Celonis identifica los pasos clave para que las empresas pasen de experimentar con IA a implementar proyectos con retorno medible y operativo.
El 89 por ciento de los directivos no percibe un retorno significativo de la inversión en inteligencia artificial que se hace en sus empresas, lo que les impide pasar de la experimentación con la IA a una ejecución basada en el rigor operativo. Este salto para la consolidación de los proyectos requiere comprender cómo funcionan los procesos con inteligencia artificial en la práctica, lo que significa identificar las dependencias ocultas y las prácticas locales que no aparecen incluidas en los procedimientos operativos estándar.
Celonis, firma especializada en inteligencia de procesos, identifica cinco pasos clave para que las empresas puedan escalar la IA, con impacto directo en la capacidad para medir el retorno de la inversión en cifras concretas y no en "afirmaciones o tópicos difíciles de demostrar", como una mayor satisfacción del cliente o mejores insights.
El mapeo de los procesos permite identificar con precisión en qué punto de un flujo de trabajo debe integrarse un agente de IA para maximizar el retorno de la inversión. Una vez implementado, es imprescindible hacer un seguimiento de los resultados posteriores de cada acción ejecutada por la IA para demostrar que realmente ha funcionado.
Celonis incorpora el concepto de 'Agent Mining', en tanto que no basta con conocer el razonamiento lógico que ha seguido y el resultado generado por ese agente, sino que también hay que dotarlo de la capacidad de aprender de patrones, decisiones anteriores, excepciones y otros factores que permitan medir la eficacia de los cambios introducidos o corregir el rumbo de los agentes cuando se desvían.
Para que la inteligencia artificial funcione, "el contexto es fundamental", asegura la compañía tecnológica, que insiste en que "un modelo de IA solo puede ser tan bueno como los datos con los que se alimenta". Los datos son los que van a permitir a la IA conocer cómo interactúan los sistemas, procesos y equipos, para razonar correctamente y actuar de forma adecuada.
El contexto completo del negocio incluye conocimientos específicos de cada organización, como las reglas de negocio, los cálculos de indicadores clave de rendimiento, los modelos de procesos, los test de rendimiento y las políticas de gobernanza. También abarca las dependencias críticas entre procesos y aquellas actividades manuales que tienen lugar fuera de los sistemas de registro y que no quedan documentadas en ningún sitio.
Las empresas que quieran escalar sus proyectos de IA deben evitar que esta tecnología quede confinada en una ventana de chat y conviene apostar por la orquestación de agentes entre distintos sistemas. Para que los agentes de IA trabajen de forma coordinada con las personas, con otros agentes y con las plataformas sobre las que operan, se requiere una capa de inteligencia artificial que permita desvincular la estrategia de IA de las tecnologías heredadas.
Las empresas que están obteniendo mejores resultados con la IA están dejando atrás las plataformas cerradas y estrictamente controladas para avanzar hacia capas de inteligencia abiertas y ágiles, capaces de orquestar procesos, agentes y decisiones entre distintos sistemas.
Las empresas también deben tener en cuenta que es más importante utilizar la herramienta de inteligencia artificial adecuada que la más novedosa, sobre todo ante la tentación de incorporar agentes de IA en todos los flujos de trabajo solo porque es la gran novedad del momento. "Contar con una lógica de negocio previamente estructurada permite evitar reintentos y alucinaciones, y convierte la IA en una inversión justificable, medible y defendible dentro del presupuesto empresarial", concluye Celonis.
Participa en la conversación con respeto. Tu comentario se publicará automáticamente, aunque podrá ser retirado por la redacción.
Comentarios (0)