IA en la empresa: empezar por el problema, no por la tecnología
Antes de pensar en herramientas, conviene identificar dónde puede aportar valor la IA y si existen las condiciones para aplicarla.
Incorporar inteligencia artificial no debería empezar eligiendo una herramienta. El primer paso es identificar problemas concretos, valorar dónde puede aportar resultados y comprobar si la empresa está preparada para llevar esos casos de uso a la práctica.
La inteligencia artificial ha despertado un interés enorme en las empresas. Y también cierta sensación de urgencia.
Surgen preguntas sobre asistentes, automatización, análisis de datos o IA generativa. Se prueban herramientas y aparecen constantemente nuevas posibilidades. El problema es que resulta fácil pasar de «queremos hacer algo con IA» a buscar una solución sin haber definido antes para qué la necesitamos.
En nuestra experiencia, merece la pena invertir ese orden.
Un proyecto de IA debería empezar observando cómo funciona la empresa.
¿Dónde se dedica demasiado tiempo a tareas repetitivas? ¿Qué procesos obligan a consultar y relacionar mucha información? ¿Dónde se producen errores? ¿Qué decisiones podrían mejorar si se aprovecharan mejor los datos disponibles?
A partir de ahí empiezan a aparecer casos de uso concretos.
Puede ser la extracción de información de documentos, la clasificación de solicitudes, un asistente para consultar conocimiento interno, la generación de borradores o el análisis de datos para ayudar a tomar determinadas decisiones.
La diferencia parece pequeña, pero no lo es. En lugar de intentar encontrar un lugar donde utilizar una tecnología, estamos buscando la tecnología adecuada para resolver una necesidad.
Una vez identificadas varias oportunidades, llega probablemente la parte más importante: decidir cuáles merece la pena abordar.
Nosotros las analizaríamos desde cuatro perspectivas.
La primera es el impacto. ¿Qué mejora esperamos conseguir? Puede ser ahorrar tiempo, reducir errores, agilizar una tarea o mejorar un servicio.
La segunda es la viabilidad. La empresa puede tener una idea excelente, pero quizá no disponga de los datos necesarios o estos estén dispersos, incompletos o sean difíciles de utilizar.
Después está la complejidad. Una iniciativa con mucho potencial puede requerir integraciones, cambios de procesos o un esfuerzo de implantación que aconseje empezar por otra más sencilla.
Y finalmente está el riesgo. Hay que saber qué información utilizará la solución, quién tendrá acceso a ella y qué implicaciones puede tener desde el punto de vista de la seguridad, la privacidad o el propio negocio.
No siempre el caso de uso más llamativo es el que conviene abordar primero.
Hablar de IA lleva rápidamente a hablar de modelos y herramientas. En los proyectos reales, sin embargo, muchas conversaciones terminan antes o después en los datos.
¿Dónde están? ¿Quién puede acceder a ellos? ¿Son fiables? ¿Están actualizados? ¿Se pueden relacionar?
Un asistente que debe responder utilizando documentación interna, por ejemplo, será poco útil si esa documentación está desactualizada o repartida sin ningún criterio. Un modelo que pretende ayudar a realizar previsiones tendrá dificultades si no existe información histórica suficiente.
Esto no significa que una empresa necesite tener todos sus datos perfectamente ordenados antes de empezar. Significa que hay que conocer el punto de partida y tenerlo en cuenta al elegir el proyecto.
No es necesario diseñar desde el principio una gran estrategia de inteligencia artificial que abarque toda la organización.
En muchos casos tiene más sentido elegir un problema bien delimitado, establecer qué resultado esperamos y comprobarlo en un entorno controlado.
Ese primer proyecto permite aprender sobre la tecnología, pero también sobre la propia empresa: qué datos necesita, cómo se integra la solución en el trabajo diario, qué dificultades aparecen y cómo responden las personas que van a utilizarla.
Si funciona, se puede avanzar. Si no aporta el resultado esperado, haber empezado de forma acotada permite corregir con un coste mucho menor.
En SolidKey entendemos la incorporación de IA desde esta perspectiva: buscar primero dónde puede aportar valor y construir a partir de ahí.
Porque probablemente la primera pregunta no sea «¿qué podemos hacer con inteligencia artificial?».
Es bastante más útil preguntar: «¿qué queremos hacer mejor?».