Medición del retorno en los proyectos de IA

Por Rodrigo Rebollar, Specialist Lead en SDG Group.

Una de las preguntas más habituales a la hora de abordar cualquier tipo de proyecto es si es rentable; es decir, si el beneficio esperado va a compensar la inversión realizada y en qué medida. Este deseo de medición busca normalmente justificar el desarrollo de la iniciativa dentro de la compañía, pero sirve también para optimizar la asignación de recursos, priorizar casos de uso, mitigar o ajustar los riesgos financieros o facilitar la toma de decisiones a largo plazo.

Como vemos, son múltiples los beneficios de tener una visión aproximada del retorno de una solución y por ello, las empresas lo están demandando cada vez con más frecuencia como parte integral del propio proyecto. Lo habitual, sin embargo, es que este cálculo del ROI se quede en una estimación superficial, ya que tratar de cubrir todas sus aristas es un ejercicio complejo.

En el caso del ámbito tecnológico y de la Inteligencia Artificial esta medición del retorno es más difícil aún si cabe. En primer lugar, porque es habitual que muchas de las ganancias obtenidas sean intangibles o difíciles de materializar: mejoras en la satisfacción de los usuarios, agilidad en el desempeño de los empleados, incrementos del valor de la marca, mayor eficiencia en la toma de decisiones estratégicas, etc. Pero también por otros factores como la dificultad en la atribución de las mejoras a una iniciativa o proyecto concreto, las limitaciones a la hora estimar de antemano los costes reales de procesamiento o mantenimiento, la falta de información disponible o la propia calidad del dato, entre otros.

Para abordar estas limitaciones, en SDG hemos diseñado una metodología propia que busca tener un enfoque amplio y aportar una visión lo más cercana posible al impacto real en negocio. Basada en nuestra experiencia como compañía, algunos de los elementos que incorporamos y que creemos que hay que tener en cuenta para el éxito de estos procesos son los siguientes:

- Realizar una aproximación al impacto de la solución, no sólo desde el proceso afectado sino desde todas las áreas interrelacionadas. Una solución única puede tener implicaciones a muchos niveles dentro de la organización y es importante ramificar todos esos efectos. En SDG lo hacemos a través de lo que hemos denominado árboles de ROI.

- Definir unos objetivos claros que se alineen con los de negocio y permitan entender bien qué efectos se consideran éxito y cuáles no.

- Considerar (y diseñar si es necesario) métricas cualitativas que permitan analizar el impacto de la solución en los aspectos menos cuantitativos y estudiar su evolución antes y después de la implementación.

- Comparar los datos obtenidos con los estándares de la industria o los competidores para contextualizar el retorno de la inversión y detectar posibles patrones o estacionalidades.

- Dividir la implementación de la IA en etapas para poder medir el ROI de la IA a lo largo del tiempo.

Existe un aspecto fundamental que merece la pena destacar y que está relacionado con este último punto. El cálculo del ROI debe ser un proceso vivo, que evoluciona con el propio proyecto y que se va ajustando a medida que la información y los datos se hacen más precisos. No puede ser igual la estimación inicial al plantear el proyecto, que la realizada una vez puesto en marcha o incluso pasado un tiempo desde su implementación.

En resumen, por tanto, la capacidad para estimar de manera precisa y ajustada el impacto y el retorno de las soluciones de Inteligencia Artificial y analítica avanzada se convierte hoy en día en un activo cada vez más valorado y demandado por las compañías, así como en un factor diferencial entre los clientes.

Si os ha parecido interesante, me gustaría recomendaros otros artículos relacionados:

Dimensionamiento de la fuerza de ventas en la gestión del sector Farma
Un proyecto de migración cloud en la industria farmacéutica
La IA generativa, los modelos NLP y su aplicación a la industria farmacéutica
Medir el ROI aprendiendo de una campaña de concienciación y vacunación
Smart tagging, una estrategia cualitativa al servicio del sector farma
Del Real World Data al Real World Evidence gracias a la analítica avanzada aplicada al sector farma
3 ventajas de la gestión de datos descentralizada en el sector farma
Tendencias en IA y datos para la industria farmacéutica en 2024