bluebay2014 - stock.adobe.com

Cinco pasos para empezar un proyecto de IA empresarial

El presidente de TOTVS detalló una serie de estrategias fundamentales para integrar proyectos de IA en las empresas durante el pasado Universo TOTVS 2024.

El impacto de la inteligencia artificial en la vida y los negocios fue el tema principal de la más reciente edición del evento Universo TOTVS 2024, que este año se realizó en la ciudad de São Paulo (Brasil), con una audiencia de 16 mil personas.

En la conferencia inaugural, titulada "La inteligencia artificial ya es realidad en TOTVS", Dennis Herszkowicz, presidente de la compañía, explicó cómo están integrando esta tecnología tanto internamente, como en sus soluciones para clientes. Además, el ejecutivo delineó cinco pasos fundamentales para que las empresas comiencen a implementar proyectos de IA en sus operaciones.

Paso 1. Identificar necesidades y oportunidades

Según Herszkowicz, “el primer paso parece sencillo, y lo es. Consiste en identificar las necesidades y oportunidades donde la IA puede generar valor. Como, por ejemplo, automatización de tareas creativas, la personalización de productos o servicios, y la innovación en los procesos existentes”, afirmó.

Es importante destacar que, en este primer paso, no se abordan temas técnicos. El objetivo en esta etapa es mapear fielmente la regla de negocio prevista, es decir, las necesidades, basándose en los problemas identificados. El ejecutivo compartió que un buen modelo que sirva de guía para este paso debe incluir lo siguiente:

  • Identificación del dolor (pain points): Determinar el problema o frustración que se busca resolver, y los sentimientos negativos derivados de estos problemas.
  • Implicaciones objetivas para el negocio: Resaltar las principales implicaciones para el negocio, como la ineficiencia operativa, el tiempo excesivo consumido por profesionales senior en tareas operativas y la insatisfacción de los clientes o prospectos.
  • Definición de la persona: Identificar a la persona/profesional a la que se dirigirá la solución basada en IA generativa, para garantizar un enfoque adecuado al perfil del usuario; por ejemplo, los abogados del departamento jurídico.
  • Hipótesis de solución: Proponer una hipótesis detallada sobre lo que se espera que sea ejecutado por la aplicación de IA generativa, especificando las acciones esperadas a lo largo de toda la jornada de la solución. Por ejemplo, un "asistente de revisión de contratos" debe tener una interfaz amigable para la carga de archivos, confirmar el contenido, revisar el documento consultando una base de conocimiento, señalar elementos sensibles, poner a disposición el archivo revisado en un formato preestablecido, y solicitar comentarios del usuario para retroalimentar el conocimiento.
  • KPI: Elegir los KPIs que reflejen adecuadamente el impacto de la solución sobre las implicaciones identificadas, como la reducción del tiempo invertido en tareas operativas, el aumento de la eficiencia operativa y la mejora en la satisfacción de los clientes.

Paso 2. Capacitar y entrenar equipos

Invertir en capacitación para que los equipos comprendan y apliquen tecnologías de IA generativa, sea por medio de capacitación interna o asociaciones con instituciones educativas. “El segundo paso, que ya comienza a ser más difícil, es la capacitación y formación de equipos. TOTVS está aquí para ayudarlos en este proceso de capacitación, formación, desarrollo y entrenamiento de los equipos, será clave. Dentro de TOTVS, la mayoría de los profesionales que trabajan con IA en la actualidad, ya estaban con nosotros y no eran necesariamente expertos en IA. Estamos capacitándolos y entrenándolos para que se conviertan en excelentes profesionales en esta área”, explicó Herszkowicz.

Paso 3. Seleccionar tecnología y herramientas

Para el presidente de TOTVS, "la selección de tecnologías y herramientas que se aplicarán en este desarrollo para cada situación, para cada empresa, podrá ser diferente. No habrá, al menos hoy, una receta universal o un patrón que pueda aplicarse sin evaluar, sin pensar exactamente cómo aplicarlo dentro de su negocio". Es decir, es necesario elegir las herramientas y plataformas de IA generativa que mejor se adapten a sus necesidades particulares. Esto puede abarcar desde soluciones listas para usar, hasta desarrollos personalizados con la ayuda de expertos en inteligencia artificial.

El ejecutivo señaló que una buena estrategia para esta etapa debe considerar lo siguiente:

  • Identificación de los vectores de costo: Identificar los principales factores que influyen en el costo de desarrollo y mantenimiento de la solución, incluida la estimación de la solicitud de tokens al modelo de IA generativa. Analizar alternativas para reducir el volumen de solicitudes y realizar un análisis financiero profundo para garantizar la viabilidad económica del proyecto.
  • Estrategia de uso del modelo de IA generativa: Definir la estrategia para utilizar el modelo de IA generativa. De manera simplificada, existen tres grandes estrategias posibles:
    • La estrategia "Taker", que utiliza un "agente de IA" listo y entrenado para un caso específico. Es la forma más rápida de adopción, pero con una baja oferta de agentes completamente listos;
    • La estrategia "Maker", que usa un marco de trabajo de un proveedor para acceder a modelos de IA preentrenados y adaptarlos a una base de datos específica de la empresa. Requiere de un equipo capacitado o apoyo de consultoría externa;
    • La estrategia "Shaper", que crea un modelo de IA desde cero para una solución única y estratégica que ofrece una ventaja competitiva significativa.
  • Base de datos: Garantizar la disponibilidad de datos íntegros, accesibles y seguros en un repositorio predefinido (data warehouse, datalake, data market) al que el modelo accederá permanentemente. La arquitectura de datos debe estar en producción para servir a este y futuros casos de uso de IA.
  • Requisitos de infraestructura: Detallar y contratar recursos compatibles con la arquitectura para garantizar el mejor rendimiento de la aplicación. Este es uno de los principales vectores de costo del proyecto y es crucial para su éxito.

Paso 4. Desarrollo e implementación de un proyecto piloto

Implementar proyectos piloto para probar la efectividad de la IA generativa en pequeña escala, antes de una implementación más amplia. Esto le ayuda a identificar desafíos y ajustar estrategias de manera eficiente.

“Estamos adoptando un enfoque muy descentralizado para esto, donde nosotros mismos desarrollamos y probamos la tecnología de IA dentro de la empresa. No conozco ningún ejemplo de empresa que haya aplicado la IA directamente con éxito. Lo correcto es realizar una prueba piloto. El piloto le permitirá probar la eficacia, el resultado, probar si las elecciones que se han hecho están generando el valor imaginado y con el costo que le permite aprender. Si se salta este paso, está corriendo un riesgo en su operación y un eventual costo adicional que no es necesario”, agregó Herszkowicz.

Paso 5. Evaluación de resultados y escala

“Obviamente, después de haber piloteado y medido el resultado, es posible implementar efectivamente el éxito del piloto a gran escala”, explicó el presidente de TOTVS. Evaluar los resultados de los proyectos piloto y perfeccionar los enfoques será necesario, antes de avanzar. Los indicadores de éxito predefinidos deben reflejar si se están abordando las implicaciones del “dolor” empresarial original. Por ejemplo, la eficiencia operativa obtenida, los costos implicados, la satisfacción del cliente o el porcentaje de acortamiento o simplificación de un flujo de trabajo.

“Al seguir estos cinco pasos, se está garantizando un nivel de concreción de lo que hoy impacta directamente en el resultado de la empresa. El mercado solo habla de IA; como se suele decir, este tren ya ha salido de la estación. Todo el mundo se está moviendo. ¿Y su empresa? ¿La IA ya forma parte de su día a día? ¿De su negocio?”, subrayó Herszkowicz.

Investigue más sobre Inteligencia artificial y automatización

ComputerWeekly.com.br
Close