Lokdeep Singh, CEO de Unily – Serie de entrevistas

Lokdeep Singh tiene más de 20 años de experiencia liderando empresas de software empresarial de alto crecimiento. Recientemente, se desempeñó como Asesor Senior en Providence Equity Partners, donde apoyó a las compañías de la cartera en estrategia de IA, excelencia operativa y aceleración de la comercialización. Anteriormente fue CEO de Talkwalker, líder global en inteligencia de consumo empresarial, donde dirigió la transformación para lograr un crecimiento sostenible y rentable; y en Synchronoss Technologies como Gerente General.

Unily es una plataforma de experiencia del empleado empresarial diseñada para ayudar a grandes organizaciones a conectar a los empleados, simplificar las comunicaciones internas y reunir herramientas, conocimientos y servicios laborales en un entorno digital unificado. Fundada en 2006, la empresa atiende a corporaciones globales con fuerzas de trabajo distribuidas, de oficina y de primera línea, combinando capacidades de intranet, comunicaciones de empleados, búsqueda, analítica, integraciones y personalización dentro de una única plataforma. Unily posiciona cada vez más su tecnología como nativa de IA, utilizando inteligencia artificial gobernada para automatizar la gestión de contenido, presentar información relevante, personalizar las experiencias de los empleados y permitir que los trabajadores interactúen con aplicaciones empresariales conectadas mediante interfaces conversacionales. La plataforma se integra con sistemas de trabajo ampliamente usados, como Microsoft 365 y Teams, y está construida para organizaciones con entornos tecnológicos complejos, requisitos regulatorios y grandes fuerzas laborales multilingües.

Comenzó su carrera profundamente en la ingeniería de telecomunicaciones y la infraestructura de redes antes de pasar a roles de CTO, producto, gestión general y CEO, llegando a liderar Talkwalker a través de una salida exitosa y ahora tomando el timón en Unily. ¿Cómo ha influido esa progresión en su visión de lo que realmente se necesita para que los empleados confíen y adopten una tecnología transformadora como la IA?

Mi carrera me ha dado una perspectiva que se sitúa entre la tecnología y las personas que se espera que la usen. Al principio, me centré en la infraestructura, asegurándome de que los sistemas funcionaran de manera fiable, segura y a gran escala. A medida que pasé a roles de producto, gestión general y, finalmente, de CEO, aprendí que la capacidad técnica es solo una parte de lo que determina si una tecnología tiene éxito.

Los empleados solo adoptarán una tecnología emergente cuando comprendan cómo afecta su trabajo, crean que les ayudará en lugar de perjudicarlos y tengan la confianza de que se comportará de manera predecible.

El mayor error que pueden cometer los líderes es tratar la adopción de IA como un despliegue de software. Puedes implementar el mejor modelo del mundo, pero si los empleados no confían en la información que proporciona, no entienden lo que está permitido que haga, o no saben dónde están los límites, la adopción seguirá siendo superficial. La confianza debe diseñarse dentro de la experiencia del empleado desde el principio.

Las capacidades de IA están mejorando extraordinariamente rápido, sin embargo la confianza dentro de las organizaciones a menudo parece avanzar mucho más despacio. ¿Qué está impulsando esta brecha creciente entre lo que la IA puede hacer técnicamente y lo que los empleados realmente se sienten cómodos permitiendo que haga?

La brecha de confianza existe porque las organizaciones han invertido fuertemente en hacer que la IA sea capaz, pero no al mismo ritmo en hacerla comprensible, responsable y basada en información confiable.

La IA ahora puede razonar, generar contenido y tomar acciones, pero muchas organizaciones aún carecen de un sistema de registro autoritativo para el conocimiento y el contenido. Cuando los empleados no saben de dónde la IA obtiene sus respuestas, si la información está actualizada o quién la posee, la confianza se erosiona rápidamente.

Cerrar la brecha requiere más que mejores modelos. Requiere una gobernanza de contenido sólida y una base de conocimiento confiable que garantice que la IA trabaje con información precisa, segura y actualizada. Las organizaciones que tengan éxito serán aquellas que integren la confianza en la propia experiencia de IA, no como una reflexión posterior.

Las empresas a menudo abordan la IA empresarial como un problema de despliegue tecnológico centrado en modelos, integraciones, seguridad e infraestructura. ¿Por qué cree que el desafío más difícil es, en última instancia, una cuestión de personas y organización?

La IA cambia la relación entre las personas y la tecnología. Las tecnologías empresariales anteriores esperaban en gran medida que los empleados les indicaran qué hacer. La IA puede interpretar la intención, hacer recomendaciones y, cada vez más, tomar acciones.

Eso convierte la adopción de IA en un desafío del futuro del trabajo, no solo un desafío tecnológico. Cambia la forma en que se realiza el trabajo, cómo se toman decisiones y cómo los equipos colaboran. Las organizaciones no pueden simplemente desplegar IA y esperar que la transformación siga. Los empleados necesitan entender dónde encaja la IA en sus flujos de trabajo y sentirse capacitados para usarla eficazmente.

Las iniciativas de IA más exitosas se impulsan mediante la adopción desde la base, no por mandatos de arriba hacia abajo. Cuando los empleados ven un valor claro en su trabajo diario, la adopción se acelera de forma natural.

Por eso, el marco para el ROI de la IA se basa simplemente en confiar, empoderar y gobernar. Construya confianza mediante la transparencia y el conocimiento confiable, empodere a los empleados con herramientas que mejoren su forma de trabajar y establezca una gobernanza que garantice que la IA se utilice de manera responsable. La tecnología permite el cambio, pero las personas, los procesos y la cultura determinan en última instancia su éxito.

Las organizaciones necesitan gobernanza, pero las políticas excesivamente restrictivas pueden empujar a los empleados hacia herramientas no autorizadas o desalentar la experimentación por completo. ¿Cómo se ve un marco de gobernanza de IA eficaz si el objetivo es aumentar tanto la confianza como la adopción, en lugar de simplemente controlar el uso?

Una buena gobernanza debe sentirse como barreras de seguridad que permiten a los empleados moverse más rápido de manera segura.

Eso significa ser muy claro sobre para qué pueden usar los empleados la IA, qué información pueden proporcionar a los sistemas de IA y qué acciones puede realizar la IA. Esas reglas deben ser comprensibles para un empleado, no ocultas en un extenso documento de políticas.

La gobernanza también debe ser dinámica. El riesgo asociado con que la IA genere un borrador inicial es muy diferente al de que la IA apruebe un pago, modifique el registro de un empleado o se comunique con un cliente. El nivel de supervisión humana debe corresponder a la posible consecuencia.

En última instancia, el objetivo no debería ser minimizar el uso de IA. Debería ser maximizar el uso responsable.

Una investigación de Unily encontró que el 52 % de los empleados informaron no contar con una política de IA conocida en su organización, mientras que algunos empleados reconocieron haber introducido información sensible en herramientas de IA no autorizadas. ¿Hasta qué punto el auge de la \”IA sombra\” es realmente un fracaso de la comunicación y la gobernanza más que un problema de comportamiento de los empleados?

Debemos ser cuidadosos al encuadrar la IA sombra como un problema de empleados problemáticos. Una razón importante del uso de la IA sombra es que es un síntoma de una demanda no satisfecha. Los empleados están encontrando formas de resolver problemas para los que sus organizaciones aún no les han proporcionado herramientas aprobadas, lo cual es un comportamiento humano natural.

En lugar de esperar que ignoren la tecnología que está cambiando la forma en que se realiza el trabajo, la solución es ofrecer a los empleados un camino seguro y autorizado para experimentar, que incluya límites claros y capacitación.

La transparencia y la explicabilidad se presentan con frecuencia como esenciales para una IA confiable, pero los empleados no necesariamente necesitan entender cómo funciona internamente un modelo de lenguaje extenso. ¿Qué información debe proporcionar un sistema de IA para que un empleado pueda tomar una decisión informada sobre si confiar en su respuesta o recomendación?

Un sistema de IA empresarial debe dejar claro de dónde proviene la información, cuándo se actualizó por última vez, qué fuentes o sistemas empresariales se utilizaron y por qué se hizo una recomendación concreta.

También debe ser honesto respecto a la incertidumbre. Uno de los indicadores de confianza más importantes es que un sistema de IA diga, en esencia, “No dispongo de suficiente información para responder con confianza”.

La confianza no proviene de que la IA pretenda estar segura. Surge de proporcionar a los empleados el contexto suficiente para ejercer su propio juicio.

Unily Glass está diseñada para llevar la IA empresarial más allá de responder preguntas y hacia la ejecución de acciones en sistemas como RR.HH., TI y plataformas de gestión de relaciones con clientes. A medida que la IA pasa de proporcionar información a ejecutar acciones, ¿cómo deberían las organizaciones decidir qué decisiones pueden tomar los agentes de forma autónoma y cuáles deben seguir requiriendo la aprobación humana?

El principio clave debe ser la proporcionalidad del riesgo. Si un agente de IA programa una reunión o busca información, el impacto negativo de una acción incorrecta es relativamente limitado. Se le puede otorgar mucha más autonomía. Sin embargo, si un agente aprueba una transacción financiera, modifica la compensación de un empleado, revoca el acceso o toma una decisión importante para el cliente, el umbral debe ser drásticamente más alto.

Las organizaciones deben establecer niveles explícitos de autonomía basados en factores como el impacto financiero, la exposición regulatoria, la reversibilidad y el efecto sobre las personas. Cuanto más consecuente o irreversible sea la acción, más importante se vuelve la aprobación humana.

El objetivo es mantener a los humanos con un control significativo donde realmente importa.

Las empresas están desplegando cada vez más múltiples copilotos, agentes especializados, grandes modelos de lenguaje y aplicaciones habilitadas con IA a lo largo de la pila tecnológica. ¿Cómo pueden las organizaciones evitar que esto genere otra capa de fragmentación, y esperan que una capa centralizada de confianza u orquestación se vuelva esencial?

Corremos el riesgo de recrear la misma fragmentación que el software empresarial ha generado durante las últimas décadas, pero ahora cada aplicación puede tener su propia interfaz de IA y su propio agente.

Los empleados no deberían tener que entender qué modelo está detrás de cada aplicación o recordar dónde reside la IA de cada organización. Deberían poder interactuar con la IA en el contexto de su trabajo y contar con la información y capacidades adecuadas reunidas para ellos.

Ahí es donde una capa de orquestación y confianza se vuelve cada vez más importante. Puede ofrecer una forma coherente de gestionar identidad, permisos, contexto, acceso a datos y acciones entre diferentes sistemas de IA.

Probablemente no habrá un único modelo o plataforma de IA que lo controle todo, pero las organizaciones necesitarán cada vez más una capa común que haga que todos estos sistemas trabajen juntos de manera responsable.

Muchas organizaciones pueden medir con qué frecuencia los empleados usan una herramienta de IA, pero el uso por sí solo no demuestra que la inversión esté generando valor. ¿Qué métricas deberían rastrear los líderes para determinar si la IA está mejorando realmente la productividad, la toma de decisiones, la experiencia de los empleados o los resultados empresariales?

El uso es un punto de partida interesante, pero no es el resultado. Los líderes deben preguntarse si la IA está reduciendo el tiempo necesario para completar flujos de trabajo importantes, eliminando el trabajo repetitivo, mejorando la calidad o la velocidad de las decisiones y reduciendo la fricción para los empleados.

Yo observaría métricas como el tiempo ahorrado por flujo de trabajo, las tasas de finalización de tareas, las tasas de error, la satisfacción de los empleados, el tiempo de resolución y, en última instancia, los indicadores de negocio vinculados a la función específica que está implementando la IA.

Las organizaciones más sólidas conectarán las métricas de IA directamente con los resultados empresariales en lugar de celebrar la actividad por sí misma.

A medida que la IA empresarial evoluciona de asistentes que generan contenido a agentes que pueden ejecutar flujos de trabajo cada vez más complejos, ¿qué cree que los líderes empresariales siguen subestimando sobre la relación entre la capacidad de la IA, la confianza de los empleados y la adopción exitosa?

Muchos líderes siguen subestimando cuánto determina la confianza el techo de adopción de la IA.

Las empresas a menudo hablan de la capacidad de la IA como si más capacidad implicara automáticamente más valor. No es así. Un sistema increíblemente capaz al que los empleados no confían puede generar menos valor que un sistema más limitado que ellos comprenden y usan con confianza.

Esto obliga a las empresas a considerar la tecnología, la gobernanza, la experiencia del empleado y el cambio organizacional como un solo sistema. Las compañías deben averiguar cómo lograr que la IA sea lo suficientemente confiable como para cambiar realmente la forma en que la gente trabaja.

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