Doxa 1884

Su organización no está diseñada para trabajar con GenAI

Las empresas necesitan reimaginar sus procesos para fomentar el diálogo entre las personas y estas nuevas herramientas de IA.

Por Paul Baier, David DeLallo y John J. Sviokla

Tecnología y análitica

#Doxa #organización #GenAI #trabajo #empresa #reimaginar #personal #herramientas #IA #tecnología #comunicación #empresa #automatizar

Resumen. Muchas empresas están luchando por obtener valor de GenAI debido a un error fundamental en su enfoque: piensan en GenAI como una forma tradicional de automatización en lugar de un agente de asistencia que se vuelve más inteligente (y hace que los humanos sean más inteligentes) con el tiempo. Los autores sugieren un marco, Diseño para el diálogo, para reinventar sus procesos para reflejar la colaboración de ida y vuelta de la dinámica humana para crear un flujo de trabajo entre humanos y IA eficaz y adaptable. En el corazón del marco se encuentran tres componentes principales: análisis de tareas, protocolos de interacción y circuitos de retroalimentación.

Las organizaciones están invirtiendo millones de dólares en IA generativa mientras compiten por aplicarla de maneras innovadoras antes que la competencia. Sin embargo, muchos se topan con obstáculos, no debido a las deficiencias conocidas de la tecnología, que aún está en su infancia, sino debido a un error fundamental en su enfoque: piensan en GenAI como una forma tradicional de automatización en lugar de un agente de asistencia que se vuelve más inteligente (y hace que los humanos sean más inteligentes) con el tiempo.

La introducción de Internet, la informática móvil y las plataformas en la nube nos demostró que extraer todo el valor de las tecnologías innovadoras no consiste simplemente en integrarlas en los procesos de negocio existentes, sino en reinventarlos por completo. Si bien la GenAI puede resultar incluso más transformadora que estas innovaciones, de manera similar exige rediseñar la forma en que se realiza el trabajo para maximizar su potencial.

Sin embargo, el problema al que se enfrentan las empresas es que los métodos tradicionales de rediseño de procesos pueden no estar a la altura de la tarea porque GenAI no funciona como una tecnología tradicional. Los usuarios "hablan" con él, como lo harían con un colega humano, y trabaja con el usuario de forma iterativa. También puede mejorar continuamente a medida que aprende las necesidades y comportamientos de los usuarios (y viceversa).

Para integrar GenAI de manera efectiva, proponemos un nuevo paradigma: Diseñar para el diálogo. A diferencia de los principios tradicionales de rediseño de procesos impulsados ​​por la tecnología que se centran en tomar capacidades “fuera” del ser humano y ponerlas “en” la máquina, Designing for Dialogue se basa en la idea de que la tecnología y los humanos pueden compartir responsabilidades de manera dinámica. Cada uno toma la iniciativa en diferentes puntos a lo largo de un proceso basado en el contexto y la competencia. Básicamente, trata a GenAI más como un compañero de trabajo que como una tecnología estática. No se equivoquen: no estamos sugiriendo que GenAI sea humana o sensible, solo que debería tratarse de manera diferente a otras tecnologías porque se comporta más como un colega que el software anterior.

Al diseñar para el diálogo, las organizaciones pueden crear una relación simbiótica entre los humanos y la GenAI. El enfoque también proporciona la flexibilidad para que el proceso se vuelva más eficiente con el tiempo, casi de forma orgánica. Y cada proceso más eficiente que surja puede capturarse y examinarse para una posible automatización futura, colocando a las organizaciones en el camino hacia mejoras continuas y aumentos de eficiencia.

Por qué los viejos métodos de reingeniería no funcionan

En 1990, la Harvard Business Review publicó un artículo innovador del fallecido Michael Hammer: " Trabajo de reingeniería: no automatizar, borrar ". Estableció los fundamentos de la reingeniería de procesos de negocios (BPR), que enfatiza el replanteamiento y el rediseño radical de los procesos de negocios para lograr mejoras significativas en eficiencia, calidad, servicio y velocidad. El enfoque exige analizar y comprender la totalidad de los flujos de trabajo de una empresa y reconstruirlos desde cero para lograr un rendimiento óptimo.

Cuando se realiza para aprovechar una nueva tecnología, la BPR suele ser dirigida conjuntamente por TI y la empresa. Un equipo de trabajo asigna tareas previamente realizadas por humanos a la nueva tecnología en función de las capacidades fijas de la tecnología. El equipo redefine el flujo de trabajo en torno a estas automatizaciones estáticas y, probablemente con una gestión de cambios significativa, los empleados adoptan el proceso rediseñado. Lo ideal es que el equipo de implementación supervise el nuevo proceso y lo modifique periódicamente para lograr una mejora continua, pero sin realizar rediseños frecuentes y completos. El método BPR ha funcionado para las empresas durante décadas y todavía se emplea predominantemente en las transformaciones digitales en la actualidad.

Si bien los objetivos y la filosofía basada en tareas de BPR ciertamente pueden aplicarse a GenAI, su enfoque de arriba hacia abajo destinado tanto a asignar rígidamente tareas a humanos o tecnología como a crear un proceso fijo no logra capitalizar la naturaleza flexible e iterativa de GenAI. A diferencia de las tecnologías anteriores, GenAI facilita una interacción dinámica y un circuito de retroalimentación bidireccional entre humanos y máquinas. En otras palabras, la IA y el ser humano realizan una tarea juntos, aprenden y mejoran mutuamente y optimizan continuamente un proceso a nivel de usuario casi en tiempo real. Por lo tanto, al integrar GenAI, el equipo de implementación se convierte más en un equipo de facilitación.

Una mejor manera: diseñar para el diálogo

Cuando observamos a un equipo humano de alto rendimiento en acción, vemos una colaboración dinámica: un director de proyecto delega tareas, pero el liderazgo del equipo cambia de manos con fluidez en función de quién puede abordar mejor el desafío del momento. Las sesiones espontáneas de lluvia de ideas conducen a soluciones innovadoras. Los compañeros de equipo buscan consejo mutuo sobre sus áreas únicas de especialización, fortaleciendo el conocimiento de cada uno (y el desempeño del equipo) con el tiempo. El marco de Diseño para el Diálogo refleja estas dinámicas humanas para crear un flujo de trabajo entre humanos e IA eficaz, colaborativo y adaptable.

En el corazón del marco se encuentran tres componentes principales: análisis de tareas, protocolos de interacción y circuitos de retroalimentación.

Un análisis de tareas riguroso, similar a la evaluación que hace un gerente de proyecto sobre quién es el más adecuado para un rol particular dentro de un equipo, implica dividir un proceso en las tareas que lo componen y evaluar la complejidad, los riesgos y las capacidades requeridas para cada una. Esto garantiza que cada tarea se asigne al líder adecuado: IA o humano.

Los protocolos de interacción, el equivalente a las reglas básicas del equipo, describen cómo la IA y los humanos se comunican y colaboran en lugar de establecer un proceso fijo. Un ejemplo sería cuando la IA encuentra una anomalía o un punto de decisión estratégica, solicita el juicio humano, de forma muy similar a como un miembro del equipo buscaría consejo cuando se enfrenta a un obstáculo. Otra podría ser que las sugerencias proactivas de la IA sirvan como puntos de partida para la discusión, invitando a la participación humana a refinar el curso de acción, en lugar de una orden firme.

Finalmente, así como los equipos informan y ajustan su enfoque en las llamadas diarias, o al menos en cada etapa de un proyecto, las organizaciones querrán implementar mecanismos para evaluar y ajustar continuamente la colaboración entre la IA y los humanos en función de la retroalimentación. Estos podrían incluir informes de errores, métricas de éxito, encuestas de satisfacción del usuario y explicaciones sobre la toma de decisiones de IA.

Un buen ejemplo es el modelo de servicio al cliente empleado por Jerry, una empresa valorada en 450 millones de dólares con más de cinco millones de clientes que sirve como ventanilla única para que los propietarios de automóviles obtengan seguros y financiación. Jerry recibe más de 200.000 mensajes al mes de clientes. Con un volumen tan alto, la empresa tuvo dificultades para responder a las consultas de los clientes en 24 horas, y mucho menos en minutos o segundos. Al instalar su solución GenAI en mayo de 2023, pasaron de tener humanos a la cabeza en todo el proceso de servicio al cliente y responder solo el 54 % de las consultas de los clientes en 24 horas o menos a tener IA a la cabeza el 100 % del tiempo y respondiendo más del 96% de las consultas en 30 segundos para junio de 2023. Proyectan $4 millones en ahorros anuales gracias a esta transformación.

Para lograrlo, dividieron el papel del agente de servicio al cliente en dominios de conocimiento (por ejemplo, cotizaciones, vinculaciones y pagos de seguros) y tareas, como responder una consulta inicial, evaluar la naturaleza de la consulta, encontrar la fuente correcta de información. información para encontrar una respuesta, encontrar la información del usuario específico, etc. Descubrieron que, si bien la IA puede tomar la iniciativa en la realización de gran parte de este trabajo, hay puntos en la interacción entre la IA y el cliente en los que es necesario derivar los asuntos al agente, quien luego toma la iniciativa. Los protocolos de interacción determinan cuándo debería ocurrir eso; por ejemplo, si la IA detecta un sentimiento negativo del cliente, no puede analizar lo que el cliente necesita a partir de sus entradas en el chat, o determina que no puede proporcionar una respuesta con confianza.

Los circuitos de retroalimentación son fundamentales y se utilizan para perfeccionar el proceso de servicio al cliente casi a diario. Los agentes han sido capacitados para identificar problemas e ingresar tickets en un sistema de seguimiento, los clientes pueden hacer clic en el pulgar hacia arriba o hacia abajo en una interacción, y el sistema marca automáticamente los casos de escalada para su investigación. Los ingenieros revisan las fallas diariamente y ajustan el sistema para corregirlas.

Además de mejorar el servicio y la satisfacción del cliente, han aumentado la satisfacción laboral entre los agentes humanos porque la IA lleva a cabo la laboriosa búsqueda de información sobre problemas escalados y presenta al agente un contexto y un curso de acción claro. Los agentes también pueden consultar el sistema directamente para encontrar fácilmente información adicional. Y gracias al continuo crecimiento de Jerry, no han disminuido la cantidad de agentes. Además, los datos enriquecidos que Jerry recopila de las interacciones con los clientes se traducen en formas de mejorar otros aspectos de su negocio, como ofrecer servicios adicionales alineados con las necesidades del cliente y marketing y ventas adicionales más específicos.

También hemos utilizado el enfoque Diseño para el diálogo en nuestra empresa de investigación para el proceso de elaboración de informes. Dividimos el proceso en sus tareas individuales y determinamos si la IA o un humano toma la iniciativa en cada una. Los humanos toman la iniciativa en tareas que requieren juicio humano, como determinar el enfoque de la investigación y verificar la información. Hemos establecido protocolos de interacción, como exigir a los analistas que verifiquen las fuentes de cualquier información proporcionada por la IA. Y hemos recopilado comentarios de los usuarios para perfeccionar el proceso. Por ejemplo, si bien inicialmente pusimos a la IA a la cabeza de la visualización de datos, aprendimos que podíamos crear gráficos de manera más eficiente con humanos brindando más orientación inicial.

Cómo empezar

Rediseñar los procesos de su organización para incorporar GenAI puede ser transformador, con el enfoque correcto. Los pasos descritos aquí pueden ayudar a garantizar el éxito.

Identifique procesos de trabajo con alto WINS que creen el mayor valor para su organización.

Comience con una evaluación exhaustiva de los flujos de trabajo existentes, identificando áreas donde la IA podría tener el impacto más significativo. Los procesos que implican un alto grado de trabajo con palabras, imágenes, números y sonidos (lo que llamamos trabajo WINS (como se describe en nuestro artículo de Harvard Business Review de septiembre de 2023 )) están listos para brindar a los humanos la ventaja de GenAI. Se pueden encontrar con mayor frecuencia en servicio al cliente, ventas y marketing, ingeniería de software e investigación y desarrollo.

Realizar análisis de tareas.

Comprender la secuencia de acciones, decisiones e interacciones que definen un proceso de negocio. Para cada tarea identificada, desarrolle un perfil que describa los puntos de decisión, la experiencia requerida, los riesgos potenciales y los factores contextuales que influirán en la capacidad de liderazgo de la IA o de los humanos. Considere dónde la experiencia humana es irremplazable, particularmente en áreas que requieren inteligencia emocional, toma de decisiones compleja y juicios matizados.

Diseñar protocolos de interacción y mecanismos de retroalimentación.

Definir cómo los sistemas de IA deben interactuar con los operadores humanos y viceversa, incluido el establecimiento de pautas claras sobre cómo y cuándo la IA debe buscar la participación humana y viceversa. Desarrollar mecanismos de retroalimentación, tanto automatizados como dirigidos por humanos.

Entrenar al equipo.

Lleve a cabo sesiones de capacitación integrales para familiarizar a los empleados con las nuevas herramientas y protocolos de IA. Concéntrese en generar comodidad y confianza en las capacidades de la IA y enseñe cómo brindar comentarios constructivos y colaborar con los sistemas de IA.

Evaluar, ajustar y escalar.

Implemente la integración de IA con monitoreo continuo para capturar datos de rendimiento y comentarios de los usuarios y perfeccionar el proceso. Actualice continuamente los perfiles de tareas y los protocolos de interacción para mejorar la colaboración entre la IA y los empleados humanos y, al mismo tiempo, busque pasos del proceso que puedan automatizarse completamente en función de los datos de interacción capturados. Una vez que la integración inicial sea exitosa y los procesos se hayan refinado, considere escalar a otras áreas de la organización, adaptando el marco a diferentes contextos y necesidades. Jerry, por ejemplo, ahora está trabajando en aplicar su nuevo modelo a las interacciones telefónicas.

Conclusión

Dentro de tres a cinco años, las organizaciones tendrán interfaces conversacionales para todo tipo de procesos, productos y servicios. Aquellos que desarrollen una profunda experiencia en el diseño para el diálogo no sólo tendrán una ventaja competitiva sino que también recopilarán todo tipo de nuevos datos de interacción que podrán utilizar para mejorar sus productos existentes e innovar en otros nuevos.

En esencia, el marco de Diseño para el Diálogo consiste en algo más que optimizar los flujos de trabajo; se trata de remodelar el tejido mismo de la colaboración en la era impulsada por la IA. Sí, GenAI puede automatizar tareas y aumentar las capacidades humanas. Pero reinventar los procesos de una manera que los utilice como un socio activo, de aprendizaje y adaptable forja el camino hacia nuevos niveles de innovación y eficiencia.

Lea más sobre Tecnología y análisis o temas relacionados IA y aprendizaje automático, Automatización e Innovación

Paul Baier es director ejecutivo y cofundador de GAI Insights, una firma de analistas dedicada a explorar aplicaciones prácticas de la IA generativa.

David DeLallo trabaja como analista de IA para GAI Insights, donde su investigación se centra en la interacción persona-computadora, la ética de la IA y el mercado de proveedores de LLM. También dirige una agencia de contenidos B2B centrada en la tecnología, David Loren, y anteriormente dirigió el programa de liderazgo intelectual en IA de McKinsey & Company.

John J. Sviokla, cofundador de GAI Insights, ha sido consultor senior de PwC, Diamond, y formó parte del cuerpo docente de HBS durante más de una década. Su pasión es comprender cómo la computabilidad de la realidad cambia las organizaciones y la competencia y eso es sobre lo que investiga, escribe y habla.