#22 Los fundamentos para implementar la IA Generativa en la empresa

Gestión Empresarial

No hay ejecutivo en estos días que no haya ya buscado alguna fuente de información, sea seminario, congreso, webinar, reporte, etc., que le ayude a decidir la implementación en su empresa de la tecnología de moda: la inteligencia artificial generativa (GenAI).

Y lo más probable es que, aún cuando este ejecutivo ahora ya conoce de los múltiples casos de uso, el enorme potencial de mercado o los diversos riesgos que la GenAI trae consigo, aún sigue teniendo dudas si la GenAI le agrega valor real a su estrategia de negocio.

Aquí es donde recurrimos a la genialidad de Sangeet Paul Choudary para entender los fundamentos que sustentan la decisión de adoptar la GenAI en una organización, con todas las consecuencias que ello conlleva. En este artículo busco resumir y aclarar el concepto “Service-as-a-Software” que Sangeet presenta en su artículo “How to win at enterprise AI” para tener éxito en la adopción de la GenAI.

Contenido

• Roles, objetivos y tareas

• Service-as-a-software

• IA Generativa en la empresa

• Conclusiones

Roles, objetivos y tareas

La unidad más básica de todo trabajo en una organización es la tarea. Las tareas se organizan y ejecutan para conseguir un objetivo. Y los objetivos se agrupan para definir un rol. Veamos un ejemplo:

Rol: Gerente de ventas.

Objetivo 1: Alcanzar y superar la meta de ventas

• Tarea 1.1: Establecer metas claras para el equipo de ventas (TG)

• Tarea 1.2: Monitorear el desempeño del equipo de ventas (TG)

• Tarea 1.3: Diseñar estrategias para incrementar las ventas (TG)

• Tarea 1.4: Revisar y analizar informes de ventas (TC)

• Tarea 1.5: Coordinar reuniones para evaluar el progreso de las ventas (TO)

Objetivo 2: Liderar y gestionar el equipo de ventas

• Tarea 2.1: Reclutar, seleccionar y entrenar al equipo de ventas (TC)

• Tarea 2.2: Asignar territorios y cuentas a los vendedores (TC)

• Tarea 2.3: Evaluar el desempeño y proporcionar retroalimentación (TG)

• Tarea 2.4: Desarrollar planes de incentivos y comisiones (TC)

Objetivo 3: Optimizar los procesos de ventas

• Tarea 3.1: Definir e implementar herramientas de gestión de ventas (TC)

• Tarea 3.2: Desarrollar y documentar procesos de ventas eficaces (TC)

• Tarea 3.3: Monitorear la eficiencia operativa del equipo de ventas (TG)

• Tarea 3.4: Realizar auditorías y evaluaciones de procesos (TG)

Tarea de conocimiento (TC): las decisiones y acciones clave que hacen avanzar el flujo de trabajo pertenecen a los trabajadores del conocimiento, que deben tomar decisiones y ejecutarlas basándose en diversas formas de información y aprovechando sus conocimientos únicos.

Tarea de gestión (TG): la búsqueda de objetivos y el logro del rendimiento del flujo de trabajo son propiedad de los gerentes.

Tarea ordinaria (TO): tarea que no es ni de conocimiento ni de gestión.

Al día de hoy muchas de las TOs, sino todas, ya han sido automatizadas por sistemas tecnológicos, mientras que la mayoría de las TCs y TGs se mantienen bajo la responsabilidad del ser humano.

• Tarea 1.5 (TO): el gerente ya puede interconectar todos los calendarios de los miembros de su equipo de ventas, para identificar en forma autónoma e instantánea la mejor fecha y hora para programar la próxima reunión de ventas y garantizar el 100% de asistencia.

• Tarea 1.4 (TC): la revisión de reportes de ventas lo sigue haciendo alguien con conocimiento y experiencia suficientes para extraer conclusiones.

• Tarea 1.3 (TG): el líder del área de ventas sigue liderando el diseño de la estrategia general de ventas, mientras que las tácticas recae aún en cada miembro del equipo de ventas.

El gran poder disruptivo de la GenAI radica en que puede llegar a automatizar las tareas de conocimiento y de gestión.

El gran poder disruptivo de la GenAI radica en que puede llegar a automatizar las TCs y TGs.

Service-as-a-software

La adopción de la GenIA en la empresa supondrá un cambio de los flujos de trabajo dominados por los servicios, en los que la mayoría de las tareas son realizadas por humanos, a los flujos de trabajo dominados por el software, en los que el conocimiento crítico y el trabajo de gestión son absorbidos por la IA. Es así como aparece el service-as-a-software, vale decir, los servicios que antes eran provistos por una persona, ahora serán entregados por un software de IA.

Para que aparezca el service-as-a-software tiene que darse un proceso de desagregación y reagrupación de tareas, que aunque ya se ha venido dando con otras tecnologías (OCR-reconocimiento óptico de caracteres, RPA-automatización robótica de procesos, computación en la nube, etc), se va a ver radicalmente acelerado con la GenAI.

Una de las mayores implicancias del service-as-a-software es que desacopla el objetivo del rol, reduciendo el alcance de este último. En otras palabras, si la GenAI puede encargarse de realizar autónomamente las tareas 3.1, 3.2, 3.3 y 3.4, entonces el objetivo 3 “optimizar el proceso de venta” puede desligarse de la responsabilidad del gerente de ventas.

Una de las mayores implicancias del service-as-a-software es que desacopla el objetivo del rol, reduciendo el alcance de este último.

La evolución hacia el service-as-a-software tiene cinco pasos:

1. Flujos dominados por los servicios - En esta etapa las decisiones y acciones en los flujos de trabajo están principalmente ejecutados por humanos, siendo el software usado para procesar o automatizar tareas relativamente sencillas. Aquí es donde están hoy la mayoría de las empresas. Por ejemplo, se emplea una hoja de excel o un sistema de CRM para apuntar y procesar todas las actividades del equipo de ventas, y luego hacer un resumen para la reunión semanal de ventas.

2. Desagregación - A medida que mejora la capacidad de la GenIA para realizar tareas específicas, se examinan estos flujos de trabajo para determinar estructuras más eficientes y reducir la dependencia del esfuerzo manual. Algunas empresas ya están dando este paso, por ejemplo, desagregando el flujo de trabajo de un vendedor y automatizando varias de sus funciones como la generación, envío y seguimiento de correos electrónicos personalizados. La clave aquí es descomponer el flujo de trabajo en las tareas más básicas e identificar dónde agrega valor la GenAI. En esta etapa no hay cambio en el flujo del trabajo, solo mayor participación de la GenAI.

3. Recomposición - A medida que la GenAI se incluye en los flujos de trabajo, las tareas se recomponen, alterando los flujos que adquieren mayor cantidad de tareas ejecutadas por software. Al tener los flujos mayor dependencia del software, varias de las tareas pueden externalizarse a través de las llamadas API (Application Programming Interface). Por ejemplo, hoy ya existen programas de software que pueden tomar control total o parcial de su cuenta de LinkedIn para enviar y responder mensajes pre-definidos, y devolverle el control para tomar acción manual cuando el caso lo amerite. Lo hacen a través de una conexión API entre el software especializado y LinkedIn. Con la GenAI estos mensajes ya no tendrán que ser pre-definidos, sino que los escribirá autónomamente el motor de IA según el contexto de la comunicación.

4. Reagrupación - La recomposición de las tareas lleva a la empresa a reimaginar los flujos de trabajo, y quizás más importante, la secuencia de decisiones. Esta búsqueda de mayores eficiencias en los flujos de trabajo lleva incluso a buscar nuevas estructuras organizativas para obtener el trabajo hecho de una manera distinta. Los Agentes AI van a ser capaces de realizar muchas de las tareas que hoy las realizan la fuerza de ventas: identificar potenciales clientes, enviar correos electrónicos masivos y personalizados, contestar llamadas, generar reportes, etc. Imaginar cómo se van a reagrupar las tareas en nuestra organización para ser más eficientes y efectivos con la ayuda de la GenAI es una tarea que todo líder de negocio va a tener que abordar más temprano que tarde.

5. Flujos dominados por el software - Una vez que la reagrupación es completada, emerge un nuevo tipo de flujo de trabajo donde la mayoría de las tareas son ejecutadas por el software.

Ciertamente, cada vez que hay mejoras en la GenAI como los recientes lanzamientos de GPT 4o de OpenAI o Gemini 1.5 Pro de Google, se regresa al punto de desagregación para iterar un nuevo ciclo de revisión del flujo de trabajo. Este proceso es inevitable dado el avance continuo del desarrollo tecnológico.

Ciertamente, cada vez que hay mejoras en la GenAI como los recientes lanzamientos de GPT 4o de OpenAI o Gemini 1.5 Pro de Google, se regresa al punto de desagregación para iterar un nuevo ciclo de revisión del flujo de trabajo.

IA Generativa en la empresa

Hasta este punto espero que te hayas convencido de que la evolución hacia el service-as-a-software es inevitable, sin embargo, ello no necesariamente te ayuda de decidir la implementación de GenAI en tu empresa. Para ello debemos de contestar tres preguntas clave relacionadas entre si:

1. ¿Qué tareas pueden ser absorbidas por la GenAI? - Para responder esta pregunta necesitamos identificar dos variables: la dificultad de la tarea (simple, compleja) y la tolerancia al error en la empresa (baja, alta). Se sugiere analizar las tareas en cuatro cuadrantes donde el eje horizontal sea el nivel de tolerancia al error, y el vertical la dificultad de la tarea. Antes de la llegada de la GenAI ya se estaba en el cuadrante inferior izquierdo donde la alta tolerancia al error permitía que ciertas tareas sencillas pueden ser procesadas y/o automatizadas por herramientas digitales. Hoy estamos ingresando al cuadrante superior izquierdo donde se está empezando a automatizar ciertas tareas complejas donde la falla es admisible.

   

2. ¿Qué tan buena es la GenAI ejecutando estas tareas? - Esta pregunta se puede responder analizando también dos variables respecto a la GenAI: velocidad de procesamiento y nivel de precisión. La velocidad de procesamiento en la GenAI se mide en número de tokens¹ por segundo (tps). Con una velocidad de 30 a 50 tps se puede tener una conversación básica con un chatbot (GPT 3.5 = 36.14 tps, Gemini Pro = 49.67). El aumento de la velocidad de procesamiento permite realizar tareas más complejas, es decir moverse del cuadrante inferior al superior. Hoy ya tenemos GenAI que corren a velocidades cercanas a los 150 tps (Gemini 1.5 Flash) y la startup Groq ha anunciado chips con capacidad de 800 tps. El crecimiento que se espera en velocidad de procesamiento para los dos próximos años están en el orden de 10x a 20x. Por otro lado, el nivel de precisión tiene que ver con el tamaño de la ventana de contexto, que es la cantidad máxima de tokens que la GenAI puede admitir para generar una respuesta. A mayor tamaño de esta ventana, mayor el nivel de precisión en la respuesta, con lo cual se pueden asumir tareas con menor tolerancia al error. Como referencia GPT 3.5 Turbo tiene una ventana de 16.4k, mientras que Gemini 1.5 Pro ya alcanza los 1,000k.

   

3. ¿Cuándo las tareas de mi empresa deberían ser absorbidas por la GenAI? - Si consideras que el costo, la velocidad y la precisión de los modelos de GenAI están mejorando rápida y considerablemente, no deberías dejar de pasar más tiempo para tener mapeadas las tareas en tu organización y construir tu hoja de ruta hacia el service-as-a-software. 1) Identifica tareas relativamente complejas pero que resistan sin problema la alta probabilidad de que puedan ejecutarse con error. 2) Agrega poco a poco tareas sencillas que son menos resistentes al error. 3) Finalmente, será posible agregar tareas complejas que no admiten error alguno. Workhelix, una firma de software fundado por reconocidos investigadores y profesores del MIT y Stanford University, ha catalogado más de 20 mil roles y 250 mil tareas para ser capaz de identificar rápidamente que roles y tareas pueden ser aceleradas con el uso de la GenAI actual.

   

Conclusiones

• Es inevitable el avance de la GenAI y su gran impacto en todas las industrias. Aquellas organizaciones que sepan cómo utilizarla serán capaces de generar considerables ventajas competitivas frente a las demás, por lo menos, hasta que se masifique y estandarice su uso.

• Saber cómo usar la GenAI en el entorno empresarial es crítico, y, en mi opinión, el modelo service-as-a-software de Sangeet Paul Choudary sobresale sobre los demás, sobre todo para un análisis estratégico.

• Usar con éxito la GenAI en la empresa va más allá de solo entender y aplicar correctamente el modelo service-as-a-software. Hay otras variables importantes a tener en cuenta como los objetivos de negocio, el presupuesto, la cultura organizacional, la gestión del cambio, la estrategia de datos, el liderazgo transformacional, etc.

¡Gracias por llegar hasta aquí! Si te ha gustado este artículo no olvides de compartirlo.

Y si deseas profundizar sobre el uso de la GenAI y el modelo service-as-a-software en tu empresa, con gusto podemos ayudarte en Moddula. Puedes empezar programando una sesión exploratoria en este enlace:

Sesión exploratoria

¡Hasta la próxima semana!

Alex Nomberto

1. Un token es la unidad fundamental que los modelos de GenAI utilizan para procesar un texto. Puede ser un caracter, una palabra o un grupo de palabras.