IA para empresas: ¿con qué caso de uso empezar?

Un directivo que entrará el lunes por la mañana en una reunión quiere saber esto: ¿hay algo a lo que deba prestar atención esta semana en ventas, envíos o stock? Para responder tiene que mirar tres pantallas y pedir informes a dos personas. Uno de los lugares donde la inteligencia artificial aporta un valor más concreto en las empresas es precisamente este tipo de trabajo de información fragmentado y repetitivo.

IA empresarial significa usar la inteligencia artificial no como una pantalla de chat independiente, sino como una capa que funciona dentro de los flujos de conocimiento, documentos, informes y decisiones de la empresa. Dar a los empleados una pantalla nueva de IA no es lo mismo que integrar la IA en el flujo de trabajo existente: en el primer caso todos sienten curiosidad y la prueban una o dos veces; en el segundo, el trabajo se acelera directamente. En este artículo explicamos qué casos de uso existen y cómo elegir para el primer proyecto.

Seis posibles puntos de partida

No en todas las empresas es prioritaria la misma área. En los trabajos de IA de YazSis, las seis áreas que más se evalúan son estas. Junto a cada una hemos añadido en qué situación tiene sentido:

• Asistente de conocimiento corporativo: búsqueda y resumen en lenguaje natural en fuentes de información autorizadas. Es adecuado si los empleados hacen una y otra vez las mismas preguntas.
• Análisis de documentos: clasificar el contenido de los documentos y prepararlos para el flujo de trabajo. Es valioso si los documentos que llegan se leen y se derivan a mano.
• Agentes controlados: estructuras que ejecutan tareas con reglas usando datos y herramientas. Sirven en trabajos con pasos definidos y pocas excepciones.
• Informes inteligentes: convertir los datos del ERP y de la operación en resúmenes para la dirección. Es adecuado si los informes se compilan a mano.
• Anomalías y apoyo a la decisión: una capa de análisis que hace visibles los patrones que requieren atención. Es valiosa si hay muchos indicadores que seguir y no se puede mirar cada uno por separado.
• Automatización de flujos de trabajo: automatizaciones de desencadenantes, aprobaciones, notificaciones, informes y tareas. Es la primera opción en trabajos repetitivos con pasos definidos.

Cuatro criterios para elegir

Para elegir un uso vinculado al flujo de trabajo real y no a la moda, hay que responder por orden a las preguntas siguientes:

1. Acceso: ¿qué fuente de datos se usará y quién podrá ver qué datos? Un proyecto que empieza sin limitar los datos y los permisos pierde el control más adelante.
2. Calidad de los datos: ¿es fiable el dato de origen? Resumir rápido un dato erróneo solo sirve para acelerar una decisión equivocada.
3. Auditabilidad: ¿se puede rastrear de dónde viene el resultado y hay control humano en el paso crítico?
4. Resultado para el negocio: ¿qué decisión u operación se acelerará, qué trabajo repetitivo se reducirá? El caso de uso sin respuesta clara se queda en una prueba.

La IA conversa; las cifras las calcula el sistema.

Un ejemplo concreto: las preguntas del directivo

El ejemplo del directivo anterior entra en el área de los informes inteligentes. Fero, el asistente de IA empresarial de YazSis, permite hacer preguntas por voz o por escrito sobre datos de ventas, presupuesto, envíos, pedidos y stock. Fero entiende la pregunta, trae los datos con herramientas de negocio definidas, da una respuesta breve y construye una pantalla específica para la pregunta.

Aquí los criterios anteriores encuentran su correspondencia concreta. Fero accede a los datos solo mediante 17 herramientas de negocio definidas y de solo lectura; no ejecuta consultas libres, la IA no escribe SQL. Los KPI, los porcentajes y las diferencias se calculan en el back-end; el modelo no puede decir una cifra que no esté en el resultado de la herramienta. Las pantallas se construyen únicamente con 13 componentes aprobados, la IA no genera código. La aplicación se conecta a la base de datos con una cuenta que solo tiene permiso de lectura, es decir, los datos no se pueden modificar.

Hay que ser claro con las fuentes de datos: hoy solo MySQL está listo. Otras fuentes como SQL Server, PostgreSQL, REST API, Logo, SAP, Odoo y Excel se abordan dentro del alcance del proyecto. Gracias a la arquitectura de adaptadores, al añadir una fuente nueva no cambian las herramientas de negocio ni las pantallas. Es decir, la primera pregunta no debe ser “¿qué modelo usamos?”, sino “¿a qué datos, con qué permisos y para qué preguntas nos conectamos?”.

Errores frecuentes

• Empezar por la tecnología. Si el objetivo “tengamos IA” no se vincula a un problema de negocio, el proyecto no pasa de ser una demostración.
• Fiarse a ciegas del resultado. Si no se ve en qué fuente se basa el resumen o la respuesta, el error solo se detecta después de una mala decisión.
• Dejar los permisos para después. Un asistente al que todos pueden preguntar por todos los datos también puede responder información que debía permanecer reservada.
• No hacer partícipe al usuario. Un sistema montado sin listar las preguntas que más hacen quienes usarán el asistente deja de usarse pasado un tiempo.

Una lista de control breve para el primer proyecto

• Elija un solo problema; no apunte a varias áreas a la vez.
• Prefiera un trabajo cuyos datos estén reunidos en una única fuente.
• Escriba desde el principio cómo se medirá el éxito.
• Mantenga la aprobación humana en los pasos críticos.
• Empiece con un grupo pequeño de usuarios y amplíe con su opinión.

Puede ver todos los casos de uso en la página de Inteligencia artificial y el enfoque del asistente para directivos en la página de IA empresarial.