Argumento de negocio para incorporar la IA: una guía y casos de uso para las partes interesadas

Las tecnologías de IA, incluida la detección de anomalías y la búsqueda vectorial, han estado ayudando a las empresas durante algún tiempo. Pero conversar con computadoras en lenguaje natural, preguntar sobre el rendimiento empresarial y discutir las causas fundamentales, es posible para la mayoría de las empresas solo desde hace unos años. Es fácil imaginar cómo las computadoras capaces de analizar datos en un abrir y cerrar de ojos podrían ayudar a tu negocio. Pero obtener valor comercial de ellos requiere una inversión sustancial, y no siempre está claro que el pago justifique el costo.

En resumen, hay un amplio consenso de que la IA desempeñará un papel importante en los negocios, pero elaborar un argumento de negocio convincente para ello basado en cálculos de ROI sólidos sigue siendo un desafío. Vamos a analizar cómo justificar las inversiones en IA.

¿Qué es la IA?

La inteligencia artificial se refiere a los sistemas informáticos diseñados para realizar tareas que normalmente requieren inteligencia humana. Los formularios más avanzados, conocidos como grandes modelos de lenguaje (LLM), se entrenan a partir de grandes conjuntos de datos de Internet y otras fuentes. Una vez entrenados, los LLM sobresalen en la comprensión del lenguaje, proporcionando ayuda en múltiples disciplinas y desarrollando planes para completar una amplia variedad de tareas. Estas capacidades pueden ser particularmente útiles cuando se basan en los propios datos de una organización.

Conclusiones clave

• La IA está presente en muchas aplicaciones empresariales, lo que ayuda a procesar datos para proporcionar nuevos insights y mejorar la eficiencia.
• Las capacidades de IA están avanzando rápidamente. Los agentes de IA pueden planificar y ejecutar tareas complejas y, con acceso seguro a los datos empresariales, realizar muchas tareas habitualmente realizadas por personas.
• Las empresas deben planificar la adopción de la IA o correr el riesgo de ser superadas por la competencia. Como todas las buenas estrategias de negocio, cada paso debe basarse en el éxito previo.

9 casos de uso empresarial para la IA

ChatGPT, presentado en 2022, llamó la atención de tanto de estudiantes como de líderes empresariales. Aunque probablemente ayudó a muchos estudiantes a realizar sus tareas, para poder ser utilizado de forma generalizada en las empresas, era necesario aplicar mejoras.

Las empresas ahora disfrutan de dos mejoras principales. La primera es el acceso a los datos de negocio, por lo general a través de tecnologías conocidas como generación aumentada por recuperación, o RAG, o el protocolo de contexto de modelo, o MCP. Con RAG, MCP y tecnologías similares que proporcionan datos relevantes, un LLM puede utilizar ese contexto para responder preguntas sobre el negocio, como las solicitudes de información de los clientes en relación con los detalles del producto y escenarios hipotéticos de los directivos sobre las proyecciones de ventas.

La segunda es la capacidad de la IA para crear planes, ya que comprende cómo se completaron tareas previas, y usar conjuntos de herramientas que permitan completar tareas más complejas. Esto se conoce como IA autónoma, y se está convirtiendo en clave para que la IA proporcione valor empresarial tangible, especialmente a medida que despega el uso de MCP. Ya no se trata de si la IA se utilizará en los negocios, sino cuándo y cómo.

Estas son nueve áreas donde las empresas tienen éxito en el uso de la IA.

1. Servicio al cliente

La mayoría de las interacciones del servicio de atención al cliente son repetitivas. Esto significa que si la IA tiene acceso a un historial de preguntas, resoluciones y documentación del producto, puede funcionar como un agente de servicio al cliente de nivel 1 con capacidades contrastadas, y puede ir más allá de las tareas de nivel 1 si se le suman nuevas herramientas. La IA agéntica puede aprender de interacciones pasadas y mantener conversaciones interactivas para resolver problemas, por ejemplo. El argumento para el negocio es más sólido si los datos de servicio al cliente son completos y extensos. Veamos cinco capacidades clave.

• Tramitación automatizada de consultas a través de bots conversacionales y asistentes de voz: la calidad notablemente deficiente de los bots conversacionales anteriores no habilitados para IA a menudo frustraba a los clientes, que rápidamente buscaban hablar con un humano en su lugar. Incluso con la IA, los chatbots y los asistentes de voz deben ser directos, correctos y rápidos para ganarse a los usuarios.
• Preguntas y respuestas básicas, como las revisiones y respuestas extraídas de diversos documentos: una forma de ayudar a los clientes a aceptar la ayuda de un chatbot es dejar que responda de manera única para la IA. Rufus de Amazon, por ejemplo, puede combinar documentación y comentarios de compradores anteriores para compartir consejos y características del producto, pero también decir qué opinan los compradores anteriores sobre el rendimiento del artículo. En cuanto a la asistencia de producto, un chatbot puede enumerar rápidamente las soluciones más probables a un problema en función de su base de conocimientos o proporcionar insights a los que los agentes de asistencia al cliente no pueden acceder fácilmente.
• Análisis de sentimientos: cuando los clientes necesitan ayuda, no siempre están de humor para describir el problema con paciencia y responder a preguntas rudimentarias sobre posibles soluciones. A nadie le gusta que se le pregunte "¿está conectado?" Cada vez más, la IA puede evaluar el tono de chat o voz para ayudar a los agentes a identificar la impaciencia o la ira, lo cual resulta crucial para proporcionar una ayuda eficaz.
• Triaje y direccionamiento de incidencias: cuando se reciben solicitudes de soporte, es importante que las incidencias se remitan al lugar correcto. ¿Es este un cliente de alto valor que debe obtener un servicio de primer nivel? ¿Qué producto genera el problema y quién está disponible para abordar la cuestión en concreto de forma más eficaz? Al realizar el seguimiento de soluciones pasadas, la IA puede dirigir con éxito problemas relativos al servicio de atención al cliente.
• Soporte personalizado: tanto si se trata de IA como de agentes humanos, el soporte personalizado depende de la calidad de los datos del sistema de atención al cliente. Cuando se agrega IA al sistema, puede ayudar a los agentes a encontrar y presentar rápidamente información relevante del cliente en tiempo real o hacer que las interacciones sean más personalizadas tramitándolas directamente.

2. Marketing y ventas

La capacidad de la IA para analizar rápidamente los datos y desarrollar estrategias únicas de marketing y ventas, a menudo cliente por cliente, supone una propuesta atractiva. Payback es más rápido para quienes utilizan la totalidad de las capacidades de sus sistemas actuales de CRM y automatización de marketing. Cuanto mejores sean tus datos, mejores serán los resultados cuando agregues la IA. ¿Tus vendedores mantienen registros precisos sobre sus interacciones con los clientes? Quizás sí, quizás no. De cualquier manera, la IA puede ser de ayuda. Sin embargo, más datos no significa mejores resultados de IA.

• Calificación y maduración de oportunidades potenciales: ¿cuál es tu objetivo? ¿Te gustaría duplicar tu base de clientes en los próximos dos años, o preferirías incrementarla en un 10 % o un 20 %? ¿Tu equipo de ventas conoce bien a la competencia y entiende el ámbito en el que se mueven tus clientes potenciales? Si tu equipo de ventas está centrado en un objetivo concreto y estarías encantado con una tasa de crecimiento entre el 10 y el 20%, la IA para ventas podría no ser tan importante como lo es para las empresas de alto crecimiento o con amplias bases de clientes. Elaborar el argumento de negocio de la IA en este ámbito es probablemente más difícil de lo que sería, por ejemplo, para el servicio de atención al cliente. Para las empresas que buscan ingresar a nuevos mercados o implementar nuevos productos, el argumento de negocio de IA es mejor. La IA puede puntuar oportunidades potenciales, lo que es útil cuando tienes muchas oportunidades potenciales, pero solo puede apuntar a un pequeño subconjunto de ellas, por ejemplo.
• Identificación de clientes potenciales: de acuerdo con lo anterior, la IA puede generar perfiles de clientes ideales, o ICP, para nuevos productos o servicios mediante el análisis de datos demográficos, comportamiento en línea, actividad en redes sociales e historial de compras para encontrar patrones que los humanos podrían perder. La IA puede usar ICP y estrategias de puntuación de clientes potenciales para ayudar a dirigir los esfuerzos de marketing.
• Optimización de campañas: si tus campañas producen una gran cantidad de datos, tal vez miles o cientos de miles de oportunidades potenciales, la IA puede ayudar a identificar los argumentos y las campañas de modelos con mejor rendimiento antes de incurrir en el costo de lanzarlas. Y para las organizaciones que tienen un proceso de seguimiento de los clientes potenciales hasta llegar a un negocio ganado, la IA puede extraer nuevos aprendizajes de esos datos y ayudar a ajustar las campañas futuras.
• Segmentación de clientes: encontrar similitudes entre artículos en grandes conjuntos de datos es algo que la IA hace muy bien, de modo que la idea de pedirle a la IA que encuentre clientes potenciales similares a tus mejores clientes resulta muy atractiva. Si tus datos son lo suficientemente sólidos, la IA puede revelar rápidamente clientes potencialmente rentables y, en muchos casos, explicar qué los chace adecuados y para qué productos. Esta capacidad mejora a medida que el sistema ingiere más datos.
• Comunicación con el cliente, incluida la elaboración de comunicaciones y la supervisión de respuestas: si recopilas correos electrónicos, publicaciones de LinkedIn, otras correspondencias y estadísticas sobre el rendimiento de cada una, la IA puede aprender qué funciona mejor y crear comunicaciones que probablemente resulten altamente efectivas. Aquí, como en cualquier otro lugar, la calidad de los datos es fundamental. Igualmente importante: no esperes que las creaciones de IA estén listas para enviar. Por ahora, todavía necesitan revisión antes de enviarlas a clientes reales y potenciales.
• Precios y recomendaciones dinámicos: la capacidad de la IA para analizar rápidamente los datos y realizar predicciones es valiosa para cualquier empresa que considere la posibilidad de fijar precios dinámicos. Digamos que tú eres el gerente del Dodger Stadium en Los Ángeles y vienen a jugar los Yankees de Nueva York. Ese asiento de 100 dólares puede alcanzar 1000 para ese partido, tal vez más. ¿Qué precio debe establecer para optimizar los ingresos y aun así agotar todas las entradas para el estadio? Si te sientes identificado con ese dilema, los precios dinámicos asistidos por IA pueden ser tu mejor opción. Si, por otro lado, te identificas más con el gerente de Petco Park en San Diego, donde las entradas para los Padres casi nunca se agotan, es decir, la demanda no excede la oferta, entonces es posible que los precios dinámicos no sean lo tuyo.

3. Operaciones

La IA es una opción óptima para automatizar procesos repetitivos que sufren excepciones, especialmente en organizaciones que utilizan un conjunto de productos compatibles para gestionar operaciones, generalmente con ERP como pieza central. Para aprovechar al máximo la IA, es importante que puedas trabajar con datos operativos y financieros. Esto puede ocurrir dentro de un sistema centrado en ERP o en un almacén de datos que se ha conectado para extraer datos de los sistemas de operaciones que utiliza la empresa.

Eso no quiere decir que no valga la pena la IA para productos puntuales, como la gestión de la cadena de suministro. Sin embargo, la eficiencia operativa y la información organizativa de la IA serán mejores si dispone de una visión holística del negocio diario.

• Optimización de la cadena de suministro: evaluar a los proveedores al notar cambios en su rendimiento o reequilibrar tu proceso de compras para acceder a múltiples fuentes son el tipo de cosas con las que la IA puede ayudar cuando se integra en un sistema de gestión de la cadena de suministro (SCM). Sin embargo, los sistemas de SCM requieren muchos ajustes para ser eficaces, por lo que las aportaciones de IA que ofrezcan el mejor argumento de negocio probablemente provendrán de tu proveedor de SCM. Los insights serán mejores si la IA puede analizar los detalles de tu cadena de suministro y acceder a las proyecciones de ventas y el rendimiento operativo, ya que eso ayudará al sistema a detectar posibles problemas de la cadena de suministro desde el principio.
• Previsión de inventario: el caso de negocio se basa en hacer previsiones más rápidas y detalladas de lo que tu equipo podría sin IA. Las previsiones de inventario basadas en IA funcionan mejor cuando se vinculan a datos de ventas detallados para ayudar a posicionar el inventario de manera óptima. La IA ágil puede ir más allá al hacer o sugerir planes para nuevas órdenes y ajustar aún más la estrategia de inventario.
• Automatización robótica de procesos (RPA): la automatización robótica de procesos es una tecnología que te permite automatizar un proceso repetitivo. Históricamente, la RPA no ha utilizado la IA, pero eso está cambiando. Supongamos que agregar una nueva cuenta a una aplicación se realiza en cinco pasos invariables. Se puede crear un proceso robótico que realice estos pasos, lo que permite ahorrar tiempo cuando los nuevos empleados necesiten acceder. Eso puede sonar bien, pero en la práctica el trabajo para configurar RPA no se ve necesariamente compensado por las mejoras de eficiencia que genera. Si estás agregando 10 o 20 usuarios en el transcurso de un mes, es posible que no valga la pena configurar la RPA. Pero si tienes cientos que añadir en un corto periodo de tiempo, la automatización es probablemente una victoria. La adición de capacidades de visión de IA y captura de datos podría ayudar a la RPA a abordar todo tipo de tareas de entrada de datos, como las de cuentas por cobrar y por pagar. Estas mejoras pueden ser aún mayores cuando los agentes de IA pueden usar la RPA para realizar una tarea asignada. Encontrarás más información sobre este tema en la sección de finanzas que se incluye a continuación.
• Mantenimiento predictivo: el mantenimiento proactivo es mucho mejor que la lucha para reparar una máquina mientras una línea de ensamblaje se encuentra inactiva. Sin embargo, el mantenimiento puede ser un desperdicio de recursos si se hace con demasiada frecuencia, por lo que la supervisión de la maquinaria y la alimentación de datos a la IA para que pueda decirte cuándo una máquina comienza a operar fuera sus parámetros parece una victoria obvia. El problema es que la modernización de maquinaria antigua con sensores del Internet de las cosas (IoT) puede ser costosa, por lo que muchos fabricantes optan por esperar hasta que llegue el momento de sustituir la máquina. Por supuesto, la vida de la mayoría de la maquinaria destinada a fabricación se prolonga durante décadas. Una vez que las empresas incrementen gradualmente el uso del IoT, la IA podrá examinar grandes cantidades de datos para detectar anomalías. Esa es una gran victoria para la maquinaria equipada con sensores: algo habitual en el sector salud.

4. Finanzas

Parece que los equipos financieros a menudo son demasiado limitados. La IA puede ayudar al abordar multitud de tareas rutinarias que consumen muchos recursos. La IA creada para la recopilación, la comprensión y la clasificación de documentos puede ayudar a reducir significativamente la entrada de datos hecha por humanos en las finanzas. En las cuentas por cobrar, la IA puede introducir correctamente los pagos en los libros y, a menudo, realizar las entradas necesarias en el libro mayor. La IA también puede confrontar órdenes de compra con recibos de bienes y facturas de venta para confirmar que ha obtenido lo que solicitó y que se le está facturando de manera adecuada.

• Procesamiento de gastos: desde hace algún tiempo, los empleados han podido utilizar las aplicaciones para teléfonos inteligentes para capturar sus gastos a medida que incurren en ellos. La adición de IA puede mejorar la precisión y, a menudo, verificar que los gastos se ajusten a las directrices corporativas, simplificando y acelerando las aprobaciones y los reembolsos.
• Detección de fraude: la detección de casos de fraude utiliza la IA para buscar anomalías en transacciones que puedan indicar actividad ilícita. La IA es muy buena para detectar anomalías, por lo que su uso en la detección de fraudes es generalizado entre los emisores de tarjetas de crédito, otras instituciones financieras y compañías de seguros. La detección de anomalías basada en IA es extremadamente rápida, por lo que las transacciones que podrían ser fraudulentas a menudo se pueden pausar hasta que se aplique una verificación adicional.
• Previsión financiera: con acceso a los datos necesarios, la IA es buena para realizar previsiones basadas tanto en información histórica como en ventas aún por entregar. Es particularmente útil para la planificación de escenarios, ya que la IA puede crear rápidamente nuevas previsiones cuando se dan nuevas suposiciones. Los sistemas que explican sus pronósticos son preferibles, e incluso mejores si pueden mantener conversaciones más profundas y ofrecer formas de mejorar potencialmente los resultados. Como en todos los casos, la calidad de los datos utilizados por la IA es fundamental para su precisión. Cuanto más difícil sea crear una previsión, mejor será el caso de negocio para las herramientas asistidas por IA. Las empresas que utilizan un conjunto integrado para gestionar sus finanzas y operaciones tendrán una recuperación más rápida que las organizaciones que deben consolidar y normalizar los datos antes de que pueda comenzar el análisis.
• Evaluación del riesgo crediticio: la IA puede analizar la solvencia de los solicitantes, pero aún se necesita revisión humana para evaluar el cumplimiento de las leyes aplicables. Las leyes federales y estatales exigen la equidad de los préstamos, por lo que resulta fundamental comprender cómo se ha realizado una evaluación crediticia y poder demostrar que se originó de manera justa.

5. Recursos humanos

La IA puede guiar a los empleados antiguos o nuevos con los sistemas de registro, las políticas y los beneficios, así como a redactar descripciones y listados de oportunidades de trabajo.

• Asignar los candidatos apropiados: la IA puede hacer asignar candidatos a los puestos vacantes dentro de una empresa. Se debe extremar la precaución para limitar la IA para busque calificaciones laborales específicas y no se adentre en áreas con potenciales implicaciones legales o prácticas discriminatorias. Las personas deben supervisar las acciones para identificar problemas si la IA está actuando de manera prohibida y corregirlo en consecuencia.
• Bots de programación de entrevistas: la IA puede automatizar la programación de entrevistas si está conectada a los calendarios de los empleados. Los sistemas de IA ambiental también pueden tomar notas en las entrevistas y hacerlas parte de una evaluación.
• Asistentes de incorporación de empleados: tanto si se trata de ordenar y configurar equipos y aplicaciones de TI como de ayudar a los nuevos empleados a través de la orientación y la documentación, la IA puede ser una herramienta útil. Durante la incorporación y más allá, la IA puede ayudar a responder preguntas sobre las políticas y beneficios de la empresa.
• Análisis de personal: la IA puede identificar brechas en las necesidades del personal, teniendo acceso a los datos de tiempo, asistencia y finalización de tareas en toda la organización.

6. Desarrollo de productos

Las herramientas basadas en IA para el desarrollo de productos a menudo se combinan como agentes que asisten en el diseño, codificación, comprobación y simulación de diseños antes de crear prototipos reales. Estos son algunos ejemplos:

• Priorización de funciones mediante el análisis de comentarios de los usuarios: ¿no te apetece pasar días revisando miles de comentarios sobre un producto clave con la esperanza de saber qué funciones desearían los clientes a continuación? Deja que la IA lo haga por ti en cuestión de minutos y luego prepárate para formular preguntas sobre sus conclusiones.
• Pruebas y control de calidad automatizadas: los procesos de prueba que producen montones de puntos de datos son una excelente opción para la IA. Los sistemas de detección de anomalías han existido durante años, y pueden encontrar problemas sutiles que otros métodos de análisis podrían perderse. La IA también se integra comúnmente en sistemas de visión y puede detectar rápidamente defectos.
• Insights sobre el uso del producto: en particular para los productos SaaS que mantienen registros detallados, la IA puede encontrar patrones de uso hasta el nivel de funciones. Los LLM pueden resumir los resultados, derivando de forma rápida y eficiente insights de los datos acumulados.
• Crear prototipos con IA generativa: la tecnología de gemelos digitales crea modelos informáticos que se pueden utilizar para simular dispositivos y actividades del mundo real. La tecnología ha existido por un tiempo y ahora se está combinando con LLM para acelerar la creación de gemelos digitales. Nirvana combinó ambas tecnologías para desarrollar una herramienta de creación y prueba de gemelos digitales para el desarrollo de prototipos. Actualmente, la mayoría de los gemelos digitales imitan sistemas en vivo, como una planta de fabricación o incluso una ciudad. Los LLM pueden ingerir datos de sensores y archivos log, lo que permite al LLM predecir el resultado de ciertas entradas, por ejemplo, una ola de calor en un vecindario específico o una nueva máquina en una planta de fábrica. Para crear prototipos de forma fiable, un nuevo diseño requerirá grandes conjuntos de datos similares. Sin estos datos, la tecnología de gemelos digitales impulsada por IA puede ser razón de peso para realizar la inversión.

7. Analítica de datos

Históricamente, para el análisis de datos se requería un equipo dedicado con competencias especializadas y herramientas costosas. Los responsables de la toma de decisiones debían ser estratégicos para que estos equipos pudieran extraer la información que buscaban. Sin embargo, la aplicación de la IA a la analítica está cambiando las cosas. A través del uso de prompts y la generación de informes en lenguaje natural, la analítica se está convirtiendo más en una actividad de autoservicio, donde los usuarios empresariales pueden elaborar sus propias preguntas. El ingrediente clave es el acceso a una amplia gama de datos empresariales para que la IA pueda, por ejemplo, evaluar la demanda en función de los pipelines de ventas y los plazos de entrega en función de los datos de inventario. La IA y el análisis de datos son dos ámbitos cada vez más interconectados en la nube.

• Interfaces de consultas en lenguaje natural: las bases de datos como Oracle Database 23ai ahora permiten a los usuarios consultar datos en lenguaje natural en lugar de sentencias SQL. La base de datos seguirá manteniendo controles de seguridad y acceso, lo que puede aliviar la carga de abrir el análisis de IA de manera más amplia.
• Detección de anomalías: el análisis de anomalías lleva ya algún tiempo estando entre las capacidades del aprendizaje automático. Los LLM han mejorado la tecnología, reduciendo la necesidad de preprocesar conjuntos de datos de entrenamiento. Los usos son múltiples en el ámbito del análisis y van desde la detección de fraudes hasta el mantenimiento predictivo.
• Generación de informes: las consultas de información como sentencias SQL devuelven datos, o quizás tablas de datos, pero no mucho más. Los LLM pueden crear explicaciones de los datos devueltos y resumir los resultados encontrados en tablas grandes. Cada vez más, los LLM también pueden crear visualizaciones de datos, un proceso que a menudo consume mucho tiempo y que requiere expertos con herramientas especializadas. Ahora, se pueden tener en pocos minutos útiles informes con gráficos.
• Depuración y enriquecimiento de datos: en particular, cuando las empresas utilizan aplicaciones internas de diversos proveedores, los datos se deben deduplicar y normalizar antes de que se puedan utilizar en analítica. Además, al asociar eventos de los que se realiza un seguimiento en dos o más sistemas, los datos se pueden enriquecer, lo que los hace más útiles para la analítica. La IA ayuda tanto a la depuración como al enriquecimiento, ya que automatiza procesos que suelen ser manuales, exigir mucho tiempo y presentar propensión a errores humanos. En la depuración, por ejemplo, los algoritmos de IA pueden identificar y fusionar registros duplicados incluso cuando los datos no coincidan exactamente, como con "Jen Smith, 123 Main St." y "J. Smith, 123 Main Street", analizando y puntuando las similitudes en diferentes campos. La IA también puede normalizar datos y encontrar y corregir errores comunes como errores tipográficos, formato incorrecto y valores no definidos. Para el enriquecimiento, puede asociar automáticamente registros de varios sistemas, ayudar con insights predictivos y extraer y agregar estructura a datos no estructurados como publicaciones sociales.

8. Seguridad y TI

La IA ofrece oportunidades significativas para mejorar la seguridad de los datos y las operaciones de TI. La detección de anomalías puede supervisar la actividad en tiempo real, ayudando a las organizaciones a identificar y mitigar las amenazas. Sin embargo, los atacantes también utilizan la IA, por lo que las organizaciones se enfrentan al desafío constante de mantenerse a la vanguardia. Por otro lado, la IA se está integrando en los sistemas de gestión de aplicaciones empresariales complejas. Oracle comenzó a introducir funciones autónomas en algunos productos de gestión de datos en 2018 y anunció su instancia de Autonomous Database en 2023. La IA del sistema se configura, actualiza y ajusta de forma autónoma, lo que facilita el trabajo de los administradores de bases de datos y les permite centrarse en extraer valor de los datos.

• Detección de amenazas y respuesta a incidentes: como ya hemos mencionado, la detección de anomalías, junto a otras tecnologías complementarias, pueden servir para erradicar los atacantes en sus intentos por generar vulneraciones de seguridad. Cada vez más, los agentes de IA también pueden ayudar. Las respuestas no se limitan a cerrar el paso a los ataques documentando el incidente y avisar el equipo de seguridad.
• Análisis de registros: las herramientas de análisis de registros no son nuevas. Sin la IA, pueden responder preguntas sobre el uso y ayudar a identificar quién hizo cada cosa y cuándo. La incorporación de los LLM mejora las capacidades de resumen y también incluirse en los sistemas de detección de amenazas.
• Automatización del servicio de ayuda: en el pasado, los sistemas del servicio de ayuda de TI a menudo generaban frustración entre los usuarios. Al incorporar la IA con acceso a los registros de soluciones aportadas por el servicio de ayuda, se pueden sentar las bases de un sistema que supera de largo a las generaciones anteriores, ya que puede utilizar las capacidades de búsqueda semántica de la GenAI para encontrar descripciones de problemas similares y sus resoluciones. Sin embargo, la calidad de cualquier servicio de ayuda de IA dependerá en gran medida de la calidad y la integridad de esos registros.

9. Departamento jurídico y cumplimiento normativo

La profesión legal, entre otras, probablemente cambiará radicalmente en menos de cinco años, ya que los asistentes de IA se encargan de realizar muchas de las funciones rutinarias que los abogados y los asistentes legales realizan ahora —y las hacen más rápido y con más precisión. Estos son algunos de los aspectos en los que la IA podría ayudar.

• Análisis y resumen de contratos: aunque los abogados querrán leer los contratos por sí mismos, los LLM pueden ser apropiados. Si un contrato está en negociaciones y llega una nueva revisión, la IA puede resaltar y resumir los cambios, ahorrando un tiempo considerable.
• Supervisión regulatoria: los servicios de supervisión regulatoria pueden notificar a los equipos legales cuando se aprueban nuevas regulaciones. La IA puede revisar los contratos y otros documentos para detectar dónde se pueden aplicar esas nuevas regulaciones y, en algunos casos, sugerir estrategias para cumplirlas.
• Auditoría de conformidad: determinar la lista de regulaciones que una empresa debe cumplir es el primer paso y, a menudo, el más difícil, especialmente para las empresas que operan en muchas jurisdicciones. Una vez que se logra, la IA puede revisar los contratos y las certificaciones de cumplimiento y sugerir dónde pueden faltar documentos y por qué.
• Asistentes de investigación jurídica: la búsqueda de similitudes de la IA ofrece unos resultados sobresalientes en la búsqueda de jurisprudencia relevante.

Cómo crear un argumento de negocio para la IA

Debido a que la IA presenta el potencial de encargarse de la mayoría de las funciones organizativas, desarrollar su argumento de negocio no es tan sencillo como identificar una necesidad y escribir un cheque para una solución. Las propias empresas se metieron en líos muy costosos durante las décadas de 1970 y 1980, haciendo precisamente eso. La compra de las soluciones puntuales más caras según sea necesario provocó grandes problemas a las empresas, que se vieron ante la obligación de integrar productos dispares para crear un sistema de gestión empresarial holístico.

Esas mejores soluciones de su categoría eran caras, y la maraña de middleware utilizado para tratar de conectarlas condujo a un pleno empleo para multitud de integradores. Sin embargo, el problema fue incluso mayor al intentar recopilar los datos de decenas de productos diferentes y darles un formato en el que pudieran analizarse para comprender mejor cómo se estaba desempeñando el negocio en su conjunto y predecir el rendimiento de cara al futuro.

La adopción de la IA sin una estrategia probablemente repetirá este dolor y renunciará a una ventaja competitiva. Estos son algunos pasos a considerar:

1. Crea un comité de centro de excelencia de IA
Reúne a los directores de los distintos departamentos y TI interesados para comprender los objetivos e intereses de todos en materia de IA. Este grupo debe identificar por dónde empezar con la IA, planificar su implementación y realizar un seguimiento del éxito.

2. Comprende las hojas de ruta de IA de tus proveedores
Es probable que tus proveedores actuales ofrezcan servicios de IA y hayan planeado incluir más. Comprobar estas características en las aplicaciones existentes es un buen punto de partida, especialmente para mejorar la eficiencia, mientras desarrollas una estrategia más completa.

La mejor manera de que los empleados adopten la IA es aplicarla directamente a los flujos de trabajo. La IA a la que sea complicado acceder no se utilizará mucho. Si no dispones de las hojas de ruta de IA de tus principales proveedores, o si tienes demasiados proveedores y sus sistemas no funcionan de forma conjunta con facilidad, considera un cambio, especialmente para las aplicaciones locales heredadas. Asume que tus competidores utilizan la IA y que te quedarás atrás si no descubres cómo adoptarla. Las aplicaciones basadas en la nube suelen ofrecerte funciones de IA más rápidamente.

3. Desarrollar una estrategia de datos
El cliché de "una buena IA requiere buenos datos" es cierto. Si deseas que los agentes de IA automaticen las cuentas por cobrar y las cuentas por pagar, necesitarán conexiones con los sistemas financieros, de ventas y de gestión de inventario, como mínimo. ¿Quieres que la IA te ayude con la planificación de escenarios? Es posible que necesites un almacén de datos o un data lake desde la que la IA extraiga datos. Si puedes crear las conexiones de datos adecuadas con razonable facilidad, la recompensa de la IA será mayor y más rápida.

4. Crea una hoja de ruta para tu implementación de IA
La IA probablemente podría ser de ayuda en todas las esferas de tu negocio, de modo que resulta tentador lanzarse a por ello, priorizando proyectos con el máximo impacto y el mayor ROI a largo plazo. Si bien es una buena idea tener en cuenta esos megaproyectos y asegurarse de que los trabajos más pequeños ayuden a allanar el camino para iniciativas más ambiciosas, aconsejamos que comiences por obtener algunas mejoras rápidas que tengan un ROI obvio, que pueda percibirse de inmediato. Automatizar tareas a menudo es un gran punto de partida.

5. Deja que los departamentos lleven a cabo la adopción a su propio ritmo, con algún empujón ocasional
Los equipos de desarrollo pueden usar la IA para ayudarlos a redactar código inmediatamente. Los equipos de ventas pueden avanzar más despacio. RR. HH. puede encontrar una clara ventaja con un chatbot que ayude a los empleados a comprender los beneficios y las políticas. El área de finanzas puede descubrir que la IA facilita las cargas de trabajo de cuentas por cobrar/cuentas por pagar y ayuda a acelerar el cierre mensual. Estas mejoras rápidas ayudarán a que tu personal se suba al carro de la IA a medida que se corra la voz. Si ciertos equipos siguen dudando, puede ser apropiado un impulso por parte del equipo directivo.

6. Comunicar las mejoras
No a todas las personas de tu organización le encantará la idea de automatizar tareas y analizar datos mediante IA. Las mejoras generadas en esos proyectos más pequeños pueden demostrar que son valiosos sin amenazar a los trabajadores que tengan dudas. Estos proyectos más pequeños también pueden demostrar que el departamento de TI tiene un plan para mantener los datos seguros, y que las tareas automatizadas se realizan de manera consistente y correcta.

Aprovecha todo el potencial de Oracle AI hoy mismo

Oracle te ayuda a hacer el mejor uso posible de la IA donde y como quieras implementar. Las aplicaciones de Oracle incluyen funciones de IA para cientos de usos sin costo adicional, incluida una lista cada vez mayor de agentes de IA útiles. Oracle Cloud Infrastructure (OCI) ofrece ventajas de rendimiento de precios tanto para usuarios de modelos como para creadores. Además, un amplio conjunto de servicios de IA y una amplia variedad de modelos básicos se combinan con herramientas y marcos de código abierto populares. Y, por supuesto, no hay mejor lugar para conectar tus bases de datos Oracle con IA para el análisis de datos y cualquier otro uso que puedas tener.

La integración de la IA en un negocio es un proceso de varios pasos que requiere planificación y la preparación de datos. Pero también puede ser emocionante para los empleados. La investigación muestra que los departamentos de TI, marketing, ventas y servicio al cliente lideran el camino en la adopción de la IA, pero los equipos de RR. HH., finanzas, operaciones, gestión de campo y otros también pueden beneficiarse. Los estudios también muestran que, si bien las grandes empresas han adoptado la IA más rápido que las pequeñas empresas, estas últimas están poniéndose al día muy rápido.

¿Qué trabajo creativo y orientado al cliente podrían realizar tus empleados con ese tiempo?

Preguntas frecuentes sobre el argumento de negocio para incorporar la IA

¿Cómo integras la IA en un negocio?

La integración de la IA es un proceso estratégico con cuatro pasos clave: identificar un desafío u oportunidad en el que la IA pueda proporcionar un retorno de la inversión claro, como mejorar la eficiencia del equipo financiero o actuar como soporte al cliente de nivel 1. Posteriormente, prepara tu infraestructura de datos para proporcionar los modelos de IA de datos accesibles y de alta calidad de los que dependen.

Una vez que tengas tu argumento de uso y fuentes de datos, selecciona las herramientas. La mayoría de las organizaciones utilizan software actual con capacidades de IA integradas, como una base de datos basada en IA, o buscan un proveedor de nube con el que asociarse. Desarrollar una solución personalizada para una necesidad única es factible pero resulta costoso. Por último, incorpora la solución de IA en flujos de trabajo, capacita a los empleados sobre cómo usarla y realiza un seguimiento de su rendimiento y ROI para guiar proyectos futuros.

¿Cuál es un ejemplo de negocio que utiliza la IA?

Los minoristas utilizan motores de recomendación basados en IA para analizar el historial de navegación y compra de un cliente, sus preferencias y el comportamiento de compradores similares. Esto te permite sugerir productos relevantes en tiempo real, ayudando a aumentar las ventas y personalizar la experiencia de compra.

¿Qué casos de uso empresarial resultarían válidos para la inteligencia artificial generativa?

Las empresas utilizan la IA para una amplia gama de tareas creativas y de productividad. En el caso de los departamentos de marketing, algunas de las formas más habituales en que comienzan a utilizar la IA incluyen la generación de comunicados de prensa, publicaciones de blog, descripciones de productos y actualizaciones de redes sociales. Los desarrolladores están encargando a los LLM escribir, documentar y depurar código, mientras que muchas empresas están implementando chatbots avanzados que pueden manejar consultas de clientes y empleados bastante complejas y resumir casos de soporte para ayudar a los agentes humanos.