Sam Jenkins, Socio Gerente en Punchcard Systems – Serie de Entrevistas

Sam Jenkins, Socio Gerente en Punchcard Systems, ha pasado más de dos décadas trabajando en la intersección de la tecnología, el espíritu empresarial y la transformación organizacional. Desde que cofundó Punchcard Systems en 2016, ha ayudado a guiar el crecimiento de la empresa mientras asesoraba a organizaciones sobre estrategia de lugar de trabajo digital, software personalizado, inteligencia artificial y tecnologías emergentes. Su experiencia anterior incluye cofundar Startup Edmonton y Wellnext, liderar iniciativas de desarrollo empresarial y tecnología de lugar de trabajo de Microsoft en iomer internet solutions, y ocupar cargos ejecutivos y de consejo en tecnología, atención médica, seguridad pública y organizaciones comunitarias. Esto le ha dado una perspectiva amplia sobre cómo la tecnología cambia la forma en que las personas colaboran, toman decisiones y realizan su trabajo.

Punchcard Systems es un socio de software y tecnología canadiense que trabaja con empresas en crecimiento y medianas para diseñar, desarrollar y implementar soluciones digitales vinculadas a objetivos comerciales medibles. Al servir a más de 150 clientes en Canadá y Estados Unidos, las capacidades de la empresa incluyen software personalizado para web y móviles, inteligencia artificial, infraestructura en la nube, datos y análisis, diseño de experiencia del usuario y tecnologías de lugar de trabajo como Microsoft 365, Azure, Copilot, Teams, SharePoint y Power Platform. Punchcard se centra en ayudar a las organizaciones a modernizar sus operaciones, mejorar las experiencias de los empleados y los clientes, e integrar nuevas tecnologías en procesos comerciales prácticos.

Su carrera ha seguido la evolución de la tecnología del lugar de trabajo, desde plataformas de empleados basadas en Microsoft SharePoint hasta la creación de Startup Edmonton y, finalmente, Punchcard Systems. ¿Cómo ha moldeado su visión del cambio de software que los empleados operan ellos mismos a agentes de inteligencia artificial que realizan trabajo en su nombre?

Cuando empecé a trabajar con tecnologías de lugar de trabajo digital como SharePoint (en 2003), el enfoque era crear mejores formas para que los empleados encontraran información, compartieran conocimientos y colaboraran. Al final del día, el empleado todavía hacía el trabajo: navegaba por sistemas, producía los resultados. Hoy, estamos avanzando más allá de la inteligencia artificial como una herramienta de productividad individual y hacia una nueva era de sistemas de inteligencia artificial agente, donde los sistemas pueden realizar tareas más complejas y multietapa en nombre de los empleados.

Esto es lo que está cambiando. Como ecosistema, estamos pasando de la inteligencia artificial como una herramienta de productividad personal a sistemas agente que asumen trabajo complejo en nombre de seres humanos reales. Claude Cowork y ChatGPT Work están haciendo que este enfoque agente sea bastante común.

He presenciado algunos de estos cambios tecnológicos ahora, y el patrón se mantiene cada vez. Las organizaciones que ganan no tratan la nueva tecnología simplemente como una implementación. La tratan como una oportunidad para replantear cómo la gente, los procesos y la tecnología trabajan juntos.

ChatGPT Work puede recopilar información de aplicaciones y archivos conectados, completar tareas multietapa y producir documentos, hojas de cálculo y presentaciones terminados. ¿Cómo cambiará esto las responsabilidades diarias de los trabajadores del conocimiento que anteriormente creaban estos materiales ellos mismos?

Creo que el trabajo se está desplazando de “producir resultados” a “gobernar resultados”. Esto cambia fundamentalmente el papel de los trabajadores del conocimiento, pero esto no reemplaza la necesidad de juicio e supervisión humanos. En cambio, los empleados pasarán cada vez más de crear cada pieza de trabajo ellos mismos a gestionar, revisar y orquestar resultados generados por la inteligencia artificial.

Gran parte del trabajo repetitivo se trasladará al agente: recopilar información, construir presentaciones o documentos, o resumir datos. Esto libera a las personas para el trabajo que realmente necesita una persona: estrategia, creatividad, pensamiento crítico y colaboración.

La habilidad que se vuelve cada vez más valiosa es saber cómo dirigir bien la inteligencia artificial, dándole el contexto correcto y reconociendo cuándo la respuesta parece correcta pero no lo es.

Ha descrito una creciente necesidad de “gestores de inteligencia artificial”. ¿Qué implicaría este rol en la práctica y cómo difiere de las responsabilidades de un administrador de TI, un gestor de productos o un gestor tradicional de personas?

Los gestores de inteligencia artificial desempeñarán un papel importante al ayudar a las organizaciones a adoptar la inteligencia artificial de manera responsable y efectiva. Su responsabilidad será gestionar y gobernar los resultados de la inteligencia artificial, asegurando que el trabajo generado por la inteligencia artificial sea preciso, confiable y alineado con los objetivos comerciales.

Este es un trabajo diferente al de la TI tradicional, que posee infraestructuras y sistemas técnicos, o al de un gestor de productos, que se centra en desarrollar y mejorar productos. Cada departamento necesitará a alguien que comprenda cómo se aplica la inteligencia artificial a sus áreas específicas, ya sea finanzas, legal, recursos humanos u operaciones.

El verdadero cambio es la propiedad. Actualmente, la mayoría de las organizaciones no han designado a alguien que sea claramente responsable de si estos sistemas entregan valor y se mantienen dentro de un riesgo aceptable. Esa brecha, en términos de identificar a individuos directamente responsables, es lo que estos tipos de roles llenarán.

KPMG Canadá encontró que los agentes de inteligencia artificial ya están influyendo en cómo las organizaciones contratan a empleados de nivel de entrada y experimentados. ¿Qué habilidades se volverán más valiosas a medida que los empleadores comiencen a evaluar a los candidatos según su capacidad para delegar trabajo a la inteligencia artificial, evaluar su salida y intervenir cuando sea necesario?

Las habilidades que se volverán cada vez más valiosas son las que permanecen únicamente humanas, como el pensamiento crítico, el juicio, la comunicación, la creatividad, la resolución de problemas y el liderazgo.

La alfabetización técnica en inteligencia artificial seguirá siendo importante, pero los empleadores buscan a personas que comprendan cómo se ajusta la inteligencia artificial al entorno empresarial más amplio. Esto incluye habilidades como gestión del cambio, gestión del riesgo y pensamiento estratégico.

La línea entre roles técnicos y no técnicos se está desdibujando. Las organizaciones se están alejando de contratar solo por las habilidades que alguien ya tiene y hacia personas que estén dispuestas a aprender, adaptarse y mejorar continuamente. Los empleados más valiosos serán aquellos que puedan utilizar las capacidades de la inteligencia artificial mientras comprenden dónde el juicio humano sigue siendo esencial.

Muchos empleados tradicionalmente desarrollaron juicio profesional completando tareas de nivel de entrada repetitivas. Si los agentes de inteligencia artificial absorben gran parte de ese trabajo fundamental, ¿cómo pueden las organizaciones rediseñar la formación y el desarrollo de carrera para que los empleados más jóvenes aún ganen la experiencia necesaria para convertirse en tomadores de decisiones efectivos?

Esta es una verdad que me preocupa un poco. La gente solía construir juicio y experiencia pasando por tareas de nivel de entrada. Si los agentes están haciendo ese trabajo, la escalera pierde algunos peldaños.

Las organizaciones tendrán que ser más deliberadas que nunca sobre la construcción de talento junior a través del mentoría, la capacitación, los ejercicios de toma de decisiones y la exposición a proyectos de mayor valor más temprano en la carrera de alguien.

Hay una oportunidad para el mentoría inverso, donde los empleados más jóvenes que están más familiarizados con las herramientas de inteligencia artificial pueden ayudar a los equipos a entender cómo se pueden aplicar estas tecnologías, mientras que los empleados experimentados siguen brindando el contexto empresarial y el juicio que la inteligencia artificial no puede replicar.

El objetivo debe ser rediseñar el proceso de aprendizaje para un lugar de trabajo donde los humanos y la inteligencia artificial trabajan juntos.

Punchcard tiene una amplia experiencia implementando Microsoft 365 y tecnologías de lugar de trabajo relacionadas. ¿Cómo cambia ChatGPT Work el panorama competitivo para Microsoft Copilot y Google Gemini, y qué factores deben considerar las organizaciones al seleccionar una plataforma de inteligencia artificial para el trabajo diario?

El panorama está evolucionando rápidamente, y las organizaciones tienen más opciones que nunca. La decisión debe basarse en qué solución se alinea mejor con el entorno tecnológico existente de la organización, flujos de trabajo, requisitos de seguridad y objetivos comerciales.

Para las organizaciones ya invertidas en Microsoft 365, herramientas como Copilot pueden proporcionar ventajas a través de la integración con aplicaciones y datos existentes. Otros pueden encontrar que diferentes plataformas se adaptan mejor a sus necesidades.

Creo que la pregunta clave que los líderes deben hacer no es “¿qué herramienta?”. Es “¿qué problema estamos resolviendo, y qué plataforma nos ayuda a resolverlo de manera responsable?”

Lo que hemos aprendido de primera mano es que la adopción exitosa es más que la herramienta. Hemos implementado plataformas de inteligencia artificial a nivel de empresa, con modelos personalizados ajustados a cómo realmente trabajamos. Cada empleado la usa, pero eso no vino de elegir el producto correcto; vino de sólidas bases de datos, gobernanza y construyendo la inteligencia artificial en cómo funciona la empresa.

El rendimiento del modelo suele dominar las conversaciones sobre la inteligencia artificial en el lugar de trabajo, pero las organizaciones también deben considerar permisos, acceso a datos, auditoría y responsabilidad. ¿Qué controles de gobernanza deben establecerse antes de que un agente de inteligencia artificial esté permitido para operar en correo electrónico, documentos, bases de datos internas y aplicaciones empresariales?

Uno de los errores más grandes que veo que cometen las organizaciones es tratar la gobernanza de la inteligencia artificial como un pensamiento posterior. A medida que los sistemas de inteligencia artificial se vuelven más capaces y conectados a los datos empresariales, las organizaciones necesitan establecer principios claros sobre cómo se utilizan estas herramientas antes de ampliarlas ampliamente.

Esto comienza con comprender qué información pueden acceder los sistemas de inteligencia artificial, asegurando que los permisos estén adecuadamente limitados y estableciendo controles alrededor de la supervisión y la responsabilidad.

Las organizaciones también necesitan directrices claras sobre dónde la inteligencia artificial puede operar de forma independiente y dónde se requiere supervisión humana.

Al construir las bases adecuadas alrededor de los datos y la seguridad desde el principio, los negocios pueden desbloquear el valor de la inteligencia artificial mientras gestionan los riesgos que conllevan sistemas cada vez más autónomos.

A medida que los agentes de inteligencia artificial toman acciones en lugar de simplemente proporcionar respuestas, los errores pueden tener consecuencias operativas. ¿Cómo deben las empresas validar el trabajo generado por el agente, determinar qué acciones requieren aprobación humana y asignar responsabilidad cuando un agente produce un resultado inexacto o toma una acción no intencionada?

Cuando la inteligencia artificial pasa de responder a actuar, el perfil de riesgo cambia. No todas las tareas conllevan las mismas apuestas, por lo que la barra para la aprobación humana debe escalonarse con lo que está en juego en el resultado.

Simplemente, esto requiere una propiedad clara. La inteligencia artificial debe apoyar la toma de decisiones, no reemplazar la responsabilidad. Las organizaciones necesitan definir quién monitorea el rendimiento de la inteligencia artificial, valida los resultados y es finalmente responsable de los resultados. El objetivo es combinar la eficiencia impulsada por la inteligencia artificial con el juicio humano, creando sistemas que sean a la vez escalables y confiables.

Muchas organizaciones están experimentando con la inteligencia artificial sin conectar aún la adopción a resultados comerciales medibles. ¿Cómo deben los líderes identificar casos de uso agente valiosos, medir el retorno de la inversión y determinar si un piloto está listo para ampliarse a toda la organización?

La brecha generalmente se remonta a la secuencia. Los equipos eligen una tecnología primero y luego buscan dónde ponerla, cuando las victorias duraderas provienen de comenzar con un flujo de trabajo que ya es doloroso y costoso y preguntar si un agente es realmente la herramienta adecuada.

El mejor filtro es la variabilidad. Si un proceso es lo suficientemente predecible para una regla de motor, no necesitas un agente. Si es tan abierto que nadie puede describir un buen resultado, el agente luchará y no podrás confiar en él. El valor se encuentra en el medio, en el trabajo que necesita juicio a través de varios sistemas pero que aún se ejecuta dentro de reglas acotadas y auditables.

Agregaría una pregunta de selección que cambia el perfil de riesgo más que cualquier otra cosa. ¿Es el costo de una acción incorrecta acotado y reversible? Donde lo es, deja que el agente actúe y mueva rápido. Donde un error es costoso o difícil de deshacer, mantén a una persona en la decisión.

En cuanto al retorno, el error común es medir lo incorrecto demasiado tarde. Las horas ahorradas son la métrica predeterminada, pero subestiman el impacto. Los retornos más grandes se presentan como compresión del ciclo de tiempo, tasas de error más bajas y capacidad que anteriormente se racionaba y se vuelve disponible. Un equipo de soporte que solo podía alcanzar la mitad de sus tickets se convierte en un negocio diferente una vez que puede alcanzar todos ellos. Capture una base de referencia limpia antes de que comience el piloto, porque sin ella estás atascado argumentando sobre anécdotas. Y cuando cuentes el costo, cuenta la imagen completa. El trabajo de integración y el tiempo de supervisión humana son artículos de línea reales, y la supervisión es crónicamente subestimada.

Decidir si ampliar es donde la disciplina importa más, y es el paso que los equipos apresuran. Un demo en entradas limpias te dice poco. Un piloto está listo cuando se mantiene en la cola larga de entradas reales y desordenadas, cuando los modos de falla se entienden y se acotan, cuando la observabilidad está en su lugar para que una falla silenciosa se detecte en lugar de ser descubierta por un cliente, y cuando una persona con nombre es responsable en producción.

Ejecuta una verificación de economía unitaria también, ya que los costos del agente escalan con el uso de una manera que los asientos de software no lo hacen.

Los sistemas agente fallan de manera diferente a la del software tradicional. Fallan de manera probabilística y a menudo silenciosa, por lo que las organizaciones que se adelantan construyen evaluación y monitoreo desde el día uno en lugar de agregarlo después de que algo se rompe.

Punchcard Systems ayuda a las organizaciones a pasar de experimentar con la inteligencia artificial a integrarla en procesos comerciales reales. ¿Cómo evalúa la preparación de una organización para la inteligencia artificial, identifica los flujos de trabajo donde puede entregar valor medible y ayuda a los equipos a implementar estos sistemas de manera responsable sin interrumpir las operaciones existentes?

Es importante comenzar entendiendo el estado actual de la organización. Una de las mayores concepciones erróneas es que la adopción de la inteligencia artificial es simplemente sobre elegir la herramienta correcta. En realidad, la implementación exitosa depende de tener bases sólidas: datos de calidad, procesos claros y propiedad definida.

Desde allí, ayudamos a las organizaciones a identificar dónde la inteligencia artificial puede crear el valor más, a menudo en flujos de trabajo que consumen tiempo desproporcionado en relación con su impacto, o en decisiones que se toman sin la información adecuada a mano.

Las organizaciones tienen que pensar en cómo los roles y la toma de decisiones evolucionarán junto con la tecnología. Al combinar la tecnología adecuada con la adopción de empleados y la gestión del cambio, los negocios pueden integrar la inteligencia artificial de una manera que cree valor medible sin romper lo que ya funciona.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Punchcard Systems.