5 Pasos Para Implementar IA en Tu Negocio Sin Romper el Banco

La inteligencia artificial sigue en auge, y si continúa permeando en cada industria, transformará completamente la forma en que vivimos.

Como resultado de esto, integrar IA en sus empresas se ha convertido en una prioridad absoluta para muchos fundadores. Incluso las personas buscan formas de aprovechar la IA para mejorar sus vidas personales.

La histeria es tal que el diccionario Collins, una autoridad lingüística de referencia, ha nombrado IA como el término del año, debido a su aumento en popularidad.

Dicho esto, para la mayoría de las organizaciones, hay un gran vacío entre la idea y la realidad al intentar incorporar IA en sus procesos, porque el camino no es tan sencillo como parece, y puede ser muy costoso, tanto en términos de gastos de capital necesarios como en tiempo desperdiciado, porque los desarrollos no traerán los resultados esperados. Esto ha llevado a varias empresas a problemas. Por ejemplo, CNET experimentó con artículos escritos por IA, y resultaron llenos de defectos. Otras empresas, como iTutor Group, fueron multadas además de ser objeto de burla pública debido a sus malas implementaciones de IA.

Como muestran estos casos, las empresas pueden cometer muchos errores con la IA, y a menos que una empresa tenga la almohadilla financiera de Amazon, Google, Microsoft o Meta, estos experimentos fallidos pueden arruinar efectivamente a una empresa.

Si eres un fundador o propietario de un negocio, aquí hay una guía con cinco pasos para ayudarte a implementar IA en tu negocio, todo mientras haces un uso prudente de tus recursos – dinero y tiempo, que en última instancia es dinero – y mientras reduces la posibilidad de errores fatales.

1. Establece con claridad el problema que estás tratando de resolver

Ninguna empresa es inmune a los fracasos de la IA. Y como Amazon descubrió dolorosamente – a través de sus tiendas sin cajero Amazon Go – no todos los casos de negocio necesitan IA.

Por lo tanto, es fundamental que definas el problema que estás tratando de resolver con la IA. Esto debe estar delineado con la mayor claridad posible.

Por ejemplo, una aplicación común de la IA es el soporte al cliente. Implementar la IA en este caso es posible de una manera que tenga resultados específicos, por ejemplo, reducir los costos del centro de llamadas en X cantidad de dinero por mes o acelerar el tiempo promedio que se tarda en resolver las consultas de los clientes en X minutos. Con este enfoque, tenemos un indicador medible en forma de dinero o tiempo, que trataremos de alcanzar implementando la IA y ver si esto tiene algún impacto.

Hay varias formas en que esto podría suceder. Por ejemplo, en lugar de un chatbot, podemos desarrollar o comprar un servicio que determine si la consulta de un cliente se puede responder con una página de preguntas frecuentes. Funcionará de la siguiente manera. Cuando un cliente escribe un mensaje, ejecutamos este modelo y nos dice si necesitamos transferir esta conversación a un agente o mostrarles una página relevante con la respuesta a su pregunta. Desarrollar este modelo es más rápido y barato que construir un chatbot complejo desde cero. Si esta implementación tiene éxito, lograremos nuestro objetivo de reducir costos mientras optimizamos nuestros gastos de capital relacionados con la IA, en comparación con el costo de desarrollar un chatbot.

Un pionero en este enfoque fue Matten Law, un despacho de abogados de California que integró un asistente impulsado por IA para automatizar muchas tareas, lo que permitió a los abogados pasar más tiempo escuchando a los clientes y estudiando aquellos aspectos de un caso que eran los más relevantes. Esto ilustra que incluso los sectores más rígidos pueden ser disruptados a través de la IA de una manera que mejora la experiencia del usuario, amplificando el toque humano donde sea necesario.

Otros problemas comunes que podrían abordarse con la ayuda de la IA incluyen el análisis de datos y la creación de ofertas personalizadas. Spotify es un ejemplo extraordinario de una empresa que utiliza con éxito la IA para desarrollar un sistema inteligente de recomendaciones de música, que llega a tener en cuenta la hora del día en que alguien escucha un género específico.

En ambos escenarios, la IA está ayudando a proporcionar una mejor experiencia para el cliente. Sin embargo, la razón por la que estas empresas utilizaron la IA con éxito fue porque estaban muy claras sobre los aspectos que necesitaban delegar a la IA.

2. Decide sobre los datos que necesitarás analizar

Una vez que el problema principal esté bien definido, debemos considerar los datos que necesitamos para alimentar el sistema. Es fundamental recordar que la IA es un algoritmo, que analiza y se ajusta a los datos que proporcionamos. El escenario básico para la recopilación de datos es el siguiente:

1. Entender qué datos podríamos necesitar para implementar la IA.

2. Verificar si nuestra empresa tiene esos datos.

   1. Si los tiene — genial.

   2. Si no, necesitamos sentarnos y determinar si podemos iniciar el proceso de recopilación de datos adecuado en casa. Como otra posibilidad, podemos pedir a los desarrolladores que guarden los datos que necesitamos si no lo estamos haciendo aún.

Aquí hay un ejemplo. Tenemos una cafetería y necesitamos datos sobre la cantidad de clientes que la visitan. Podemos hacer esto implementando tarjetas de fidelidad personalizadas que los usuarios presentarán al hacer una compra. De esta manera, tendremos los datos que necesitamos, como qué clientes vinieron, cuándo vinieron, qué compraron y en qué cantidad. Una vez que tengamos eso, podemos usar estos datos para implementar la IA. Sin embargo, hay veces en que recopilar estos datos puede ser muy costoso. Y es cuando la IA puede venir a nuestro rescate. Por ejemplo, si tenemos una cámara instalada en nuestra cafetería – lo que podríamos hacer al menos por razones de seguridad – podríamos aprovecharla para recopilar datos de nuestros clientes que visitan. Debo decir que antes de implementar esto, es importante consultar sobre las leyes de protección de datos personales, como el GDPR, ya que este enfoque podría no funcionar en todos los países. Pero en aquellos lugares en los que esté permitido, esta puede ser una forma sin problemas de recopilar la información que necesitas y solicitar la ayuda de la IA para analizarla y procesarla.

Si te preguntas, este programa de fidelidad personalizado es lo que hizo Starbucks, con gran éxito. El esquema de recompensas de Starbucks llegó a ofrecer incentivos personalizados cada vez que un cliente visitaba su ubicación preferida o pedía su bebida favorita.

3. Define una hipótesis

Puede haber situaciones en las que te sientas incierto sobre qué procesos pueden o necesitan ser optimizados por la IA.

Si este es tu caso, entonces puedes comenzar dividiendo todo tu proceso en etapas e identificar aquellas fases en las que sientes que tu negocio está funcionando mal. ¿Cuáles son esas áreas en las que estás gastando demasiado dinero? ¿Qué está llevando más tiempo de lo habitual? Al responder a estas preguntas, puedes identificar las áreas críticas para la mejora y decidir si la IA puede ser de ayuda.

Como encontrarás, hay instancias en las que las soluciones convencionales pueden ser más efectivas. Si estás luchando con qué ofertas de productos destacar a tus clientes, las sugerencias basadas en los productos más populares suelen ser mucho más efectivas en los sistemas de recomendación de mercado que los intentos de predecir el comportamiento del usuario. Por lo tanto, intenta eso primero. Una vez que tengas un resultado – ya sea positivo o negativo – entonces puedes tener una hipótesis para probar la IA. De lo contrario, el campo de acción será demasiado vago, y podrías terminar desperdiciando tiempo y dinero.

4. Aprovecha las soluciones que ya existen

Muchas empresas apuntan a diseñar sus propios algoritmos de aprendizaje automático de inmediato. Sin embargo, si no planeas entrenarlos con conjuntos de datos grandes durante un período prolongado, no lo hagas. Será muy costoso y consume mucho tiempo.

En su lugar, te sugiero que te enfoques en soluciones que ya están disponibles. Empresas como Amazon, Google, Microsoft y muchas otras tienen herramientas impulsadas por IA que pueden ayudarte a lograr muchos objetivos. Luego, gradualmente, podrías firmar un contrato con una de ellas y contratar a un desarrollador interno para configurar habilmente las solicitudes de API necesarias.

La idea básica es que estas herramientas pueden ser integradas por desarrolladores de negocios (no especialistas en ML), lo que nos permitirá probar rápidamente la hipótesis de si la IA trae el efecto esperado o no. Si no lo hace, podemos simplemente deshabilitar estas herramientas, y el costo de probar nuestra hipótesis solo sería el tiempo del desarrollador que gastamos integrándonos con ese servicio y la cantidad que pagamos por usar la herramienta. Si estuviéramos desarrollando un modelo, gastaríamos el salario del especialista en ML multiplicado por la cantidad de tiempo que pasa desarrollando el modelo, además de cualquier costo de infraestructura. Y entonces no está claro qué hacer con el desarrollador y el modelo si, al final, el efecto esperado no está allí.

Si nuestra hipótesis es probada y la herramienta impulsada por IA trae el efecto esperado, nos alegramos y creamos una nueva hipótesis. En el futuro, si predecimos que los costos de la herramienta aumentan significativamente, podemos pensar en desarrollar este modelo nosotros mismos y así reducir los costos aún más. Pero primero debemos evaluar si el costo de desarrollo es en realidad menos de lo que pagaríamos por usar una herramienta de otra empresa que se especializa en desarrollar estas herramientas.

Mi consejo es que consideres desarrollar tu propio producto de aprendizaje automático solo después de haber obtenido buenos resultados al usar la IA con las herramientas mencionadas anteriormente, y una vez que estés seguro de que la IA es la forma correcta de resolver tu problema a largo plazo. De lo contrario, tu proyecto de ML no entregará el valor que estás buscando, y como dijo una pieza brillante reciente de la Harvard Business Review, la histeria de la IA solo te distraerá de tu misión, que no necesita la IA.

5. Consulta con especialistas en IA

En el mismo sentido, otro error muy común que cometen los fundadores y propietarios de negocios es que tratan de hacer todo en casa. Contratan a un ingeniero jefe de IA o investigador, y luego a más personas para formar un equipo que pueda crear un producto de vanguardia. Sin embargo, esa tecnología será inútil para el propósito de tu empresa si no tienes una estrategia de implementación de IA adecuadamente definida. También hay un caso en el que contratan a un ingeniero junior de ML para ahorrar dinero en comparación con contratar a un especialista más experimentado. Esto también es peligroso, porque una persona sin experiencia puede no conocer las sutilezas del desarrollo y diseño de sistemas de ML y cometer “errores de principiante”, por los cuales la empresa tendrá que pagar un precio demasiado alto, casi siempre excediendo el precio de contratar a un especialista en ML experimentado.

Por lo tanto, mi recomendación es que primero contrates a un experto en IA, como un consultor, que te guíe en el camino y evalúe tu proceso de adopción de IA. Aprovecha su experiencia para asegurarte de que el problema que estás trabajando requiere IA y de que la tecnología se puede escalar eficazmente para probar tu hipótesis.

Si eres una startup en etapas tempranas y te preocupa la financiación, un truco para esto es contactar a ingenieros de IA en LinkedIn con preguntas específicas. Créelo o no, muchos expertos en ML y IA aman ayudar, tanto porque están realmente interesados en el tema como porque si logran ayudarte, pueden usarlo como un caso de estudio positivo para su cartera de consultoría.

Pensamientos Finales

Con todo el revuelo que rodea a la IA, es normal que estés ansioso por incorporarla a tu negocio y desarrollar una solución impulsada por IA que te lleve al siguiente nivel. Sin embargo, debes tener en cuenta que el hecho de que todos hablen sobre la IA no significa que tu negocio necesite la IA. Muchas empresas, desafortunadamente, se apresuran a integrar la IA sin un objetivo claro en mente y terminan desperdiciando enormes cantidades de dinero y tiempo. En algunos casos, especialmente para empresas en etapas tempranas, esto puede significar su fin. Al articular claramente un problema, recopilar datos relevantes, probar una hipótesis y usar las herramientas que ya están disponibles con la ayuda de un experto, puedes integrar la IA sin agotar los recursos financieros de tu empresa. Luego, si la solución funciona, puedes escalar gradualmente e incorporar la IA en aquellas áreas en las que aumente la eficiencia o la rentabilidad de tu empresa.