La IA abre el camino para una hiper-personalización sin precedentes de la experiencia del cliente, pero plantea inmensos desafíos en cuanto a formación, ética y regulación para su adopción sostenible. Descubre más en este artículo tras nuestro evento Smalt Talk.
La inteligencia artificial ya no es cosa de ficción. En apenas dos meses, ChatGPT ha atraído a 100 millones de usuarios, en comparación con los 4.5 años de Facebook. Esta rápida adopción marca el comienzo de una nueva era, la de la IA generalizada. Este avance en realidad oculta un largo proceso que comenzó hace varias décadas. Así como la mecanización revolucionó las líneas de producción industrial en el siglo XX, comenzando con trabajadores manuales y luego extendiéndose a trabajos de cuello blanco, la automatización de la IA hoy en día tiene tres objetivos: mejorar las condiciones de trabajo, la calidad de la producción y los beneficios operativos.
Más allá de las promesas de optimización, el surgimiento de la IA generalizada plantea inmensos desafíos técnicos, sociales y éticos. Esta disrupción, que sacude los trayectos de clientes tradicionales, abre la puerta a la hiper-personalización pero también plantea importantes amenazas para el empleo. Como toda revolución tecnológica, su adopción responsable requerirá una década de esfuerzos para capacitar a los empleados, definir un marco ético robusto y abordar los desafíos de seguridad y privacidad de datos. En esta transformación en curso, todos, desde empresas hasta freelancers, necesitarán abrazar esta increíble oportunidad para aplicarla mejor a su actividad. Un camino lleno de obstáculos, pero también de promesas para aquellos que puedan domar esta nueva tecnología.
El primer evento Smalt Talk tuvo lugar en Malt el 27 de febrero de 2024, reuniendo a expertos para abordar estas preguntas con los siguientes invitados: Natacha Agafonov (Freelance Project Manager at Moët Hennessy), Mathieu Caron (Global Consumer Care & Experience Director at L'Oréal), Alexandra El Amari Cunin (Regional Sales Director at Saleforce), Victor Kessler (General Manager at ISDI), Claire Lebarz (Chief Data & AI Officer at Malt) et Nicolas Marchais (Co-founder of m.ai club).
Antes de adentrarnos en las numerosas implicaciones de la inteligencia artificial general en las empresas y los trabajadores, es esencial establecer algunas definiciones y conceptos clave para comprender adecuadamente los diversos componentes tecnológicos involucrados.
Inteligencia Artificial (IA): Un campo de estudio destinado a permitir que las máquinas imiten o realicen tareas que normalmente requerirían inteligencia humana, como visión, reconocimiento de voz, toma de decisiones o traducción. La IA abarca tanto algoritmos simples como sistemas complejos capaces de aprender y razonar. La IA existe en nuestra vida diaria, por ejemplo, a través del uso de traducción automática o recomendaciones personalizadas enviadas a los usuarios basadas en su historial de compras o comportamiento en línea.
Machine Learning (ML): Una subcategoría de IA dedicada al diseño de sistemas capaces de aprender a partir de la retroalimentación humana en bases de datos llamadas estructuradas. Los algoritmos de aprendizaje automático identifican patrones en los datos para realizar predicciones o tomar decisiones. Según Dan Miklovic, fundador y principal analista de Lean Manufacturing Research LLC: "El aprendizaje automático no reemplaza a los humanos; los ayuda a trabajar mejor y a ser más eficientes". Por lo tanto, el aprendizaje automático ayudará a los profesionales a tomar decisiones, ya sea en el sector de la salud para el diagnóstico o en economía para anticipar tendencias del mercado, por ejemplo.
Deep Learning: El Aprendizaje Profundo es una rama del Aprendizaje Automático basada en datos no estructurados. Es una técnica de aprendizaje automático basada en redes neuronales artificiales profundas que comparten similitudes con el cerebro humano. Estas redes, compuestas por múltiples capas jerárquicas, permiten aprender características complejas a partir de grandes volúmenes de datos sin procesar sin la ayuda humana. Es particularmente efectivo para el reconocimiento de imágenes y voz, o la creación de contenido.
Foundation Models: Un avance reciente, estos modelos se entrenan masivamente en datos no estructurados para adquirir un vasto conocimiento general. Luego pueden ser ajustados para realizar tareas específicas sin necesidad de un nuevo entrenamiento completo. GPT es un ejemplo de este tipo de modelo.
General AI: El objetivo último, pero aún lejano, la Inteligencia Artificial General se refiere a sistemas dotados de una inteligencia completa y versátil equivalente a la inteligencia humana. Esto podría ampliar los límites de la innovación, pero también plantea desafíos inmensos.
Para Parker Harris, cofundador de Salesforce, "la calidad de la IA depende de la calidad de los datos". Actualmente, se dice que el 90% de los datos mantenidos por las empresas son no estructurados. Los datos no estructurados no han sido procesados, lo que significa que existen en diversos formatos como fotos, audio, PDF, etc. Por el contrario, los datos estructurados son más parecidos a una base de datos: es información que ha sido preparada y almacenada para ser accesible. La IA permite precisamente la transformación de estos datos no estructurados en información estructurada y utilizable, o en datos estructurados.
¿Por qué es importante que estos datos estén estructurados? Consideremos algunos ejemplos para ilustrarlo:
Schneider Electric integró su servicio al cliente con la inteligencia artificial para mejorar su tiempo de respuesta a los clientes. ¿Cómo? Creando una base de datos de consultas recurrentes, o preguntas frecuentes, y agregando un bot que puede redirigir a los usuarios a estas respuestas predefinidas. Esto automatiza tareas de "bajo valor agregado", liberando a los equipos de atención al cliente para manejar problemas más complejos que requieren más atención y, por lo tanto, más personalización. ¿El resultado? Una mejora del 30% en el tiempo invertido y una mejor experiencia para el cliente.
LVMH se enfrentó a una crisis sin precedentes en su vertical de "champagne" debido al Covid-19. Antes de 2020, la mayoría de las ventas se realizaban a través de mayoristas, pero después de la crisis sanitaria, la demanda de ventas directas explotó. El equipo de atención al cliente tuvo que implementar un CRM adaptado a una gran cantidad de datos no estructurados. ¿El resultado? Un vínculo directo con sus clientes y una personalización sin precedentes.
"La IA es para los desarrolladores". Este era un sentimiento común no hace mucho tiempo. Sin embargo, la aplicación de la IA dentro de las empresas está comenzando a democratizarse y está yendo más allá del departamento técnico. ¿Cómo? Al ofrecer dos grandes campos de aplicación para la experiencia del cliente. En el "frente" con asistentes conversacionales, chatbots y agentes virtuales (ya democratizados desde hace una década). Pero también en la "retaguardia" con la automatización, la personalización y la generación de contenido personalizado a través de la explotación de datos no estructurados. Estamos pasando de los casos de uso inicialmente orientados a la productividad, que respondían a una lógica de optimización, a una experiencia del cliente muy personalizada con un alto nivel de asesoramiento. Como se mencionó anteriormente, ahora hablamos de un agente aumentado o agente 2.0 para satisfacer estas demandas. El agente automatiza tareas repetitivas para concentrarse en tareas que requieren personalización.
Pero es más fácil decirlo que hacerlo. Desde un punto de vista técnico, el éxito de los proyectos de IA dentro de una empresa depende principalmente de la capacidad de la empresa para centrarse en el cliente y, por lo tanto, modelar correctamente los recorridos del cliente para anticipar todas las posibles respuestas del consumidor. Ser centrado en el cliente es principalmente tener un enfoque sin silos entre los diferentes departamentos de la misma empresa. De hecho, la IA ya no es "solo el problema del equipo técnico". ¿Cómo será esto mañana? ¿Todos los departamentos tendrán control sobre la IA dentro de su servicio? Lo sabremos muy pronto.
Aquí hay algunos ejemplos de recorridos mejorados del cliente actuales:
L'Oréal ofrece el servicio Modiface, una herramienta digital de diagnóstico de la piel construida sobre 15 años de investigación científica realizada por sus equipos. Los usuarios pueden compartir una foto o video de su piel para recibir recomendaciones de productos personalizadas. ¿El resultado? Años de investigación mejorando la experiencia del cliente.
Si bien existen fuertes temores de pérdidas masivas de empleo relacionadas con la inteligencia artificial, en parte debido a titulares sensacionalistas en periódicos durante el último año, los expertos instan a la precaución. En resumen: sigue siendo difícil hacer una declaración definitiva sobre este tema en este momento. La introducción de la IA en las empresas es la continuación lógica de la transformación digital: algunos trabajos aún no existen, mientras que otros simplemente evolucionarán. Porque si bien la adopción de la IA realmente evolucionará las profesiones existentes, esto implicará principalmente capacitación en lugar de eliminación de empleos. Al igual que con la llegada de los chatbots hace unos años, los profesionales serán reubicados en actividades con un mayor valor agregado en contacto con el cliente final. Salesforce incluso anticipa la creación de 11 millones de nuevos empleos para 2028 gracias a la IA, mejorando a los humanos y actuando así como un asistente que les permite centrarse en la hiper-personalización y los servicios de asesoramiento.
¿Y qué pasa con los freelancers? En el lado de los freelancers, la demanda de habilidades de IA aumentó un 250% en 2022 solo en Malt, prueba de la creación de nuevas profesiones. Las habilidades más buscadas en 2023 fueron ChatGPT (30%), NLP (20%), Chatbot (18%) y Midjourney (5%). También se observa que el número de freelancers que enumeran habilidades de GenAI en sus perfiles aumentó en +120%. Pero aunque la mayoría de los proyectos estaban en tecnología con un 34% y datos con un 38%, será interesante seguir el ascenso de la IA dentro de otras verticales comerciales en los próximos años.
La confianza y la ética siguen siendo una preocupación importante para las empresas, con más del 50% de los profesionales encuestados aún cautelosos con respecto a la IA. La seguridad de los datos y su procesamiento serán, por lo tanto, el principal enfoque de inversión en los próximos años. Con la AI Act aprobada en 2023 que se está desarrollando a nivel europeo, es seguro que no faltarán iteraciones.
También será necesario tener en cuenta y corregir posibles sesgos y discriminaciones generados por estos datos derivados de humanos. La IA podría, de hecho, ayudar a revelar y corregir estos sesgos. Las empresas también tendrán que lidiar con un marco legal en evolución, como lo ejemplifica la prohibición de L'Oréal sobre el uso de imágenes generadas por IA de seres humanos. Por lo tanto, un esfuerzo significativo en educación y concientización seguirá siendo indispensable en los próximos años.
Si la inteligencia artificial está revolucionando la experiencia del cliente al explotar fuentes de datos previamente no utilizadas, su adopción también plantea importantes problemas sociales, legales y de confianza. Solo una integración gradual y razonada, junto con la capacitación de empleados y un marco ético sólido, permitirá una transformación sostenible y creará valor duradero en lugar de acumular riesgos.
