Cómo dar los primeros pasos con Gen AI en la Empresa
En estos tiempos, Directorios y Gerentes tienen discusiones por comprender cuán seriamente deben tomar el último fenómeno en el mundo de la inteligencia artificial: la IA generativa. Por un lado, ya ha demostrado una asombrosa capacidad para crear nuevo contenido, como música, discurso, texto, imágenes y video, y actualmente se utiliza, por ejemplo, para escribir software, transcribir las interacciones de los médicos con sus pacientes y permitir a las personas conversar con CRM (sistemas de gestión de relaciones con el cliente).
Por otro lado, esta tecnología está lejos de ser perfecta: a veces produce resultados distorsionados o completamente fabricados y podría pasar por alto preocupaciones de privacidad y derechos de autor. Muchas preguntas asoman con la aparición de esta nueva tecnología:
¿Es exagerada la importancia de la IA generativa? ¿Valen la pena los riesgos en comparación con las recompensas potenciales? ¿Cómo pueden las empresas determinar dónde es mejor aplicarla? ¿Cuáles deberían ser sus primeros pasos?
Para proporcionar orientación, este artículo se basa en una investigación publicada en HBR edición Nov-Dic 23 que comprende estudios de proyectos específicos de IA generativa y análisis amplios de cómo la tecnología afectará a las tareas y empleos.
Quick Win
Una empresa de software estudiada por investigadores del MIT ilustra un excelente Quick Win aplicado en Servicio al cliente aprovechando los beneficios de la IA generativa y a la vez conteniendo sus riesgos.
Es común ver en empresas con regulaciones complejas, cómo las de software, empresas financieras, etc, que los nuevos agentes de servicio al cliente necesiten varios meses para comprender qué y cómo responder a muchas preguntas técnicas y saber lidiar con clientes a veces confundidos. Las evaluaciones de calidad de servicio son exigentes, y muchas personas renuncian antes de volverse competentes en su tarea generando un loop sin solución.
La empresa vio a la Gen AI como una salida a este problema y ayudada por una consultora especialista decidió implementar dos tipos de inteligencia artificial: El primero era un modelo de lenguaje grande (LLM), diseñado para comprender y responder a los humanos en sus propias palabras, que "escuchaba" las conversaciones. Se ajustó para reconocer frases que conducían a resultados satisfactorios en diversas situaciones de servicio al cliente. Pero debido al riesgo de confabulaciones o respuestas plausibles pero incorrectas, el sistema también utilizó una técnica de aprendizaje automático llamada aprendizaje en contexto, que extraía respuestas de manuales y documentos relevantes para el usuario.
El LLM monitoreaba las conversaciones en línea en busca de frases específicas, y cuando una de ellas ocurría, basaba sus respuestas en la información del sistema de aprendizaje en contexto. Como salvaguardia adicional, no respondía a las consultas directamente. En cambio, los agentes humanos eran libres de aplicar su sentido común para decidir si usar o ignorar las sugerencias del LLM.
en números...
Después de una prueba piloto de siete semanas, el sistema se implementó en más de 1,500 agentes. En dos meses, aparecieron múltiples beneficios. Tanto el número promedio de problemas resueltos por hora como la cantidad de chats que un agente podía manejar simultáneamente aumentaron casi un 15%; el tiempo promedio de chat disminuyó en casi un 10%; y un análisis de los registros de chat también mostró que inmediatamente después de la implementación del nuevo sistema, la satisfacción del cliente mejoró. Las expresiones de frustración disminuyeron, por ejemplo, al igual que las MAYÚSCULAS EN TODA LA CONVERSACIÓN.
Es especialmente interesante que los agentes menos capacitados, que también eran a menudo los más nuevos, se beneficiaron más. Por ejemplo, las resoluciones por hora de los agentes del 20% mas lento antes de la introducción del nuevo sistema aumentaron en un 35%. (La tasa de resolución del 20% más rápido no cambió). El sistema de IA generativa fue una tecnología de capacitación rápida. Puso a disposición de todos los agentes conocimientos que antes solo se adquirían con experiencia o formación. Además, la rotación de agentes disminuyó, especialmente entre aquellos con menos de seis meses de experiencia, quizás porque las personas tienden a quedarse cuando tienen herramientas poderosas para hacer su trabajo de manera más eficiente.
Si quieres revisar cómo poder establecer una estrategia de Gen Ai en tu empresa, ponte en contacto con nosotros, estaremos felices de colaborar en esta desafiante tarea.
Fuente: HBR Magazine (November–December 2023). How to Capitalize on Generative AI - A guide to realizing its benefits while limiting its risks by Andrew McAfee,, Daniel Rock, and Erik Brynjolfsson.