Para tener éxito con la IA, tiene que dominar lo básico

E

n lugar de preocuparse por si están adoptando la IA con la suficiente rapidez, a la mayoría de las empresas les convendría más asegurarse de que dominan bien lo básico. Como asesor de empresas en todo el mundo desde hace unos 35 años, les he ayudado a adaptar y aplicar cinco principios fundamentales y atemporales de la gestión de la calidad a los datos.

1. Satisfacer a los clientes, tanto internos como externos

La pregunta central aquí es: ¿Le está dando a los clientes lo que necesitan y quieren?

Por lo general, pensamos en los clientes como externos: clientes que pagan, organismos reguladores y otras partes interesadas. Sin embargo, para hacer bien lo básico, resulta útil ampliar esta definición e incluir también a los clientes internos, es decir, a “las personas que utilizarán su trabajo para hacer el suyo”. Satisfacer sus necesidades significa que pueden hacer su trabajo de forma más eficaz y eficiente, sin cuestionar el suyo. Cuando esto se aplica de manera consistente en toda la empresa, tanto las personas como la organización se vuelven más eficaces y eficientes.

2. Enfocarse en el proceso

Los líderes deben preguntarse: “¿Cómo proporcionamos a la IA el contenido confiable y las conexiones de datos que necesita para ofrecer buenas respuestas, a gran escala y a un costo razonable?”

No hay mucho que pueda hacer con los datos que ya se han creado, pero hacer un mejor trabajo de ahora en adelante le dará resultados. Esto implica desarrollar procesos con arquitecturas de datos inclusivas, vocabularios compartidos, gestión de identidades, modelos conceptuales, grafos de conocimiento, altos estándares para el nuevo contenido y niveles cada vez mayores de intercambio de datos. Es una tarea enorme, pero la buena noticia es que las bases sólidas perduran mucho tiempo.

3. Actuar con base en los hechos (y medir lo correcto)

A largo plazo, los líderes deben preguntarse regularmente: “¿Qué estamos tratando de lograr?” También deben llevar esa pregunta a cada proyecto y preguntarse si sus organizaciones cuentan con las habilidades necesarias para definir las métricas correctas, establecer objetivos razonables e interpretar los resultados con la perspectiva adecuada.

Los líderes deberían adoptar un enfoque de balanced scorecard que abarque la satisfacción del cliente, la calidad de las respuestas, la velocidad y el alcance de la innovación, así como los beneficios para el negocio.

4. Adoptar la mejora continua

La mejora continua es una filosofía de gestión que promueve la innovación constante en productos, servicios, mecanismos de entrega y datos. El objetivo es hacer que las cosas funcionen siempre un poco mejor.

Aunque algunas mejoras pueden ser grandes (por ejemplo, rediseñar un proceso amplio y multifuncional para incorporar la IA), la mayoría son pequeñas, como capacitar a las personas para redactar mejores prompts. Lo importante es la rapidez con la que se avanza. La mejora continua también reconoce que el mundo está en constante cambio.

5. Reconocer que la calidad se logra gracias a las personas

Al final del día, nada funciona bien a menos que haya un gran número de personas comprometidas, aportando su energía, su pensamiento y su convicción al esfuerzo. La parte más gratificante de mi trabajo ha sido ver cómo las personas se conectan con los datos, se empoderan para asumir nuevos roles y colaboran entre sí para mejorar las cosas.

Este llamado a hacer bien lo básico era casi inevitable. Hay mucho entusiasmo (y exageración) en torno a la IA, y quienes la promueven han hecho parecer que todo se reduce a abrir su stack tecnológico, integrar un agente de IA y empezar a generar dinero.

Si usted lleva más de un par de años en esto, quizá sea momento de dejar de operar en automático. Pero no se trata de cambiar una inercia por otra. Vale la pena detenerse a pensar con profundidad en sus clientes, en sus datos, en sus métricas, en la mejora continua y en su organización, y empezar a trabajar en serio sobre esos fundamentos.