Ashley Moser, cofundadora y CCO de MelodyArc – Serie de entrevistas

Ashley Moser, cofundadora y directora comercial (Chief Commercial Officer) de MelodyArc, lidera la estrategia comercial de la empresa, trabajando con los clientes para traducir metas operativas ambiciosas en resultados medibles. Posee una experiencia que abarca operaciones, estrategia de producto, logística, ventas y servicios financieros, incluidos cargos de liderazgo en Wonder y Jetblack de Walmart, donde trabajó en cadena de suministro, mejora continua, estrategia y logística. Al inicio de su carrera, se desempeñó como directora de ventas en Stella Connect, luego adquirida por Medallia, trabajó con la plataforma de venta minorista móvil NewStore, y pasó más de cuatro años en J.P. Morgan en ventas institucionales de renta variable.

MelodyArc es una plataforma empresarial de orquestación de IA diseñada para ayudar a los equipos de operaciones a coordinar datos, reglas de negocio, sistemas de IA y la toma de decisiones humana dentro de un entorno único y gobernado. La plataforma se basa en la ejecución de procesos operativos complejos de extremo a extremo, permitiendo a los equipos definir flujos de trabajo, aplicar lógica empresarial, desplegar operadores de IA u otros agentes, y escalar casos a personas cuando se requiere un mayor juicio. Su Point Engine evalúa rutas potenciales para resolver cada caso mientras opera dentro de las reglas organizacionales y registra cada paso, proporcionando a las empresas mayor visibilidad y control sobre los flujos de trabajo impulsados por IA en áreas como servicio al cliente, merchandising, mensajería del sitio, cadena de suministro y surtido.

Has tenido una carrera diversa que abarca finanzas en J.P. Morgan, SaaS empresarial en Medallia y roles operativos dentro de Jetblack de Walmart. ¿Qué percepción o frustración específica te llevó a cofundar MelodyArc, y cómo esas experiencias moldearon la visión central de la empresa? 

Iniciamos la empresa porque mi cofundador, James McHenry, y yo habíamos sido tanto operadores como tecnólogos antes. Lo habíamos visto de primera mano, y en muchas ocasiones, ayudamos a construir gran tecnología para los equipos de operaciones. Pero seguíamos encontrando la misma brecha: soluciones puntuales que o bien abordaban una fracción estrecha de lo que realmente hacía la operación, o no coincidían con la forma en que el trabajo se realizaba en la práctica.

Con eso en mente, nos propusimos crear una plataforma que pudiera llevar nuevas tecnologías a los equipos de operaciones de primera línea de una manera que realmente pudieran usar. Hoy, eso se manifiesta como orquestación con humanos en el bucle.

MelodyArc está poniendo la IA directamente en manos de los operadores de primera línea. ¿Cómo difiere este enfoque de los despliegues tradicionales de IA empresarial de arriba hacia abajo, y por qué está ocurriendo este cambio ahora? 

Con MelodyArc, una vez que la plataforma está en funcionamiento, otorgamos la capacidad de crear nuevos flujos de trabajo, ideas y procesos con humanos en el bucle directamente a los equipos, con poco o ningún impacto en la hoja de ruta general. Eso significa que los equipos pueden mejorar sus propios procesos usando IA sin tener que subir y bajar la cadena de mando cada vez. Es una forma fundamentalmente diferente de desplegar esta tecnología.

Esto es especialmente evidente en nuestras implementaciones empresariales más grandes. En un cliente, comenzamos con un caso de uso único en un equipo. Hoy, estamos operando con más de cinco casos de uso en varios equipos.

También hemos visto a equipos crear un proceso asistido por IA en un solo día, algo que previamente habían despriorizado porque nunca superaba el umbral de ROI para lo que habría sido una construcción intensiva en ingeniería.

Muchas organizaciones están invirtiendo fuertemente en IA pero aún tienen dificultades para operacionalizarla. ¿Cuáles son las brechas más comunes que observas entre la estrategia de IA y la ejecución en el mundo real?

Dos cosas importantes destacan. Primero, cuando las empresas analizan un proceso al que quieren aplicar IA, a menudo adoptan un enfoque todo o nada. Automatizan todo lo relacionado con un proceso focalizado, o no lo tocan en absoluto. Animamos a las empresas a, en su lugar, examinar la composición de un proceso e identificar dónde encaja la automatización, dónde encaja la IA y dónde aún se necesita la intervención humana, no necesariamente en ese orden. Ese enfoque abre muchos más procesos como candidatos a IA, y también desbloquea más automatización downstream, porque se ha sido deliberado sobre dónde se incluye a las personas.

Segundo, desde una perspectiva estratégica, las empresas suelen tener cientos de casos de uso elegibles para elegir. La clave es evaluarlos en función del impacto real en el negocio, dólares, horas y métricas concretas, en lugar de perseguir lo más llamativo o fácil. Atacar primero las áreas más grandes y de mayor impacto, incluso si son más difíciles, es donde las empresas obtienen mayor valor. Esto también muestra una rueda de impulso positiva de valor que los proyectos de IA pueden generar en las organizaciones.

MelodyArc combina IA con flujos de trabajo humanos en lugar de reemplazarlos. ¿Cómo determinas el equilibrio adecuado entre la automatización y la toma de decisiones humana en entornos empresariales?

MelodyArc ayuda a las empresas a alcanzar sus objetivos de automatización al encontrar el equilibrio adecuado entre IA y la toma de decisiones con intervención humana. Cuando MelodyArc inicia el proceso de implementación, el objetivo final de una organización puede ser que la automatización complete el 90 % del trabajo, mientras que el 10 % restante dependa de la experiencia de los miembros del equipo. Pero, en lugar de priorizar solo la velocidad, MelodyArc aprovecha la participación humana desde el principio. Por ejemplo, comenzando con una división 50‑50 entre automatización y aporte del equipo, y luego automatizando progresivamente más del proceso. Este enfoque lleva los flujos de trabajo a nivel empresarial a producción más rápido, porque no intentamos perfeccionar el flujo antes de integrar la IA.

Otra fortaleza de este enfoque es que, al lanzar a producción, recopilamos datos del proceso que nos indican exactamente qué partes del proceso automatizar a continuación. Esto permite a MelodyArc seguir avanzando hacia los objetivos de automatización más rápido y de forma coherente. En la práctica, esto suele significar que una empresa ve una mejora continua de la automatización, sin tener que interrumpir el flujo de trabajo para correcciones o ajustes.

Con tu experiencia en experiencia del cliente y operaciones, ¿cómo crees que la IA está redefiniendo lo que significa “un gran servicio” en un entorno donde las respuestas pueden generarse al instante?

Creo que “instantáneo” se convertirá en un requisito básico y, esencialmente, en una mercancía. Un gran servicio nunca se ha tratado solo de dar una respuesta rápida al cliente, sino de ofrecer la respuesta correcta con el menor esfuerzo posible. La IA nos brinda nuevas formas de reducir ese esfuerzo, ya sea ejecutando acciones en nombre del cliente, sugiriendo los siguientes pasos o completando campos automáticamente, cualquier cosa que haga la experiencia más ágil y agradable. Generar una respuesta al instante no significa nada si no es realmente relevante, y sostengo que perseguir solo la velocidad es lo que lleva a las empresas a optimizar lo incorrecto.

La IA empresarial a menudo falla en la etapa final, donde la adopción y la usabilidad se vuelven críticas. ¿Qué principios de diseño han sido esenciales para garantizar que MelodyArc sea realmente utilizada por los equipos de primera línea?

Partimos del entendimiento de que existe mucho conocimiento tácito dentro de nuestros equipos, y somos muy claros sobre lo que podemos y no podemos automatizar. Ser transparentes respecto a esa distinción hace que la experiencia sea mucho más intuitiva. No es una caja negra donde los equipos no saben qué está ocurriendo o por qué.

La usabilidad se reduce a la idea de que la tecnología trabaja con los equipos de primera línea, en lugar de convertirse en algo con lo que tengan que lidiar. Eso vuelve a la razón por la que fundamos la empresa: demasiadas soluciones puntuales abordaban solo una fracción estrecha de las operaciones o no coincidían con la forma en que el trabajo realmente se desarrollaba en el terreno. Descubrimos que esa es una gran razón por la que muchas herramientas de IA empresarial permanecen sin uso meses después de su lanzamiento.

A medida que los agentes de IA se vuelven más autónomos, ¿qué desafíos de gobernanza y control deberían preparar las empresas antes de escalar estos sistemas?

La observabilidad en cualquier entorno empresarial es esencial, sobre todo la capacidad de ver qué decisiones se tomaron y por qué. Para procesos que las empresas podrían automatizar pero no se sienten cómodas automatizando por completo, recomiendo mantener a un humano en el bucle. Es fundamental no solo mantener la supervisión, sino también probar nuevos sistemas para comprender mejor cómo funcionan y sus impactos, tanto positivos como negativos.

Desde una perspectiva comercial, ¿cómo ha evolucionado la venta de IA a empresas en los últimos años, a medida que los compradores se vuelven más informados pero también más cautelosos?

Todos se han vuelto mucho más inteligentes, tanto compradores como proveedores. Llevamos alrededor de cuatro años en lo que realmente es un ciclo de varias décadas, así que todos seguimos aprendiendo. A medida que la IA se vuelve más capaz y más accesible, iteramos rápidamente sobre lo que podemos ofrecer a los clientes mientras ellos aprenden lo que pueden hacer dentro de sus propias organizaciones, lo cual es genuinamente emocionante porque hay mucho intercambio de valor.

Las organizaciones están más enfocadas que nunca en la seguridad de la información, en preservar lo que las distingue y en la eficiencia real que la IA brinda. También están abordando los proyectos de forma más racional, dispuestas a adoptar de manera incremental en lugar de apostar todo de una vez. La decisión de construir o comprar sigue siendo un cálculo interno activo, y cada vez vemos más enfoques híbridos, como construir y comprar, o “construir mediante la compra”, en lugar de optar por una sola opción.

Has trabajado tanto en startups de alto crecimiento como en grandes organizaciones como Walmart. ¿Cómo difiere la construcción de IA para operaciones empresariales según el tamaño de la empresa y la complejidad organizacional?

Realmente hay dos dimensiones aquí: la amplitud de la organización y la profundidad histórica de su stack tecnológico y sus procesos.

En startups de alto crecimiento, no tienes tantas personas ni tanta complejidad organizacional, y no trabajas alrededor de sistemas construidos hace 20 años o equipos que han hecho lo mismo durante una década. Cuanto más grande y establecida es la organización, más necesitas replantearte la forma de hacer las cosas desde cero. Eso implica decidir cómo quieres operar en el futuro y luego avanzar de manera incremental de forma que se ajuste a la organización. A veces eso también significa ejecutar experimentos independientes en los bordes, algo separado o paralelo a los procesos existentes.

De cara al futuro, ¿cómo ve la evolución del papel de los trabajadores de primera línea a medida que la IA se integra en los flujos de trabajo cotidianos? ¿Nos estamos moviendo hacia el aumento, la orquestación o algo completamente nuevo? 

Para los flujos de trabajo cotidianos, una capa de orquestación es fundamental. Lograr que todas sus personas y la tecnología trabajen juntas de forma nativa es la dirección a la que nos dirigimos. Pero implementar este tipo de tecnología puede ser complejo, ya que no es un silo simple donde las organizaciones puedan automatizar un paso y luego entregarlo a un asociado. Es una combinación de IA, automatización y un asociado trabajando en conjunto.

Hay muchas oportunidades para que los equipos de primera línea implementen flujos de trabajo. Cada vez que hablamos con clientes, hay docenas, si no cientos, de proyectos que les encantaría abordar pero no pueden, ya sea por presupuesto, hoja de ruta tecnológica, tamaño del equipo o retorno de la inversión que los detiene. Ahí es precisamente donde entran la IA y la orquestación; ayudan a los equipos a hacer mucho más con lo que ya tienen, al tiempo que reducen el costo de lanzamiento. Esto, en última instancia, conduce a un ROI positivo para proyectos futuros.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar MelodyArc.