Existe un mito persistente en la transformación empresarial que, en mi opinión, ralentiza a más empresas que cualquier brecha tecnológica.
Es la idea de que si quieres digitalizar el trabajo, automatizar procesos o escalar la analítica, primero necesitas centralizar todo en manos de especialistas técnicos.
Eso suena disciplinado. En la práctica, a menudo crea distancia entre las personas que entienden el trabajo y las personas de las que se espera que lo mejoren.
Si quieres construir una empresa inteligente de verdad, tienes que hacer algo más que agregar tecnología a los flujos de trabajo existentes. Tienes que rediseñar cómo ocurre la mejora. Eso significa darles a más personas la capacidad de resolver problemas directamente, en especial, a las personas con la experiencia más profunda. En muchos casos, la persona que mejor entiende el cuello de botella no está en TI. Es la persona que convive con el cuello de botella todos los días.
Esa ha sido una de las lecciones más importantes en nuestro recorrido en Siemens Energy.
Replantear quién tiene la capacidad de crear
El momento en que nuestra forma de pensar cambió fue cuando dejamos de preguntar: “¿Cómo obtenemos más recursos técnicos?” y empezamos a preguntar: “¿Cómo hacemos llegar los datos correctos a las manos de las personas que entienden el negocio y sus procesos?”
La primera pregunta asume un proceso donde la analítica permanece centralizada y los insights fluyen desde un equipo de especialistas. La segunda pregunta asume que las personas que comprenden los problemas comerciales cotidianos, el gerente de adquisiciones que sabe lo que cuesta una demora de un proveedor, el analista de fábrica que entiende por qué una métrica de producción no es correcta, son las mejor posicionadas para crear soluciones.
A este enfoque lo llamamos Desarrollo ciudadano. La idea central es simple: permitir que personas que no son programadores tradicionales creen soluciones de analítica usando herramientas de código simple. Dales acceso a los datos, la plataforma adecuada y algo de soporte de especialistas en tecnología y surgirán grandes cosas.
Crear la base para el acceso a los datos
Antes de que pudiéramos empoderar a nuestros desarrolladores ciudadanos, tuvimos que resolver el problema del “acceso a los datos”. Si las personas necesitan presentar una solicitud o exportar un informe enorme solo para ver datos sin procesar, la fricción es demasiado alta. Nadie desarrolla nada. Vuelven a sus hojas de cálculo.
Por eso, creamos el Centro de Datos de SE, y macros de Alteryx que se conectan a Snowflake, donde se replican cada 20 minutos los datos de SAP sin procesar de todos nuestros distintos sistemas SAP. Esto constituye el núcleo de nuestro concepto de democratización de datos.
Incluimos medidas de protección mediante la creación de flujos de trabajo estandarizados, plantillas reutilizables y un registro centralizado de parámetros, lo que brindó a los equipos la libertad de crear mientras se mantenía la integridad de los datos. Ese equilibrio entre independencia y estructura es algo sobre lo que animaría a cualquier organización a reflexionar profundamente antes de escalar.
Cómo es escalar la analítica de autoservicio
Empezamos en 2018 con solo unas pocas licencias para explorar, pero rápidamente ganamos impulso. Para 2020, ya habíamos alcanzado 100 licencias de Alteryx y las utilizábamos para una variedad de casos prácticos. El primer gran proyecto fue automatizar un informe semanal de ingresos de efectivo. No era algo especialmente llamativo, pero funcionó y liberó horas que los analistas dedicaban anteriormente a tareas manuales.
El éxito de este proyecto se extendió al área de compras, donde uno de nuestros compradores operativos dedicaba varias horas cada semana a redactar manualmente correos electrónicos a proveedores sobre confirmaciones de órdenes de compra pendientes. Creamos un flujo de trabajo que analizaba los datos SAP sin procesar de nuestra fábrica, identificaba cada confirmación de partida de orden de compra faltante y enviaba automáticamente correos electrónicos a nuestros proveedores en distintos idiomas.
El ciclo continuó, ya que un logro impulsó otro, lo que finalmente nos llevó al Procurement Cockpit: un conjunto de visualizaciones integral impulsado por Snowflake, Alteryx y Tableau, que brinda a los compradores operativos y a los equipos de compras visibilidad en tiempo real de toda la cadena de procesos de compras operativas, desde la demanda hasta la recepción de mercancías.
Hoy se ejecuta en más de 20 fábricas en nueve países y ahorra más de 150,000 horas al año. Esa solución única, especialmente la arquitectura de flujo de trabajo dinámica subyacente, se convirtió en un modelo que podemos adaptar y replicar en otros casos prácticos gobernados y altamente escalables.
La experiencia en el dominio se vuelve más importante en la era de la IA
Con toda la atención puesta en la IA, existe la tentación de asumir que el futuro dependerá menos de los analistas que están más cerca del trabajo cotidiano.
Lo veo de otra manera.
A medida que la automatización y la IA reducen la barrera para crear, configurar y escalar soluciones, la experiencia en el dominio se vuelve aún más valiosa. No menos.
¿Por qué? Porque la parte difícil a menudo no es crear el flujo de trabajo. La parte difícil es saber cómo se conectan los datos entre sí a lo largo del proceso, qué debe hacer el flujo de trabajo, qué excepciones importan, qué decisiones necesitan soporte, qué lógica de negocio debe regir el proceso y qué significa realmente un resultado en contexto.
Esa comprensión proviene de las personas que conocen el negocio y sus procesos. También construye la base para los casos prácticos de IA, ya que los datos sin procesar se enriquecen con lógica de negocio.
Esta es una razón adicional por la que las plataformas de código simple y la IA pueden ser tan poderosas. No solo aceleran la ejecución técnica. Permiten que más personas participen en la mejora y transformen una cuestión empresarial en una solución basada en datos.
Las organizaciones que obtengan el mayor valor de estas tecnologías serán aquellas que las conecten con el criterio de las personas más cercanas al trabajo. El recorrido de Siemens Energy lo deja claro: el impulso hacia el desarrollo ciudadano, una mayor participación y la experimentación fue inseparable del progreso de la empresa en analítica y automatización.
Cómo pueden comenzar los líderes
Para los líderes, el desafío de convertirse en una empresa inteligente es si tu organización está creando las condiciones adecuadas para que ese cambio ocurra de una manera que sea escalable, confiable y conectada con las personas que mejor entienden el trabajo.
Recomiendo estos pasos prácticos para comenzar:
- Empieza con un problema real, no con una prueba de concepto.
- Involucra a los usuarios finales desde el primer día.
- Trata el acceso a los datos como un requisito previo.
- Implementa la gobernanza y las medidas de protección desde el principio.
- Diseña para la reutilización, no solo para la resolución.
Las empresas que definirán la empresa inteligente serán aquellas que averigüen cómo poner la capacidad analítica en manos de las personas que entienden el trabajo, y luego construyan la cultura, la infraestructura y la confianza para permitir que esas personas la utilicen.