Cuando las organizaciones crean KPI inteligentes con visión de futuro con IA, ven una mayor alineación estratégica.
Alinear las operaciones con la estrategia es una tarea crítica de liderazgo. Las condiciones turbulentas del mercado, los competidores ágiles y las demandas continuas para actualizar digitalmente las operaciones y los procesos hacen que la alineación estratégica sea más difícil de gestionar. Los líderes con conocimientos digitales están abordando el desafío de la alineación mejorando la forma en que usan y desarrollan los KPI.
A partir de una encuesta global realizada a más de 3.000 directivos y 17 entrevistas a ejecutivos, encontramos que líderes de todo el espectro empresarial utilizan la IA para mejorar la forma en que se priorizan, organizan y comparten los KPI. Estas mejoras tienen un efecto directo y medible en el fortalecimiento de la alineación estratégica. Estos líderes también implementan la IA para mejorar la precisión, el detalle y las capacidades predictivas de los propios KPI. Las mejoras, individuales y colectivas, generan una mayor conciencia situacional y mejoran la forma en que las funciones corporativas trabajan juntas para lograr resultados estratégicos.
Los líderes reconocen que necesitan nuevas capacidades de medición y métricas mejoradas para anticipar y navegar mejor las oportunidades y amenazas estratégicas.1 Reconocen que las nuevas capacidades de medición basadas en IA pueden ofrecer nuevos conocimientos y métricas de rendimiento, fortalecer la alineación y mejorar los resultados. Nuestros hallazgos representan un llamado a la acción claro y coherente para que los líderes creen sistemas más integrados de KPI interconectados y con visión de futuro.
Estos KPI enriquecidos con IA, o KPI inteligentes, pueden actuar eficazmente como un GPS empresarial, asesorando a las personas sobre dónde están, a dónde deben ir y cuál es la mejor manera de llegar allí. Estos KPI inteligentes ofrecen descripciones más detalladas y precisas sobre lo que está sucediendo en el negocio, predicciones más incisivas sobre lo que es probable que suceda y, en algunos casos, sugerencias más proactivas sobre qué acciones deben tomar los gerentes. Los KPI más inteligentes y con visión de futuro mejoran los KPI heredados que no se coordinan ni se cuestionan debido al tiempo y la inercia ejecutiva.
Analizamos ejemplos, de varias industrias, que ilustran cómo los líderes utilizan estas nuevas capacidades para lograr sus objetivos estratégicos y ofrecemos recomendaciones específicas para usar la IA para enriquecer los KPI y avanzar en la alineación estratégica.
Los KPI inteligentes son KPI con visión de futuro e interconectados informados por la inteligencia artificial.
Fortalecimiento de la alineación estratégica con la IA
Los KPI siempre tuvieron la intención de ser mecanismos para alinear los comportamientos organizacionales con los objetivos estratégicos. Sin embargo, la mayoría de los gerentes no creen que sus KPI en la práctica reflejen aspiraciones estratégicas; reconocen que sus KPI deben mejorarse.2 Nuestra investigación muestra que los líderes que enriquecen sus KPI con IA tienen más probabilidades de ver beneficios de alineación, como una mejor coordinación interfuncional. Son más eficaces a la hora de priorizar los KPI, identificar y establecer relaciones entre los KPI y compartir datos relacionados con los KPI entre los equipos. Tratan los KPI más como activos a mejorar y menos como objetivos a alcanzar.
Priorizar los KPI con IA
Decidir qué KPI enfatizar y priorizar es un desafío bien conocido de la alineación estratégica: «Necesitamos hacer un mejor trabajo alineando nuestros KPI» era un estribillo común en nuestra investigación cualitativa. Los entrevistados citaron ampliamente las intuiciones de los ejecutivos como una fuente clave de desacuerdo con los KPI. Los encuestados que informaron que su empresa ha utilizado la IA para priorizar sus KPI tenían 4,3 veces más probabilidades de ver una mejor alineación entre las funciones que los que no lo hicieron. Priorizar los KPI con IA mejora las decisiones basadas en datos y sienta las bases para una alineación estratégica más sólida.
Maersk, la empresa danesa de transporte, envío y logística, utilizó la IA para reevaluar y definir cómo mide el rendimiento y la productividad de su red de 65 activos en puertos, transporte y almacenes en todo el mundo. Los gerentes de primera línea tenían que decidir si el rendimiento clave se definía mejor cargando y descargando barcos o camiones lo más rápido posible (maximizando el rendimiento) o gestionando el proceso de carga para que el transporte pudiera salir de manera confiable según lo programado. ¿Era la velocidad correcta de los KPI o la fiabilidad del cronograma?
Priorizar los KPI con IA mejora las decisiones basadas en datos y sienta las bases para una alineación organizacional más sólida.
Esta decisión tendría enormes ramificaciones prácticas para el negocio. El uso de más equipos en las terminales de APM para la carga y descarga aumentaría el rendimiento, pero aumentaría los costos a corto plazo (el equipo adicional significaba gastos adicionales). Por el contrario, el uso de equipos suficientes para garantizar las salidas a tiempo contendría los costos pero limitaría el rendimiento. Basándose en la experiencia, los gerentes de primera línea in situ creían que la velocidad (descargar y cargar los barcos lo más rápido posible) era la medida de rendimiento adecuada.
Para probar esta hipótesis, el equipo de ciencia de datos de Maersk desarrolló gemelos digitales (modelos impulsados por IA) para representar cada enfoque y evaluar sus efectos en toda la cadena de valor. Llegaron a la conclusión de que el uso de menos equipos de carga evitaría los cuellos de botella en los puntos de transbordo o al establecer conexiones con otros modos de transporte, como la carretera y el ferrocarril.
También descubrieron que ir más rápido en un puerto provocaba ralentizaciones en otros puertos. Mantener un horario confiable también redujo los costos y dio como resultado más llegadas a tiempo. Ir más despacio era «una métrica contraria a la intuición», dice Holly Landry, directora de datos de Maersk. «El uso de un gemelo digital para la cadena de suministro explica y justifica el uso de menos equipos. Ahorró millones, en una sola terminal».
Ahora, la compañía está implementando gemelos digitales en toda su cadena de valor. Con la IA, Maersk priorizó el KPI correcto, lo que luego condujo a un rendimiento más eficiente y alineado en toda la empresa y a una mayor satisfacción del cliente con entregas confiables.
Integración de KPI con IA
El descubrimiento de interdependencias entre los KPI con la IA facilita la creación de «conjuntos» de KPI que agrupan distintos KPI para actividades empresariales diferentes, pero conectadas. Algunos ejemplos de conjuntos de KPI son la productividad de los empleados y el compromiso de los clientes, los márgenes de beneficio y la cuota de mercado, y la producción de fabricación de calidad y el rendimiento de los activos. La IA desempeña un papel fundamental a la hora de discernir patrones que, de otro modo, estarían ocultos y que vinculan un KPI con otro. Dado que estos patrones a menudo abarcan múltiples funciones y partes interesadas, los conjuntos de KPI pueden romper los silos y aumentar la colaboración entre las diferentes partes interesadas, mejorando la alineación de la organización.
Pernod Ricard, la empresa global de bebidas espirituosas valorada en 10.000 millones de dólares, utiliza la IA para describir y profundizar la conexión entre dos de sus KPI más importantes: los márgenes de beneficio y la cuota de mercado. En el pasado, estos KPI estaban aislados y separados, cada uno con su propio conjunto de medidas. (La función financiera se centraba en la rentabilidad, mientras que las ventas y el marketing se centraban en la cuota de mercado). La compañía ahora implementa IA para brindar información sobre cómo las inversiones comerciales y de marketing que mejoran las ganancias, como la activación de medios o en la tienda, también influyen en los objetivos de participación de mercado y viceversa. En lugar de tratar de maximizar cada KPI individual, el fabricante de bebidas espirituosas ahora busca optimizar ambos KPI en conjunto entre sí.
«Si puedes imaginar mover el cursor entre los objetivos de optimización de la cuota de mercado y los objetivos de optimización de márgenes», dice Pierre-Yves Calloc’h, director digital de Pernod Ricard, «necesitas saber cómo varían las inversiones necesarias para alcanzar estos objetivos. La IA te va a dar esa información. Con la IA, podemos alinear mejor los KPI de cuota de mercado, los KPI de margen y las inversiones necesarias para alcanzarlos». Esta capacidad transformó la forma en que el liderazgo de Pernod Ricard asigna el capital y equilibra sus aspiraciones de rentabilidad y participación de mercado.
Hacer que los KPI sean compartidos, visibles y confiables
En términos generales, compartir KPI significa compartir responsabilidad, compartir información o ambos. Compartir la responsabilidad de los KPI suele ser una decisión de liderazgo. El uso compartido de la información de rendimiento depende de la tecnología y del acceso a los datos. Nuestra investigación identifica varias formas en que la IA mejora el intercambio de información de KPI y promueve la colaboración entre diferentes partes de una organización.
El uso de la IA para compartir KPI ofrece beneficios específicos que pueden fortalecer la alineación estratégica. Las empresas que utilizan la IA para compartir KPI tienen cinco veces más probabilidades de ver una mejor alineación entre las funciones y tres veces más probabilidades de ser ágiles y receptivas que las organizaciones que no utilizan la IA para compartir KPI. Como señaló un ejecutivo: «Tenemos que hacer más para compartir los KPI. … ¿Cuáles son los KPI correctos para compartir que nos permitirán asegurarnos de que una cosa no anule contraproducentemente a la otra?» Mejorar la visibilidad de los resultados de los KPI de toda la empresa y los impulsores del rendimiento, con los datos adecuados y las aplicaciones de IA, refuerza las capacidades de los gerentes para compartir, discutir y navegar por las tensiones entre los KPI.
En Sanofi, la IA reunió los datos que impulsan el plan de negocios integrado (IBP) de la compañía farmacéutica, una tarea enorme para una empresa que ha realizado 300 adquisiciones en los últimos 50 años. En 2019, el CEO entrante, Paul Hudson, defendió la democratización de los datos, que requería nuevos estándares de datos para la calidad y la gobernanza, así como nuevas infraestructuras técnicas para el procesamiento y la distribución. Los datos de rendimiento de las métricas clave de IBP se consolidaron y compartieron con 10.000 altos ejecutivos de todo el mundo a través de una nueva interfaz digital inteligente llamada Plai (por su funcionalidad de fácil acceso, fácil de usar e impulsada por IA).
Las empresas que utilizan la IA para compartir KPI tienen cinco veces más probabilidades de ver una mejor alineación entre las funciones y tres veces más probabilidades de ser ágiles y receptivas que las organizaciones que no utilizan la IA para compartir KPI.
Esta herramienta de IA accesible, también conocida como «IA snackable» por sus desarrolladores, ofrece visibilidad del rendimiento de toda la empresa y permite a los gerentes tener discusiones constructivas sobre el rendimiento. Estas conversaciones habrían sido imposibles antes, no porque los datos no estuvieran disponibles, sino porque el algoritmo introdujo un nivel de objetividad que hizo que las decisiones y conversaciones fueran más orgánicas, confiables y efectivas, dice Stephanie Androski, directora de operaciones financieras globales y transformación de Sanofi.
«Ahora tenemos un número que está detrás de nuestro pronóstico de ventas, y es el punto central para muchos otros KPI. Si estamos prediciendo una posible situación de falta de existencias para un producto, no solo nos da la capacidad de decir: ‘Oh, espera un minuto, la IA predice que podríamos quedarnos sin existencias de ese producto en cuatro meses. ¿Es eso real y podemos adelantarnos a ello? También nos da la capacidad de preguntarnos: ‘¿Son las ventas demasiado ambiciosas para este producto? ¿Perderemos cuota de mercado?’ o ‘¿Cómo afecta esto a la previsión general?’ Debido a que todo está más al aire libre, y porque se puede ver, realmente ha ayudado a aumentar ese diálogo y productividad».
La conclusión esencial del liderazgo es que organizar y compartir los datos de KPI con IA puede ofrecer una plataforma valiosa y confiable para la colaboración y la alineación.
Tres tipos de KPI inteligentes
A medida que los KPI evolucionan, sus contribuciones a la alineación estratégica también evolucionan. Nuestra investigación sugiere que hay tres formas en que los KPI enriquecidos con IA mejoran las métricas que simplemente rastrean el rendimiento. Estos KPI inteligentes describen mejor el mundo tal y como es (rendimiento actual y pasado) y anticipan mejor cómo será probablemente (rendimiento futuro). En algunos casos, los KPI inteligentes también indican lo que se puede o se debe hacer para promover mejores resultados. Los cuadros de mando ejecutivos, por ejemplo, suelen codificar por colores los KPI: el rojo indica que el rendimiento ha bajado y el verde significa que el rendimiento cumple o supera las expectativas. Esta codificación es un tipo simple de llamada a la acción que proporcionan los KPI y los paneles de control tradicionales. Los KPI inteligentes van más allá: pueden hacer recomendaciones más detalladas y específicas sobre los próximos pasos y diagnosticar las implicaciones para otros KPI.
Por lo tanto, los KPI inteligentes mejoran los KPI tradicionales en tres sentidos superpuestos: describen y predicen mejor el rendimiento y prescriben recomendaciones más detalladas y valiosas. Estos tres tipos de KPI inteligentes se corresponden con una distinción bien conocida entre análisis descriptivo, predictivo y prescriptivo. Esta tipología de KPI se explica con más detalle a continuación.
1. KPIs descriptivos inteligentes. Estos KPI sintetizan datos históricos y actuales para ofrecer información sobre lo que sucedió o lo que está sucediendo. Proporcionan una comprensión más profunda de las brechas de rendimiento y sus causas, lo que conduce a una mejor creación de KPI o una mejor comprensión de las relaciones de KPI. Un ejemplo es la herramienta de IA snackable de Sanofi, que aumenta la conciencia situacional al revelar interdependencias críticas entre diferentes KPI.
2. KPIs predictivos inteligentes. Estos KPI anticipan el rendimiento futuro mediante la producción de indicadores adelantados fiables. Proporcionan visibilidad de los posibles resultados, lo que permite acciones preventivas para mitigar los riesgos o aprovechar las oportunidades. Por ejemplo, General Electric ha transformado sus KPI para centrarse en los indicadores adelantados. La empresa está utilizando la IA, por ejemplo, para analizar los flujos de pedidos comparando los pedidos con la base instalada de productos y servicios. Estas comparaciones detalladas ayudan a identificar con precisión las oportunidades para aumentar los pedidos futuros, lo que, a su vez, genera ingresos y márgenes más sólidos. Como señala Carolina Dybeck Happe, vicepresidenta sénior de finanzas y ex directora financiera de GE, «la utilización de indicadores adelantados crea una conexión mucho más rápida y estrecha entre la estrategia y el cumplimiento de esa estrategia».
3. KPI prescriptivos inteligentes. Más allá de la descripción y la predicción, los KPI prescriptivos se enriquecen con acciones recomendadas por IA. No solo indican brechas de desempeño, sino que también sugieren medidas correctivas. Los KPI inteligentes de Sanofi, por ejemplo, alinean las operaciones y las ventas recomendando ajustes a los KPI de ventas en función del rendimiento de la cadena de suministro.
Enriquecer los KPI con IA potencia las métricas clave para impulsar el rendimiento adecuado y fortalecer la alineación estratégica. Al transformar los KPI en herramientas inteligentes descriptivas, predictivas y prescriptivas, las organizaciones con conocimientos digitales los utilizan para mejorar el conocimiento de la situación, tomar decisiones más eficaces y mejorar la gestión del rendimiento.
Conclusiones de liderazgo
Según nuestra investigación, las siguientes acciones ayudarán a los líderes a utilizar la IA para mejorar la forma en que usan y desarrollan los KPI y cómo alinean las operaciones con la estrategia.
Trate los KPI como activos. Cuando los KPI se consideran activos y métricas, invitan a una inversión más reflexiva e intencionada. ¿Qué KPIs deben enriquecerse o mejorarse con IA? ¿Qué KPIs son candidatos para ser más predictivos y con visión de futuro? ¿Qué inversiones en IA, datos y personas son necesarias para fortalecer las relaciones entre los KPI y mejorar la alineación estratégica? Al igual que las organizaciones identifican, cultivan, capacitan y desarrollan a su gente para una mayor responsabilidad y autoridad en la toma de decisiones, los líderes deben identificar, cultivar, capacitar y desarrollar sus KPI para brindar información y recomendaciones procesables.
Fomentar una mayor visibilidad y transparencia en torno a las medidas de rendimiento. Hacer que los KPI sean más visibles aclara la rendición de cuentas y la responsabilidad, fomenta el debate y cultiva un sentido de propósito compartido. El caso de Sanofi ilustra que la creación de una única fuente de verdad sobre el rendimiento que se pueda compartir y sea visible para los principales líderes beneficia la alineación. Aumentar el acceso multifuncional a los KPI fomenta una mayor conciencia situacional y autoconciencia. Democratizar el acceso a datos de rendimiento creíbles y transparentes ayuda a las personas a ver dónde están y hacia dónde deben ir. La alta dirección debe comprometerse con recursos relacionados con la IA que mejoren la visibilidad y la transparencia de los KPI.
Mapear relaciones y conexiones de KPI. Las personas de toda la empresa deben poder ver cómo se relacionan entre sí los empleados clave, el rendimiento clave y los indicadores clave de rendimiento. La visibilidad y la visualización animan cómo funciona la alineación de la organización. Los líderes basados en datos pueden utilizar la IA para mapear, modelar y gestionar sus impulsores de rendimiento y prioridades de KPI, afirma Hervé Coureil, director de gobierno y secretario general de Schneider Electric. Describir y representar el «ecosistema de KPI» de una empresa, señala Coureil, puede ser un primer paso que requiere mucha mano de obra y recursos. Estos mapas y modelos pueden identificar y aclarar qué KPI deben compartirse o combinarse. Las organizaciones centradas en el cliente, por ejemplo, probablemente priorizarían los KPI compartidos y agrupados en torno a la experiencia del cliente y las métricas de valor de vida del cliente. Un mejor mapeo y modelado hacen que los KPI sean mejores activos.
Conclusión
Nuestra investigación concluye que la mejora de la alineación estratégica depende no solo de la definición adecuada de las métricas más importantes, sino también del desarrollo continuo de estas métricas con IA y mejores datos. Pero en un nivel más fundamental, nuestra investigación destaca que la IA está asumiendo tareas que antes eran dominio exclusivo de los ejecutivos, como priorizar, ensamblar y compartir KPI. La convergencia de la IA y los KPI está redefiniendo cómo se utilizan los KPI y cómo contribuyen a la alineación estratégica. La traducción continua de la estrategia en métricas más inteligentes, mejor organizadas y más valiosas es una actividad cada vez más crítica para los líderes basados en datos.
SOBRE LOS AUTORES
David Kiron es el director editorial de investigación de MIT Sloan Management Review y líder del programa de sus iniciativas de investigación Big Ideas.
Michael Schrage es investigador de la Iniciativa sobre la Economía Digital de la MIT Sloan School of Management. Su trabajo de investigación, escritura y asesoramiento se centra en la economía del comportamiento de los medios digitales, los modelos y las métricas como recursos estratégicos para gestionar la oportunidad y el riesgo de la innovación.
François Candelon es socio sénior y director general de Boston Consulting Group (BCG) y director global del BCG Henderson Institute, donde su investigación se centra en el impacto de las tecnologías en los negocios y la sociedad. Puede ser contactado en [email protected].
Shervin Khodabandeh es socio sénior y director general de BCG y colíder del negocio de IA de BCG en América del Norte. Es líder en BCG X y cuenta con más de 20 años de experiencia impulsando el impacto empresarial de la IA y lo digital. Puede ser contactado en [email protected].
Michael Chu es socio y director asociado de BCG, donde se centra en la aplicación de la IA y el aprendizaje automático a los problemas empresariales en funciones comerciales, incluida la optimización de precios, promociones, ventas y marketing. Se le puede contactar en [email protected].
REFERENCIAS (2)
1. M. Schrage, D. Kiron, F. Candelon, et al., «Mejorar los indicadores clave de rendimiento con IA», MIT Sloan Management Review y Boston Consulting Group, 11 de julio de 2023, https://sloanreview.mit.edu.
2. M. Schrage y D. Kiron «Leading with Next-Generation Key Performance Indicators«, MIT Sloan Management Review, 26 de junio de 2018, https://sloanreview.mit.edu; y M. Schrage, D. Kiron, F. Candelon, et al., «Improve Key Performance Indicators With AI», MIT Sloan Management Review y Boston Consulting Group, 11 de julio de 2023, https://sloanreview.mit.edu.
