Los problemas a los que se enfrentará su empresa durante la transformación de la IA y cómo abordarlos

El año pasado consulté a directivos y empresarios sobre el uso de la IA en sus proyectos y negocios. Hablé con banqueros, fabricantes y abogados. Impartí talleres para programadores sobre la integración de la IA en su software y el uso de la IA para acelerar el desarrollo de software. Conocí a equipos que intentaban que sus productos de software fueran más interactivos y fáciles de usar. Escuché quejas y excusas de por qué la IA no sería una buena solución en su caso. Vi algunos errores, unas cuantas oportunidades perdidas y mucha indiferencia mezclada con complacencia. Esto es lo que aprendí

Tabla de contenidos

1. Los chatbots no son la característica asesina de la IA
2. La IA mata empleos sólo cuando mata empresas enteras
3. Los escépticos siguen subiendo el listón
4. La gente odia la IA
5. El bombo publicitario crea expectativas ridículamente infladas
6. La mayoría de los servicios de IA de pago pueden ser replicados en 2 semanas por un programador medio.
7. Las ganancias rápidas se pasan por alto
8. Cómo utilizar la IA en los negocios sin perder la cabeza ni el dinero

Los chatbots no son la característica asesina de la IA

La concienciación masiva sobre la IA Generativa comenzó con ChatGPT. En consecuencia, durante algún tiempo, asumimos que los chatbots se convertirían en la característica asesina de la IA. Escribí varios artículos en los que mostraba cómo construir un bot de Slack potenciado por IA, un bot de Facebook o un sitio web en el que se puede hablar con la IA sobre el contenido de cualquier vídeo de YouTube. Todas esas cosas funcionan bien, pero por el camino descubrimos que la IA puede hacer mucho más. Pronto, la gente empezó a construir chatbots para hablar con tus notas de Notion, documentos o transcripciones de llamadas telefónicas. Todo esto es impresionante, pero la IA no termina con los chatbots. Los chatbots son una de las características de la IA que parecen geniales al principio, pero rápidamente descubres sus limitaciones.

Los chatbots no sólo tienden a estar de acuerdo con todo lo que dicen sus usuarios, sino que dirán una mentira para complacer al usuario. Buena suerte construyendo un chatbot de atención al cliente como este. Por supuesto, puedes crear el chatbot, y puede que a la gente le guste usarlo, pero ¿sería bueno para el negocio? Imagina que te demandan porque el chatbot prometió algo que no puedes cumplir.

Como dice Greg Kamradt, “el chat es sólo una 1 de las N interfaces con las que pueden interactuar los usuarios (muchas más)”. Después de todo, si la IA es tan inteligente, ¿por qué tengo que decirle lo que quiero? ¿No puede anticiparse a mis necesidades y ser proactiva? Si utilizas algún sistema de autocompletado basado en IA, como Github Copilot o incluso la función de completar frases de Gmail, sabrás que la IA puede hacerlo, y que está mejorando.

Según Greg, lo que realmente cambia las reglas del juego es la búsqueda semántica, la transformación de datos y la toma de decisiones automatizada. Por supuesto, los casos de uso de la búsqueda semántica que estamos construyendo actualmente se basan principalmente en expectativas infladas. Esperamos que al introducir unos cuantos gigabytes de PDF en una base de datos vectorial la IA responda correctamente a nuestras preguntas. Esto no ocurrirá a menos que veamos otro gran avance en la tecnología de IA. La búsqueda semántica funciona mejor cuando dedicamos mucho esfuerzo al preprocesamiento de datos. Tanto cuando rellenamos la base de datos vectorial con datos como cuando recuperamos las respuestas.

Si alguna vez ha oído hablar de las bases de datos vectoriales, sabrá que buscan un texto similar a la consulta. Utilizamos vectores porque esperamos que la respuesta a una pregunta contenga palabras (o sus sinónimos) similares a la propia pregunta. No siempre es así. Por eso, en el caso de la búsqueda semántica, necesitamos parafrasear la pregunta (o a veces, parafrasear también los datos de entrada mientras los almacenamos en la base de datos), suponiendo que múltiples versiones de la misma consulta nos ayuden a encontrar más información relevante sin desenterrar demasiado ruido. Podemos obtener una solución de respuesta a preguntas decente cuando ponemos IA sobre la búsqueda en bases de datos vectoriales, a menos que sus usuarios intenten intencionadamente romper su IA. Hablaremos de ello más adelante.

Las transformaciones de datos personalizadas son todas las funciones de “Resumir”, “Buscar la siguiente acción” o “Buscar cita”. La capacidad de transformación de texto funciona de forma excelente en los modelos actuales de IA Generativa. Por ello, a lo largo del año pasado, se añadieron cientos de botones “Resumir” a muchas aplicaciones. La mayoría de ellas no necesitaban esa función en absoluto. Incluso Todoist tiene ahora un asistente de IA. El asistente puede dividir una tarea en subtareas. Las subtareas del asistente son demasiado verbosas, basadas en algunas suposiciones implícitas ocultas al usuario, y toda la función es demasiado lenta. No lo encuentro útil, pero alguien decidió que Todoist necesita un Asistente AI. Probablemente sea porque “todo el mundo tiene uno”. Espero que tengas una razón mejor para usar la IA.

La IA para la toma de decisiones es un tema controvertido. En cuanto lo mencionas, la gente sale con ejemplos cliché de situaciones en las que la IA no puede tomar la decisión correcta, como el problema del Trolley o los drones militares autónomos. No estamos hablando de decisiones tan arriesgadas.

Para empezar, podemos utilizar la IA para dirigir los correos electrónicos de asistencia a un equipo adecuado en lugar de hacer que la gente lea correos irrelevantes y se los reenvíe unos a otros hasta que encuentren a alguien que pueda resolver el problema. La IA también puede sugerir qué producto pueden intentar vender al representante de ventas o incluso preparar un correo electrónico con la oferta. Sin embargo, recomiendo pensárselo dos, tres o tantas veces como sea necesario hasta decidir que es una pésima idea enviar el correo electrónico sin que antes un humano competente apruebe el contenido.

La IA mata empleos sólo cuando mata empresas enteras

Hemos visto noticias de empresas que despiden empleados y dicen que ha ocurrido por culpa de la IA. Es mentira. La IA se convirtió en una excusa conveniente cuando se quiere despedir a unos cientos de personas para reducir costes y dar a los accionistas bonificaciones más altas. Antes, había que contratar a consultores empresariales externos para proporcionar una excusa. Los despidos no eran culpa tuya; los consultores te decían que despidieras a la gente. Ahora, tenemos IA, y decimos que la IA sustituyó a los trabajadores. ¿Sustituirlos por qué? ¿Has visto alguna de esas automatizaciones? ¿Son más productivos los empleados que quedan?

Por supuesto, algunas empresas despiden a empleados a causa de la IA. Pensemos en la razón subyacente. ¿Los están despidiendo porque las personas que quedan pueden duplicar su eficiencia con la IA y ya no necesitan un equipo tan grande, o están despidiendo personas porque todo su negocio no tiene sentido en el mundo con IA?

Jasper solía ser una herramienta para escribir correos electrónicos, artículos o notas con la ayuda de la IA. Utilizaban una versión temprana de IA generativa. Cuando se lanzó ChatGPT, Jasper tuvo que cambiar de marca para convertirse en un copiloto de IA para equipos de marketing. Su anterior idea de negocio ya no tenía sentido. ¿Quién les pagaría por escribir correos electrónicos automatizados cuando se puede obtener contenido de mejor calidad de ChatGPT, incluso en su versión gratuita?

Duolingo despidió a algunos de sus traductores porque la IA puede hacer su trabajo. Para ser precisos, Duolingo despidió a contratistas que trabajaban en empresas que prestaban servicios de traducción. Dado que la IA puede sustituir esos servicios, todo el modelo de negocio de las empresas de servicios de traducción está en peligro.

¿Qué pasa con Duolingo? ¿Sigue teniendo sentido un método divertido pero, francamente, ineficaz de aprendizaje de idiomas cuando podemos disponer de un tutor personal de idiomas potenciado por IA con el que podemos hablar de cualquier tema y que nos explicará cualquier estructura gramatical, proporcionándonos tantos ejemplos como necesitemos? ¿Duolingo despidió a su personal para sustituirlo por IA, o lo hizo para sobrevivir un poco más en un mundo en el que la IA sustituye a su servicio? La gamificación adictiva y la sensación de progreso (independientemente de cualquier mejora real de las habilidades lingüísticas) pueden no ser suficientes para que obtengan beneficios.

Los escépticos siguen subiendo el listón

Pero la IA sigue cometiendo errores. Alucina. Las traducciones no son perfectas. Escribe artículos con mucha palabrería y falta de sustancia. Sí, pero hace un año, la IA ni siquiera podía hacer esas tareas. La IA siempre puede cometer errores en las traducciones, pero las personas bilingües también los cometen. Puede que la IA escriba más como Tom Wolfe que como Ernest Hemingway, pero hay gente que prefiere a Wolfe antes que a Hemingway.

Los escépticos de la IA la exigen mucho más de lo que esperarían de las personas. Siempre se podrán encontrar algunas imperfecciones. La IA no necesita ser omnisciente.

Por desgracia, cuando impartía talleres para departamentos jurídicos, los abogados se centraban en los errores. Supongo que es natural para ellos. Los abogados deben ser puntillosos. La IA puede pasar por alto el matiz de añadir o quitar una coma en una frase y las tremendas consecuencias jurídicas de esa edición. Sin embargo, con la preparación de datos adecuada, la IA debería ser capaz de encontrar leyes relevantes para un caso concreto, veredictos judiciales anteriores o lagunas jurídicas utilizadas por los abogados en el pasado.

Del mismo modo, los directivos tienden a descartar la capacidad de toma de decisiones de la IA porque imaginan que significa que la IA tomará decisiones estratégicas o les dirá cómo dirigir la empresa. Cuando se centran en esas expectativas de alto nivel, los directivos pasan por alto las pequeñas decisiones diarias que deben tomar. ¿Qué notas tienes que leer antes de la próxima reunión? ¿Quién te prometió un seguimiento, y sobre qué? (en este caso, una IA verdaderamente útil recordaría a la persona que prometió el seguimiento, no al directivo que lo espera) O incluso decisiones como si debemos llamar al cliente por la mañana o por la tarde (¿realmente necesitas recordar si cierras más ventas llamando temprano o si la persona a la que llamas tiene más tiempo por las tardes?). Todo eso parece trivial, pero llamar en el momento equivocado o no estar preparado para una reunión pueden ser errores costosos. ¿Cómo podrías emplear tu tiempo y energía si no tuvieras que pensar en esos detalles?

Escépticos hay en todas partes. Los programadores deberían estar entusiasmados con la IA, ¿verdad? En todos los talleres he conocido a alguien que esperaba obtener siempre un código perfecto de la IA. El programador no podía expresar claramente sus expectativas por escrito y esperaba que la IA adivinara lo que había que hacer. El mismo programador no diría que StackOverflow (un foro para que los programadores hagan preguntas concretas y voten cuál es la respuesta correcta) es inútil si la respuesta no es exactamente lo que necesitan.

Centrémonos más en el trabajo asistido por IA que en el trabajo sustituido por IA. Te mostraré algunas ideas en la última parte de este artículo.

La gente odia la IA

Cuando construyes un chatbot y le das acceso al público, estoy seguro de que ocurrirán dos cosas. Primero, la gente intentará usar tu chatbot como un ChatGPT gratuito. Gratis para ellos. Vas a pagar por todas esas solicitudes. Segundo, alguien intentará romper tu IA haciendo que el chatbot diga algo inapropiado o incorrecto, como alguien hizo cuando DPD lanzó un chatbot de atención al cliente. Según Sky News, alguien hizo que el bot dijera palabrotas y calificara a DPD como el peor servicio de reparto. La empresa tuvo que cerrar el chatbot.

Todo esto suena terrible, pero puedes empeorarlo aún más dando instrucciones a tu chatbot para que finja ser una persona real. Ser falso nunca funciona en la atención al cliente. ¿Crees que la gente confía en las empresas que subcontratan sus centros de llamadas a la India o Polonia pero dicen a sus empleados que utilicen nombres americanizados? ¿Le parece convincente Santosh haciéndose pasar por Matthew o Katarzyna interpretando el papel de Sarah?

Estoy convencido de que el uso generalizado de chatbots de inteligencia artificial para la atención al cliente es terrible. Toda empresa que convierte la atención al cliente en una experiencia desagradable ha olvidado que sus clientes generan el 100% de los beneficios de la empresa. Puedes obligar a la gente a usar tu chatbot no ofreciendo otra opción, pero tu competencia, que sigue dejando que los clientes hablen con personas reales, obtendrá una ventaja competitiva de forma gratuita.

Así que, en lugar de publicitar el chatbot o cualquier otro sistema de IA y dejar que inevitablemente se vandalice, podríamos construir herramientas internas de IA. ¿Hará esto felices a los empleados? No estoy seguro.

¿La gente quiere ser más eficiente en el trabajo? Según Talentism, “En un estudio previo a la pandemia, parecía que la pereza era endémica en la mano de obra. El 75% de los encuestados admitió que no trabajaba al máximo de su capacidad ni siquiera una vez a la semana”. Según Talentism, esto ocurre sobre todo por la ineficacia de los procesos internos, no por pereza real. Pero, ¿con qué frecuencia se ve a la gente luchar contra la ineficacia? En un estudio reciente, Gallup descubrió que “el compromiso de los empleados estadounidenses dio otro paso atrás durante el segundo trimestre de 2022, ya que la proporción de trabajadores comprometidos se mantuvo en el 32%, pero la proporción de los activamente desvinculados aumentó hasta el 18%. La relación entre empleados comprometidos y activamente desvinculados es ahora de 1,8 a 1, la más baja en casi una década.”

Por un lado, al menos en algunos casos, la gente está “desvinculada del trabajo” porque los empleados se aburren con sus tareas, y dejar que la IA haga al menos parte del trabajo podría aumentar la satisfacción laboral y la productividad del equipo. Por otro lado, imagino que hay personas cuyo trabajo consiste en copiar información de los correos electrónicos entrantes en un CRM, y no quieren ningún otro trabajo porque esa tarea les permite soñar despiertos, navegar por Internet, cotillear con los compañeros de trabajo, etc. Esas personas se pondrían furiosas si les propusieras automatizar su trabajo con IA.

¿Qué puedes hacer? No sorprendas con la transformación de la IA y no automatices demasiadas cosas a la vez. Empieza por las tareas más molestas. Nadie va a protestar si automatizas algo que odia. Después, pasa a la siguiente tarea más molesta. ¿Qué pasa con las personas que hacen trabajos serviles? Hazles responsables de supervisar la automatización de la IA relacionada con algo ajeno a sus tareas cotidianas. Que se acostumbren a trabajar junto a la IA.

El bombo publicitario crea expectativas ridículamente infladas

Hemos hecho un trabajo excelente al comercializar la IA. Ahora, la gente espera poder soltar todos sus documentos en una base de datos o directamente en el prompt y que la IA responda a todas las preguntas a la perfección. Como ya he dicho, la IA no tiene por qué ser perfecta, puede que nunca lo sea.

En mi artículo sobre resolución de problemas empresariales con IA, comparaba la IA con una persona sentada en una habitación vacía con un bolígrafo y un papel. La persona en la habitación recibe impresiones con la información necesaria y un trozo de papel con las instrucciones. Si necesita calcular algo, buscarlo en los archivos o rellenarlo para su uso posterior, debe escribir la tarea y entregársela a otra persona. Esa es tu IA. Cuando resuelvas un problema con IA, piensa en cómo podría resolverlo esa persona utilizando sólo papel y bolígrafo. La persona y la IA pueden utilizar herramientas externas (bases de datos, acceso a Internet, ejecución de código), pero primero tienen que escribir las instrucciones y entregárselas a alguien capaz de entenderlas. Si puedes concebir un proceso de resolución de problemas que pueda ser eficaz en una configuración tan limitante, puede que estés preparado para utilizar la IA, y existe la posibilidad de que obtengas buenos resultados. Por otro lado, si no puedes imaginar cómo una persona equipada únicamente con una sartén y papel podría hacer lo que necesitas, lo más probable es que la IA también fracase.

Además, recuerda que las interacciones con sistemas externos siempre son propensas a errores, y demasiados de ellos deteriorarán las respuestas de la IA. Supongamos que tu idea requiere utilizar la IA como coordinadora, pidiendo información al software, pasando tareas a las personas y comprobando si las han terminado. En ese caso, o bien tienes que utilizar la IA por separado para cada paso sin tener un coordinador global, o bien simplificar el proceso.

Ten en cuenta las tareas en las que la IA tiene más probabilidades de fallar. Las instrucciones con negaciones tienen más probabilidades de ser malinterpretadas que las instrucciones redactadas como afirmaciones positivas. Si quieres eliminar algún comportamiento, di “Evita hacer X” en lugar de “No hagas X”. El problema de ignorar las negaciones puede ser menos común en GPT-4, pero las versiones anteriores y los modelos de código abierto a menudo requieren reformular la instrucción. En el caso de los modelos que generan gráficos, es mejor evitar mencionar lo que no se desea.

Por último, pero no por ello menos importante, la IA prefiere alucinar y decir tonterías antes que decir que no sabe algo o que no es capaz de hacer la tarea que quieres. Todos conocemos a personas así y sabemos cómo actuar con ellas. Necesitamos las mismas habilidades para la IA. Cuando utilices la IA para encontrar una cita relevante en el artículo, dale un par de ejemplos de texto con y sin información relevante y la respuesta que esperas en todos esos casos. Esta técnica de incitación se denomina aprendizaje en contexto, y según el número de ejemplos, se puede decir que es aprendizaje en contexto de una sola vez (un ejemplo) o de pocas veces (2+). Proporcionar ejemplos de qué hacer con los datos que faltan muestra a la IA que devolver “No hay suficiente información” es una de las opciones aceptables.

La mayoría de los servicios de IA de pago pueden ser replicados en 2 semanas por un programador medio.

Una semana si el programador utiliza IA para escribir código.

Muchos servicios basados en IA desarrollados el año pasado son simples envoltorios alrededor de la API OpenAI. Esas aplicaciones añaden unas pocas instrucciones a la consulta y, a veces, transforman la salida. Y eso está bien. Estamos en una fase temprana del uso de la IA Generativa. Las aplicaciones que construimos ahora mismo son el equivalente de las primeras aplicaciones para iPhone o Android. Las primeras tiendas de aplicaciones estaban llenas de despertadores, temporizadores, linternas, calendarios y otras aplicaciones sencillas que reproducían funciones integradas del sistema operativo móvil con alguna pequeña personalización. Las aplicaciones basadas en IA se encuentran ahora en una fase similar.

¿Qué significa esto para su negocio? Creo que significa dos cosas. En primer lugar, que no puedes esperar que ninguna de esas aplicaciones exista dentro de un año, porque los desarrolladores pueden decidir dedicarse a otra cosa o hacer funcionar la aplicación les costará mucho más de lo que puedan ganar. En segundo lugar, puedes crear tus aplicaciones basadas en IA porque las implementaciones actuales siguen siendo relativamente sencillas. No me malinterpreten. La tecnología subyacente es súper compleja, pero no tienes que entenderla cuando todo lo que haces es juntar algunos elementos preconstruidos y escribir código para que funcione. El programador que ya has contratado puede hacerlo, o si no tienes un programador en tu equipo, puedes contratar a un consultor para que construya la automatización por ti. La tarea más difícil y que más tiempo consumirá será hacer que el sitio web tenga un aspecto agradable (si quieres interactuar con la IA utilizando un sitio web).

En muchos casos, ni siquiera necesitas un programador. Las plataformas de automatización sin código como Zappier, Make.com o Automatish también pueden interactuar con OpenAI. Por ejemplo, yo he creado una canalización de Make.com para encontrar información relevante en muchos boletines a la que me suscribo y envío un resumen directamente a mi Kindle, para no tener que rebuscar en los correos electrónicos.

Puede parecer complicado, pero configuras la canalización moviendo los iconos que aparecen en un sitio web sin escribir ningún código. Aun así, no tienes por qué hacerlo todo tú. ¿Por qué no delegas la tarea en tus empleados o contratas a un autónomo que se encargue de mantener la automatización de la IA en funcionamiento y de actualizarla cuando necesites cambios?

Las ganancias rápidas se pasan por alto

Ya te he dicho que debemos buscar oportunidades para crear soluciones de IA que nos ayuden mientras trabajamos, no que nos sustituyan. ¿Qué podemos hacer de forma rápida y barata?

¿Sus representantes de ventas dedican tiempo a anotar resúmenes de llamadas telefónicas y añadirlos a su CRM? ¿Por qué? La mayoría de los programas de videoconferencia, si no todos, disponen ya de una función de transcripción, o se puede instalar un complemento. ¿Por qué no envían una transcripción de la llamada a AI y consiguen que el resumen se añada automáticamente al CRM? Si los vendedores ahorran 30 minutos diarios, pueden hacer una llamada más. ¿Cuántos vendedores tiene en su equipo? ¿A cuántos clientes potenciales más pueden llamar en un mes si todos tienen tiempo para una llamada más al día?

¿Su equipo de asistencia busca casos de asistencia similares en el pasado para encontrar una solución probada en lugar de intentar averiguarlo desde cero? ¿Sabe que la IA puede entender el texto de la descripción del problema proporcionada por su cliente y encontrar problemas de asistencia anteriores similares al que tiene entre manos? Después, la IA puede generar una instrucción paso a paso basada en las respuestas anteriores proporcionadas por su equipo de asistencia. ¿Aceleraría el trabajo esta automatización? ¿Estaría contento el cliente si recibiera antes una respuesta útil? ¿Le comprarían más a menudo?

El boletín de noticias de Greg Kamradt mencionaba una conversación con Rex Harris, Director de Producto de Bryte, quien afirmaba que están utilizando el modelo de IA Claude 2.1 para extraer información de las encuestas. Cargan cientos de respuestas de encuestas en la IA y le piden que extraiga temas y correlaciones que abarquen varias respuestas. Según el boletín, la automatización ahorra 20 horas de trabajo por encuesta.

¿Y qué más? Para encontrar ideas, busca tareas que requieran buscar información en grandes cantidades o textos relativamente cortos pero varias veces al día. Incluso el reenvío automatizado de correos electrónicos que he mencionado antes puede ahorrarte algo de tiempo. Puede que sólo sea un minuto por mensaje, pero ¿cuántos mensajes de este tipo hay que reenviar al mes?

Cómo utilizar la IA en los negocios sin perder la cabeza ni el dinero

Empiece poco a poco. Automatice tareas sencillas y recurrentes y céntrese en el tiempo acumulado ahorrado. No pase un mes analizando las opciones disponibles; en su lugar, céntrese en aprender haciendo.

No pierdas de vista a las personas. No permita que se produzca ninguna acción irreversible sin la aprobación humana. No pasa nada por almacenar automáticamente la información generada por la IA en un CRM o una base de datos si alguien tiene que echarle un vistazo antes de utilizarla para la toma de decisiones. Si deja que la IA tome una decisión, no la haga definitiva hasta que una persona lo suficientemente competente para juzgar la decisión vea la elección de la IA. Nunca deje que la IA hable directamente con sus clientes. Aún no está preparada para ello. La IA puede generar un borrador de correo electrónico, pero no envía el mensaje hasta que alguien aprueba el contenido.

Cuando prepare los datos de la IA, no se limite a introducir todos los archivos que pueda encontrar en el sistema o en una base de datos. Limpia los datos primero eliminando la información irrelevante y siendo deliberado con los datos que le das a la IA o que almacenas en las bases de datos utilizadas por la IA.

Y lo que es más importante, mantén la calma. Aún es pronto. Tu competencia no te está dejando atrás. Todos los que lo dicen están intentando venderte un curso online demasiado caro.

Si quieres inspiración, lee mis otros artículos o mándame un mensaje. Estaré encantado de ayudarte.

Do you need help building AI-powered applications for your business?
You can hire me!