Académico de la Facultad de Ingeniería de la Universidad Panamericana

Compitiendo con Datos, parte uno

En esta serie de columnas, evaluaré la estrategia basada en datos usando como hilo conductor el artículo clásico de Harvard Business Review, “Compitiendo con Recursos”.

Un par de preguntas que muchos directores y personas a cargo de estrategia se formulan día a día es: ¿cómo poder crear una estrategia basada en datos?, ¿una estrategia basada en datos es realmente un camino que se deba de seguir?

En esta serie de columnas, evaluaré la estrategia basada en datos usando como hilo conductor el artículo clásico de Harvard Business Review, “Compitiendo con Recursos”.

David Collis y Cynthia Montgomery, los autores de dicho artículo, nos presentan una tesis interesante: la creación de una estrategia utilizando un recurso escaso. En economía nos enseñan que un recurso escaso es aquel que se puede terminar y para el cual hay una competencia clara por obtenerlo. Para una empresa acerera en Monterrey, su recurso escaso es el acero, y una ventaja competitiva puede ser la calidad del acero que la empresa pueda crear.

Evaluaremos, cómo los datos y la habilidad de hacer Inteligencia Artificial pueden ser considerados recursos escasos y a su vez dar una clara dirección estratégica a un sin número de empresas.

Collis y Montgomery presentan cinco puntos necesarios para que un recurso pueda utilizarse como estrategia; en esta y la siguiente columna, detallaremos cómo los datos y la IA cumplen con la exposición de los autores:

1. Un recurso es estratégicamente valioso si es difícil de copiar:

Un espacio de oficinas en medio de Reforma es valioso estratégicamente porque nadie más lo puede tener. Una marca es valiosa porque nadie más la puede replicar.

Los datos, entonces, cumplen cabalmente con esta condición, ya que son muy difíciles (y en algunos casos, imposibles) de copiar.

Pensemos en una casa de empeño con más de 50 años en el mercado. Ha logrado coleccionar datos que ninguna casa de empeño de reciente creación puede tener. De igual forma, un banco tiene acceso a datos únicos de los clientes referentes a sus transacciones financieras. Dichos datos ninguna Fintech los puede tener gracias a las diversas regulaciones alrededor de la industria. Esto, les da una ventaja competitiva a los bancos que las Fintech no tienen manera de alcanzar.

Los datos son entonces muy difíciles de copiar y otorgan una clara ventaja estratégica a todo aquel que logre tenerlos almacenados adecuadamente.

Pero los datos en sí mismos no van a lograr nada. Se necesita utilizar sistemas de IA que hagan uso de esos datos, y entonces la IA se vuelve también un recurso escaso difícil de copiar, debido a que toda IA creada alrededor de un set de datos va a ser irrepetible por otra empresa. Entonces una IA de banco, bien hecha, va a ser mejor que cualquier IA que una Fintech sin acceso a los mismos datos pueda crear.

De esta forma, la primera condición se cumple adecuadamente, ya que tanto los datos como la IA son difíciles de copiar y otorgan una ventaja competitiva.

2. El recurso se deprecia muy lentamente.

La marca de Disney logró sobrevivir no una, sino dos épocas de bajos ingresos simplemente sobreviviendo por la marca, la gente iba a ver las películas porque eran Disney. Entonces la marca se deprecia muy lentamente. Un equipo de la Liga española como el Barça, puede pasar malas rachas, pero la marca es tan fuerte que seguramente pasará el mal tiempo y regresará a la gloria. En contraste, el talento tecnológico por lo general dura poco, debido a la velocidad con que se propaga la información en la industria. La ventaja competitiva en adquirir una nueva tecnología rápidamente desaparece.

¿Y los datos y la IA? ¿Se deprecian lentamente? Vamos a pensar en los datos históricos de una cadena de supermercados. A menos que exista un evento como la presente pandemia, los datos de años anteriores son buenos indicadores de los datos futuros, podemos dejar de capturar datos durante un año, y es razonable pensar que podemos seguir obteniendo valor a partir de los datos del pasado.

Una línea de ensamblado en una fábrica puede tener tiempos de vida de decenas de años, los datos que capturemos en los primeros años serán de utilidad para toda la vida de la máquina. Estos son datos a los que una fábrica de reciente creación no tiene acceso.

Los modelos de IA entonces también pueden usar estos datos históricos y crear modelos que puedan ser resilientes en el tiempo. Es importante notar que si bien la ventaja en talento y las tecnologías para crear IA si pueden depreciarse rápidamente debido a su naturaleza tecnológica. La IA depende intrínsecamente de los datos usados para crear los modelos, podemos tener al experto más grande del mundo, pero sin datos, simplemente sus modelos no serán de utilidad para la empresa.

Hasta ahora hemos visto que las primeras dos condiciones sobre un recurso estratégico se cumplen tanto para los datos como para la Inteligencia Artificial. En la siguiente entrega veremos el resto de las condiciones que hacen de los datos y la IA recursos estratégicos en esta nueva era del conocimiento.

COLUMNAS ANTERIORES

“Finge hasta que lo consigas”, el peligro de la Inteligencia Artificial
Predicciones de Inteligencia Artificial para el 2022, y otras locuras.

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.