Capital One desplegó la captura de imágenes de cheques modelando a quién perjudicaría cada plan

Capital One planeaba desplegar tecnología de captura de imágenes de cheques para los cajeros de aproximadamente 1.000 sucursales minoristas. La respuesta obvia de gestión de proyectos era elegir la vía de despliegue más rápida o más barata, pero proyectos bancarios similares habían sufrido retrasos y clientes y empleados insatisfechos.

El primer modelo de decisión ofreció a la dirección una comparación cuantitativa global de las alternativas de despliegue. Los ejecutivos advirtieron entonces la trampa: una opción que parecía aceptable en conjunto podía aun así dañar gravemente un área de negocio hasta el punto de paralizar el proyecto.

El equipo reconstruyó el análisis en torno a la teoría de decisiones grupales, separando la visión de cada grupo de interés de la visión combinada de la empresa. Eso puso de manifiesto por qué las tres alternativas iniciales eran defectuosas y ayudó a los ejecutivos a diseñar una cuarta estrategia de despliegue.

El movimiento elegante fue convertir la fricción organizativa en un dato de entrada del modelo. En lugar de tratar la resistencia como una tarea de gestión del cambio posterior al modelo, Capital One la utilizó para dar forma al propio plan de implementación.

Optimizar el costo de adopción, no solo la velocidad del despliegue

Promediar la utilidad de los grupos de interés habría ocultado puntos de dolor locales que podían retrasar la adopción.

El método convirtió una discusión sobre el despliegue en una comparación estructurada de compensaciones por área de negocio.

La estrategia final surgió de los fallos del modelo, no de forzar la victoria de una opción preestablecida.

Para grandes despliegues internos, el modelo inteligente suele ser el que muestra a quién se le rompe el flujo de trabajo, no el que maximiza una puntuación agregada.

El artículo informa que la nueva estrategia evitó los retrasos observados en otros bancos que implementaron tecnología similar, ahorró aproximadamente 30 millones de dólares y mejoró la satisfacción de clientes y empleados. El caso se publicó en INFORMS Journal on Applied Analytics en 2023.