Fiabilidad

El enfoque estratégico de la IA en la empresa

Resumen

La Inteligencia Artificial (IA) está entrando masivamente en el lugar de trabajo. Sin embargo, las empresas deben ser prudentes antes de lanzarse de lleno a su implantación, apostando primero por las implantaciones más sencillas y con mayor rentabilidad, y acumulando conocimientos y experiencia por el camino.

De vez en cuando aparece una tecnología tan prometedora que las empresas la implantan sin pensar demasiado en cómo o dónde puede ser más útil.

Si echamos la vista atrás a la nube, la virtualización o el propio PC, el miedo a perderse algo (FOMO), por sus siglas en inglés, a menudo prevalecía sobre una consideración cuidadosa, y muchas empresas acabaron malgastando un tiempo y un dinero considerables deshaciendo implantaciones que eran improductivas o perjudiciales para sus modelos operativos.

Lo mismo ocurre hoy con la inteligencia artificial (IA). La narrativa actual es que la IA va a rehacer el mundo entero, y cualquier organización que no esté a la vanguardia de esta revolución acabará en el basurero de la historia. No importa para qué se utilice o si obtiene buenos resultados, mientras la dirección ejecutiva pueda informar de su existencia a los inversores en este momento, todo lo demás supuestamente encajará.

Planificar la Inteligencia Artificial

Aunque la IA no está necesariamente condenada al fracaso, por supuesto, puede acarrear complicaciones en el futuro si no se aplica correctamente. Una vez que la IA se apodera de un determinado proceso, es difícil deshacerlo. Por eso es necesario un poco de planificación si el objetivo es utilizar la IA como una herramienta valiosa y no como un mero escaparate tecnológico.

Por el momento, los call center son un lugar donde la IA está demostrando ser muy beneficiosa. Sus capacidades en funciones como el análisis del habla y la determinación de la intención del cliente la hacen muy valiosa como activo de ventas y atención al cliente.

Cobus Greyling, evangelista jefe del desarrollador de la plataforma de productividad de datos HumanFirst, señala que la IA puede contribuir a los cuatro elementos de un entorno de centro de llamadas moderno: conexión, orquestación, gestión de recursos y conocimiento y perspectivas. Pero algunas de sus aplicaciones específicas son más fáciles de implantar y aportan más valor empresarial que otras.

Analizar los patrones del habla y aprender a calibrar lo que necesita el cliente es muy factible y ofrece buenos rendimientos, mientras que cosas como la asistencia de autoservicio totalmente conversacional y el coaching del agente en tiempo real ofrecen un valor medio y son más difíciles de desarrollar.

Construir gráficos de conocimiento para optimizar las capacidades conversacionales o crear las herramientas que permitan un enrutamiento inteligente de los contactos son proyectos difíciles de acometer en estos momentos, y ofrecen una productividad limitada.

Analítica con propósito

El campo de la analítica empresarial también cuenta con un amplio conjunto de operaciones, algunas de las cuales son más susceptibles de automatización inteligente que otras. Ivy Liu, CEO de la consultora de comercio electrónico Ivy Insights, señala que el lead scoring puede beneficiarse enormemente de un análisis más rápido y preciso de las métricas de rendimiento, lo que a su vez permite a las empresas reelaborar o abandonar las iniciativas de bajo rendimiento y redoblar la apuesta por las de alto rendimiento.

En la vertiginosa economía digital actual, en la que los márgenes son cada vez más estrechos, es probable que esto se convierta en un elemento diferenciador clave entre las empresas de éxito y las que fracasan.

La IA proporciona esencialmente las herramientas para apoyar la supervisión del rendimiento en tiempo real con el fin de ofrecer imágenes precisas de lo que está sucediendo ahora y en el futuro, y pueden aplicarse a una serie de procesos, como ventas, marketing, finanzas y desarrollo estratégico tanto a medio como a largo plazo.

También podemos echar un vistazo al campo aún emergente de DevOps para ver cómo se puede aprovechar la IA para obtener el máximo beneficio. Para empezar, dice el redactor técnico Binod Anand, la IA facilita la gestión de las aportaciones en cada fase del proceso de desarrollo al recopilar datos de fuentes internas y externas y analizarlos para comprobar su precisión, relevancia y sesgo. También mejora la eficacia del ciclo de pruebas para eliminar errores y aumentar la productividad general, al tiempo que acelera la ejecución de los controles de seguridad.

Sin embargo, a pesar de estas ventajas, la dependencia excesiva de la IA puede crear errores no resueltos en el ciclo de vida de DevOps, lo que podría provocar retrasos en el rendimiento o interrupciones totales. Igualmente preocupante es la posibilidad de que produzca consecuencias poco éticas o perjudiciales para la vida de las personas, sobre todo cuando se aplica a aplicaciones críticas como la sanidad, las finanzas personales y los servicios gubernamentales. Demasiada IA también puede resultar muy costosa, ya que necesita importantes recursos informáticos y de almacenamiento tanto para la formación y las operaciones como para examinar los enormes volúmenes de datos necesarios para obtener resultados adecuados. Y una vez que un modelo de IA empieza a depender de los resultados de otros modelos de IA, el riesgo de interrupción generalizada aumenta exponencialmente.

La herramienta adecuada para el trabajo

Según Gartner, la IA es más eficaz cuando se aplica a tres casos de uso generales:

  • Automatización de procesos
  • Personalización
  • Mejora de la productividad de los trabajadores

Por el momento, la mayor parte de estas ventajas se obtienen aplicando la IA a soluciones puntuales. Las soluciones a gran escala pueden crear más valor, pero pueden ser difíciles de conseguir sin realizar cambios significativos en los procesos empresariales establecidos y en las interacciones entre equipos dentro de la organización.

Algo que la empresa debe tener en cuenta, sobre todo cuando se trata de IA generativa como ChatGPT, es mantenerse al día de los marcos normativos emergentes, en particular los relacionados con la infracción de derechos de autor y la responsabilidad legal.

Además, todas las formas de IA pueden infringir la ley al producir resultados falsos debido a la inestabilidad algorítmica, los datos erróneos, la falta de habilidades y formación humanas y otros muchos factores. Lo último que quiere cualquier organización de su inversión en IA es una multa cuantiosa, o incluso cargos penales.

En resumen

Nadie ha dicho nunca que la IA sea la panacea para todos los males de la empresa (aunque algunos lo hayan insinuado). Una visión estratégica adecuada debería centrarse primero en la fruta madura, es decir, en las implantaciones más sencillas y con mayor rentabilidad.

Así se consigue al menos que la comunidad de usuarios acepte que la tecnología puede contribuir a sus vidas de forma significativa. Una vez que se haya dado ese paso, la implantación posterior se beneficiará de la experiencia interna acumulada hasta ese momento y, tal vez, de los conocimientos sobre IA obtenidos en la primera ronda de implantaciones.

Como todas las iniciativas empresariales, la IA debe comenzar con un objetivo y un plan para alcanzarlo. A partir de ahí, debe abrirse camino en el modelo de negocio de forma natural, no por la fuerza.

Temas relacionados

Arthur
Editor

Arthur Cole es un periodista independiente de tecnología que ha estado cubriendo desarrollos en tecnología de la información y empresas durante más de 20 años. Contribuye a una amplia variedad de sitios web líderes en tecnología, incluyendo IT Business Edge, Enterprise Networking Planet, Point B and Beyond, y varios servicios de proveedores.