Sus equipos deben impulsar la adopción de la IA, no los altos directivos

La inteligencia artificial existe desde hace mucho tiempo, pero ahora mismo está teniendo un gran éxito. A medida que las empresas comienzan a apreciar el potencial casi ilimitado de la IA generativa, han empezado a acelerar los proyectos de IA existentes y están iniciando otros nuevos en todas las áreas del negocio, incluidas la cadena de suministro, los recursos humanos, las ventas y el marketing.

Los líderes están lidiando con gestionarlo todo. Es hora de que las empresas centralicen el control en manos de un ejecutivo experimentado, ¿verdad?

Incorrecto. Cada vez que aparece una nueva tecnología, las grandes empresas piensan que hay que nombrar a un líder sénior designado —un «zar», en el lenguaje popular— y se ocuparán de ello. En los últimos años, hemos visto cómo esto se aplica a la metaverso, cadena de bloques, y ahora IA. En muchas empresas, la decisión de nombrar a una persona de contacto sénior para supervisar la adopción de una nueva tecnología es prácticamente automática en este momento. También suele ser un gran error.

El proceso, como lo he observado, normalmente comienza cuando la junta se entera de una nueva tecnología de moda. Los equipos están apostando por el liderazgo en casos de uso tremendamente optimistas y conflictivos, y la junta, entusiasmada pero sin saber cómo proceder, pone a un pobre y desprevenido a cargo de todo el asunto. Rara vez funciona. Después de luchar con la tecnología durante algunos años, con resultados mínimos, el líder al que se le había encomendado trazar este nuevo y audaz rumbo a menudo abandona el negocio. Si bien esto suele ser recibido con gran sorpresa en la empresa, no debería serlo. Cuando estos líderes fracasan, es porque no tienen ni idea de cómo funciona la empresa en primera línea y al nivel en el que las ideas se ponen realmente en práctica.

Entonces, ¿qué deben hacer las empresas en su lugar?

Liderar desde la primera línea

Al desarrollar tecnologías aplicadas como la IA, los líderes deben identificar las oportunidades dentro de los flujos de trabajo. En otras palabras, para encontrar un uso para una nueva tecnología, tiene que entender cómo se hacen las cosas. Los zares rara vez se dan cuenta de eso, porque están sentados demasiado lejos de la línea de suministro de información donde se realiza el trabajo.

Hay una manera mejor: en lugar de que las decisiones vengan de arriba en la cadena, los líderes deberían dejar que la innovación se produzca en primera línea y apoyarla con un centro de excelencia que suministre plataformas, ingeniería de datos y gobernanza. En lugar de elegir cuidadosamente a un líder experto, las empresas deberían dar a los equipos la propiedad del proceso. Es importante destacar que esta estructura le permite aportar su experiencia operativa para aplicar la tecnología a su empresa, de forma responsable, a escala y velocidad.

Así es como lo hacemos en Verizon. En lugar de una estructura centralizada de arriba hacia abajo, la implementación de la IA es propiedad de equipos cercanos a la obra, lo que puede significar que un amplio conjunto de partes interesadas proporcionen comentarios en tiempo real.

Por ejemplo, quiero que mi responsable de la cadena de suministro averigüe los mejores casos de uso. Tienen ideas que un zar —que normalmente se centra en la estrategia, los ingresos y el crecimiento— simplemente no tiene. Las personas a nivel funcional reconocen los desafíos de hacer las cosas de manera eficiente y eficaz. Pueden detectar rápidamente las herramientas que mejor funcionan. Estos grupos de primera línea, que son los propietarios del presupuesto y de los acuerdos de nivel de servicio, deben conformarse con el resultado final. A menudo centran su atención en los proyectos que pueden beneficiar a estas dos métricas, lo que significa que se obtienen casos de uso que generan resultados mensurables.

Aproveche la IA

En este momento, Verizon se está asociando con empresas externas para ajustar nuestros modelos y aplicar la IA en tres áreas: 1) En las operaciones, en los modelos lingüísticos grandes para ayudar en las tareas cognitivas y computacionales, 2) en la red, en el uso de la IA en el diseño del edificio, la predicción de la capacidad y la amplificación de la potencia para ayudar a automatizar y acelerar la respuesta de la red, y 3) en la atención al cliente y las ventas, para ayudar con el marketing y la personalización.

Llevamos tiempo en esto y hemos aprendido de nuestros errores.

Por ejemplo, durante más de una década, tuvimos una forma centralizada y general de resolver los problemas del servicio de atención al cliente. Pero como nos han enseñado nuestros trabajadores de primera línea, la información de todo tipo (como cómo utilizar un dispositivo específico, canjear una promoción, abordar un problema de facturación específico, responder a una pregunta sobre la creación de redes, etc.) puede resultar difícil de encontrar y demasiado complicada, lo que se suma a la ya pesada carga para nuestros representantes de servicio. Admitimos cientos de dispositivos diferentes, unas 100 promociones diferentes en un momento dado y se espera que nuestros equipos de atención al cliente lo sepan todo.

Ahí es donde hemos recurrido a la IA para aliviar parte de esa carga cognitiva.

Pensemos en un ejemplo: supongamos que un cliente llama con una pregunta sobre su promoción móvil y también quiere entender mejor las opciones que tiene disponibles para el servicio de Internet. Es probable que el representante busque y saque varios documentos en muchas pantallas con todas las promociones y configuraciones disponibles para Internet residencial. Ahora, imagine tener 10 000 de estos documentos y un solo robot de búsqueda de IA —un copiloto, en realidad— que pueda decirle lo que necesita saber al instante y personalizado para ese cliente. Eso es lo que estamos probando ahora.

Otro ejemplo: antes, el ciclo de desarrollo del producto consistía en una serie de pasos: desarrollar los requisitos, crear el software y lanzarlo. Luego, reciba comentarios y actualícelos en la próxima versión de TI. Ahora, la IA aprende y se actualiza constantemente casi en tiempo real a medida que avanzamos, por lo que la respuesta es mucho más rápida. Hoy en día, la IA se entrena en función de las interacciones de nuestros agentes. Recibimos comentarios en tiempo real, por lo que la evolución de la IA va en sintonía con el uso de la IA en primera línea

Solo invertimos en áreas en las que hemos medido el progreso y la IA no solo nos informa en tiempo real, sino que también mejora nuestros KPI.

Agudizar el rendimiento

Nuestros resultados están mejorando. Con el robot de búsqueda de IA, nuestro índice de precisión de respuestas está a la par con el índice de precisión humano, pero creemos que podemos llevarlo al 99% de precisión. Y sigue mejorando día a día, pero la mejor medida del éxito será mejorar nuestra puntuación neta como promotor, que es nuestro objetivo este año.

Del mismo modo, con las ventas, ya hemos empezado a implementar una herramienta de inteligencia artificial que nos ayude a anticipar lo que el cliente podría querer y ofrecerle opciones de forma proactiva. Capturamos un número importante de puntos de datos para poder ofrecer un mejor servicio a nuestros clientes y, en función de eso, podemos hacer más de 100 predicciones diferentes que nos ayudan a ofrecerles una experiencia mucho más personalizada, como las mejores opciones de red y contenido en función de sus intereses, o un prompt on a promotion que es único para ellos en función de su antigüedad. Cuando podemos identificar de forma precisa y proactiva lo que un cliente necesita o quiere, podemos resolver sus preguntas en la primera llamada.

Este tipo de trabajo proactivo ya nos ha ayudado a aumentar nuestra tasa de conversión de ventas en más de un 6%. Eso es todo, desde nuevas suscripciones hasta añadir ventajas y mejoras exclusivas a los planes de nivel superior. La IA deja que los humanos hagan lo que los humanos saben hacer mejor, al dejar que las máquinas hagan lo que mejor saben hacer.

Y, para recalcar mi punto de vista, hemos empoderado a nuestros equipos de primera línea para que nos guíen sobre la mejor manera de utilizar la IA para ayudarlos a reducir la carga cognitiva y a ofrecer eficiencia en la forma en que atendemos a nuestros clientes, de modo que puedan centrarse en la interacción humana, la empatía y superar las expectativas del cliente. No hay ningún zar en esa transacción con el cliente. Solo se toman decisiones en el punto de contacto utilizando la experiencia de nuestros empleados de primera línea. Los resultados de rendimiento se envían entonces a lo largo de la cadena para que toda la organización pueda evaluar el proceso y afinar toda la empresa. Hemos descentralizado el proceso de decisión en busca de los mejores resultados.

La inteligencia artificial me recuerda a la era de Internet a principios de la década de 2000. Todos tenían una puntocom, pusieron de pie, pero no a todos les fue muy bien. Se necesitó algo más que añadir un puesto de vicepresidente sénior de Internet y un .com a su nombre. Hoy en día, todas las empresas quieren utilizar la IA, pero para tener éxito a largo plazo, se necesitará algo más que poner a un ejecutivo a cargo. En Verizon, el éxito y el fracaso de la IA no son propiedad de un zar sino de un conjunto de partes interesadas empoderadas que pueden ver los resultados y la participación de los clientes y los comentarios a medida que llegan. Sí, como algunos han defendido aquí Recientemente, las organizaciones deberían tener una visión clara de la IA, y nosotros la tenemos, pero como nos ha demostrado la historia, las empresas que aprovechan el talento de sus empleados de primera línea para crear una ventaja operativa ganan. Esta vez, con la IA, no será diferente.