5 preguntas a la hora de implantar la IA generativa en las empresas

Como profesional de CX, ¿está considerando desplegar inteligencia artificial generativa? Esto es lo que debes preguntarte para empezar.

Todo el mundo habla de inteligencia artificial generativa (IA). En los últimos meses se han publicado innumerables titulares sobre ChatGPT, de OpenAI, y Bard, de Google, ya que ambas empresas están desarrollando modelos de IA capaces de crear contenidos escritos personalizados extrayendo patrones de los datos existentes.

La IA generativa está despegando, y rápido. Solo ChatGPT tiene más de 100 millones de usuarios activos mensuales y su sitio web recibe más de mil millones de visitas al mes.

Tanto particulares como empresas aprovechan la IA generativa para casos de uso que van desde componer poesía a redactar solicitudes de propuestas (RFP) o crear anuncios de vídeo. Entre todos los casos de uso, una cosa es común: parecer humano. Estos modelos lo hacen cada vez mejor, aunque eso signifique inventar referencias en los trabajos de investigación generados.

A pesar de las ventajas aparentemente infinitas y sin riesgo, no debe apostar ciegamente por la IA generativa. Como con cualquier tipo de tecnología, especialmente las nuevas, debe debatir sus ventajas e inconvenientes. Aunque la IA generativa pueda parecer atractiva a primera vista, es posible que carezca de los recursos necesarios para implantarla. O puede que no conozca el caso de uso exacto para maximizar su impacto. Y en el caso de la IA en particular, hay que tener en cuenta que necesita unos límites para seguir siendo tan responsable como eficaz.

Lo que debe preguntarse al aprovechar la IA generativa para su empresa

La IA generativa está creciendo rápidamente y se espera que en los próximos años las organizaciones de varios sectores recurran a ella en gran medida. De hecho, muchas organizaciones ya están invirtiendo tiempo y recursos para desplegar y aprovechar esta tecnología. Como experto en experiencia del cliente (CX) o experiencia del empleado (EX) en particular, es posible que esté considerando la IA generativa para sus operaciones.

Estas son las cinco preguntas principales que debe plantearse como profesional de la comunicación para garantizar que los modelos de IA generativa son eficaces, éticos y acordes con los valores y objetivos de su organización.

#1. ¿Cómo puedo garantizar que los datos permanecen seguros y cumplen las normas de privacidad?

Antes de implantar cualquier modelo de IA, es esencial tener en cuenta la privacidad y seguridad de los datos de entrenamiento, especialmente los que contienen información personal identificable (IPI). Los modelos de IA de código abierto representan riesgos particulares para la privacidad y la seguridad de los datos. Estos riesgos se deben a la vulnerabilidad creada por el acceso abierto al código fuente, el uso de bibliotecas de terceros y la falta de control sobre el intercambio y la distribución.

Para mitigar el riesgo, las empresas que despliegan modelos de IA sobre datos sensibles deben asegurarse de que existen fuertes controles de acceso y medidas sobre el código base, las bibliotecas y el almacenamiento de datos.

#2. ¿Qué medidas se han tomado para eliminar los sesgos de los modelos?

Los modelos generativos de IA son especialmente susceptibles a los sesgos porque están diseñados para aprender de grandes conjuntos de datos y producir predicciones o recomendaciones basadas en esos datos.

Los modelos deben entrenarse con un conjunto de datos diverso y representativo. En el contexto de la experiencia del cliente y del empleado, esto significa que hay suficientes datos representativos de la demografía, las culturas y otros segmentos de las bases de clientes y empleados de una empresa. Recuerde que el sesgo de los datos es más probable cuando se aprovechan las bibliotecas de código abierto, ya que no existe un proceso de validación de la exactitud de los hechos o de la ética del material de origen. 

También es vital reconocer e investigar los posibles sesgos algorítmicos de los modelos. ¿Para qué ha sido entrenado el modelo? Por ejemplo, una serie de modelos generativos de IA se han entrenado para producir resultados específicos para las redes sociales, lo que puede dar lugar a contenidos más polarizadores o sensacionalistas porque esos contenidos son habituales, eficaces y se amplifican en esas plataformas.

Pregunte cómo se han entrenado y optimizado los modelos de IA que está considerando para los casos de uso CX y EX, y cómo se están auditando y supervisando los modelos para evitar sesgos. 

#3. ¿Cuál es el coste asociado a la ampliación?

Una cosa es plantear preguntas puntuales a ChatGPT como individuo que busca respuestas rápidas. Pero otra es escalar la IA generativa a decenas o cientos de millones de registros en toda la empresa.

Para tener éxito a gran escala, la IA generativa requiere grandes cantidades de datos diversos y seguros, infraestructura de clústeres informáticos de alto rendimiento y recursos de investigación y desarrollo para supervisar, mantener y hacer crecer los modelos.

El coste es un factor importante a tener en cuenta a la hora de elegir entre construir o comprar, así que intente comprender hasta qué punto su organización está preparada para asumir los costes de la ampliación. Además, debe preguntarse: ¿Cuál será el nivel de esfuerzo necesario para integrar la IA generativa propia en los procesos y flujos de trabajo empresariales?

Para que merezca la pena, la IA debe estar vinculada a resultados mensurables. Justificar la necesidad de modelos generativos de IA es quizá la cuestión más importante, así que evalúe los costes asociados y determine si existe o no un argumento empresarial sólido para utilizar modelos.

#4. ¿Cuál es el punto de partida más impactante para introducir la IA generativa en los programas CX y EX?

No te dejes llevar por la lluvia de ideas sobre las posibles aplicaciones de la IA generativa para ahorrar costes. Antes hay que pensar en la viabilidad y las implicaciones. Sería estupendo ahorrar millones de dólares convirtiendo los agentes de la contact center a chatbots, pero los consumidores -y la sociedad en general- no confían plenamente en la IA en lo que respecta a la privacidad de los datos y el tratamiento de asuntos delicados.

Los puntos de partida eficaces para una estrategia de IA generativa en CX/EX son los que están vinculados a resultados empresariales positivos, son fáciles de explicar al director de experiencia (CXO ) y al resto de la C-suite, y se integran en los flujos de trabajo existentes.

• Mayor eficacia: La IA generativa automatiza tareas que consumen mucho tiempo, como el resumen de llamadas y las tareas de disposición que los agentes deben realizar después de cada llamada de atención al cliente.
• Reducción del tiempo necesario para obtener información: La IA debe utilizarse para agilizar el desarrollo y mantenimiento de la creación de modelos basados en reglas en aplicaciones de procesamiento del lenguaje natural (PLN) y comprensión del lenguaje natural (NLU), liberando a los analistas para que dediquen más tiempo a impulsar resultados y acciones.
• Personalización: Deben analizarse grandes cantidades de datos para generar recomendaciones personalizadas para los clientes, individualmente o por segmentos. Un ejemplo es conocer el historial de un cliente con la asistencia para conducirlo más fácilmente a través de su canal preferido en el customer journey.
• Fidelización y desgaste de los empleados: La IA generativa también se puede utilizar para comprender mejor la experiencia de los empleados y tomar decisiones para abordar el agotamiento, la rotación y el compromiso de los empleados.

#5. ¿Cómo puedo impulsar la adopción de una estrategia de IA generativa en mi empresa?

Las soluciones tecnológicas tienen mayor impacto cuando se adoptan a gran escala. Sin embargo, la IA es una tecnología que puede resultar difícil de implantar a gran escala.

Los clientes y empleados pueden mostrarse reacios a interactuar con sistemas o recomendaciones basados en IA si no confían en la tecnología o consideran que no se respeta su privacidad. 

Es importante comunicar una estrategia de IA -especialmente una que pueda afectar a la medición del rendimiento de los empleados, su remuneración y sus tareas cotidianas- con transparencia y honestidad. Comparta las metodologías de modelado, fomente las preguntas y ponga a disposición los resultados de las auditorías o pruebas de sesgo periódicas. Empiece con casos de uso que no afecten directamente a la retribución o a las evaluaciones de los empleados, y céntrese en casos de uso relacionados con la calidad de vida, como la automatización de tareas y la optimización del flujo de trabajo.

Por último, para impulsar tanto la adopción como los resultados empresariales significativos a través de acciones, sus modelos generativos de IA deben tener resultados precisos y procesables que sean relevantes.

Prepárese para utilizar la IA generativa y liderar su sector

Lo más probable es que usted y sus competidores ya estén utilizando la IA de alguna manera. Ahora es el momento de dejar atrás la etapa de moda de la IA generativa y centrar esta tecnología en casos de uso tangibles que beneficien a sus empleados y a su cuenta de resultados. Cada vez se presta más atención a la IA generativa y a sus ventajas para las empresas: desde producir contenidos en un abrir y cerrar de ojos hasta agilizar los procesos para los empleados. Aproveche las posibilidades.