En el espacio digital, todas las organizaciones compiten y se ven obligadas a adaptarse a nuevos modelos de conocimiento asistidos por inteligencia artificial (IA). Esto implica una nueva era de copilotos en diferentes áreas departamentales, donde los procesos digitales serán revisados y adaptados a modelos híbridos de conocimiento asistidos por IA basados en sistemas de modelos de lenguaje de gran escala.
Sistemas LLM: Luces y sombras
El lanzamiento de ChatGPT ha desencadenado una locura por invertir y desarrollar nuevos productos que demuestren el potencial de los modelos de lenguaje de gran escala (LLM).
Los sistemas LLM son un tipo de algoritmo de inteligencia artificial capaces de revolucionar varias industrias. Por ejemplo, los LLM pueden mejorar la experiencia del cliente al responder rápidamente y con precisión a las consultas de los clientes. Además, los sistemas LLM pueden ayudar a automatizar tareas manuales tediosas en industrias como la salud, las finanzas y el derecho, lo que puede conducir a una mayor eficiencia y productividad.
La integración de la inteligencia artificial en aplicaciones orientadas al cliente, como Microsoft Dynamics 365 Copilot, permite a las empresas ofrecer una experiencia hiperpersonalizada. Estos modelos, que aprenden de datos anteriores para generar contenido fresco, impulsan el nuevo copiloto de Microsoft en conjunto con otros datos corporativos y de aplicación.
A pesar de su potencial, existen preocupaciones sobre las implicaciones éticas, la confidencialidad y el uso de los datos. Si bien se están implementando políticas de uso transparente de datos, todavía hay cierta aprensión. Los LLM como ChatGPT tienen la capacidad de auto referirse, lo que significa que cualquier información que ingrese en el modelo es absorbida y almacenada para uso futuro. Si proporcionamos al modelo información privada, podría potencialmente compartir esta información con otros como respuesta a una pregunta, lo que plantea una preocupación significativa en cuanto a privacidad.
Copilotos de inteligencia artificial: Cómo eliminar el vacío de la información perdida
Aunque somos buenos documentando nuestras cosas, a menudo tenemos dificultades para realizar un seguimiento de ellas. Muchas organizaciones enfrentan el desafío de la «dispersión de datos» que puede llevar a problemas como ineficiencias, esfuerzos duplicados y falta de comunicación.
Como afirma Marc Alcón, CEO de Latinia, «Creo que la primera etapa de adaptación consciente debería comenzar con la gestión del conocimiento interno departamental. Aquí, surgen varios servicios y herramientas para facilitar el acceso seguro y privado a estas tecnologías en los datos corporativos. Estas herramientas pueden revolucionar los modelos de acceso actuales a la información de la empresa».
¿En qué áreas pueden los copilotos de inteligencia artificial ayudar en la gestión del conocimiento interno?
- Comunicación interna: Los correos electrónicos (que pueden plantear problemas de privacidad), los mensajes instantáneos y las transcripciones de reuniones pueden ofrecer información valiosa sobre la cultura de la empresa, el lenguaje utilizado y los patrones de colaboración.
- Documentación técnica: Entrenar el modelo de inteligencia artificial en documentos técnicos internos como manuales de usuario y documentación de API.
- Datos de gestión de proyectos/productos: Incluyendo información de herramientas de gestión de proyectos, como descripciones de tareas, líneas de tiempo y actualizaciones de progreso.
- Artículos de base de conocimientos: Incorporando contenido de wikis internos y bases de conocimiento.
- Interacciones de soporte al cliente: Entrenar el modelo en tickets de soporte al cliente, registros de chat y notas de resolución puede reducir significativamente el tiempo que se tarda en atender a los clientes y también mejorar la calidad de la interacción, asumiendo que el 90% de los clientes probablemente tienen los mismos problemas.
Si le añadimos la automatización, estaremos creando una herramienta poderosa que será aún más efectiva que los chatbots. El objetivo final es tener agentes de soporte asistidos por IA que encuentren el equilibrio perfecto entre la automatización y la interacción humana.
«Algunas organizaciones requerirán un proceso de redefinición y curación de sus contenidos internos», afirma Marc Alcón. «Es necesario renovar el contenido principal para que sea compatible de manera óptima con los modelos LLM recientes, mejorando la experiencia cognitiva híbrida de nuestras áreas de usuarios. Esto permitirá que no requieran procesos de fine tuning más complejos, ni que se conviertan en la última tendencia en trabajo de prompt engineering.»
Categorías:Márketing y ventas