Empecé a interesarme por la IA a principios de los años 2000 e incluso gané una competición juvenil con un proyecto centrado en el OCR (reconocimiento óptico de caracteres) de escritura a mano. Curiosamente, ya en el año 2000 teníamos casi todos los algoritmos fundamentales que todavía se utilizan hoy. Lo que aún no teníamos era suficiente capacidad de cómputo…
Con el tiempo, mis intereses se desplazaron hacia la medición del desempeño y, más tarde, hacia el campo más amplio de la ejecución de la estrategia. Hoy, cuando los LLM dominan los titulares, rara vez volvemos a los fundamentos.
¿Qué es lo que realmente hace posible el aprendizaje en las redes neuronales?
Unos pocos principios matemáticos sencillos se encuentran en el núcleo de la IA moderna. Y veo claros paralelismos en cómo estos mismos principios pueden y deben ser utilizados por las organizaciones al ejecutar sus estrategias.
Qué hace posible que la IA aprenda
Uno de los fundamentos matemáticos de las redes neuronales es la regla de la cadena del cálculo aplicada a composiciones de funciones. Las redes neuronales son sistemas por capas construidos a partir de muchas operaciones simples y diferenciables. La regla de la cadena permite calcular gradientes a través de toda la composición. Eso es lo que hace posible el aprendizaje a escala.
- Durante una pasada hacia adelante, una red neuronal produce una salida que inicialmente es incorrecta.
- Mediante datos etiquetados y una función de pérdida, podemos medir cuánto se desvía el resultado del resultado deseado.
- Dado que todas las operaciones internas son diferenciables, podemos calcular derivadas locales para cada transformación.
- Al aplicar la regla de la cadena, estas derivadas locales se combinan en gradientes de la pérdida con respecto a cada parámetro del modelo.
El sistema no solo detecta que se produjo un error. Determina cómo contribuyó cada parámetro individual a ese error y en qué dirección cambiarlo desplazaría el resultado.
Ejecución de la estrategia como un sistema de aprendizaje organizacional
El mismo problema existe en las organizaciones…
Una buena implementación de la estrategia es un sistema estructurado de objetivos, subobjetivos, iniciativas e indicadores de rendimiento.
Durante la ejecución, las organizaciones necesitan detectar las desviaciones de su dirección prevista lo antes posible. Por eso existen las medidas de rendimiento. Proporcionan la primera señal de que la realidad se está desviando de los supuestos.
Pero:
Saber que “algo salió mal” es casi inútil por sí solo…
La ejecución solo mejora cuando la organización puede ver qué elementos del sistema requieren ajuste y cómo es probable que esos ajustes influyan en los resultados.
En las redes neuronales, esto se habilita matemáticamente mediante la regla de la cadena. En la implementación de la estrategia, solo se hace posible cuando la estrategia se descompone adecuadamente, se alinea con las expectativas de las partes interesadas y se traduce de aspiraciones vagas a múltiples niveles de objetivos e indicadores concretos conectados causalmente.
Ejecute una estrategia implementada correctamente
En este sentido, la ejecución eficaz de la estrategia empieza a parecerse a una red neuronal bien diseñada.
Cuando se producen desviaciones, la organización puede aprender rápidamente: no solo que el rendimiento está por debajo de lo esperado, sino qué iniciativas, procesos, capacidades o supuestos deben ajustarse para acercarse a las expectativas de las partes interesadas.
Cuando la estrategia está mal articulada (objetivos abstractos, sin causa y efecto, sin indicadores significativos), la organización termina en la misma situación que un modelo sin gradientes utilizables. Puede ver que los resultados son malos, pero no tiene una forma fiable de decidir qué cambiar.
Tanto en las redes neuronales como en las organizaciones, el aprendizaje solo se hace posible cuando un sistema se construye a partir de componentes interconectados a través de los cuales la retroalimentación puede propagarse.
Cuando hay:
- Estructura,
- Responsabilidad local, y
- Impulsores medibles
… la mejora continua se hace posible. Sin ellos, a las organizaciones les queda poco más que señales de éxito/fracaso, y ningún mecanismo para comprender cómo mejorar.
¿Así que por fin sabemos a dónde va el gasto en Marketing?
La respuesta breve es: «no» (y tampoco las redes neuronales).
En IA, no podemos señalar una sola neurona y decir: «esto causó el resultado». El aprendizaje sigue siendo posible porque el sistema está construido de modo que la retroalimentación fluye a través de muchas partes conectadas y las remodela gradualmente.
Decir «el marketing está funcionando» es similar a decir «el modelo mejoró». Muestra la dirección, pero no le indica qué debe cambiar a continuación.
Lo que resulta útil es ver patrones dentro del sistema.
Por ejemplo: los ingresos pueden mantenerse estables mientras el tráfico aumenta, mejora la interacción con el contenido y se generan más leads, pero las tasas de cierre de acuerdos caen y los acuerdos tardan más en cerrarse.
Desde el punto de vista analítico, ya no se trata de un simple éxito/fracaso. Es un patrón de señales que muestra que algunas partes del sistema están mejorando mientras otras están desalineadas.
El sistema no identifica una única campaña culpable. Indica dónde se necesita un ajuste.
Así es como se ve el aprendizaje cuando funciona.
Puede que no le diga exactamente a dónde fue cada dólar, pero le dice algo mucho más valioso: hacia dónde debe moverse la organización a continuación.
Defectos conocidos: encuentre el mínimo local
De forma similar a las redes neuronales, con la limitación conocida de encontrar un mínimo local en lugar de uno global, las organizaciones no deberían confiar al 100% en sus marcos de medición.
La ejecución de la estrategia es un proceso continuo de validación de hipótesis en la práctica. A veces validamos hipótesis de bajo nivel y todo tiene sentido. A veces, avanzamos a lo largo del árbol de descomposición y, finalmente, cuestionamos nuestra comprensión de las partes interesadas y sus necesidades.
Alexis Savkin es un arquitecto de implementación de estrategia y fundador de BSC Designer, una plataforma de software de ejecución de estrategia y de cuadro de mando integral. Ayuda a las organizaciones a automatizar la gestión del desempeño y a convertir la estrategia en resultados medibles. Alexis es el creador del «Strategy Execution Canvas», el autor de más de 100 artículos sobre estrategia y medición del desempeño, y un orador habitual en eventos del sector.