Las rápidas innovaciones en IA generativa están permitiendo una adopción generalizada de esta tecnología.
Pero las organizaciones también tienen que hacer concesiones entre el costo y la escalabilidad.
Destacamos tres tipos de organizaciones que están optimizando la IA generativa con éxito.
Las innovaciones en inteligencia artificial generativa (IA generativa) se suceden a un ritmo vertiginoso. El progreso avanza a tal velocidad que las barreras de entrada —y de adopción— están desapareciendo, y el trabajo que antes requería equipos especializados o proveedores externos ahora está al alcance de todos. Los empleados de las empresas completan diversas tareas —redactar, programar, analizar y hacer predicciones— con mayor rapidez y menos habilidades internas que nunca.
Pero usar la IA generativa en toda la empresa —el esquivo santo grial de esta era tecnológica— es otra historia. Las organizaciones se imaginan creando soluciones para hacer más productivos los flujos de trabajo de los equipos y las funciones empresariales, pero el proceso está resultando más largo y costoso de lo esperado. El secreto a voces de la IA generativa es que los ejecutivos tienen dificultades para integrar las distintas piezas tecnológicas y obtener resultados sistemáticamente precisos de sus soluciones. También deben hacer difíciles concesiones entre el costo y la escalabilidad.
Las soluciones tipo copiloto dirigidas a personas hacen un trabajo extraordinario en tareas personales puntuales: iniciar correos de ventas, poner en marcha un blog y realizar investigaciones. Pero son iniciativas aisladas y los resultados generados no están vinculados a la empresa. No se pueden escalar en un entorno que depende de datos, conocimientos, mensajes y otros indicadores empresariales importantes coherentes, por lo que su valor es limitado. En el otro extremo, hay soluciones de IA excelentes que agilizan los procesos empresariales (por ejemplo, auditar informes de gastos o automatizar cadenas de suministro). Reducen enormemente las tareas tediosas y los errores, pero su valor también se agota porque están afinadas para un único proceso y carecen de una aplicación amplia.
Pero algunas empresas han descubierto cómo optimizar tanto a las personas como los procesos. Estos son algunos ejemplos.
¿Qué tipo de empresas están optimizando con éxito la IA generativa?
Una empresa global de cosméticos automatiza la creación de contenido a partir de su base de datos de productos para la «estantería digital», con cientos de productos y decenas de canales de distribución de comercio electrónico. Pensemos con qué frecuencia cambian las descripciones de los productos (y los propios productos), a raíz de nuevos posicionamientos, movimientos de la competencia y eventos como las fiestas o los cambios de estación. Ahora imaginemos producir contenido para cada cambio en el idioma local de decenas de países, teniendo en cuenta los requisitos legales, regulatorios y culturales. Con la IA generativa, la organización lleva al mercado nuevos materiales de productos semanas antes y aumenta las conversiones en línea; además, empodera a las personas —desde los responsables de marca hasta los gerentes regionales— al producir contenido casi listo para el mercado desde el primer intento, eliminando los intercambios que obstaculizan la productividad.
Un líder de plataformas de CRM (gestión de las relaciones con los clientes) ha creado diversas aplicaciones de IA generativa para satisfacer decenas de flujos de trabajo complejos que abarcan toda la empresa. La organización realiza lanzamientos de productos para cada una de sus marcas varias veces al año y, además, organiza o asiste a cientos de eventos globales cada año. Cada uno de estos momentos requiere una «lista de materiales» que involucra a una combinación de las áreas de producto, experiencia de usuario (UX), ventas, marketing, atención al cliente y dirección ejecutiva, y cuya elaboración lleva de semanas a meses.
Con su iniciativa de IA generativa, la organización recurre a fuentes de conocimiento y guías de estilo para cada una de sus empresas, y automatiza la creación de materiales que van desde artículos de asistencia sobre productos hasta historias de clientes y comentarios de ejecutivos. Al generar contenido personalizado para cada ocasión y facilitar los flujos de trabajo relacionados, la empresa no solo reduce el tiempo y las fricciones organizativas, sino que eleva las contribuciones de las partes interesadas de lo táctico a lo estratégico.
Un innovador en protección de datos lanzó recientemente un nuevo producto y utilizó IA generativa para crear una aplicación interna de apoyo a las ventas. Esta recurre a las fuentes de conocimiento, mensajes y marca de la empresa para responder preguntas sobre perfiles de clientes, casos de uso, historias de éxito, detalles de productos e implementación, beneficios y mensajes clave para cada público. Ahora, cientos de profesionales de ventas de todo el mundo pueden obtener respuestas precisas a sus preguntas en tiempo real. Esto les permite mantener conversaciones inteligentes y útiles con clientes potenciales, clientes y socios sobre la plataforma, a la vez que elimina las fricciones que suelen surgir para obtener respuestas.
¿Cómo está creando el Foro Económico Mundial salvaguardias para la inteligencia artificial?
El Centro de Excelencia en IA conecta a líderes de distintos sectores para comprender la rápida evolución de la inteligencia artificial y sus implicaciones para las economías y las sociedades. Promueve un diálogo informado sobre las oportunidades, los riesgos y las concesiones vinculados a la adopción de la IA.
A través de espacios de confianza e iniciativas colaborativas, el Centro permite a sus socios crear un entendimiento compartido y trabajar juntos en enfoques responsables para la innovación y el uso de la IA.
¿Qué podemos aprender de estos ejemplos?
Estos proyectos tienen tres aspectos importantes en común que ayudaron a cada empresa a obtener valor de la IA generativa con rapidez y con un gasto y esfuerzo mínimos. En primer lugar, compartieron en toda la empresa un conjunto de LLM entrenados (modelos de lenguaje grandes), capacidades de recuperación y salvaguardias específicas de la compañía, a la vez que personalizaron la aplicación de la última etapa para cada función o flujo de trabajo. Esto les permite desplegar soluciones con rapidez mediante un proceso repetible, lograr resultados precisos y mantener la coherencia de marca en todos sus productos de IA.
En segundo lugar, cada una adoptó un enfoque colaborativo para desplegar las soluciones: involucró pronto a las partes interesadas, iteró rápidamente con prototipos y promovió el intercambio de conocimientos y el desarrollo de habilidades entre equipos. Como resultado, los equipos son autosuficientes y pueden avanzar con rapidez en nuevos casos de uso y mejoras de las soluciones. Por último, buscaron sin descanso los «puntos débiles» del sistema —detectando errores, alucinaciones y problemas de indexación de datos— y los corrigieron en la tecnología compartida. Este trabajo inicial hace que los resultados de IA de cada empresa sean más precisos y de mayor calidad para todas las partes interesadas.
