Error #2: Intentar hacerlo solo
La IA generativa es uno de los temas sobre los que más se ha hablado en el último año, pero pocas personas tiene experiencia en la materia. La creciente demanda de estas habilidades en todas las industrias junto con una reserva de talento relativamente pequeña complica a las organizaciones crear un equipo interno a través de contrataciones estratégicas, de manera que la mayoría tendrá que recurrir a un modelo de asociaciones que les ayude a desarrollar estas capacidades y ganar madurez.
Cuando seleccionan un socio de IA generativa, las organizaciones deberían considerar, sobre todo, sus capacidades tecnológicas y su inversión en equipos y herramientas. Más allá de eso, hay dos elementos que debería encabezar la lista de consideraciones:
- Experiencia de la industria. No hay sustituto para la experiencia en la industria. Las organizaciones obtendrán importantes ventajas al trabajar con un socio que entienda su mercado y los desafíos, a la vez que pueda aplicar la IA generativa a los asuntos más relevantes del sector.
- Experiencia en TI empresarial. Los actores de nicho de IA generativa conocen su área, pero ¿entienden la complejidad de la función de la TI corporativa? El tamaño y la estructura de un gran cliente puede sobrepasar a una startup de IA generativa. Además, las empresas están lidiando con otras iniciativas tecnológicas, como la migración o la optimización cloud, que deben avanzar a la par que la hoja de ruta de la IA generativa. Será de gran utilidad trabajar con un socio que entienda estas particularidades.
Error #3: Empezar con casos de uso avanzados
Uno de los factores que frena a las organizaciones a experimentar con la IA generativa es el riesgo percibido de hacerlo. Como ocurrió con el paso a la nube, algunas compañías son cautas a la hora de utilizar cualquier nueva tecnología que tiene el potencial de poner en peligro la propiedad intelectual o los datos de los clientes.
Pero hay formas de iniciarse en la IA generativa que presentan menos riesgos, como centrarse en los casos de uso internos. Uno de los casos de uso de menor riesgo y más elevada recompense gira alrededor de la productividad del desarrollador. Al utilizar esta tecnología para automatizar tareas habituales (identificando y arreglando vulnerabilidades, refactorizando el código para mejorar la calidad, automatizando la configuración del entorno y escribiendo la documentación del código) puede generar un retorno significativo sin mucho riesgo. Un estudio reciente estima las mejoras de la eficiencia para los desarrolladores entre un 20% y un 50%.
Por otro lado, los casos de uso más avanzados, especialmente aquellos relacionados con el servicio al cliente, tienden a entrañar más riesgos. Por ejemplo, utilizar chatbots habilitados por la IA generativa en la función de atención al cliente puede ofrecer importantes mejoras de eficiencia, aunque crear estas herramientas es complejo y requiere pensar sobre todas y cada una de las interacciones que el cliente pueda iniciar.
Esto no significa que las organizaciones no deberían utilizar la IA generativa en la atención al cliente, sino que es aconsejable empezar con una aplicación interna, como una herramienta para asistir a los agentes, en lugar de bots para servicio al cliente. La IA generativa es una excelente herramienta de gestión del conocimiento, ayudando a los agentes a examinar los casos pasados para encontrar la solución óptima y la próxima mejor acción para problema comunes, como abordar defectos de productos o gestionar retornos.
Al centrarse en caso de uso internos, las compañías pueden empezar a obtener valor de la tecnología mientras crean una plataforma de lanzamiento para su estrategia de IA. Pueden generar impulso y entusiasmo entre los equipos, desarrollar la infraestructura necesaria y crear marcos que les permitan avanzar a medida que la tecnología madura.
Error #4: Personalizar herramientas listas para usar
Las organizaciones han confiado durante mucho tiempo en la personalización para mejorar las capacidades listas para usar, desarrollando casos de uso especializados y adaptando las plataformas para dar respuesta a sus necesidades.
Sin embargo, muchos líderes de TI desarrollan argumentos convincentes contra la personalización del sistema. Cuando personalizas, añades complejidad, lo que dificulta la escalabilidad y la actualización. En otras palabras, las ganancias inmediatas de esta adaptación se obtienen a menudo a costa de la agilidad futura. Esta premisa se cumple con los sistemas de IA generativa y con los ERPs.
En las fases iniciales, la mayoría de las herramientas de IA generativa del mercado funcionan de forma similar y ofrecen capacidades comparables. Mientras estos modelos pueden evolucionar con el tiempo y desarrollar importantes diferenciaciones, por el momento son ampliamente intercambiables. Esto significa que las organizaciones no necesitan invertir grandes recursos en la evaluación.
Es más, estos LLMs existentes ofrecen importantes capacidades listas para usar que pueden proporcionar la base para muchos casos de uso iniciales. Dado que este campo evoluciona rápidamente, es mejor centrarse en las capacidades fundamentales de las herramientas y los modelos sin personalizaciones. Esto situará a las organizaciones en mejor posición para adaptarse con el tiempo.
Dicho esto, hay características que se pueden crear alrededor de un LLM para hacerlo más efectivo sin recurrir a la personalización. Por ejemplo, los equipos de TI pueden utilizar ingeniería prompt como una técnica de comunicación para ayudar a que la interacción siga su curso. Al ofrecer avisos conversacionales específicos, el agente (en este caso un bot) guía al cliente hacia el camino diseñado para mejorar las posibilidades de resolver el problema.
Las compañías también deberían considerar cómo utilizan la integración para que los LLMs existentes estén más orientados a la empresa. En la actualidad, las herramientas de IA generativa están disponibles a través de una interfaz web, que no forma parte del flujo de proceso existente. Mediante la integración, las empresas pueden incrementar la flexibilidad en el flujo de trabajo y obtener más valor de la tecnología.
Por último, las organizaciones deberían reconocer que simplemente el uso de la IA generativa es una forma de ganar madurez. Cuanto antes y más use la IA generativa, más precisa y orientada a los modelos será. Si bien la personalización puede parecer un acelerador de valor, de hecho, puede obstaculizar la evolución natural de los modelos e impactar negativamente en la capacidad de las organizaciones para aprovechar las últimas tecnologías a largo plazo.
Error #5: Estancarse en un ciclo piloto
Muchas organizaciones están en el proceso de lanzar pilotos para probar el valor de la IA generativa. Y es justo lo que se debe hacer, sobre todo, porque la tecnología sigue evolucionando.
En paralelo, necesitan recordar que las actuales inversiones y actividad debería ayudar a las organizaciones a ganar madurez. Los pilotos no se limitan solo a probar el valor de la tecnología o, en algunos casos, a identificar las aplicaciones que no funcionan. También sirven para dar impulso y entusiasmo al programa internamente, estableciendo las mejores prácticas, creando los frameworks necesarios y desarrollando las habilidades necesarias para llevar a la organización al siguiente nivel.
Si bien el foco hoy todavía podría ser la experimentación, las organizaciones necesitan desarrollar un plan que vaya más allá de la fase piloto o de la prueba de concepto. En muchos sentidos, este proceso debería reflejar la introducción de cualquier otra tecnología nueva en la organización; los negocios deberían crear un camino para la producción que les permita desarrollar las capacidades necesarias y desplegar la tecnología de forma reflexiva y metódica.
Si bien hoy puede ser prematuro crear una estrategia global o un equipo dedicado, dado lo rápido que evoluciona la tecnología, lo cierto es que es algo que habrá que hacer en algún momento. Por ello, las compañías deben estar atentas a las inversiones que se hacen, a la formación de los equipos y a los proyectos que se ponen en marcha.
¿Qué es lo siguiente? Dar los pasos correctos para estar a la vanguardia
Hemos pasado la mejor parte de este último año viviendo un ciclo de exageración de la IA generativa. Pero a medida que nos acercamos al aniversario del lanzamiento de ChatGPT, debemos preguntarnos ¿en qué momento aceptamos que esta tecnología no es una exageración, sino que forma parte innegable de nuestro día a día?
La IA generativa ha venido para quedarse, lo que significa para las empresas que tienen que jugar a largo plazo, invirtiendo en IA generativa y habilitando las tecnologías y desarrollando las capacidades para estar a la vanguardia a medida que el panorama siga madurando. La única manera de hacerlo es actuando ahora y emprendiendo el viaje hacia la IA generativa.
