¿Cómo puede optimizarse la IA generativa al servicio de las personas y los procesos?

Las innovaciones de la IA Generativa (GenAI) están llegando con rapidez y furia. Los avances se están produciendo a un ritmo tan rápido que las barreras de ingreso -y de adopción- se están levantando, y el trabajo que antes requería equipos especializados o proveedores externos está ahora al alcance de la mano. Los empleados de las empresas están llevando a cabo una gran variedad de tareas -escribir, codificar, analizar, hacer predicciones- más rápidamente y requiriendo menos habilidades internas que nunca.

Pero el uso de GenAI en toda la empresa -el escurridizo santo grial de esta época tecnológica- es otra historia. Las organizaciones prevén crear soluciones para que los flujos de trabajo de los equipos y funciones empresariales sean más productivos, pero el camino está resultando más largo y costoso de lo esperado. El secreto de la IA generativa es que los ejecutivos luchan por integrar las piezas tecnológicas y obtener resultados precisos y coherentes de sus soluciones. También tienen que elegir entre costo y capacidad de expansión.

Las soluciones tipo copiloto dirigidas a individuos particulares hacen un trabajo increíble en tareas personales discretas: iniciar correos electrónicos de ventas, poner en marcha un blog e investigar. Pero se trata de soluciones puntuales, y el resultado generado no está vinculado a la empresa. No se adaptan a un entorno que depende de la coherencia de los datos, los conocimientos, la mensajería y otros marcadores empresariales importantes, por lo que su valor es limitado. Por otro lado, existen fantásticas soluciones de IA que agilizan los procesos empresariales (como la auditoría de informes de gastos o la automatización de cadenas de suministro). Reducen enormemente el trabajo tedioso y los errores, pero también pierden valor porque se han perfeccionado para un único proceso y carecen de una aplicación a gran escala.

Sin embargo, algunas empresas han descubierto cómo optimizar tanto a las personas como los procesos. He aquí algunos ejemplos.

Una empresa global de cosméticos automatiza la creación de contenidos desde su base de datos de productos hasta la "tienda digital" a través de cientos de productos y docenas de canales de distribución minorista electrónica. Imagínese la frecuencia con la que cambian las descripciones de los productos (y a veces hasta los productos en oferta), debido a un nuevo posicionamiento, a la competencia y a cambios de temporada o vacaciones. Ahora imagínese la entrega de contenidos para cada uno de esos cambios a docenas de países en el idioma local, teniendo en cuenta los requisitos legales, normativos y culturales. Con GenAI, la organización consigue que los materiales de los nuevos productos lleguen al mercado semanas antes y aumenta así las conversiones en línea, pero también capacita a las personas -desde los propietarios de cada marca hasta los directores regionales- al producir contenidos que están casi listos para el mercado desde su concepción incial, eliminando las idas y vueltas que obstaculizan la productividad.

Un líder en plataformas CRM (gestión de relaciones con los clientes) ha creado una serie de aplicaciones GenAI para satisfacer docenas de complejos flujos de trabajo entre empresas. La organización realiza lanzamientos de productos a través de cada una de sus marcas varias veces al año, así como acoge o asiste a cientos de eventos globales anualmente. Cada uno de estos momentos tiene una "ficha técnica" que abarca alguna combinación de producto, UX, ventas, marketing, atención al cliente y la suite ejecutiva, y su producción lleva de semanas a meses.

Con su iniciativa GenAI, la organización puede recurrir a fuentes de conocimiento, guías de estilo para cada uno de sus negocios y automatiza la creación de materiales, desde artículos para ofrecer atención al cliente sobre sus productos a historias de usuarios o comentarios ejecutivos. Al generar contenidos personalizados para cada momento y facilitar los flujos de trabajo en torno a ellos, la empresa no sólo reduce el tiempo y el desgaste organizativo, sino que eleva las contribuciones de las partes interesadas de tácticas a estratégicas.

Una empresa innovadora en protección de datos lanzó recientemente un nuevo producto y utilizó GenAI para crear una aplicación interna de capacitación de ventas que aprovecha el conocimiento, la mensajería y las fuentes de marca de la empresa para responder a preguntas sobre perfiles de clientes, casos de uso, historias de éxito, detalles de productos e implementación, beneficios y mensajes clave por audiencia. Ahora, cientos de profesionales de ventas de todo el mundo pueden obtener respuestas precisas a sus preguntas en tiempo real. Están capacitados para mantener conversaciones inteligentes y útiles con sus clientes existentes y potenciales y con sus socios sobre la plataforma, al tiempo que eliminan la fricción que suele suponer obtener respuestas a las preguntas.

Estos proyectos tienen tres cosas importantes en común que ayudaron a cada empresa a sacar provecho de la GenAI rápidamente con un gasto y un esfuerzo mínimos. En primer lugar, compartieron un conjunto de LLM (grandes modelos lingüísticos) entrenados, capacidades de recopilación y barreras de seguridad específicas de la compañía en toda la empresa, a la vez que personalizaban la aplicación final para la función o el flujo de trabajo. Esto les proporciona velocidad de despliegue, precisión en los resultados y coherencia de marca en todos sus productos de IA.

En segundo lugar, cada uno de ellos adoptó un enfoque colaborativo para el despliegue de soluciones, implicando a las partes interesadas desde el principio, insistiendo rápidamente con prototipos y promoviendo el intercambio de conocimientos y el desarrollo de habilidades entre los equipos. Como resultado, los departamentos son autosuficientes y pueden trabajar rápidamente con nuevos casos de uso y avances en las soluciones. Y, por último, persiguen sin descanso a los "inconvenientes" del sistema -descubren fallos, alucinaciones y problemas de indexación de datos- y los solucionan en la tecnología compartida. Este trabajo previo hace que los resultados de la IA de cada empresa sean más precisos y de mayor calidad para todas las partes interesadas.