¿Cómo demuestras el ROI de la IA cuando el rendimiento es de solo un 1 %?

David Rice: Solo el 17 % de las organizaciones ha implementado agentes de IA. La cifra correspondiente a varios departamentos ronda el 3 %. JLL ha dejado de contar los suyos. En el programa de hoy, hablo con Carlin Power, vicepresidenta global de habilitación de tecnología de IA y plataformas en JLL, sobre lo que el otro 97 % está a punto de aprender.

Porque JLL no está experimentando con agentes. Los está ejecutando en producción en la gestión de instalaciones, las comunicaciones de marca y las funciones corporativas de toda la empresa, y las lecciones obtenidas no son principalmente técnicas. Lo primero que falló no fue la tecnología, sino la conversación sobre el ROI. ¿Cómo justificas el coste de lo básico?

¿Cómo te sientas delante de tu directora financiera y le dices: «Podríamos obtener un rendimiento del 1 % con esto»? La respuesta de Power fue devolver la conversación sobre el valor al lugar al que pertenece: dentro de la cuenta de pérdidas y ganancias que toma la decisión de inversión. Si una persona líder del negocio intenta crecer y aumentar en un 20 % la cuota de gasto de sus principales clientes, la IA pasa a formar parte de esa conversación en lugar de ser un martillo buscando un clavo.

La cuestión de las primeras etapas profesionales también merece atención en este tema. La investigación de Stanford establece una línea clara. Cuando la IA automatiza, disminuye la contratación de perfiles júnior. Cuando aumenta las capacidades, el empleo se mantiene o crece. JLL tomó una decisión deliberada, y las personas becarias que ha incorporado recientemente presentaron un trabajo final tan sofisticado que, de no habérselo dicho, Power habría pensado que llevaban tres o cuatro años de carrera profesional.

Hoy analizamos qué diferencia a los agentes que sobreviven del 40 % de los proyectos que Gartner prevé que se cancelarán antes de 2027, por qué plantear correctamente el ROI importa más que la propia tecnología, cómo desarrollar fluidez en IA en ochenta países sin perder la relevancia local y qué debería hacer durante los meses uno a tres una directora de personas que no tiene ningún agente en producción al empezar a implementarlos.

Soy David Rice. Esto es People Managing People y, si tu organización todavía está intentando descubrir por dónde empezar con los agentes, esta conversación ofrece un plan práctico de alguien que ya ha superado esa pregunta. Empecemos.

Bienvenidos al pódcast People Managing People. Como siempre, soy vuestro presentador, David Rice, y hoy me acompaña Carlin Power. Es la vicepresidenta global de habilitación de tecnología de IA y plataformas en JLL. Muchas organizaciones están experimentando con agentes de IA, pero vosotros habéis implementado algunos con éxito. De acuerdo. Entonces…

Carlin Power: Sí, así es…

David Rice: Vamos a hablar un poco de eso y de algunas de las lecciones aprendidas.

La primera pregunta que quería hacerte tiene que ver con algo que vi en una encuesta de Gartner a directores de sistemas de información: solo el 17 % de las organizaciones ha implementado agentes.

Carlin Power: Claro.

David Rice: Y creo que la cifra para varios departamentos es del 3 % o algo parecido, ¿verdad? Sí, sí. Es realmente baja.

Carlin Power: Sí.

David Rice: Así que muchas personas están al principio de este proceso. Y vosotros habéis lanzado —la última cifra que vi era de unos 34—, aunque creo que ahora son más.

Carlin Power: Sí. Estamos creciendo. Creo que simplemente hemos dejado de contarlos.

David Rice: ¿Habéis dejado de contarlos? Bueno, mi primera pregunta es: ¿qué sabéis ahora que el otro 97 % está a punto de aprender?

Carlin Power: Creo que en realidad se remonta a algunas decisiones que tomamos al principio. Invertimos en lo que llamamos JLL Falcon, que es un nombre de marca sofisticado para una colección de capacidades de IA y API que todos nuestros desarrolladores de software podían utilizar de forma rentable para implementar capacidades de IA en la tecnología nueva que estaban creando y en la tecnología existente que ya tenían en el mercado.

Gracias a eso, y a que pudimos descentralizar la innovación entre todas nuestras personas ingenieras, comenzaron a mejorar sus competencias mucho más rápido en la creación y el despliegue de elementos como los agentes. Tenemos agentes en nuestro negocio de gestión de instalaciones que optimizan las órdenes de trabajo y la forma en que se asignan las personas técnicas a los centros para realizar sus tareas de gestión de instalaciones.

Tenemos agentes de marca que aplican nuestra marca a las presentaciones de PowerPoint y nuestro tono de voz a las comunicaciones internas y externas de JLL. Hace aproximadamente un mes y medio implementamos Ask JLL, una colección de agentes que reúne a las personas expertas de cada área de nuestras funciones corporativas para ayudar al personal a obtener asistencia en todas ellas.

Gracias a esa descentralización entre todos los equipos de ingeniería, estamos creando agentes para problemas empresariales específicos y personalizados, con resultados de ROI muy deliberados.

David Rice: ¿Crees que esa es parte de la razón por la que ha tenido éxito? Has mencionado su naturaleza personalizada. ¿Ha sido importante que no intentéis resolver algo de forma general, sino que seáis muy específicos?

Carlin Power: Sí. Tenemos agentes generales y herramientas de IA de propósito general. Contamos con un asistente de IA general que llamamos Pulse, al que llamamos cariñosamente… y que revisa todos nuestros chats, correos electrónicos y documentos compartidos. Actúa como una asistente administrativa que elimina gran parte de la carga de las tareas administrativas y tácticas que hay que realizar en un puesto de trabajo basado en el conocimiento.

Por eso implementamos intencionadamente algunas capacidades generales, pero sí, el ROI real de esas herramientas es más básico, lo que yo llamaría lo mínimo imprescindible. Son cosas que todo nuestro personal necesita tener a su alcance para que podamos competir en el mercado.

Todos los agentes que implementan nuestros equipos de ingeniería de software para apoyar una línea de negocio concreta o una función corporativa resuelven problemas empresariales específicos que impulsan nuestros resultados, y eso está alineado con varios niveles de la organización.

David Rice: Llévame al primer agente. ¿Qué fue lo que falló y no era técnico? ¿Fueron los permisos, la propiedad o la descripción del puesto de alguien?

Carlin Power: El primer agente es Pulse, también conocido como las herramientas de trabajo de JLL, porque ahora lo proporcionamos mediante un protocolo de contexto de modelo, o MCP, que es la forma sofisticada de decir un conector directo a un agente y a datos estructurados.

Creo que no fue realmente algo técnico lo que falló. Fue más bien cómo justificar el coste frente al ROI. Es una conversación bastante difícil cuando solo estás viendo cifras de eficiencia de entre el 1 % y el 3 %. Resulta complicado sentarse delante de la directora financiera y decir: «Creo que deberíamos hacer esto, pero podríamos obtener un rendimiento del 1 %».

Al principio intentábamos descubrir cómo articular el valor de lo mínimo imprescindible y cómo articular el valor de un agente concreto. También queríamos saber si eso sería un estándar que estableceríamos para la creación de agentes. ¿Cómo nos aseguramos de que cada persona creadora de nuestra organización pueda decir: «Voy a entregar este agente para resolver un problema que antes nos costaba una cantidad X de trabajo o producía un resultado X, pero ahora podremos multiplicar por cinco el rendimiento, generar una nueva línea de ingresos, aumentar nuestra cuota de mercado o incrementar nuestra cuota de gasto con un cliente»?

Cuando consigues que los equipos piensen de esa manera, demostrar el ROI resulta mucho más fácil de justificar. Esa fue la primera cuestión: nos preguntaban cuándo y cómo debían utilizar estas herramientas y cuál era el ROI, y nosotros respondíamos: «Buena pregunta».

David Rice: Es interesante que menciones esa normalización. ¿Hubo también una estandarización del lenguaje o de la comprensión de qué podía considerarse ROI para quienes querían hacer estas cosas? Imagino que la imaginación de algunas personas puede desbordarse y que hay que decirles: «Eso no es realmente valor empresarial».

Carlin Power: Por suerte, tenemos grandes profesionales de finanzas en nuestra organización. Aunque es una función centralizada, está descentralizada en cuanto a su ubicación dentro de nuestras líneas de negocio y funciones.

Nuestro equipo financiero ha dedicado mucho tiempo a pensar cómo proporcionar a nuestros equipos marcos que les permitan plantear una conversación sobre el ROI. Creo que eso está madurando. No diría que tenemos la respuesta, porque si la tuviera abandonaría todo y fundaría de la noche a la mañana una consultora de mil millones de dólares, como haría cualquier otra persona.

Pero sí creo que estamos devolviendo la conversación sobre el valor al lugar al que pertenece: la cuenta de pérdidas y ganancias que toma la decisión sobre la inversión. Si una persona líder del negocio dice: «Tenemos que aumentar un 20 % nuestra cuota de gasto con nuestros diez principales clientes», la IA forma parte ahora de esa conversación, en lugar de que nosotros seamos un martillo buscando un clavo.

David Rice: Gartner prevé que el 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027. Cuando miras los agentes que habéis creado, ¿qué te hace confiar en que serán resilientes y continuarán después de ese momento?

Carlin Power: De nuevo, volvemos a nuestra decisión de implementar JLL Falcon y a la toma de decisiones descentralizada de nuestras funciones de ingeniería, que ahora están vinculadas a los indicadores clave de rendimiento de las líneas de negocio.

No creamos nada —o al menos intentamos no hacerlo— que no tenga un ROI atribuible o un ahorro cuantificable. Por eso la conversación resulta sencilla: cuando observas los agentes de IA que funcionan bien o no funcionan, ¿están cumpliendo sus objetivos igual que una persona empleada cumpliría sus objetivos empresariales?

¿La tecnología y el agente están haciendo lo que esperábamos? ¿Están generando los beneficios previstos? Si no es así, ¿por qué y debemos seguir invirtiendo? Hay que mantener periódicamente una conversación de detener, iniciar o continuar sobre los agentes que se implementan en la organización.

David Rice: Has mencionado la toma de decisiones descentralizada. ¿La construisteis desde el principio? ¿Formaba parte de vuestros procesos antes de comenzar todo esto?

Carlin Power: La base de nuestra estrategia de IA es nuestra capa de datos empresarial. Durante los últimos cinco o seis años, bajo la dirección de nuestro director de tecnología, Yao Moran, hemos desarrollado la fluidez, precisión, salud y relevancia de todos nuestros datos, básicamente en nuestro almacén de datos empresarial.

Cada dato que tenemos en JLL entra en nuestro almacén de datos empresarial. Después existe un conjunto de capacidades de gobernanza que define qué es ese dato, para qué resulta relevante, para quién es relevante y cómo pueden acceder las personas a esa información. Tenemos una capa de datos muy sólida en la base y JLL Falcon se sitúa encima.

Cuando hablamos del protocolo de contexto de modelo o del conector, eso simplemente entra directamente en nuestro almacén de datos empresarial y extrae los datos relevantes para quien los consume. Esa es nuestra función de escalado, tanto desde el punto de vista de la rentabilidad como de la relevancia de los datos.

También tenemos una estrategia de IA impulsada por las personas usuarias y otra impulsada centralmente. La estrategia impulsada centralmente es donde tiene lugar la descentralización de la que he hablado. Cada línea de negocio y equipo tecnológico de las funciones corporativas cuenta con iniciativas vinculadas a esa estrategia para ofrecer la diferenciación que necesitamos en el mercado.

La estrategia impulsada por las personas usuarias es la forma en que permitimos que el personal utilice nuestras herramientas y desarrolle fluidez interna en IA. Esa es nuestra función de habilitación. Tenemos la base, que son nuestros datos; la función de escalado, que es la plataforma JLL Falcon; la función de diferenciación, impulsada centralmente; y la función de habilitación, impulsada por las personas usuarias.

Todo ello se vincula con nuestros tres resultados empresariales: ofrecer valor a la clientela, liberar la excelencia en nuestras operaciones e impulsar la innovación.

Creo que eso es fundamental para explicar nuestro éxito. Y, en respuesta a tu pregunta, sí, la decisión de descentralizar fue deliberada. ¿La tomamos desde el principio? No lo recuerdo. ¿Es donde acabamos? Sin duda.

David Rice: He visto una investigación de Stanford que establece una línea clara: cuando la IA automatiza tareas, disminuye la contratación de perfiles júnior, y cuando aumenta sus capacidades, el empleo se mantiene o crece. Entre vuestros 34 agentes, o los que tengáis ahora, ¿en qué lado de esa línea crees que habéis acabado? ¿Fue una decisión o un resultado?

Carlin Power: Si una empresa se centra en la eficiencia y la productividad y, por tanto, su resultado es reducir la mano de obra, especialmente la de las primeras etapas profesionales, creo que eso demuestra inmadurez en su estrategia general de IA y en su modelo de implicación.

Nunca fue una decisión deliberada por nuestra parte decir: «Vamos a eliminar el 40 % de los puestos de trabajo». Creo que eso es alarmismo y probablemente una postura demasiado extrema. Además, puede resultar muy perjudicial para el éxito de una organización cortar completamente el acceso al talento de las primeras etapas profesionales.

El lunes pasado estuve con las personas becarias de abastecimiento y compras, que presentaron sus proyectos finales. Muchos habían utilizado nuestras herramientas internas y algunos laboratorios avanzados con los que tenemos acuerdos.

Si la persona responsable de abastecimiento y compras no me hubiera dicho que eran becarias, habría pensado que llevaban entre tres y cuatro años de carrera profesional, por la profundidad de sus conocimientos sobre problemas complejos de abastecimiento y compras y por lo cerca que habían trabajado con las cuentas de clientes para mejorar nuestros activos y contratos bajo gestión.

Aprendí cosas y me quedé impresionada por lo que pudieron hacer en tan poco tiempo. Me impresionó aún más que, al final, la directora de abastecimiento y compras les dijera: «Todas tenéis un puesto aquí en JLL si lo queréis». Es un buen ejemplo de que no deberíamos eliminar estos puestos iniciales. Debemos establecer expectativas completamente diferentes sobre lo que podemos obtener del talento en las primeras etapas profesionales.

Hemos rediseñado por completo nuestra estrategia para las primeras etapas profesionales en torno a proyectos finales que crean valor real a partir de los programas de prácticas que organizamos en JLL.

Creo que es una cuestión de madurez y que las organizaciones acabarán llegando ahí. Recomendaría a las empresas que no intenten eliminar esa trayectoria inicial, porque buena parte de su innovación durante los próximos tres a cinco años procederá de ella.

David Rice: Me alegra que hayas dicho eso, porque siempre he defendido que lo de los proyectos finales se parece más a un aprendizaje profesional.

Carlin Power: Sí.

David Rice: Cuando pensamos en las prácticas, recordamos que no siempre implicaban mucha responsabilidad. La gente aprendía poco y hacía tareas bastante básicas.

Carlin Power: Creo que yo contestaba al teléfono y archivaba documentos.

David Rice: Exactamente. No era una experiencia muy profunda.

Carlin Power: Sí, ponlo en mi currículum.

David Rice: El modelo de aprendizaje profesional consiste en aprender y hacer el trabajo al mismo tiempo, con la profundidad que describes.

Carlin Power: Me impresionó mucho y me ayudó a establecer un nuevo estándar y a educar a la organización sobre lo que debemos esperar de nuestro talento en las primeras etapas profesionales.

Espero que también establezca una competencia organizativa: probablemente deberíamos esperar mucho más de nuestras plantillas profesionales. Hemos estado educando a nuestras personas líderes sobre la evolución de su propuesta de valor mediante un taller de formación de varios módulos.

Les preguntamos: cuando todo vuestro equipo se vea aumentado, mejorado o reemplazado por la IA, ¿qué vais a hacer con ese valor? ¿Cómo vamos a recuperarlo, ya sea mediante un mayor rendimiento, mejores resultados, más tiempo con la clientela o más tiempo para crear futuras líneas de ingresos?

David Rice: Cuando hablamos de poner a las personas en primer lugar, creo que hace falta un instrumento o se queda en meras palabras, en un eslogan. ¿Cómo distinguisteis la adopción del cumplimiento o de las personas que simplemente intentaban esquivar la herramienta?

Carlin Power: Fue otra decisión deliberada tomada desde el principio.

Destinamos una parte importante de nuestro presupuesto a profesionales de implicación y habilitación que ayudaron inicialmente a todo el personal a establecer un nivel de fluidez en IA. Les presentamos nuevas herramientas, les enseñamos los fundamentos del funcionamiento de la IA generativa y cómo protegemos sus datos y los de nuestra clientela.

También respondimos a preguntas como qué ocurre cuando alguien sube la cuenta de resultados de un cliente a una herramienta de IA generativa. La respuesta era que habíamos creado el sistema para que fuera seguro y estuviera protegido, pero que cada persona debía aplicar su propio criterio.

Les ayudamos a encontrar el equilibrio entre aquello que se puede confiar a la IA generativa y aquello que no. Adoptamos una metodología de confiar, pero verificar. Inculcarla desde el principio ayudó a acelerar la adopción de capacidades más avanzadas.

Creamos herramientas, las implementamos y formamos al personal. También creamos un programa de personas embajadoras que podía adaptar las formaciones a las funciones y perfiles concretos de nuestras líneas de negocio y funciones corporativas, porque somos una empresa enorme que opera en 80 países.

Hay muchos aspectos que deben considerarse a escala local y que una función central no está diseñada para apoyar a gran escala. Por eso tuvimos que contar con la ayuda de las personas expertas de cada área para establecer el siguiente nivel de fluidez que nuestros equipos necesitaban para empezar a innovar por su cuenta.

David Rice: Nos estamos quedando sin tiempo, pero antes de dejarte marchar quiero plantearte una situación hipotética. Supongamos que tienes una directora de personas con cero agentes en producción, pero cuyo consejo empieza a presionarla y quiere ver avances. Tiene doce meses y un presupuesto. ¿Qué debería hacer durante los meses uno a tres para ponerse en marcha y qué sería lo primero que podría sentirse tentada a hacer, aunque tú le dirías que no lo hiciera porque es una pérdida de tiempo?

Carlin Power: Lo primero es establecer un grupo de personas con las que te sientas cómoda experimentando en toda la organización. No sé si empezaría de lleno con los equipos de funciones financieras, pero sí con personas expertas en las líneas de negocio y las funciones corporativas, con conocimientos técnicos, que puedan ayudarte a definir casos de uso reales en los que incluso la experimentación genere un ROI positivo.

Intentar abarcarlo todo de forma amplia y simultánea supondrá muchos costes. Si no tienes dentro de la organización personas formadas en los distintos ámbitos del negocio o en IA, los costes se dispararán y empezará a ocurrir todo lo que hemos descrito.

Hay que construir el éxito en unos pocos casos de uso, escalarlos y utilizar ese ROI para reinvertir en más herramientas o en herramientas más horizontales y de propósito general para toda la organización. La función de habilitación y el desarrollo de la fluidez también son fundamentales.

Debes conseguir que el personal se sienta cómodo utilizando las herramientas y debes incentivar su uso. Estoy muy agradecida a nuestro director ejecutivo, Christian Ulbrich, que estableció la visión y dio poder a las personas para utilizar la IA. También fijó indicadores clave de rendimiento globales sobre fluidez, adopción y uso.

No había ningún castigo por utilizar estas herramientas. Nunca existió la idea de: «Has descubierto cómo automatizar tu departamento, así que vamos a despedir a todo el mundo». La idea era aprovechar la IA para atender mejor a la clientela y servir mejor a las personas.

Todas nuestras personas ejecutivas tuvieron que establecer indicadores clave de rendimiento relacionados con ese objetivo y actuar como modelos de esos comportamientos. Nuestro director ejecutivo fue muy claro: todas las personas debían utilizar herramientas de IA y él mediría ese uso. Si el personal no te ve utilizándolas, no se sentirá cómodo ni con capacidad para usarlas.

Quería que la innovación surgiera tanto de abajo arriba como que el ejemplo llegara de arriba abajo. Por eso, mi consejo para cualquier persona líder de la alta dirección es que también debe actuar como modelo de ese comportamiento y alinear los incentivos con la conducta que quiere ver en la organización.

David Rice: Gracias por acompañarnos hoy. Carlin Power, señoras y señores. Hasta la próxima.

Carlin Power: Muchas gracias.

David Rice: Queridas personas oyentes, si todavía no lo habéis hecho, visitad peoplemanagingpeople.com/subscribe. Suscribíos al boletín. Recibiréis este pódcast y todo lo demás que creamos directamente en vuestra bandeja de entrada.

Hasta la próxima.