Scott Ernst, director ejecutivo de Vyond: serie de entrevistas

Has liderado repetidamente empresas tecnológicas durante grandes transformaciones: desde ayudar a expandir Compete, desde sus inicios, hasta su adquisición, pasando por llevar a Macromill a cotizar en bolsa y, más adelante, reorientar Drift hacia la inteligencia artificial antes de su adquisición por Salesloft. Al asumir la dirección de Vyond en medio de otro gran cambio tecnológico, ¿qué lecciones de esas experiencias están influyendo en tu manera de afrontar la era de la inteligencia artificial?

En todas esas transformaciones he observado el mismo patrón: el cambio tecnológico rara vez es la parte difícil; lo difícil es lograr que toda una organización avance unida una vez que el cambio se vuelve evidente. En Compete, la lección fue la disciplina: para convertir una empresa pequeña en líder de una categoría hace falta centrarse sin descanso en las pocas cosas que realmente impulsan el negocio, en lugar de perseguir todas las oportunidades. En Macromill, la expansión internacional y la salida a bolsa me enseñaron que el crecimiento sin rigor operativo acaba por pasar factura… hacen falta informes, previsiones y mecanismos de gobernanza para poder crecer al mismo ritmo que el negocio.

Drift es el caso que más se parece a lo que está ocurriendo ahora. Cuando se lanzó ChatGPT, ya habíamos desarrollado un producto propio de inteligencia artificial, y nuestro primer impulso fue protegerlo. Sin embargo, tomamos la difícil decisión de abrirnos y reorientar toda la empresa hacia la inteligencia artificial generativa, porque creíamos que el mercado avanzaba más rápido de lo que nuestra ventaja competitiva podía resistir. No fue una decisión sobre el producto, sino una decisión de liderazgo que exigía convicción y buen criterio sobre el momento adecuado.

La lección que he llevado a Vyond es que, durante un verdadero cambio de plataforma, no ganan las empresas más cautelosas ni las más temerarias, sino las que alinean rápidamente a toda la organización en torno a una visión clara y luego actúan con verdadera urgencia. Ese es exactamente el proceso que estamos siguiendo ahora: entender qué es cierto hoy, convencernos de verdad sobre hacia dónde se dirige el mercado y lograr que toda la empresa avance en la misma dirección antes de que se cierre la oportunidad.

La inteligencia artificial generativa ha facilitado enormemente que las empresas produzcan contenido, pero has sostenido que el desafío mayor ahora es poner el conocimiento en práctica. ¿Qué significa eso en la práctica y por qué crees que la generación de contenido, por sí sola, resuelve solo una pequeña parte del problema?

La inteligencia artificial generativa resolvió el mayor obstáculo histórico en la creación de contenido: antes se necesitaban especialistas, un proceso de producción y bastante tiempo de anticipación. Ahora, casi cualquier persona de una organización puede producir algo en cuestión de minutos. Es un avance decisivo, pero también significa que todas las áreas —marketing, recursos humanos, ventas, tecnologías de la información y aprendizaje y desarrollo (L&D)— crean contenido por su cuenta, a menudo sobre los mismos conocimientos de base, con distintas herramientas y sin un sistema de registro común.

Poner el conocimiento en práctica no consiste tanto en generar más contenido como en asegurarse de que las personas puedan encontrar y usar la información correcta: saber dónde está la versión vigente y fiable de algo, quién es responsable de ella, si está aprobada y cómo llega a los flujos de trabajo en los que realmente se necesita: el sistema de gestión del aprendizaje (LMS), el sistema de gestión de relaciones con los clientes (CRM), la lista de verificación para la incorporación de personal y el registro de cumplimiento normativo. Sin esa capa, se produce lo que yo llamaría caos en la comunicación: el contenido se duplica, los estándares de marca se desdibujan, los equipos vuelven a hacer trabajos que ya existen y nadie puede afirmar con seguridad qué versión es la correcta. Gran parte de ese caos empieza incluso antes de lo que la gente cree, antes de que se cree un solo recurso, cuando nadie ha confirmado realmente quién es el público, cuál es el objetivo ni cuáles son los materiales de referencia en los que debía basarse la solicitud.

La generación de contenido responde a la pregunta «¿Podemos crear esto rápidamente?», un problema real que la inteligencia artificial ha resuelto en gran medida. Poner el conocimiento en práctica responde a otra pregunta: «¿Puede la persona adecuada encontrar la versión correcta y fiable de esto justo cuando la necesita y en la herramienta que ya utiliza?». Este segundo problema es más grande, más estructural y está lejos de resolverse en toda la industria. Ahí está la verdadera oportunidad que tenemos por delante.

Las empresas están acumulando enormes volúmenes de documentos, datos, resúmenes generados por IA y conocimiento institucional. ¿Dónde cree que se produce la mayor brecha entre tener acceso a esa información y comunicarla de una manera que los empleados puedan comprender y poner en práctica?

El problema no es el acceso… La mayoría de las empresas ya tienen más información de la que una sola persona puede procesar. El problema es la transformación y la confianza. El conocimiento está contenido en formatos densos y estáticos, como PDF, presentaciones, wikis y documentos de políticas, concebidos para almacenarse y consultarse, no para comprenderse rápidamente. Para convertirlo en algo que una persona pueda asimilar y poner en práctica hace falta un proceso de transformación en el que la mayoría de las organizaciones no invierte de forma sistemática.

Lo vi claramente en una conversación con el vicepresidente de tecnología de marketing empresarial de un cliente, en una empresa tecnológica incluida en la lista Fortune 100. Su problema no era la falta de información, sino que distintas áreas de una organización muy grande resolvían los mismos problemas de comunicación de forma aislada e incoherente. Como resultado, el conocimiento que existía en algún lugar de la empresa no llegaba de manera fiable a quienes lo necesitaban, ni en un formato que pudieran utilizar. Como él mismo dijo, en una empresa de ese tamaño, la mano izquierda no sabe lo que hace la derecha.

Esa es la verdadera brecha: las empresas tienen datos de sobra y muy poca información útil. La solución no consiste en crear más contenido ni en disponer de más almacenamiento, sino en adoptar una disciplina y, cada vez más, un sistema que conviertan el conocimiento institucional en bruto en comunicaciones claras, visuales y fiables, y las integren en los flujos de trabajo donde realmente se toman las decisiones.

A medida que los agentes de IA adquieren la capacidad de transformar de forma autónoma el conocimiento de una empresa en materiales de formación, recursos para facilitar las ventas, contenido sobre cumplimiento normativo o comunicaciones internas, ¿qué debería seguir bajo control humano y en qué ámbitos pueden las empresas permitir con seguridad que los agentes trabajen de forma independiente?

Mi regla general es que los agentes deben encargarse del trabajo y las personas, del criterio, sobre todo cuando un error puede tener consecuencias importantes. En tareas repetitivas, de gran volumen y con menos riesgos —como preparar primeros borradores, adaptar el formato del conocimiento, ajustar contenido ya aprobado a otro idioma o región, o actualizar un módulo de formación cuando cambia un documento de referencia—, los agentes pueden y deben trabajar con mucha autonomía. Ese es precisamente el tipo de trabajo que hoy consume muchísimo tiempo y aporta muy poco valor estratégico.

El control humano debe mantenerse firme siempre que el contenido implique riesgos legales, normativos, de seguridad o para la marca. En esos casos, una persona debe realizar la última revisión antes de que se publique cualquier contenido, y el material de origen debe poder rastrearse por completo.

Lo vimos de primera mano con un cliente del sector de defensa. Al principio, su equipo de seguridad no aprobaba el uso de IA en absoluto en sus flujos de trabajo, dada la sensibilidad de su labor. La solución no fue dar más autonomía al agente, sino establecer las salvaguardas adecuadas: un acuerdo personalizado que garantizara que sus datos nunca se utilizarían para entrenar modelos externos y puntos de control claros en los que sus propios equipos conservaran la aprobación. Ese es el modelo que generalizaría: la autonomía del agente aumenta cuanto más reversible y menos arriesgada es la tarea, y el control humano crece en función de la confianza, el cumplimiento normativo o la exposición de la marca que estén en juego.

La gestión de marca se vuelve mucho más compleja cuando se pueden generar automáticamente miles de piezas de contenido. ¿Qué salvaguardas técnicas y organizativas necesitarán las empresas para garantizar que las comunicaciones generadas por IA sean precisas, coherentes y acordes con las políticas de la compañía?

Desde el punto de vista técnico, las salvaguardas más importantes son las que garantizan que el contenido generado por IA se base en los materiales de referencia aprobados por la empresa y en su sistema de marca, en lugar de permitir que se genere libremente. La propia plataforma debe hacer cumplir las guías de estilo, los recursos de marca y las restricciones de personalización; no se puede dejar en manos de cada usuario la responsabilidad de recordarlos. Eso significa que los logotipos, colores, plantillas y materiales audiovisuales de referencia aprobados deben estar en la propia plataforma, de modo que cada pieza generada utilice la misma fuente y no cualquier versión que alguien tenga en su ordenador esa semana. El control de versiones y los registros de auditoría son igual de importantes: si se genera, edita o aprueba una pieza de contenido, la empresa debe poder rastrear quién la solicitó, de qué fuente procede y quién dio su aprobación. También hay que ofrecer a revisores y otras partes interesadas —no solo a la persona que utiliza la herramienta— la posibilidad de comentar y aprobar el contenido dentro de ese mismo flujo de trabajo, para evitar que la aprobación se haga en un hilo de correo electrónico aparte que rompa precisamente el registro de auditoría que se intenta crear.

Desde el punto de vista organizativo, la salvaguarda consiste en asignar claramente la responsabilidad. Las empresas con las que trabajamos y que gestionan bien este ámbito han dejado de permitir que cada equipo adopte sus propias herramientas y procesos de forma independiente. En su lugar, tratan su plataforma de comunicación como tratarían un sistema de registro: el acceso se concede de forma deliberada, el uso se supervisa de manera global y un pequeño equipo de gobierno se encarga de establecer los estándares que todos deben seguir. Hemos visto a grandes organizaciones evaluar expresamente si una plataforma puede convertirse en su sistema estándar para toda la empresa, precisamente por este motivo: es la única forma de lograr coherencia a gran escala, en vez de acabar con miles de piezas de contenido que, aunque cada una sea «suficientemente buena» por separado, en realidad se contradicen entre sí.

El principio subyacente es el mismo que siempre se ha aplicado a la gestión de marca; simplemente, ahora opera a un volumen y una velocidad mucho mayores, lo que significa que las salvaguardas deben estar integradas en el sistema, no imponerse a posteriori.

Las alucinaciones preocupan en un chatbot, pero pueden tener consecuencias mucho más graves cuando la información incorrecta se convierte en un video de capacitación o cumplimiento normativo que parece revestido de autoridad. ¿Cómo deberían abordar las empresas la fundamentación en fuentes, la verificación y la procedencia a medida que la comunicación generada por IA se automatiza cada vez más?

Tienes razón: lo que está en juego es distinto. Una respuesta alucinada en una ventana de chat se cuestiona en el momento. Un dato alucinado que se incorpora a un video de cumplimiento normativo pulido y producido profesionalmente transmite una autoridad que hace que sea menos probable que la gente lo cuestione, justo lo contrario de lo que debería ocurrir cuando el escrutinio tendría que ser mayor.

El primer principio tiene que ser la fundamentación en fuentes: la comunicación generada por IA debe limitarse al material de referencia que proporciona realmente una empresa… sus propios documentos, sus propias políticas, sus propios datos aprobados, en lugar de los conocimientos generales del modelo.

El segundo es la procedencia: cada contenido generado debe poder rastrearse hasta la fuente específica en la que se basó, para que, si algo está mal, se pueda averiguar exactamente de dónde provino y corregirlo en la fuente, en vez de limitarse a parchear el resultado.

El tercero es la verificación: puntos de control integrados en el propio flujo de trabajo, no añadidos después. Una persona encargada de la revisión debería ver los pasos intermedios, no solo el video terminado y pulido, porque precisamente ese acabado hace que los errores sean más difíciles de detectar. En la práctica, eso significa revisar un esquema completo o un primer montaje, escena por escena, antes de comprometerse con un renderizado final más costoso, para detectar un dato erróneo o una afirmación que no esté alineada con la marca cuando todavía sea barato y fácil corregirla. Este es uno de los ámbitos en los que es lógico que las empresas actúen con cautela, y por eso las plataformas que se ganen su confianza no serán las más rápidas, sino las que conviertan la fundamentación en fuentes, la trazabilidad y la revisión en componentes estructurales del funcionamiento del sistema, no en una opción configurable

La cuarta capa es la evaluación continua, no solo una revisión final. En un sistema basado en agentes, no basta con revisar el video terminado. Queremos saber cómo llegó hasta ahí el agente. Supervisamos continuamente sus resultados y las decisiones que toma durante el proceso, y comprobamos que sigan alineados con los documentos de referencia, la base de conocimiento y la intención original del cliente. Así podemos detectar desviaciones o resultados de menor calidad mientras el video todavía se está generando, en lugar de descubrir el problema cuando ya está terminado.

Los sistemas de IA se conectan cada vez más directamente con las bases de conocimiento y los flujos de trabajo empresariales. ¿Crees que la próxima generación de plataformas de comunicación se convertirá en una interfaz entre los datos empresariales, los agentes de IA y los empleados, en lugar de ser simplemente herramientas para crear contenido?

Sí, y creo que ese cambio ya está en marcha. La creación de contenido fue el primer problema, y el más evidente, que la IA podía resolver, porque era el cuello de botella más visible. Pero, una vez que la creación deja de ser el factor limitante, la posición más valiosa está entre el conocimiento de una empresa… su CRM, su LMS, sus sistemas de políticas, sus wikis internos, y las personas que necesitan que ese conocimiento se traduzca en algo que realmente puedan usar.

Ese papel es sustancialmente distinto al de una herramienta de creación. Una herramienta de creación espera a que alguien le haga una solicitud. Una capa de interfaz se integra en los flujos de trabajo donde ya reside el conocimiento, entiende qué ha cambiado y ayuda a dirigir la comunicación adecuada a la persona adecuada, sin que alguien tenga que iniciarla cada vez.

Ya estamos viendo las primeras señales de que las empresas quieren precisamente esto. Cada vez más, los grandes clientes no nos piden que seamos una herramienta de video para un solo equipo; preguntan si podemos ser el sistema estándar para toda la organización. Convertir el conocimiento institucional en comunicación permitiría participar a empleados que están fuera del equipo creativo principal —de los departamentos jurídico y de cumplimiento normativo, de los equipos regionales y de los mandos intermedios de primera línea— sin necesitar una licencia completa ni enfrentarse a una curva de aprendizaje pronunciada. Ese es el paso de la creación de contenido a la infraestructura de comunicación, y es hacia donde creo que evolucionará toda la categoría.

Ese cambio también se está acelerando gracias a protocolos abiertos emergentes como MCP y A2A. MCP ofrece a los agentes de IA una forma estandarizada de obtener contexto fiable de las herramientas y los sistemas de registro propios de una empresa, mientras que A2A permite colaborar a agentes especializados de distintas plataformas. En la práctica, eso significa que una plataforma como la nuestra no necesita controlar todos los flujos de trabajo ni todos los datos empresariales para ser útil. Puede conectarse a los sistemas en los que la empresa ya confía, colaborar con otros agentes cuando tenga sentido y centrarse en lo que mejor hacemos: convertir ese contexto en comunicación que la gente realmente pueda entender y poner en práctica. Ese es el paso de la creación de contenido a la infraestructura de comunicación, y es hacia donde creo que evolucionará toda la categoría.

Vyond ya presta servicios a organizaciones de los ámbitos de aprendizaje y desarrollo, recursos humanos, habilitación de ventas, cumplimiento normativo y comunicación interna. ¿Cuál de estas áreas crees que se transformará más significativamente con la IA basada en agentes, y cómo podrían ser esos flujos de trabajo cuando los agentes sean más capaces?

Señalaría el cumplimiento normativo y la formación y el desarrollo como las dos áreas con mayor margen de cambio, precisamente porque hoy son las más afectadas por la desactualización. La formación sobre cumplimiento normativo suele elaborarse una sola vez y actualizarse lentamente, cada año o cada dos años, aunque las políticas, las regulaciones y los riesgos cambien continuamente. Cuando los agentes puedan supervisar de forma fiable un documento normativo de referencia y entender qué ha cambiado, el contenido sobre cumplimiento podrá dejar de ser un proyecto de producción periódico y mantenerse actualizado de forma continua. Esto reducirá realmente los riesgos para la empresa, no será solo una mejora de la eficiencia. Cada vez más, eso también significa que el propio contenido debe incluir un registro claro y auditable de que se elaboró con ayuda de la IA, ya que tanto los organismos reguladores como los compradores empresariales empiezan a esperar que esa información se divulgue como práctica habitual, y no como una consideración de última hora.

La formación y el desarrollo presentan una dinámica similar, pero la oportunidad está en la personalización, no solo en la actualización: en lugar de crear un único módulo de formación para un alumno promedio, los agentes pueden ayudar a adaptar el ritmo, los ejemplos e incluso el formato al puesto y a cada persona, sin apartarse del mismo material de referencia aprobado ni de los estándares de diseño instruccional. Para las organizaciones globales, esto incluye cada vez más también el idioma y la voz, de modo que la misma formación llegue a una planta en Brasil o a un equipo de ventas en Japón en una forma que realmente parezca local, y no se limite a tener subtítulos.

Las áreas de habilitación de ventas y comunicación interna también cambiarán, pero describiría ese cambio como una mejora de la rapidez y la pertinencia, más que como una transformación estructural… se trata de hacer llegar más rápido el mensaje adecuado al representante o al equipo indicado, en un formato adaptado a la manera en que realmente consumen la información. El hilo conductor de todas estas áreas es el mismo: la IA agéntica no solo agiliza cada una de ellas, sino que les permite mantenerse al día de una manera que hoy sencillamente no es viable con ciclos de producción manuales.

De cara al futuro, si las empresas llegan a ser capaces de transformar continuamente el conocimiento interno en comunicaciones personalizadas y actualizadas para cada empleado, ¿cómo podría cambiar eso la forma en que las organizaciones forman a las personas, comparten conocimientos y, en última instancia, operan?

Si eso se hace realidad, y creo que así será, cambiará el ritmo operativo de una empresa, no solo su función de formación. Hoy, la mayoría de las organizaciones se comunica por tandas: un ciclo anual de cumplimiento normativo, una reunión trimestral para toda la empresa, un paquete de incorporación elaborado una vez y reutilizado durante años. Esto se debe a que históricamente producir comunicaciones ha sido caro y lento, no a que el negocio cambie a esa misma velocidad.

En un mundo donde el conocimiento se transforma continuamente en comunicaciones personalizadas y actualizadas para cada empleado, la formación deja de ser un evento y se convierte en un flujo constante y adaptable… cada persona recibe la actualización en el formato y con el nivel de detalle adecuados para su puesto, en el momento en que la necesita, y no meses después, en una tanda. Los conocimientos especializados dejan de estar encerrados en las personas que los poseen y pasan a ser algo que la organización puede distribuir de forma sistemática y mantener actualizado.

El resultado al que siempre vuelvo es el tiempo. Cada minuto que una organización dedica hoy a buscar la información adecuada, recrear algo que ya existe o corregir un mensaje que se envió desactualizado o con información incoherente es tiempo que no se dedica a ejecutar. Si las empresas realmente pueden cerrar esa brecha entre conocimiento y comprensión, de forma continua y a gran escala, las que lo consigan primero no solo se comunicarán mejor, sino que sencillamente avanzarán más rápido que las que sigan operando por tandas.

Gracias por esta excelente entrevista. Los lectores que quieran saber más pueden visitar Vyond.