¿Qué está impulsando la capacidad de datos comunes globales en RGA?

Cuando la junta dice: ‘¡IA!’, los CIO tienen la abrumadora tarea de educarla sobre los diversos aspectos de esta capacidad y orientarla hacia las inversiones y estrategias más beneficiosas. Mark Brooks, que se convirtió en CIO de Reinsurance Group of America (RGA) en 2023, hizo precisamente eso y reestructuró la organización tecnológica para apoyar la plataforma, redefinió las métricas de éxito del programa y demostró a la junta que TI es un buen administrador del dinero. Aquí, repasa el viaje y ofrece a los CIO transformadores algunos consejos prácticos.

¿Qué papel desempeñan los datos en la rentabilidad y el crecimiento de RGA?

Los datos son un activo fundamental para el crecimiento de RGA, y nuestra capacidad para aprovecharlos es fundamental para aumentar la velocidad y la precisión de nuestros procesos comerciales básicos, como la suscripción y la actividad actuarial. Aprovechamos los datos para aumentar el ritmo de evaluación de la información clínica necesaria para suscribir en nombre de nuestros socios, y la investigación continua de enfoques nuevos y novedosos para aplicar los datos a nuestros procesos comerciales. En el área de crecimiento, también utilizamos datos para acelerar el tiempo de ciclo de nuestros procesos comerciales de cara al exterior. Nuestra capacidad de datos encuentra puntos en común a nivel mundial en todas nuestras soluciones regionales.

Se necesitan muchos cambios para construir una capacidad de datos común a nivel mundial. ¿Cuál fue su enfoque para generar la mentalidad necesaria para lograrlo?

Cuando me incorporé a RGA, ya se reconocía que podíamos hacer crecer el negocio mediante la creación de una estrategia de datos empresariales. Durante años utilizamos lo que ahora llamaría un caso de uso de la vieja escuela para hacer que los procesos fueran más eficientes, menos costosos y de mayor calidad. Ya hablábamos de los datos como un producto con algunos de los primeros componentes básicos de un programa de productos de datos empresariales. Desde entonces, hemos ampliado esa conversación a las áreas con mayor potencial para generar valor.

¿Cómo educó a su junta directiva sobre los usos modernos de los datos?

Primero describí el panorama general de la IA y me aseguré de que se dieran cuenta de que llevamos bastante tiempo utilizando la IA en forma de aprendizaje automático y otros modelos deterministas. Luego describí lo que considero las tres categorías de IA generativa. La primera es la IA generativa FOMO, que ocurre cuando la junta directiva lee sobre proyectos piloto de IA y dice: ‘¡Tenemos que hacer algo!’. Un ejemplo es apuntar a Microsoft Copilot en SharePoint y llamarlo IA generativa. Esto puede causar riesgos sin un caso de negocio claro. Si Copilot encuentra un archivo de nómina de 2018 mal clasificado en SharePoint, entonces puede responder preguntas sobre el pago de las personas. Esto refuerza la necesidad de una buena gestión de datos, ya que los modelos de IA mostrarán datos incorrectos con más frecuencia y, muy probablemente, a un mayor coste para la empresa.

Luego está la IA generativa comercial, cualquiera de los modelos preentrenados de los hiperescalares, que buscan consumir todos los datos del mundo. Estas herramientas de IA generativa comercial permiten a las personas ser más productivas de diferentes maneras, ayudando a crear una biografía o resumir un grupo de archivos PDF. Aunque este tipo de IA generativa comercial aumenta la productividad, no es una IA generativa transformacional empresarial.

La IA generativa de empresa es donde está el verdadero valor. Por ejemplo, en RGA, podemos crear una solución aprovechando un modelo de lenguaje amplio y afinado al fusionar los datos de nuestros clientes con los nuestros, y luego vender a sus clientes nuevos productos de seguros reasegurados por RGA. Esa es la IA generativa que genera ingresos. Podemos introducir los datos de un cliente en nuestra plataforma de datos y ajustar un modelo en función de ellos que genere un resultado excepcional.

¿Qué se necesita para que la IA generativa funcione a nivel empresarial?

Una organización necesita el modelo de compromiso adecuado entre los responsables de pérdidas y ganancias de la empresa y los grupos tecnológicos que ofrecen soluciones en nombre de los clientes internos y externos. Esa es una pieza fundamental.

También es necesaria una mentalidad ágil y de gestión de productos para fomentar un enfoque de experimentación y alejarse del deseo de controlar los datos. La atención debe centrarse en la intersección de los conjuntos de datos internos y externos, y en exponer los datos en diferentes canales a través de asociaciones. En última instancia, la oportunidad está en crear conjuntos de datos de formación que representen los mejores datos asociados a un problema empresarial específico. Esa es la travesía crítica que hay que cruzar.

Después de años haciendo esto, por simple que parezca, el mensaje más difícil de vender internamente es que documentar los procesos es fundamental para el éxito de la empresa con la IA.

El truco está en utilizar ejemplos, software de trabajo tangible, para ilustrar posibles casos de uso. Tener una capacidad dentro de TI que tenga un conocimiento empresarial lo suficientemente profundo como para generar buenas ideas para poner a prueba, construir esas pruebas en tiempos de ciclo relativamente cortos e ilustrar el beneficio que pueden producir. Luego, utilizar esa credibilidad y el momento de conmoción y asombro que inevitablemente viene con casos de uso reales de IA, para entrar en conversaciones educativas más profundas. Por eso es importante la mentalidad ágil y de producto.

¿Qué cambios realizó en la organización tecnológica para crear y mantener la utilidad de los datos?

Creamos cuatro capacidades únicas dentro del departamento de tecnología: compromiso empresarial, datos empresariales, centros de entrega y arquitectura empresarial.

El equipo de compromiso empresarial, organizado tanto por región como por procesos empresariales, comenzó educando a sus socios comerciales, pero ahora ha pasado de la educación a la creación de casos de uso de alto valor.

La función de datos empresariales se encarga de proporcionar la plataforma de datos global, así como de implementar la gobernanza de datos adecuada. También tienen la responsabilidad de desarrollar los productos de datos críticos que son fundamentales para nuestro negocio.

Los centros de entrega son concentraciones de expertos en tecnología, que juntos aportan un profundo conocimiento en todo, desde la programación heredada hasta las tecnologías más recientes, incluyendo cómo implementar la IA generativa en las soluciones. Son los tecnólogos más profundos de RGA, pero hemos creado intencionadamente una red de socios para aumentar esa concentración.

La función de arquitectura empresarial es un nuevo grupo en RGA. Teníamos arquitectos integrados en cada uno de los equipos de entrega y un grupo de arquitectos asesores. Centralizamos a los arquitectos y pusimos más énfasis en las plataformas comunes para asegurarnos de que siempre estamos siendo buenos administradores del dinero.

Un cambio significativo que hicimos fue en nuestro uso de métricas para desafiar a mi equipo. Ahora definimos dos categorías de métricas: progreso y valor. Al realizar una transformación, es difícil establecer métricas de mejora de valor concretas al pasar de Waterfall a Agile. Es más razonable decir: ‘Estos son nuestros objetivos de métricas de progreso’. La métrica de progreso número uno, por ejemplo, puede ser que todos los equipos tengan un Scrum master. Estas métricas pueden utilizarse para impulsar pasos en la transformación cuando las métricas de valor no funcionan.

¿Qué consejo le daría a los CIO que están impulsando este nivel de transformación?

Una de las primeras obligaciones como CIO es crear transparencia para ganarse la confianza, que siempre se reduce al dinero. Establecer un marco financiero que demuestre que el grupo tecnológico global está implicado y será un buen administrador del dinero.

Nuestro marco financiero inicial consistió en autofinanciar nuestra transformación con una lista de iniciativas, que era una métrica de progreso. Eso no significa que la organización no vaya a invertir cada vez más en tecnología, sino que se puede confiar en nosotros para obtener todo el valor posible del presupuesto tecnológico.

Una vez superado el obstáculo del dinero, la conversación sobre un programa estratégico de inteligencia artificial para la empresa es una conversación completamente diferente.