOR «Identifica la tasa de éxito de los planes de tratamiento junto con las causas más comunes de fracaso. Sugiere formas para que los profesionales de la salud mejoren los resultados del tratamiento y formas de aumentar la adopción de los pacientes».

7. Documentación médica

BUENO «Determina la tasa de exactitud general de la entrada de documentación médica y proporciona los resultados como porcentaje». 
MEJOR «Proporciona una tasa de error porcentual de entrada de documentación y determina los tipos de error más comunes en la entrada de datos». 
LA MEJOR «Primero, determina las causas más comunes de errores de documentación. A continuación, evalúa el tiempo medio que tarda el personal en introducir los datos. Finalmente, sugiere 3 maneras de mejorar la precisión y reduce el tiempo dedicado a la entrada de datos».

Hospitality

1. Satisfacción del huésped

BUENO «Utilizando los comentarios de los huéspedes y los datos de las encuestas de las bases de datos internas, crea una puntuación promedio de satisfacción de 1 a 10, con 1 muy insatisfecho y 10 muy satisfecho».
MEJOR «Determina un nivel promedio de satisfacción para los huéspedes utilizando los comentarios y los datos de la encuesta. Identifica la queja más comúnmente reportada, y proporciona contexto sobre cómo esta queja afectó las puntuaciones promedio».
LA MEJOR «Evalúa la encuesta, los comentarios de los huéspedes y los datos de las redes sociales para determinar el nivel promedio de satisfacción de los huéspedes. Determina la queja más común y sugiere 3 maneras de mejorar la satisfacción del huésped con (x) plazo y (y) presupuesto».

2. Reconocimiento de marca

BUENO «Utilizando datos de sitios de revisión y plataformas de redes sociales, determina el nivel de reconocimiento de marca para nuestro negocio en comparación con negocios del mismo tipo».
MEJOR «Evalúa nuestro nivel actual de reconocimiento de marca en comparación con los competidores utilizando datos de sitios de revisión y plataformas de redes sociales. Luego, determina qué características son compartidas por las marcas más reconocidas».
LA MEJOR «Primero, compara nuestro reconocimiento de marca con otras marcas en el área local utilizando los datos disponibles. Realiza un análisis de nuestras palabras clave objetivo (x, y y z) y determina cómo nos clasificamos en SEO. Por último, sugerimos formas en las que podemos mejorar nuestro ranking de marca tanto en la búsqueda como con los clientes».

3. Eficiencia de la dotación de personal

BUENO «Calcula el número promedio de horas trabajadas por los empleados, junto con el número promedio de horas extras por empleado».
MEJOR «Determina el número promedio de horas regulares y extras trabajadas por los empleados, junto con la razón más común de horas extras».
LA MEJOR «Compara el número actual de empleados con las cargas de trabajo existentes y determina si hay suficientes empleados para completar el trabajo sin requerir horas extras. Si la respuesta es negativa, sugiere otras formas que no sean la contratación de nuevo personal para que los procesos que requieren un uso intensivo de recursos puedan ser racionalizados».

4. Estrategia de comunicación

BUENO «Determina la tasa de apertura promedio de campañas de email marketing y la tasa de clics para los anuncios en redes sociales».
MEJOR «Calcula la tasa de apertura media de las campañas de marketing y el número medio de clientes que toman medidas, como hacer clic en sitios web o hacer una reserva».
LA MEJOR «Evalúa la tasa de apertura promedio de correos electrónicos de marketing y publicaciones sociales, junto con el número promedio de conversiones. Luego, escribe un mensaje de correo electrónico y una publicación social que anime a los invitados a tomar medidas».

Organizaciones sin fines de lucro

1. Donaciones de donantes

BUENO «Determina el número de donantes que hacen contribuciones únicas, los que contribuyen una vez al año y los que contribuyen cada mes».
MEJOR «Calcula el número total de donantes y desglosa sus donaciones por tipo: Una vez, mensual y anualmente. Determina si los valores y frecuencias promedio de donación están aumentando o disminuyendo».
LA MEJOR «Determina el número total de donantes y cuánto donan individualmente y en promedio. Calcula si los valores totales de donación están aumentando o disminuyendo, y evalúa si los niveles actuales de donación son suficientes para sostener las operaciones».

2. Percepción pública

BUENO «Usando datos de correos electrónicos, sitios de redes sociales y encuestas, determina si la percepción general del público de la organización es positiva o negativa».
MEJOR «Utilizando los datos disponibles, determina si la percepción pública de la organización es positiva o negativa. Si es negativo, sugiere 3 maneras de mejorar la percepción».
LA MEJOR «Determina los comentarios positivos y negativos más comunes sobre la organización, junto con su frecuencia. Sugiere 3 formas de abordar específicamente los comentarios negativos y crea un conjunto de 4 publicaciones sociales para ayudar a mejorar la percepción del público».

3. Estrategias de recaudación de fondos

BUENO «Determina el valor en dólares generado por los eventos de recaudación de fondos en los últimos 6 meses». 
MEJOR «Calcula la cantidad total generada por los eventos de recaudación de fondos durante el año pasado. Determina qué eventos y campañas aportaron más dinero».
LA MEJOR «Determina qué eventos y campañas de recaudación de fondos en los últimos 12 meses generaron más dinero. Compara estos eventos y campañas y determine qué tienen en común».
BUENO «Determina el nivel actual de interacción de clientes y donantes con las publicaciones en las redes sociales». 
MEJOR «¿Qué plataforma social es preferida por los clientes? ¿Cuál es preferido por los donantes? ¿Con qué tipo de publicaciones es más probable que interactúen?».
LA MEJOR «Determina la plataforma de redes sociales más popular utilizada por los clientes y por los donantes para interactuar con la organización. Crea 4 posts cada uno para donantes y clientes diseñados para su plataforma social preferida».

Servicios profesionales

1. Segmentación del mercado

BUENO «¿Qué cuota de mercado (x) es propiedad de nuestro negocio? ¿Dónde nos clasificamos en comparación con negocios similares en el área local?».
MEJOR «¿Qué porcentaje del mercado local (x) es propiedad de nuestro negocio? Dadas las características del público objetivo (a, b y c), ¿donde nos clasificamos en comparación con empresas similares?».
LA MEJOR «Dadas las características del público objetivo (a, b y c), y nuestra cuota actual de mercado local basada en los datos disponibles, ¿donde clasificamos? Si los competidores están por encima de nosotros, ¿qué están haciendo de manera diferente? Sugiere 3 formas de capturar nuestro mercado objetivo».

2. Programación de citas

BUENO «Evalúala retroalimentación de los clientes sobre el proceso de programación y cambio de citas. ¿Cuál es el desafío más común reportado?».
MEJOR «¿Qué porcentaje de clientes reportan problemas con el proceso de programación? ¿Qué porcentaje del personal informa problemas? ¿Existen preocupaciones comunes? En caso afirmativo, ¿cómo pueden abordarse?».
LA MEJOR «¿Son sostenibles los horarios actuales dados los niveles actuales de personal? ¿Está aumentando o disminuyendo el volumen total de citas de clientes, y están satisfechos con el proceso? Sugiere 3 maneras de mejorar el proceso de programación».

3. Desarrollo de la estrategia

BUENO «Utilizando los datos de mercado disponibles, crea 3 estrategias para ayudar a capturar una mayor cuota de audiencia».
MEJOR «Identifica las empresas de servicios locales con la mayor cuota de audiencia, luego crea 3 estrategias: 1 para el crecimiento a corto plazo, 1 para la generación de ingresos constante y 1 para el éxito a largo plazo».
LA MEJOR «Identifica a los líderes del mercado local y lo que los diferencia de otras empresas de servicios. Utilizando estos datos, crea 3 estrategias para el crecimiento a corto, medio y largo plazo, y sugiere indicadores clave de rendimiento (KPI) para monitorear cada uno».

4. Accesibilidad del servicio

BUENO «Utilizando datos de encuestas y comentarios por correo electrónico, determina tanto el número total de veces que los clientes no han podido reservar un intervalo de tiempo preferido como el porcentaje de reservas de servicios que resultan en la segunda o tercera opción».
MEJOR «Determina el número de veces que los clientes no han podido reservar su hora preferida o asesor de servicio preferido. Calcula estos datos para los últimos 3, 6 y 12 meses. Analiza la tendencia resultante».
LA MEJOR «Calcula el número de reservas fallidas y el número de opciones de la segunda o tercera franja horaria. Compara esto con los datos demográficos del cliente. ¿Existe un subconjunto de clientes o servicios que crean conflictos de accesibilidad?».

Minorista

1. Gestión de inventario

BUENO «Calcula los niveles de inventario actuales para (x producto) junto con la curva de demanda para este producto durante los últimos 6 meses». 
MEJOR «Determina tanto el número de (x productos) en stock como el número de pedidos o en envío. Compara este número con la demanda actual, y en base a datos históricos y actuales, calcula esta curva para los próximos 6 meses».
LA MEJOR «Realiza un análisis histórico del inventario (x producto) en los últimos 12 meses. Reporta cualquier salida de stock junto con cualquier producto de exceso de stock que no se vendió. Determina cuánto inventario debe almacenarse en el sitio para satisfacer la demanda actual».

2. Análisis de proveedores

BUENO «Calcula el número de veces (x proveedor) ha perdido un envío o ha retrasado las entregas. Compara este número con proveedores similares».
MEJOR «Determina el número de envíos perdidos y entregas retrasadas para (x proveedor) en los últimos 6 meses. Calcula el coste de estos envíos perdidos o retrasados».
LA MEJOR «Calcula el número total de envíos perdidos y entregas retrasadas para (x proveedor) durante los últimos 3 meses, 6 meses y 12 meses. Analiza estos números e informe sobre la tendencia».

3. Sentimiento del consumidor

BUENO «Usando encuestas de retroalimentación, reseñas de productos y datos de servicio al cliente, determina si el sentimiento general hacia nuestra marca es positivo, negativo o neutral». 
MEJOR «Analiza las quejas más comunes y las menciones positivas de nuestra marca a través de las redes sociales y las reseñas en línea, junto con encuestas y correos electrónicos de retroalimentación. ¿Cuáles son los 3 positivos más mencionados y los 3 negativos más mencionados?».
LA MEJOR «Usando la revisión en línea, la encuesta de retroalimentación, el correo electrónico y los datos de las redes sociales, determina el sentimiento negativo más común del consumidor. Proporciona 3 opciones para ayudar a abordar este problema y mejorar el sentimiento del consumidor».

4. Predicciones de la demanda

BUENO «Determina la curva de demanda para (productos x, y y z) durante los últimos 6 meses, y prediga la demanda para los próximos 6 meses». 
MEJOR «Compara la demanda de (productos x, y y z) en los últimos 6 meses con la demanda de los últimos 12 meses. Determina si la demanda está disminuyendo o aumentando, y predecir la demanda probable para los próximos 6 meses».
LA MEJOR «Determina la demanda en los últimos 12 meses para (productos x, y y z). Analizar el impacto de las vacaciones y temporadas en esta demanda, y determina si hay algún impacto significativo. Prediga la demanda para los próximos 6 meses, teniendo en cuenta las próximas vacaciones o los cambios estacionales».

A medida que las tecnologías generativas mejoren y las empresas adquieran experiencia con las herramientas de IA, la naturaleza de los «prompts» cambiará naturalmente. El resultado es que siempre hay espacio para mejorar. Considera las recomendaciones anteriores como un comienzo, una manera de que tu compañía obtenga datos esenciales sobre el sector y detecte tendencias fundamentales que de forma natural conducen a más interrogantes y mejores soluciones.

¡Esperamos que estos «prompts» te inspiren y te ayuden a aprovechar al máximo las herramientas de IA en tu negocio!

Leer más
la-ia-transforma-las-aulas,-pero-necesita-de-estrategias

La IA transforma las aulas, pero necesita de estrategias

Comparte esta entrada



El uso de la inteligencia artificial (IA) en las aulas educativas fue objeto de análisis por parte de varios expertos del ámbito académico en una jornada virtual celebrada el pasado 1 de julio en Funcas. A través de distintas ponencias se analizaron algunas de las transformaciones y potenciales mejoras que estas tecnologías suponen en el terreno educativo, se contrapusieron los beneficios e inconvenientes de su uso y se pudo analizar alguna experiencia en su implementación y las conclusiones obtenidas. 

María Teresa Ballestar (URJC y Universidad LUT de Finlandia), se centró en la capacidad de la IA de proporcionar flexibilidad en los itinerarios de aprendizaje, asistencia académica personalizada y una medición precisa y efectiva de los resultados. La ponente mostró cómo la IA ofrece en el campo de la educación un enfoque personalizado, adaptado a las fortalezas y debilidades de cada estudiante, lo que promueve un aprendizaje más efectivo y motivador. Proporciona, además, asistencia académica específica mediante algoritmos avanzados, ayudando a los estudiantes a superar obstáculos y avanzar a su propio ritmo, lo que mejora su rendimiento académico y autonomía. Ballestar también expuso cómo la colaboración entre humanos y máquinas puede optimizar la enseñanza y crea experiencias de aprendizaje más interactivas y dinámicas, permitiendo, por ejemplo, prácticas en entornos seguros que replican situaciones del mundo real, siendo especialmente útiles en campos como la medicina, la ingeniería o las ciencias sociales. La implementación de la IA requiere que los docentes adapten sus métodos y que los estudiantes aprendan a interactuar con estas herramientas. Además, la IA ofrece una medición precisa y efectiva de los resultados de aprendizaje mediante el análisis de grandes volúmenes de datos, proporcionando retroalimentación en tiempo real y fomentando el desarrollo del juicio crítico en los estudiantes. En resumen, la IA transforma el proceso educativo desde el diseño del aprendizaje hasta la interacción diaria.

Raquel Ibar, de la Asociación Española de Profesores Universitarios de Matemáticas para la Economía y la Empresa y profesora de la URJC, contrapuso los múltiples beneficios a los significativos riesgos que supone la IA en materia de educación. Ibar abundó en algunas de las mejoras citadas en la ponencia anterior y subrayó, además, cómo la IA puede mejorar la retención de estudiantes, fomentar la accesibilidad y la inclusión, así como proporcionar interacción conversacional y contenido educativo personalizado. Pero también advirtió sobre el uso fraudulento de herramientas como ChatGPT, por ejemplo para realizar trabajos, lo que podría afectar el desarrollo académico de los alumnos. Para mitigar estos riesgos, Ibar enfatizó la necesidad de estrategias que incluyan políticas de privacidad sólidas, auditorías de sesgo y capacitación para los educadores en el uso de estas tecnologías que permitan gestionar adecuadamente los riesgos asociados con la IA.

Finalmente, Guillermo de Haro, de IE University, compartió las conclusiones obtenidas  a partir de la propia experiencia del uso de herramientas de IA en su institución. Entre ellas, la necesidad de desarrollar guías y políticas claras para una implementación efectiva o la importancia de fomentar el pensamiento crítico entre los estudiantes para manejar los errores de la IA. De Haro abogó por la integración curricular de competencias en IA, imprescindible en un entorno de rápida adopción de estas tecnologías, para asegurar que los estudiantes estén preparados para el futuro tecnológico.

En resumen, la jornada destacó la importancia de la IA en la educación, presentando tanto sus beneficios como los desafíos y riesgos asociados. Los ponentes coincidieron en la necesidad de políticas claras y estrategias efectivas para maximizar el potencial de la IA en el ámbito educativo, mientras se mitigan sus posibles riesgos.

Comparte esta entrada



Leer más
¿que-esperar-del-foro-de-sintra-de-bancos-centrales?

¿Qué esperar del Foro de Sintra de Bancos Centrales?

Comparte esta entrada



La bella
ciudad lusa de Sintra acoge un año más, los próximos 1, 2 y 3 de julio de 2024,
el Foro de Bancos Centrales, que organiza el BCE. Es una cita obligada para
banqueros y analistas, al igual que lo es la de Jackson Hole (Wyoming) de
finales de agosto, de la Reserva Federal estadounidense. El contenido de estas
jornadas dice mucho de los asuntos que ocupan y preocupan a los banqueros
centrales. El Foro de Sintra lleva como leitmotiv La política monetaria en
una era de transformación
, un guiño implícito al cambio de coyuntura de
tipos de interés, pero también al impacto de la tecnología y la inteligencia
artificial (IA), entre otros factores de conversión de la economía y la
sociedad.

Los
bancos centrales llevan desde 2007-2008 en un proceso continuo de cambio y
ampliación de sus funciones y competencias. Primero, inyectando una liquidez
enorme en los mercados para aplacar los desastres causados por la crisis
financiera global y de la deuda soberana europea. Después, para evitar la
deflación, una amenaza que fue real muchos años, se apostó por la contra natura
de los tipos de interés negativos. Posteriormente, cuando todo el mundo
esperaba la normalización de tipos y de las numerosas facilidades
extraordinarias de financiación, los bancos centrales tuvieron que seguir
actuando expansivamente por la pandemia. Y los últimos años, tras la pandemia y
con la guerra de Ucrania, surge una inflación elevada y resistente, que obligó
a subir los tipos de una manera inesperada y casi radical a niveles bien por
encima de los catalogados como “neutrales”.

Solamente
ahora parece que se puede iniciar un ciclo que relaje el precio oficial del
dinero. No obstante, el entorno es comprometido para los banqueros centrales.
No todos llegan a Sintra con las mismas sensaciones. Hay dos sesiones en las
jornadas que se dedican a los fundamentales de los tipos de interés y a la
evolución del ciclo monetario, y ahí se evidencian divergencias notables.

Estados
Unidos está creciendo por encima de lo esperado y con una inflación que se
resiste a llegar al objetivo. Por si fuera poco, unos mercados americanos en
pleno hype, en particular con las tecnológicas, que no paran de aumentar
su valor de mercado con los riesgos de corrección brusca que implica. La
exuberancia casi irracional con el valor de la empresa Nvidia es el caso más
extremo. Por todos esos factores, y para evitar reanimar la inflación en una
economía sobrecalentada, la Fed de Estados Unidos tiene una hoja de ruta muy
compleja para los próximos meses, tras ir demorando la bajada de tipos desde el
año pasado, y con un fin de año de gran relevancia política, con las elecciones
presidenciales, que pueden traer de vuelta a Donald Trump a la Casa Blanca,
algo que tener en cuenta también.

A este lado del Atlántico, el anfitrión en Sintra, el BCE, tiene sus propias tribulaciones. Una economía mucho más taciturna que la americana, con numerosos enigmas tanto a escala coyuntural —inflación, coste de la energía, crecimiento de los salarios— como estructural, con desafíos pendientes para mejorar la competitividad. Por eso, una sesión de las jornadas se dedica a la productividad europea a corto y largo plazo, donde queda mucho por hacer.

Hay
incertidumbre sobre si el impacto de la IA nos acercará (o nos alejará) de
Estados Unidos y China. También por los resultados de las elecciones europeas y
las elecciones anticipadas de Francia, que han vuelto a recordarnos la
pesadilla de las primas de riesgo, donde preocupa sobre todo el país galo. La
autoridad monetaria de Fráncfort continúa evitando que las rentabilidades de la
deuda soberana europea vuelvan a convertirse en el quebradero de cabeza que
fueron en 2012. Eso sí, el BCE ya ha comenzado las reducciones de tipos, algo
que puede impactar en una depreciación con respecto al dólar.

Esa diferente coyuntura a la que se enfrentan los dos principales bancos centrales se reflejará en los mensajes que Christine Lagarde y Jerome Powell transmitan sobre que harán con los tipos de interés. Coincidirán en que sus decisiones las toman reunión a reunión y a partir de la información disponible en cada momento. Difícil que coincidan en mucho más.

Los otros temas que trata el Foro reflejarán visiones distintas también. Se va a hablar de la biodiversidad, algo que parece preocupar mucho más en nuestro continente que en otras zonas del mundo. El intenso papel del BCE y la regulación financiera en potenciar la transición energética podría cambiar con la nueva legislatura europea, a la luz de las declaraciones de algunos de los partidos que lograron una mayor representación. El BCE seguirá supervisando la huella de carbono —entre otros indicadores— de los créditos e inversiones bancarias, pero quizás los objetivos del propio proceso de transición energética pasen a ser menos perentorios.

Se hablará también del sistema financiero internacional, único lugar donde se podría hablar de la economía y finanzas de los países en desarrollo, siempre un gran olvidado en estos foros. Por último, llama la atención (o, mirándolo con algo de ironía, quizás no) que no se vaya a tratar la cuestión de las monedas digitales, como el euro o dólar digital. El impulso político es bastante mayor en el caso del primero que en el segundo, pero quizás la mucha incertidumbre sobre las divisas digitales justifique no incluir un tema hasta que se considere que está más maduro.

Este artículo se publicó originalmente en el diario Cinco Días

Comparte esta entrada



Leer más
¿campeones-europeos?

¿Campeones europeos?

Comparte esta entrada



Muchas
son las razones que se aducen cuando se habla de la menor productividad europea
con respecto a Estados Unidos. Entre las frecuentes, el menor tamaño relativo
de las empresas del Viejo Continente, que impide el aprovechamiento de las
economías de escala. España es un caso claro que lleva a muchos analistas a
plantear la necesidad de aumentar la dimensión de nuestras corporaciones. Desde
normas burocráticas que desincentivan la creación de empresas más grandes,
hasta la escala del mercado interior —sea el europeo o el español— que no se
acerca a la realidad del norteamericano. Aunque la UE cuenta con un Mercado
Único teóricamente desde hace más de 30 años —reforzado con el euro y otros
avances— aún existen obstáculos a que la escala real del marco competitivo para
muchas empresas sea la de Europa.

Con
la mayor magnitud del Mercado Único de la década de 1990, los países empezaron
a incentivar sus “campeones nacionales”, grandes empresas que fueran capaces de
competir en ese marco sin barreras. Fue una época de fusiones y adquisiciones
en numerosos sectores, destacando el financiero. España fue buen ejemplo.
Curiosamente fue una década antes cuando se lanzó un campeón europeo en el
ámbito aeroespacial, Airbus, una potencia industrial en la actualidad. Se hizo
algo bien en aquel momento. No ha vuelto a acontecer salvo con Galileo
(satélites), otro gran éxito. Estos dos proyectos panaeuropeos se quedaron en
solitario y dieron paso a las iniciativas de “campeones nacionales”, de cada
país por separado. La competencia interna en la UE no es, en absoluto, mala. De
hecho, es uno de sus principios fundacionales. Sin embargo, los acontecimientos
tecnológicos del siglo XXI, donde han aparecido grandes tecnológicas
estadounidenses y chinas, han dejado rezagada a la UE, sin “campeones
continentales” al menos hasta ahora. En vez de esos grandes operadores, los
europeos andábamos con una visión muy nacional de los asuntos económicos. Ahora
estamos a las puertas de unas votaciones europeas, pero las que más importan
son las que ocurren a escala doméstica, a pesar de la creciente importancia de
las decisiones y recursos europeos. El Brexit, la crisis de la deuda soberana,
la falta de completitud en la integración europea y el consiguiente mayor
desapego de buena parte de la población, han dado lugar a un menor debate y
apuesta por lo europeo. Aunque los fondos EU Next Generation fueron una gran
noticia, no han logrado tener ese impacto deseado. Y durante la pandemia
también se primó lo nacional con las ayudas nacionales de Estado que se
permitieron en ese periodo crítico, que volvió a ser una apuesta por los
“campeones nacionales”.

Es el tiempo de los “campeones europeos” —con escala suficiente— en diferentes sectores estratégicos. Particularmente, en Inteligencia Artificial, donde ahora se habla de Gaia-X, la primera propuesta europea de IA prometedora que se lanza. Se ha perdido mucho tiempo, décadas, en desarrollar una comunión de intereses tecnológicos en la UE, pero al final puede llegar. Veremos si tiene éxito y es un verdadero player (jugador) global.

Este artículo se publicó originalmente en el diario La Vanguardia.

Comparte esta entrada



Leer más
ultimas-noticias-de-la-ia:-simbiosis-y-escalabilidad

Últimas noticias de la IA: simbiosis y escalabilidad

Comparte esta entrada



La inteligencia artificial (IA) lleva años en muchos foros y conversaciones, pero de forma casi ubicua desde que se popularizaron los chats conversacionales basados en esta tecnología. A pesar de su impacto, es solo una fase temprana de su potencial de desarrollo, en el que el siguiente paso es trascender su papel de mera herramienta para convertirse en una extensión de la mente humana, dando lugar a una era de simbiosis entre humanos y tecnología que promete transformar radicalmente la economía global. No se trata de crear replicantes al estilo Blade Runner, ni de perder la creatividad e iniciativa humana. El concepto de IA simbiótica busca amplificar nuestras capacidades cognitivas y creativas y generar un impacto económico considerable en todas las industrias, donde la escala, como comentaremos más adelante, parece determinante. Es un nuevo salto para una productividad marchita, tan de largo esperado.

En el ámbito económico, la IA simbiótica está revolucionando la forma en que trabajamos y producimos. Imagine un entorno laboral donde los trabajadores están equipados con dispositivos de IA que no solo les ayudan a realizar tareas específicas, sino que también mejoran su capacidad para tomar decisiones informadas y resolver problemas complejos. Incrementa la productividad y abre nuevas oportunidades para la innovación y la colaboración laboral. También asistentes virtuales, como por ejemplo los que trabajarán en estrecha colaboración con profesionales de la salud para mejorar el diagnóstico y el tratamiento de enfermedades, o los que ayudarán a los inversores a tomar decisiones financieras más inteligentes. La IA es la parte de la actividad productiva que más crece y, por ello, para no quedarse atrás en las futuras fuentes de crecimiento económico y bienestar, hay que embarcarse en su desarrollo.

Si bien ofrece oportunidades emocionantes para mejorar la productividad, la creatividad y la eficiencia en el lugar de trabajo, la IA simbiótica también plantea una serie de riesgos y desafíos que deben abordarse de manera proactiva para garantizar un desarrollo equitativo y sostenible. Es fundamental repensar la educación y la formación laboral para garantizar que los trabajadores estén preparados para los empleos del futuro. También abordar las preocupaciones sobre la concentración de poder económico en manos de unas pocas empresas tecnológicas dominantes, asegurando que la IA simbiótica beneficie a toda la sociedad de manera equitativa. Lo que pasa es que la escala es determinante para este desarrollo y, cuanto más grandes, más potencial hay: una suerte de monopolio natural.

Otro de los riesgos más significativos asociados con la IA simbiótica es el aumento de la automatización del empleo, que podría conducir a la pérdida de puestos de trabajo en sectores tradicionales y a la polarización del mercado laboral. Esto podría exacerbar la desigualdad económica y social, dejando atrás a aquellos que carecen de las habilidades necesarias. Es fundamental implementar políticas de reconversión laboral y protección social para garantizar que todos los trabajadores puedan beneficiarse de las oportunidades que ofrece la IA simbiótica.

Además, existe el riesgo de que la IA simbiótica amplifique las disparidades existentes en términos de acceso y uso de la tecnología. Las comunidades marginadas y los países en desarrollo podrían quedarse rezagados si no tienen acceso a la infraestructura y la formación necesarias para aprovechar plenamente el potencial de la IA simbiótica. Para evitar un desarrollo desigual, es crucial invertir en infraestructura digital y programas de alfabetización tecnológica que promuevan la inclusión y la equidad en el acceso a la IA simbiótica. Además de abordar los riesgos, es fundamental trabajar hacia un desarrollo de la IA que sea ético y centrado en el ser humano. Esto significa garantizar la transparencia y la rendición de cuentas en el diseño y el uso de los sistemas de IA, así como salvaguardar la privacidad y la autonomía de los individuos. También implica evitar la discriminación y el sesgo algorítmico, asegurando que la IA simbiótica promueva la igualdad de oportunidades y el respeto por la diversidad.

Es conveniente insistir en que un desarrollo verdaderamente significativo y simbiótico depende del modo en que se alcanza la escalabilidad y la concentración. Va a ser uno de los ejes fundamentales de los próximos años. Se ha podido comprobar en nuestro país, en estos días, ante la opa primero “amigable”, ahora hostil, del BBVA al Sabadell, por la preocupación por la excesiva concentración.

Sin embargo, se viene abogando desde hace tiempo por el aumento del tamaño de la empresa española, que parece uno de los lastres para una mayor productividad, algo que será inevitable si nuestras empresas tecnológicas quieren competir a escala europea o global. Todos los sectores donde la información y la IA juegan un papel central se van a mover en ese debate entre productividad y aumento del tamaño, o sea concentración.

No será un equilibrio fácil, pero hay que prepararse, ya que es lo que viene: más y más escala. Europa, tan rezagada en comparación con las grandes tecnológicas estadounidenses y chinas, ha lanzado su Airbus de la IA, un consorcio entre países europeos para desarrollar un gigante tecnológico capaz de competir globalmente, tal y como ocurrió en la década de los ochenta con el constructor de aviones. Se llama Gaia-X, de la que se va a hablar en los próximos tiempos, y con la que se debe ganar escala en este contexto de la IA. Que no quede solo en eso, y en unos años pase a ser un competidor global más.

Este artículo se publicó originalmente en el diario Cinco Días

Comparte esta entrada



Leer más

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies