Guía de IA empresarial para medios de comunicación y entretenimiento

El ML supervisado consiste en que los humanos enseñen a las máquinas modelos basados en los conocimientos existentes. El ML no supervisado es aquel en el que la IA desarrolla modelos sin ayuda humana.

Supongamos que una empresa desea utilizar el aprendizaje automático para hacer frente a la pérdida de clientes. Su sistema de IA debe desarrollar un modelo para predecir el riesgo de pérdida de clientes. En un modelo de ML supervisado, los humanos etiquetan un conjunto de datos históricos de clientes ("datos de entrenamiento") para indicar quién ha abandonado y quién no. El sistema de IA ingiere los datos de entrenamiento y aprende qué atributos se correlacionan con las bajas. Construye un modelo predictivo basado en esa información y, a continuación, comprueba la precisión del modelo en un conjunto de datos sin etiquetar ("datos de prueba"). Una vez validado el algoritmo, la máquina aplica el modelo de forma independiente a nuevos conjuntos de datos.

Pero la capacidad humana de formular hipótesis a partir de información conocida puede limitar la comprensión. ¿Y si hay factores de riesgo de pérdida de clientes que aún no se han identificado? Los sistemas de IA con ML no supervisado detectan correlaciones no especificadas, patrones inesperados y anomalías desconocidas en datos desordenados.

Siguiendo con el ejemplo del riesgo de cancelación, una solución ML no supervisada puede construir y mejorar continuamente su modelo predictivo sin intervención humana. En lugar de estar programado para predecir las bajas basándose en factores que se sabe que han causado bajas en el pasado, el sistema de IA aprende a detectar los factores de riesgo de bajas de forma autónoma.

Las técnicas de ML supervisado y no supervisado son útiles en diferentes situaciones; una de ellas no es intrínsecamente mejor. El ML supervisado responde a preguntas de negocio específicas, o "incógnitas conocidas"(¿Quién va a cambiar?). El ML no supervisado revela nuevos riesgos y oportunidades, o "incógnitas desconocidas" (¿Qué factores de riesgo de cancelación de clientes no se han identificado?). El ML supervisado y no supervisado se combinan para ofrecer una potente perspectiva empresarial.

La IA está alterando la inteligencia empresarial

La inteligencia empresarial (BI) tradicional emplea humanos y herramientas para analizar, interpretar y visualizar datos. Un analista financiero puede utilizar un software para prever los ingresos del próximo año basándose en el rendimiento histórico. Un equipo de ciencia de datos puede desarrollar un algoritmo para personalizar las recomendaciones de contenido para los suscriptores de vídeo a la carta.

Gestionar y comprender los datos consume una enorme cantidad de recursos. Obtener y difundir información a partir de los datos requiere aún más recursos. Y, sin embargo, la oferta de datos crece a la par que la demanda de mejores conocimientos. Las herramientas de BI que han dominado el sector durante los últimos 20 años ya no son suficientes. La información suele estar obsoleta, ser insuficiente o difícil de explicar cuando llega a la mesa del responsable de la toma de decisiones.

La IA empresarial mejora la calidad de la información, medida por el valor que ésta aporta. Los factores que influyen en la calidad de la información son:

• Velocidad: ¿Con qué rapidez producen los datos información?
• Frecuencia: ¿Se dispone sistemáticamente de información?
• Objetividad: ¿Influyeron los prejuicios humanos en las conclusiones?
• Profundidad: ¿Se han analizado todos los datos relevantes?
• Precisión: ¿Están libres de errores los resultados?
• Pertinencia: ¿Responde la información a las preguntas adecuadas?
• Accesibilidad: ¿Las partes interesadas pueden acceder fácilmente a la información?
• Explicabilidad: ¿Está claro cómo se ha llegado a una decisión?
• Accionabilidad: ¿Puede la empresa actuar a partir de la información?

Cualquier aspecto de la calidad de vida puede mejorarse con las herramientas de BI y las mejoras de procesos actuales. La IA empresarial mejora todos los aspectos de la calidad de vida simultáneamente, en tiempo real y a mayor escala. Cuantas más partes interesadas tengan acceso a una QoI elevada, más valiosa será para toda la organización. Gartner describe esto como inteligencia continua:

"Lainteligencia continua es un patrón de diseño en el que la analítica en tiempo real se integra en las operaciones de negocio, procesando datos actuales e históricos para prescribir acciones en respuesta a momentos de negocio y otros eventos."

57%
de las empresas tiene problemas con la operatividad de la IA

La inteligencia continua es difícil si las soluciones de IA sólo son accesibles para los empleados con los conocimientos técnicos necesarios para manejarlas. Las soluciones de IA que se diseñan sin tener en cuenta las necesidades de los usuarios de la empresa obligan a las organizaciones a depender de un pequeño equipo de personas muy demandadas y altamente remuneradas. La capacidad de los empleados para utilizar realmente las soluciones de IA es citada como un obstáculo para su adopción por el 57% de las organizaciones.

Las soluciones modernas de IA empresarial deben poder ser utilizadas por personas con funciones técnicas y no técnicas para democratizar realmente la información.

La IA empresarial hoy

La IA empresarial promete un impacto transformador. Las organizaciones que ya han invertido en IA la consideran una ventaja competitiva. Según una encuesta de Deloitte a ejecutivos de todo el mundo, "la mayoría de los primeros en adoptar las tecnologías de IA a nivel mundial afirman que estas son especialmente importantes para el éxito de su negocio en la actualidad, una creencia que va en aumento."

Pero muchos ejecutivos ven que la ventana para obtener una ventaja competitiva de IA se está cerrando, en gran parte porque la tecnología se está volviendo más asequible, escalable y manejable a través de SaaS y plataformas basadas en la nube. Una encuesta de Gartner CIO encontró un aumento del 270% en la implementación de IA de 2016 a 2019, y se espera que el gasto mundial en IA se duplique de $ 50 mil millones en 2020 a $ 110 mil millones en 2024.

Afortunadamente, la tecnología de IA es más accesible que nunca para organizaciones de todos los tamaños. Las actualizaciones de las infraestructuras y los quebraderos de cabeza de la implantación de las soluciones comerciales de IA de última generación están dando paso rápidamente a soluciones más flexibles y adaptadas a las empresas.

Está claro que, de aquí a cinco años, la IA empresarial dejará de ser un diferenciador competitivo. El éxito vendrá determinado por la eficacia con que las empresas integren la IA en todas sus operaciones y por el hecho de que los primeros en adoptarla conserven la ventaja competitiva que han conseguido.

Aplicaciones de IA empresarial en medios de comunicación y entretenimiento

Las empresas de medios de comunicación y entretenimiento están inundadas de datos. La proliferación de modelos de distribución, estrategias de monetización y fuentes de ingresos hace que la gestión y el análisis de los datos sean cada vez más complejos. Los macrodatos han llegado para quedarse.

Antes de que las organizaciones puedan rentabilizar los macrodatos, necesitan darles sentido. La IA empresarial está a punto de revolucionar la inteligencia basada en datos en los medios de comunicación y el entretenimiento.

Según McKinsey, el sector de los medios de comunicación y el entretenimiento puede obtener un 57% más de valor con la IA que con otras técnicas analíticas. Para que ese valor se materialice, los líderes del sector deben comprender a fondo los casos de uso de la IA empresarial en los medios de comunicación y el entretenimiento.

En esta sección, repasamos las principales aplicaciones de la tecnología de IA empresarial para:

• Impulsar el compromiso de los clientes

• Aumentar los ingresos y los márgenes

• Impulsar la eficiencia operativa

Caso práctico de IA empresarial: Agregación de datos

Los datos deben estar normalizados (con un formato coherente) para que la IA pueda hacer su trabajo. Pero los datos son desordenados por naturaleza; los formatos, estructuras y estándares heterogéneos no se prestan fácilmente a un análisis rápido. Para agravar el problema, los datos están inevitablemente dispersos en silos que no se construyeron para comunicarse entre sí.

Considere sólo algunas de las fuentes de datos comunes que la IA empresarial podría analizar para aumentar la calidad de la información:

• Contenidos: Popularidad, consumo y compromiso por segmento, género, plataforma, etc.
• Cliente: Datos demográficos, interacciones y preferencias a lo largo del viaje
• Pagos: Flujo de caja, pagos, presupuestos, contratos, créditos, ciclos contables

Cuantas más de estas fuentes de datos tenga acceso una solución de IA empresarial, mayor será su potencial para facilitar la inteligencia continua.

La agregación, ingesta y normalización de big data no es tarea fácil. Las soluciones de IA empresarial equipadas con funciones automatizadas de normalización de datos e integración multiplataforma aceleran la capacidad de una organización para obtener información a partir de fuentes de datos heterogéneas. El valor de estas soluciones crece exponencialmente con el tiempo; los datos y la información se generan a la misma velocidad.

La normalización de datos también tiene beneficios indirectos. Cualquier sistema o programa puede acceder fácilmente a más fuentes de datos y analizarlas.

Ventajas de la higiene de datos

La eliminación de redundancias, la centralización y la seguridad del almacenamiento de datos y el establecimiento de una única fuente de información aportan eficiencia operativa a toda la empresa.

Caso práctico de IA empresarial: Conocimiento predictivo y prescriptivo

Pocos sectores han sufrido tantos trastornos como el de los medios de comunicación y el entretenimiento. En la década transcurrida desde que el streaming de Netflix y el iPhone de Apple reinventaron el panorama digital, el cambio radical se ha convertido en la norma. Para 2020, el 50% de los ejecutivos del sector afirman que ya no podrán confiar en los modelos de negocio tradicionales. ¿Qué será lo próximo y cómo pueden prepararse los proveedores?

50%
de los ejecutivos de M&E no pueden confiar en los modelos de negocio tradicionales

La IA empresarial proporciona la visión predictiva y prescriptiva necesaria para estabilizar las operaciones, seguir siendo ágiles y competir con visión de futuro. Examinar las tendencias históricas siempre será importante, pero un negocio inteligente consiste en mirar hacia delante. Confiar únicamente en el análisis descriptivo es jugar siempre por detrás.

La inteligencia descriptiva y de diagnóstico explica lo que ocurrió en el pasado. La IA empresarial mejora sustancialmente la capacidad de una organización para comprender ambas cosas.

La inteligencia predictiva es la capacidad de prever resultados basándose en variables de entrada. La IA empresarial calcula la probabilidad de resultados potenciales con gran precisión.

La inteligencia progresiva es la capacidad de recomendar acciones y decisiones empresariales. La IA empresarial puede automatizar recomendaciones con o sin orientación humana.

La IA empresarial ejecuta instantáneamente procesos estadísticos en paralelo -que de otro modo consumirían horas de trabajo humano- para construir modelos predictivos. A gran escala, la IA predictiva ofrece a los proveedores de medios de comunicación y entretenimiento una ventaja sobre el mercado, ya que les permite detectar tendencias emergentes en la demanda de los consumidores o cambios en la coyuntura económica que repercutirán en su cuenta de resultados.

La visión predictiva también es esencial para la toma de decisiones cotidiana. La IA absorbe grandes cantidades de datos y realiza análisis hipotéticos en tiempo real. ¿Qué pasaría si los ingresos medios de los hogares abonados cambiasen un 1%? ¿O en un 10%? Las soluciones empresariales de IA determinan la probabilidad de resultados potenciales en función de cualquier combinación de variables. Un equipo de contenidos puede evaluar el interés por un nuevo título; un equipo financiero puede medir las implicaciones operativas de un cambio repentino en el flujo de caja; un equipo de distribución puede predecir la demanda por plataforma de streaming.

Tan importante como saber lo que puede ocurrir es decidir qué hacer al respecto. La IA prescriptiva genera recomendaciones basadas en lo que ha aprendido de los análisis predictivos, descriptivos y de diagnóstico; por ejemplo, notifica al equipo de retención cuando un suscriptor (o un segmento completo de clientes) alcanza el umbral de "alto riesgo de cancelación" y sugiere una oferta promocional con la mayor probabilidad de éxito para cada individuo o grupo.

Por último, la toma de decisiones automatizada mediante IA permite a los trabajadores reasignar tiempo a tareas de mayor valor. La lógica condicional permite a los usuarios establecer reglas para ejecutar automáticamente recomendaciones prescriptivas o exigir aprobación previa. Las soluciones más avanzadas ofrecen un control detallado mediante la configuración de permisos basados en roles.

La IA empresarial no pretende desplazar la toma de decisiones humana, sino dotar a las empresas de los conocimientos necesarios para optimizarla.

Caso práctico de IA empresarial: Mitigación de la pérdida de clientes

Evitar la pérdida de clientes es una prioridad para los proveedores de medios y entretenimiento, y con razón. La rotación de OTT alcanzó la cifra récord del 41% en Estados Unidos en 2020. El 23 % de los abonados a juegos en línea tiene previsto cancelar su suscripción en el plazo de un año. Los proveedores de música en streaming luchan por fidelizar a sus clientes: Spotify registra la mitad de bajas que su competidor más cercano, Apple Music.

La pérdida de clientes es un elemento permanente del flujo digital, pero las soluciones empresariales de IA mitigan el impacto de la pérdida de clientes en múltiples frentes.

Estrategias para mitigar la rotación

• Prevención de bajas

• Participación de los abonados

• Adquisición y recuperación

Las soluciones de IA para empresas mejoran los modelos predictivos en los que se basan los proveedores para evitar las bajas. La tecnología de IA es capaz de analizar múltiples conjuntos de datos (por ejemplo, de comportamiento, demográficos, de pago) para detectar antes las bajas, posiblemente antes de que los propios clientes hayan tomado la decisión de cancelar el servicio. A continuación, pueden formularse segmentos de clientes en función del riesgo de cancelación (alto, medio, bajo) para ampliar los esfuerzos de retención. La información prescriptiva muestra las acciones recomendadas para llegar a los clientes en el momento más impactante con el mensaje más impactante, que estadísticamente ha demostrado minimizar las pérdidas.

La IA empresarial enriquece las estrategias de captación de clientes que, para empezar, evitan las cancelaciones. Es bien sabido qué es lo que más frustra a los clientes, pero comprender los factores individuales que impulsan la fidelidad de los clientes requiere un conocimiento más específico. La IA empresarial calcula algorítmicamente qué ofertas, promociones y contenidos tienen más probabilidades de generar una respuesta positiva por parte de cada suscriptor, mejorando su experiencia y reduciendo así la probabilidad de que se planteen cancelar su suscripción.

Aunque la prevención de la pérdida de clientes recibe la mayor atención, la captación y recuperación de clientes son tácticas que suelen pasarse por alto, pero que resultan muy eficaces para mitigar la pérdida de clientes.

Los llamados "churn learnings" generados por el análisis de IA responden a importantes cuestiones estratégicas. ¿Qué impulsa a los clientes a abandonar o permanecer en una plataforma? ¿Quiénes son los clientes más fieles? ¿Qué tácticas aumentan las conversiones de las pruebas gratuitas? Los conocimientos sobre la pérdida de clientes pueden y deben informar los criterios de adquisición para reducir el coste de adquisición de clientes (CAC) y maximizar el valor del ciclo de vida del cliente (CLV).

Como los clientes cambian de plataforma, la captación no se limita a nuevos abonados netos. En una encuesta, el 75% de los abonados a una popular plataforma de streaming afirmaron que volverían a suscribirse si un nuevo programa despertara su interés.

41%
Pico de abandono de OTT (EE.UU.)

Winback se está convirtiendo en una parte cada vez más integral de una estrategia de captación más amplia. La IA empresarial puede extraer información de los datos de abonados cancelados, que a su vez puede utilizarse para recuperar el interés de los abonados "perdidos". Cuando se lanza un nuevo título, por ejemplo, la IA puede distinguir qué clientes se interesaron anteriormente por la misma serie, juego, artista o actor, y recomendarles un recordatorio oportuno de que su pasatiempo favorito está de vuelta.

Caso práctico de IA empresarial: Experiencia del cliente (CX) personalizada

Los proveedores de medios de comunicación y entretenimiento llevan mucho tiempo apostando por la personalización. En nuestra era de empoderamiento del cliente, las organizaciones deben desarrollar estrategias de personalización de alta precisión y múltiples puntos de contacto para seguir siendo relevantes. A medida que los ejecutivos interiorizan esta nueva realidad, la IA empresarial vuelve a emerger como una herramienta crucial.

"Las empresas que no demuestran a sus clientes que los conocen y saben cuáles son sus preferencias de compra corren el riesgo de perder negocio frente a competidores que están más en sintonía con lo que quieren sus clientes".
- HARVARD BUSINESS REVIEW

La recomendación personalizada de contenidos es la aplicación de IA más extendida en lo que respecta a la experiencia del cliente, pero los conocimientos de IA pueden aprovecharse para toda una serie de casos de uso.

Casos de uso de la IA: CX

• Modelos de precios

• Entrega de anuncios

• Contenidos interactivos

• Entretenimiento inmersivo

• Ofertas de productos con licencia

En la actualidad, la atención al cliente se personaliza en diversos grados basándose en información limitada sobre los abonados, como la segmentación general, las puntuaciones de salud de los clientes o los datos históricos de comportamiento. El efecto es una visión demasiado simplificada y reductora de los deseos y necesidades del cliente. Las soluciones empresariales de IA sintetizan un número ilimitado de fuentes de datos de clientes para generar un conocimiento exhaustivo y en tiempo real de sus deseos y necesidades, incluyendo:

• Autenticación, dispositivo, ubicación, usuarios en cuenta
• Datos de pago, caducidad de la tarjeta de crédito, lugar de facturación
• Historial de búsqueda, frecuencia de sesión, duración
• Preferencias de contenido por género y metadatos granulares
• Calidad de la experiencia: velocidad de transmisión, red, etc.
• Actividades e intereses fuera de la plataforma
• Investigación, terceros y datos públicos

Considere el modelo freemium popular entre las plataformas de vídeo a la carta. La mayoría de los proveedores ofrecen una duración de prueba gratuita estándar, precios de actualización y contenidos a cada cliente. Las recomendaciones de contenido pueden personalizarse en función de los datos demográficos básicos proporcionados en el momento del registro y de los datos de comportamiento recopilados durante el periodo de prueba. La experiencia del cliente (y las conversiones) pueden optimizarse mucho más. Ajustar los precios de lanzamiento en tiempo real en función de la fecha de caducidad de la tarjeta de crédito y de la velocidad de la red WiFi doméstica para optimizar el CSAT y el CLV no es un concepto descabellado.

Caso práctico de IA empresarial: Optimización de contenidos

Las guerras del streaming no solo están elevando las apuestas para los creadores de contenidos; también están elevando el coste de la producción de medios y la concesión de licencias. En total, las empresas de medios y entretenimiento gastaron más de 120 mil millones de dólares en contenido original en 2019. (Solo Disney representó una cuarta parte de ese gasto a través de sus estudios, redes y servicios SVOD).

¿Cuánto vale ese contenido? Ni los gigantes del streaming ni sus competidores pueden mantener una ventaja competitiva invirtiendo únicamente en contenidos. Para maximizar el rendimiento, los proveedores deben supervisar y capitalizar continuamente su valor en tiempo real.

El valor de cada activo de una cartera de contenidos fluctúa continuamente en función de la evolución de la demanda de los consumidores y de otras muchas fuerzas del mercado. La valoración de contenidos es una práctica estratégica crucial en un mercado tan saturado como el de los contenidos.

La IA empresarial ofrece a los propietarios de contenidos la inteligencia de datos necesaria para valorar los contenidos, comprender su potencial y obtener rentabilidad de la inversión.

En la fase de preproducción, los modelos predictivos de IA pueden proyectar la demanda de la audiencia y el potencial de ingresos. Las decisiones creativas, la financiación de la producción y los presupuestos promocionales pueden ajustarse en consecuencia para ampliar el margen de beneficios y reducir el riesgo. Los equipos de distribución pueden maximizar las condiciones de licencia previendo la demanda por plataforma, segmento de audiencia, fecha de estreno y otros criterios para maximizar las condiciones de licencia.

Una vez publicados los contenidos, las soluciones empresariales de IA aumentan la capacidad de descubrimiento. Al hacer que los metadatos de contenidos estén muy estructurados y sean fáciles de buscar (en lugar de depender de títulos o resúmenes), la IA puede identificar y etiquetar elementos de interés para espectadores y anunciantes potenciales: argumentos, temas, ubicaciones, colocación de productos, etc. La correspondencia de los metadatos de contenidos con los datos de clientes y mercados revela oportunidades promocionales y de colocación más precisas.

$120B
Gasto anual en contenidos originales (EE.UU.)

En el caso de los contenidos existentes, la IA puede identificar la causa del rendimiento de los activos. Si los ingresos son insuficientes, los proveedores saben por qué. ¿Objetivos demográficos imprecisos? ¿Momento de la promoción? ¿Incompatibilidad de dispositivos? En el caso de los activos no publicados o archivados, las soluciones empresariales de IA supervisan las tendencias que revelan un valor no capturado. Por ejemplo, un activo archivado podría alinearse temáticamente con un acontecimiento actual de interés para un amplio segmento de audiencia.

Sin la tecnología de IA empresarial, medir con precisión y aprovechar todo el valor de una cartera de contenidos es prácticamente imposible.

Caso práctico de IA empresarial: Estrategia de distribución

Los ingresos de los medios de comunicación y el entretenimiento están muy fragmentados. Recopilar y gestionar los datos de cada servicio de streaming, aplicación móvil, consola y plataforma asociada exige nuevas estrategias innovadoras.

Los contratos de varios niveles y los modelos de autoinforme que rigen los acuerdos de distribución ponen la información oportuna fuera del alcance de los licenciantes de contenidos. Calcular mal cualquier aspecto de la actividad de los ingresos de distribución, aunque sea por un pequeño porcentaje de error, puede dar lugar a disputas contractuales, pérdida de abonados y fuga de ingresos.

La IA empresarial aporta transparencia, control y conocimiento a los flujos de trabajo de los ingresos de distribución, en particular a los ámbitos de back office comparativamente desatendidos por la tecnología empresarial (jurídico, financiero, contable).

Casos de uso de la IA: Distribución

• Gestión de acuerdos

• Auditoría de distribuidores

• Reconocimiento de ingresos

• Negociación de licencias

• Planificación de escenarios

• Previsión predictiva

La simple normalización de los datos no estructurados de informes y documentos de acuerdos no estandarizados proporciona los medios para buscar, analizar y comparar instantáneamente las condiciones de asociación, lo que reduce drásticamente el número de horas necesarias para ejecutar tareas recurrentes sencillas. Las soluciones de IA empresarial validan aún más la exactitud de los datos autodeclarados de los distribuidores mediante la detección de anomalías. Las incoherencias en los pagos de remesas obligan a los proveedores a gastar recursos independientemente del resultado. Si no se encuentra ningún problema, las horas de trabajo no producen ningún beneficio monetario. Peor aún, es posible que las organizaciones no tengan capacidad para investigar y conciliar la discrepancia. La fuga de ingresos permanece invisible.

El análisis de datos de IA empresarial se extiende a almacenes de datos situados fuera de los sistemas de contabilidad internos. Las soluciones que se integran fácilmente con las bases de datos de clientes introducen una visión predictiva más potente del potencial de ingresos futuros de los canales de distribución. Los sistemas de IA entrenados para correlacionar de forma autónoma los cambios en las suscripciones por plataforma ofrecen a los propietarios de contenidos una poderosa ventaja negativa.

Con mejores datos en la mano, los propietarios de contenidos pueden ajustar eficazmente a su favor las tarifas, los acuerdos de reparto de ingresos y las condiciones contractuales.

Caso práctico de IA empresarial: Detección de anomalías

Un número incalculable de amenazas y oportunidades críticas para el negocio pasan desapercibidas cada día. Los modelos de ingresos de los medios de comunicación y el entretenimiento son especialmente vulnerables a las anomalías ocultas, ya que los datos están dispersos entre distribuidores, plataformas de pago, dispositivos de streaming, sistemas de gestión de abonados y redes de distribución de contenidos (por nombrar algunos).

La IA empresarial destaca en la detección de patrones para localizar señales anómalas ocultas en conjuntos de datos complejos.

Detección de anomalías mediante IA

• Morosidad

• Informes de los distribuidores

• Recuento de abonados

• Ingresos declarados

• Flujo de caja

Aunque las herramientas de inteligencia empresarial sin capacidades de IA pueden detectar algunas anomalías, existen limitaciones reales: retraso en la detección de errores, falta de visibilidad de la causa raíz y acceso a menos conjuntos de datos. La IA empresarial puede reducir drásticamente el riesgo de pasar por alto anomalías sutiles de los datos que tienen un impacto desproporcionado en el negocio.

Caso práctico: Un fallo millonario

A las 24 horas de su implantación, la plataforma Revedia AI descubrió un error en un popular servicio de streaming que había pasado desapercibido: 15.000 suscriptores estaban inscritos en pruebas gratuitas sin fecha de caducidad definida. El impacto en los ingresos de esta anomalía ascendió a más de un millón de dólares.

La mejor IA empresarial: qué buscar en una solución

Invertir en una solución de IA para empresas es una decisión empresarial importante. Aunque la tecnología es bastante sencilla, la decisión de compra es compleja. Las múltiples partes interesadas, las confusas categorías de productos y las características altamente técnicas disuaden incluso a los ejecutivos más experimentados.

Además, la IA comercial está menos implantada en los medios de comunicación y el entretenimiento que en otros sectores. Las clasificaciones de los analistas, las revisiones por pares y otros recursos que suelen consultarse en el proceso de compra no están fácilmente disponibles. Como resultado, suelen surgir dudas:

• ¿Qué funciones necesito?
• ¿Está preparado para el futuro?
• ¿Cuándo debo invertir?
• ¿Está probada esta solución?
• ¿Cuál es el riesgo?

En esta sección de la guía, repasaremos las preguntas clave que los líderes empresariales deben tener en cuenta a la hora de evaluar una solución de IA empresarial.

Definir el caso de negocio

El amplio abanico de casos de uso de la IA empresarial en los medios de comunicación y el entretenimiento puede provocar parálisis por análisis. Con tantas aplicaciones potenciales de la tecnología de IA, puede resultar difícil aclarar la necesidad.

Dependiendo de su función, es posible que busque en la IA empresarial una solución potencial a múltiples retos. Aísle las necesidades empresariales más importantes y amplíe a partir de ahí.

Aclare los resultados específicos que pretende conseguir con la IA; estos se utilizarán como criterios de decisión a la hora de evaluar las soluciones de los proveedores. Los cinco resultados más comunes que buscan los directivos de medios de comunicación y entretenimiento que están considerando invertir en IA empresarial son:

• Reducir las bajas y aumentar la retención
• Maximizar los ingresos por distribución
• Optimizar la cartera de contenidos
• Estabilizar las operaciones financieras
• Gestión eficaz de los datos

Un caso empresarial bien definido permite a los compradores determinar el alcance de los requisitos, cuantificar la eficacia y comunicar los beneficios de la inversión potencial a las partes interesadas.

¿Construir o comprar?

La inclinación a desarrollar sistemas de IA propios es comprensible. Impulsadas por la disponibilidad de componentes de código abierto, la falta de soluciones específicas para el sector y la necesidad de funciones especializadas, algunas organizaciones asumen el coste y el riesgo de desarrollar soluciones de IA internas. En raras ocasiones, existe una justificación de peso para tomar la decisión de construir en lugar de comprar: una iniciativa radicalmente transformadora y muy específica que, sencillamente, no puede lograrse con la tecnología disponible en el mercado.

En el 99% de los casos restantes, las soluciones comerciales de IA ofrecen ventajas estratégicas en el debate de comprar o construir:

• Time-to-value

• Menor coste

• Eficacia

• Escalabilidad

Contratar (o desviar la atención de) científicos de datos e ingenieros para desarrollar IA propietaria es una propuesta multimillonaria. Incluso la integración de recursos de código abierto en el entorno informático existente consume recursos, a menudo con la participación de varios proveedores y acumulando costes laborales indirectos. Los meses necesarios para desarrollar algoritmos básicos de aprendizaje automático pueden retrasar aún más la implantación.

Gartner predice que hasta 2022, el 85% de los proyectos de IA ofrecerán resultados erróneos debido a sesgos en los datos, los algoritmos o los equipos responsables de gestionarlos.

El mantenimiento es otro factor de coste frecuentemente subestimado. Mantener un sistema de IA altamente funcional requiere un personal técnico y de apoyo considerable y una formación continua. A medida que evolucionan las capacidades de IA, innovar y actualizar los sistemas existentes implica un compromiso a largo plazo con la investigación y el desarrollo.

Al asociarse con empresas que ya han invertido mucho (y siguen invirtiendo) en introducir sólidas capacidades de IA en el mercado, los líderes de los medios de comunicación y el entretenimiento pueden centrarse en convertir la inteligencia impulsada por la IA en decisiones, productos y experiencias de cliente superiores.

Más allá de las soluciones puntuales

Dada la expectación en torno a la IA, los proveedores de soluciones puntuales se están apresurando a incorporar capacidades de IA en las plataformas existentes. No cabe duda de que las empresas pueden obtener un valor incremental de estas mejoras de funciones, que no deben desacreditarse como parte de una estrategia global de IA.

Sin embargo, para aprovechar todo el valor de la inteligencia artificial, los medios de comunicación y las empresas de entretenimiento deben mirar más allá de las capacidades de IA aisladas, hacia plataformas integrales capaces de hacer operativa la inteligencia en toda la empresa.

Poner a trabajar la IA en conjuntos de datos integrados y disponibles de forma centralizada, procedentes de fuentes dispares, produce los rendimientos significativos que diferencian la visión impulsada por la IA de la inteligencia empresarial común.

Una solución puntual con capacidad de IA, por ejemplo, puede ofrecer previsiones predictivas. Pero el análisis se limita a los datos contenidos en ese sistema. La IA empresarial puede agregar la información de múltiples soluciones puntuales para ofrecer resultados más profundos y difundir la información a los sistemas y partes interesadas de toda la organización.

85%
de los esfuerzos internos de IA producen resultados erróneos

La IA empresarial integrada también facilita la eficiencia de la gestión de datos a largo plazo. Por naturaleza, una fuente de verdad centralizada elimina redundancias, reduce errores y agiliza la ingesta y el análisis de flujos de datos en tiempo real que crecen exponencialmente.

La agregación de datos no exige que las partes interesadas renuncien al control. Al contrario, permite que la solución de IA reconozca tendencias y genere perspectivas útiles dondequiera que surjan, para todas las funciones empresariales.

Enfoque vertical

La mayoría de las ofertas de IA disponibles en la actualidad no están diseñadas específicamente para los retos específicos del sector de los medios de comunicación y el entretenimiento. Estas soluciones "horizontales" satisfacen las necesidades básicas de las empresas de todos los sectores, pero en última instancia limitan el valor que puede aportar la IA.

El auge de la IA especializada
Afortunadamente, el mercado está cambiando a favor de la IA verticalizada. Para 2023, el 85% de las soluciones de IA empresarial se centrarán en necesidades específicas del sector o en funciones específicas del dominio.

Las soluciones especializadas tienen ventajas concretas para las organizaciones de medios de comunicación y entretenimiento. Los sistemas de IA verticalizados están capacitados para detectar, analizar y abordar los problemas más acuciantes en las agendas de los ejecutivos del sector.

• Rotación de abonados

• Compromiso con los contenidos

• Distribución en streaming

• Licencias y cánones

• Experiencia del cliente

Diseñar y entrenar correctamente sistemas de IA verticalmente especializados requiere profundos conocimientos del dominio. La diferencia entre una solución horizontal y una vertical es palpable para los usuarios, desde el nivel arquitectónico hasta la interfaz de software.

85%
de la IA comercial será especializada en 2023

Los algoritmos de aprendizaje automático entrenados con la industria aprenden a detectar mejor los patrones comunes. Las interfaces creadas por expertos con amplios conocimientos de los flujos de trabajo de los medios de comunicación y el entretenimiento son intrínsecamente más intuitivas para los usuarios. La normalización de datos, la segmentación de clientes, el modelado de escenarios y muchos otros procesos están preparados para adaptarse a la dinámica única y cambiante del sector.

Los medios de comunicación y el entretenimiento se mueven con rapidez, y las soluciones verticalizadas pueden seguir el ritmo. Cuando el mercado evolucione, los proveedores de soluciones verticalizadas invertirán en innovaciones de productos para evolucionar con él.

Escala estratégica

La IA empresarial es un juego largo. Comenzar con una prueba de concepto permite a las organizaciones establecer puntos de referencia con los que se medirá en última instancia el retorno de la inversión, por ejemplo:

• Facilidad de aplicación
• Velocidad de ingesta de datos
• Precisión algorítmica
• Preparación infraestructural
• Rendimiento de los proveedores

Un enfoque a escala permite a los líderes centrarse en validar los casos de uso y crear capacidad interna para garantizar la continuidad de la adopción en toda la empresa.

Lo esencial

La IA empresarial sustituye las tareas, deberes y actividades humanas que la IA está mejor preparada para realizar. Así, los humanos pueden centrarse en lo que mejor saben hacer: pensar de forma más creativa, tomar decisiones y determinar qué datos debe tener en cuenta la IA.

Esta visión ayuda a definir la capacidad y las limitaciones de la IA empresarial en los medios de comunicación y el entretenimiento. La IA puede digerir, clasificar, segmentar y analizar enormes cantidades de información. Puede identificar cambios graduales y repentinos en el negocio y producir perspectivas independientes de la instrucción humana. Sin embargo, sigue siendo competencia humana decidir qué acciones emprender y cómo convertir esa información en poder.

Aplicada a los medios de comunicación y el entretenimiento, la IA empresarial puede supervisar e informar sobre las audiencias con una profundidad y un detalle que eran imposibles incluso hace una década. Las empresas que desplieguen la IA no solo sobrevivirán a las guerras del streaming, el cord-cutting y cualquier otra perturbación que se avecine; verán antes los cambios que se avecinan, pasarán más rápido de la información a la acción y, en última instancia, convertirán la información en poder y beneficios.

"En el panorama mediático actual, el contexto es el rey. Una cosa es aplicar algoritmos de IA a los problemas, pero lo que el mercado necesita son análisis de comportamiento en tiempo real y recomendaciones prescriptivas que marquen una diferencia medible para los proveedores que buscan el compromiso del cliente a escala."
MUKUL KRISHNA
DIRECTOR DE MEDIOS DIGITALES DE FROST & SULLIVAN