fbpx
Top
fraude

6 consejos para contratar proveedores de inteligencia artificial

Para la mayoría de las organizaciones, la inteligencia artificial “hágalo usted mismo” está fuera de alcance. Aquí varios consejos para aportar valor al negocio con la IA lista para llevar.

Por: , CIO.com

La inteligencia artificial y las tecnologías relacionadas prometen ser un cambio en el juego de los negocios. La decisión está entre desarrollar o contratar. Abordamos algunos consejos de los pioneros en este tipo de implementaciones. Algunas empresas construirán sus propias soluciones desde cero, pero el uso de herramientas comerciales a menudo puede resultar más rápido y menos costoso, proporcionando mejores resultados versus lo que una empresa puede construir por sí sola.

Como el estatus de la Inteligencia Artificial es muy reciente, los primeros en adoptarla tienen una posición dominante al momento de contratar proveedores.

Y es que los proveedores pueden estar dispuestos a realizar configuraciones e integraciones personalizadas, ofrecer consultoría o capacitación gratuitas, o dar grandes descuentos, especialmente si se está dispuesto a ser un caso de éxito si el proyecto funciona.

Además, estar entre los primeros clientes de una startup, o para una nueva oferta de un proveedor establecido, puede permitirle impactar en la forma en que se desarrolla un producto.

Pero trabajar con proveedores externos de inteligencia artificial no es agua de rosas. Además de los problemas habituales que pueden surgir al trabajar con cualquier proveedor de tecnología, hay matices específicos cuando se trata de la IA, el machine learning y tecnologías similares.

LEER TAMBIÉN: Acciones de servicio al cliente: un 25% serán mediadas por chatbots

Cuidado con el hype de la inteligencia artificial

Alight Solutions, una empresa de servicios de recursos humanos con sede en Lincolnshire, Illinois, comenzó a buscar un chatbot alimentado por inteligencia artificial en 2014.

La compañía maneja una amplia gama de servicios para 3.000 clientes corporativos, que en conjunto emplean a más de 23 millones de personas. Eso es un montón de llamadas y chats web con ejecutivos de soporte. Muchas de las preguntas son repetitivas, pero las respuestas pueden ser diferentes para cada empleado.

Un sistema de IA no sólo tendría que ser capaz de entender la pregunta, sino de encontrar la respuesta específica para esa persona en particular, y ser lo suficientemente inteligente como para escalar a un representante humano si fallara.

Pero cuando Alight comenzó a hablar con los vendedores, todos prometían sistemas de procesamiento de lenguaje natural que estaban listos para salir de la caja. Pero la verdad es que “cuando uno va a probar su sistema, se da cuenta de que, incluso con pequeños cambios en la redacción, el sistema se puede estropear”, dice Ibrahim Khoury, Director de desarrollo de productos e innovaciones de la empresa.

Este asunto de la publicidad no ha mejorado, dice. “Creo que hay más pelusa hoy en día, para ser honesto, con el marketing de la IA y el aprendizaje automático”.

Prepárate para la curva de aprendizaje

Los sistemas de IA requieren entrenamiento, dice Khoury. No funcionan bien desde el principio. Pero algunos vendedores prometen sistemas que funcionan sin ninguna intervención humana, dice. Alight terminó yendo con una compañía que no hizo ese tipo de promesas.

“Fueron francos con nosotros”, dice. “Dijeron: ‘No nos engañemos. Vas a tener que poner gente y procesos para asegurarte de que el sistema funcione. Tendrás que entrenarlo, monitorearlo, invertir dinero en hacer seguro de que funciona. Eso nos despertó honestamente, porque ningún otro vendedor nos dijo eso”.

De hecho, después de que Alight decidiera ir con su proveedor, Verint, en el otoño de 2016, pasó cerca de medio año antes de que el sistema estuviera listo para entrar en funcionamiento.

“Hay muchas variaciones entre un cliente y otro”, dice. “E incluso dentro de un mismo cliente, tienes diferentes niveles de empleados. Puedes tener un grupo de gestión, un grupo sindical, un grupo por horas. Tuvimos que construir un sistema que puede variar la respuesta basada en el individuo”. Eso requería un equipo de expertos en la materia en los servicios que ofrecía Alight.

“No somos una industria que se pasa contestando las cosas mal”, dice Khoury. “Queremos asegurarnos de que, no importa cuál sea la respuesta, tiene que ser exacta. Y si no podemos responder, tenemos que construir un modelo de escalada, para no dejarlos colgados. Si el centro de servicio está abierto, déjame entregarte a un agente de web chat. Si no, déjame programar una cita para que un agente te llame”. Llevó tiempo conseguir ese nivel de conocimiento e integración con las operaciones del centro de llamadas.

Piloto, piloto, piloto

Pero antes de que Alight siguiera adelante con el proyecto, primero llevó a cabo un extenso piloto con Verint. “Probamos los sistemas de otros proveedores, pero el esfuerzo de hacer el piloto en sí fue significativo”, dice Khoury. “Requería mucha seguridad, actualizaciones y cambios de arquitectura. Requirió mucha implementación por nuestra parte. Así que, después de probar varios sistemas, nos centramos en un piloto. Eso nos dio los resultados que nos convencieron de que este era el camino para seguir”.

Poner a prueba al vendedor también fue clave para Priam Capital, que compra y gestiona edificios de oficinas de varios inquilinos en los Estados Unidos.

El desafío de la compañía era que sus empleados pasaban mucho tiempo lidiando con el papeleo, y no lo suficiente comprando edificios. Los arrendamientos comerciales son extremadamente complicados, con documentos de más de cien páginas, con cientos de detalles negociados individualmente. Además de eso, todos los arrendamientos antiguos están en papel.

Abhishek Mathur, fundador y director general de Priam Capital comenta que aunque algunos proveedores ofrecen reconocimiento óptico de caracteres y procesamiento de lenguaje natural con tecnología de inteligencia artificial; a menudo, la tecnología no funciona, o no funciona para este caso de uso particular.”Hay mucho humo y espejos por ahí”, dice.

Así que, hace dos años, cuando Priam estaba seleccionando un proveedor, reunió sus contratos de arrendamiento más difíciles para ver si los proveedores podían manejarlos. El vendedor que la compañía eligió, Leverton, tenía la experiencia específica en la industria inmobiliaria necesaria para identificar los elementos clave de los contratos de arrendamiento, dice. “Realmente no había nadie que estuviera tan enfocado en los arrendamientos de bienes raíces”. Eso quedó claro durante las pruebas.

Considere la transparencia

Ningún sistema de inteligencia artificial es perfecto. Pero, con los sistemas de IA, puede ser difícil saber si la salida es engañosa porque los algoritmos internos pueden ser completamente inescrutables.

Debido a que un error con un arrendamiento comercial podría resultar en importantes pérdidas financieras, este problema de “caja negra” era una preocupación para Priam, como lo es para muchas empresas. Para resolverlo, las herramientas de Leverton extraen todos los detalles de los arrendamientos pero también incluyen un enlace al texto del documento original.

“No hay manera en que podamos hacer que una aplicación de IA lo haga todo bien”, dice el CEO de Leverton, Abhinav Somani. “Hay ciertos matices o términos extraños que son difíciles de entender para cualquiera.” Hay una asociación entre el sistema y los administradores de activos que lo usan, dice. Además de permitir a los administradores de activos revisar rápidamente los detalles de los contratos, el sistema también destacará las áreas que necesitan atención manual.

Se está investigando mucho en la explicabilidad, la transparencia y también en cuanto a la comprensión de los sesgos incorporados en los sistemas de IA, dice Lauren Neal, directora de Booz Allen Hamilton. Cuanta más información tengan las empresas sobre cómo se construyeron y formaron los modelos de sus proveedores, dice, más podrán entender cuáles son las limitaciones de esos modelos.

Jennifer Fernick, jefa de investigación de NCC Group, una empresa de asesoría en seguridad cibernética, advierte que no se debe trabajar con proveedores que sean demasiado reservados sobre sus modelos de IA.

Para los datos altamente sensibles, las empresas podrían considerar un proveedor que ofrezca una solución en sus instalaciones

“En general, cualquier vendedor que no esté dispuesto a hablar de sus algoritmos e implementaciones probablemente no esté haciendo nada interesante”, dice. Eso no significa que los clientes puedan exigir ver el código fuente, dice, pero los vendedores deberían estar dispuestos a hablar sobre los tipos de herramientas algorítmicas que están utilizando, si están basadas en bibliotecas de código abierto y cómo se aplican a los datos.

“Existe una correlación inversa entre la afirmación de que ‘no pueden mostrarte la salsa secreta’ y la posibilidad de que haya algo particularmente innovador en su producto”, dice.

Sobre la transparencia, otro aspecto que debería estar en la mente de cualquier empresa es el de la privacidad y la seguridad. Los sistemas de inteligencia artificial, en particular, son extremadamente ávidos de datos, y si esos datos son sensibles, pueden poner en peligro a una empresa. “Sólo estás tan seguro como tu proveedor más débil”, dice Fernick.

Por ejemplo, ¿el proveedor le exige que mueva datos a su nube y no tiene un buen equipo de seguridad? ¿Los datos son visibles en texto plano para los empleados del proveedor? “Hay muchas consideraciones que van más allá de las capacidades analíticas de las propias herramientas”, dice.

Enfoque en el valor del negocio

Waqqas Mahmood, director de tecnología avanzada e innovación de Baker Tilly Virchow Krause, llegó a la empresa de contabilidad y consultoría hace un año y medio para dirigir su estrategia de transformación digital.

Baker Tilly, que emplea a unas 4.000 personas en su fuerza de trabajo global, había sufrido múltiples fusiones, lo que dio lugar a una gran cantidad de procesos que necesitaban ser estandarizados y hechos más eficientes. Además, Baker Tilly quería implementar un sistema de chatbot para los tickets de soporte técnico.

La compañía no podía hacerlo por sí misma, dice Mahmood. “Había una falta de habilidades”, dice. “Y el tiempo que hubiera tomado construirlo internamente, hubiera tomado mucho tiempo.”

Para Mahmood, la clave para hacer funcionar una relación con un proveedor de IA era elegir proyectos con objetivos concretos. “Si no tienes el caso de negocio correcto, y la necesidad correcta antes de implementar la IA, no va a tener éxito”, dice.

Para la automatización del flujo de trabajo, Baker Tilly se decidió por NICE Robotic Automation, una relación que ya está dando sus frutos, dice, con tareas automatizadas que toman un tercio del tiempo para completarse como lo hacían antes.

“Hemos disminuido bastante nuestras horas facturables”, dice. “En los dos dígitos, en porcentaje. Estamos tratando de hacer el mismo trabajo con mayor calidad en menos tiempo – no buscamos la ganancia a corto plazo de cobrar más horas. Queremos proporcionar un servicio de alto valor para nuestros clientes”.

El objetivo a largo plazo de su estrategia de automatización del flujo de trabajo es añadir el análisis predictivo, no sólo automatizando procesos y marcando elementos, sino ayudando en la toma de decisiones, lo que eliminaría parte del trabajo humano.

“Eso tendrá un efecto en el FTE”, dice. “Así que podemos poner a la gente en un trabajo de mayor valor”.

En cuanto al soporte técnico, el despliegue de Baker Tilly de un chatbot de Bold360 tomó unas doce semanas y ha reducido las horas de soporte técnico en un 35 por ciento, dice Mahmood.

“Invertimos unas 80.000 horas al año en la resolución de tickets, gente que llama para que le restablezcan la contraseña, consiguen una nueva impresora o algo no funciona y necesitan descargar un nuevo software”, dice.

El chatbot entiende la petición y la encamina adecuadamente, dice Mahmood. “No es sexy, pero se encarga de nuestro dolor de espalda”.

Ambos proyectos son parte de un plan a largo plazo, añade. “Estamos creando una estrategia de datos holística para la empresa, cómo gestionamos los datos, cómo los usamos, cómo debería ser la arquitectura”, dice. “Estamos creando una plataforma que tendrá un motor de análisis en el medio con capacidades de IA”.

Tengan paciencia

Mahmood ha trazado un mapa del viaje de la IA de Baker Tilly, y actualmente está todavía en las primeras fases. “Se necesita mucha paciencia”, dice.

Todo el mundo siempre subestima el esfuerzo que se necesita, dice el principal analista y fundador de Constellation Research, y cuánto dinero.

“El mayor problema al que se enfrentan los clientes es que quieren hacer estos proyectos, pero sólo se les financia para hacer pruebas de concepto”, dice. “Pero estos son proyectos a largo plazo”.

Además, si una empresa elige un proyecto inicial que no tiene un buen caso de negocio detrás, la gente perderá interés. “Le pasa a muchas empresas, y se desperdicia mucho dinero”, dice.

 

 

Entusiasta seguidor de la tecnología y las innovaciones que cambian el mundo. Director Editorial y COO en The HAP Group.