El informe “El reto de la transformación digital de la economía”, elaborado por la consultora Roland Berger, confirma que los tres sectores que se encuentran en un punto más avanzado dentro del proceso de digitalización, actualmente, son el sector de Telecomunicaciones e Internet, el de Turismo y el de los Servicios Financieros, ya sea porque son sectores que se han visto amenazados por el surgimiento de nuevos competidores con modelos más digitalizados o por su naturaleza más orientada al consumidor (B2C).
Por otro lado, según el informe “Bots, Maching Learning, Servicios Cognitivos. Realidad y perspectivas de la Inteligencia Artificial en España, 2018” publicado por PWC, actualmente cerca de la mitad de las organizaciones españolas han incorporado en su día a día sistemas de Inteligencia Artificial de cara a mejorar la satisfacción del cliente (20,6%), reducir costes (17,3%) o perfeccionar la toma de decisiones (16,6%). De todas ellas, el 46% lo están haciendo como parte de un periodo de prueba o fase piloto, mientras que el 31% considera que la Inteligencia Artificial será un elemento clave en su estrategia de innovación, a pesar de no haber procedido todavía a su implantación.
Ante esta situación, ¿qué datos podríamos utilizar para analizar el futuro? Hasta ahora las empresas se han limitado a tomar decisiones en base a análisis realizados sobre los datos que tenían más accesibles. Sin embargo, es evidente que ya no es suficiente con tener en cuenta únicamente la información de carácter estructurado, sino que de cara a obtener una ventaja competitiva las organizaciones deben ser capaces de recopilar, integrar y analizar datos provenientes de diversas fuentes y que, en muchas ocasiones, pueden no estar registrados en sus bases de datos tradicionales. Esta información, que denominamos desestructurada, que se obtiene para la elaboración de análisis y predicciones, proviene de una gran variedad de fuentes tales como grabaciones de llamadas telefónicas, mensajes de texto, chats, emails y redes sociales.
A día de hoy, el porcentaje de datos recogidos a través de Io que es analizado por las empresas no alcanza ni siquiera el 1%, según hizo saber el informe “Sociedad digital en España 2017” publicado por la Fundación Telefónica. Esto confirma que, en general, las empresas españolas tan solo explotan una mínima parte de toda la información que manejan.
Sin embargo, la clave no es tanto que una empresa sea consciente de que dispone de ese tipo de datos, sino que sea consciente del valor que tienen los mismos y, sobre todo, que sepa qué hacer con ellos y cómo sacarle el máximo partido. Por ello, es fundamental entender que disponer de una gran cantidad de datos no es por sí solo sinónimo de éxito, sino que, más allá de eso, es necesario que la cadena de valor de la organización adquiera un grado de especialización suficiente que le permita explotarlos de forma adecuada.
Para ello, es fundamental que las empresas centren sus esfuerzos en digitalizar sus modelos de negocio para adoptar una infraestructura digital que le permita recopilar, organizar y almacenar toda esta información para su posterior análisis. Porque si hay algo que es un hecho incuestionable, es que la satisfacción de los clientes es uno de los activos más valiosos con el que cuentan las empresas, y ya desde hace años se viene extendiendo en las organizaciones el uso de métricas de calidad y satisfacción de clientes como el NPS (“Net Promoter Score”) y el CES (“Customer Effort Score”), métodos que se enriquecen con la información desestructurada obtenida de todas las interacciones con el cliente (llamadas, emails, chats, redes sociales, etc.).
Concretamente, utilizar aplicaciones tecnológicas para medir el grado de satisfacción del cliente sin preguntarle directamente, es algo que ya se está haciendo, de ahí el valor que tiene toda la información que da el cliente, sin ser consciente de ello, en cualquier contacto que tenga con la empresa. Actualmente, existen aplicaciones que permiten explotar toda la información de la que dispone una entidad, tanto estructurada como desestructurada, de forma fácil y rápida, gracias a motores de Inteligencia Artificial, que ponderan automáticamente cientos de variables de naturaleza tanto cualitativa como cuantitativa, frente a una variable dependiente como, por ejemplo, la satisfacción del cliente. De esta manera, se logra calcular la satisfacción de los clientes a través de un método no intrusivo, por lo que es más eficaz.
Por lo que respecta al área de Recursos Humanos, la Inteligencia Artificial también puede contribuir de forma importante a la hora de mejorar el rendimiento de los equipos comerciales y de fuerza de ventas, además de predecir el comportamiento y efectividad de futuros empleados durante los procesos de reclutamiento y selección. Asimismo, el reconocimiento de buenas prácticas llevadas a cabo por aquellos empleados que registren un mejor desempeño, para después compartirlas y extenderlas entre el resto de la plantilla. Por tanto, también es posible aplicarla de manera inversa, para identificar a aquellos empleados concretos que realicen malas prácticas o clientes que tengan una probabilidad más alta de abandonar la compañía.
En este aspecto, saber utilizar la información que proviene tanto de clientes como de empleados, resulta básico para poder continuar ofreciendo productos personalizados que cumplan las expectativas de los consumidores, expectativas que cada vez ponen el listón más alto a las empresas y que únicamente podrán satisfacerse siempre y cuando las compañías sean capaces de tener una visión 360º de sus clientes. Para ello, en el mercado actualmente pueden encontrarse sofisticadas herramientas que pueden detectar motivos de insatisfacción de los clientes, que quizás no resulten ser tan evidentes, además de descubrir, por ejemplo, qué productos encajan más con un determinado perfil de cliente en función de sus características personales, o formas para presentar el producto o servicio al cliente de una forma más atractiva.
En conclusión, la explotación sistemática de toda la información disponible por las empresas, tanto estructurada como desestructurada, con tecnologías ya existentes, permite mejorar de forma continuada los ingresos, costes y calidad. En este sentido, las organizaciones que den pasos decididos en esta dirección serán las que configuren el pelotón de cabeza en sus respectivos sectores, liderando cuando sea preciso procesos de reestructuración.