Así como los métodos japoneses de Kanban transformaron la manufactura con sistemas "justo a tiempo", las empresas están utilizando ahora principios similares para la IA generativa con el fin de mejorar la eficiencia. Sastry Durvasula de TIAA explica la iniciativa de inteligencia artificial de la firma, "Research Buddy", que genera informes para la gestión de activos de Nuveen utilizando datos en tiempo real. Al activar la IA solo cuando es necesario, TIAA optimiza tanto el tiempo como el costo, dado el alto gasto asociado con la IA generativa. El analista de Forrester, Mike Gualtieri, reconoce el valor de la IA "justo a tiempo", pero señala que su relación costo-beneficio varía según las situaciones. Un gasto de un millón de dólares en IA, por ejemplo, se justifica si se ahorra significativamente más. Generalmente, las organizaciones evitan grandes costos usando modelos preentrenados, reduciendo así la necesidad de costosos científicos de datos. Los servicios de generación aumentada por recuperación (RAG) ayudan a minimizar los costos de IA mejorando la calidad y relevancia sin necesidad de entrenamiento personalizado.

Proveedores como Google ofrecen soluciones RAG listas para usar, permitiendo a las empresas concentrarse en el desarrollo de software en lugar de en las complejidades de la IA. La introducción de Tenjin GPT por parte de SAIC ejemplifica el uso estratégico de la IA en toda la empresa. Mejora los flujos de trabajo internos, apoya el servicio al cliente e incluso ayuda en el desarrollo de software. El CIO Nathan Rogers enfatiza el objetivo de democratizar el acceso a la IA para la toma de decisiones oportunas. Max Chan de Avnet desafía la etiqueta "justo a tiempo", prefiriendo un enfoque que aplique estratégicamente la IA donde arroje resultados significativos y eficiencia en costos. Las demandas computacionales de la IA dictan que se utilice juiciosamente para obtener beneficios empresariales. Aunque la IA justo a tiempo a veces carece de un bucle de supervisión humana, TIAA mitiga este aspecto al incorporar directrices de responsabilidad en la IA, asegurando que los analistas revisen los resultados de la IA antes de ser utilizados. Durvasula también destaca el enfoque "por si acaso", donde se proporciona información oportuna a los profesionales según sea necesario sin demoras. Las implementaciones de IA generativa, al igual que los cambios incrementales traídos por las técnicas japonesas de manufactura, revolucionan las operaciones y resultados cuando se ejecutan de manera reflexiva, ya sea a través de aplicaciones justo a tiempo, por si acaso o estratégicas e inteligentes.