10 mejores prácticas para la IA en TI

#1 Pensar más en los usuarios y menos en la tecnología

Muchas empresas centran toda su atención en las nuevas tecnologías y casi llegan a considerarlas un fin en sí mismas. Por ejemplo, pueden sentir la necesidad de adoptar una herramienta simplemente porque la competencia ya la utiliza. En otros casos, buscan proyectar una imagen especialmente innovadora, algo habitual en muchas estrategias «AI First».

Sin embargo, las implementaciones que parten de las necesidades y expectativas de los usuarios suelen ofrecer resultados mucho mejores. Las soluciones de IA no deberían adoptarse solo porque estén de moda o tengan una gran visibilidad, sino porque resuelven necesidades concretas y aportan una ayuda real.

Las personas que van a utilizar la tecnología deben participar en el proceso desde el principio. Conviene preguntarles directamente por sus necesidades, expectativas y preferencias respecto a la IA, y dejar constancia de sus respuestas. Esta información, junto con el presupuesto de TI, los objetivos estratégicos y los requisitos tecnológicos y de seguridad, permite elaborar un plan de acción que deberá evaluarse una vez implantado.

De esta forma, los equipos implicados podrán valorar con claridad si el enfoque centrado en el usuario ha funcionado, extraer aprendizajes y aplicarlos a un proceso de mejora continua en la adopción y el uso de nuevas tecnologías.

#2 Desarrollar primero la madurez en IA

Cuando se plantea la implementación de la IA, muchas empresas se centran directamente en el resultado: quieren conseguir mejoras relevantes y resultados medibles lo antes posible. Es comprensible, pero estos objetivos son mucho más fáciles de alcanzar cuando la organización da primero un paso atrás y trabaja en su nivel de madurez en IA.

Una organización está preparada para adoptar la IA cuando aspectos como la gestión de procesos, la gestión de la información, los conocimientos internos y la cultura empresarial ofrecen una base sólida para implementarla y utilizarla con garantías.

#3 Ofrecer formación

La adopción generalizada de la IA puede coger desprevenidos a algunos empleados, especialmente cuando la implementación se lleva a cabo de forma rápida y repentina, algo frecuente en mercados con una fuerte presión competitiva.

Por eso, es recomendable ofrecer formación desde las primeras fases y dar a los empleados tiempo suficiente para familiarizarse con las aplicaciones que van a utilizar. Lo ideal es adaptar la formación a las funciones y necesidades de los distintos perfiles. En cualquier caso, todas las personas implicadas deben tener la oportunidad de prepararse adecuadamente para los nuevos procesos, expectativas y objetivos.

#4 Optimizar primero, automatizar después

Este principio debería convertirse en un mantra. La automatización solo permite alcanzar una mayor eficiencia cuando se aplica sobre procesos que ya funcionan correctamente. Por eso, antes de automatizar un proceso mediante IA, es necesario revisarlo y optimizarlo.

De lo contrario, la automatización se limitará a reproducir los errores, ineficiencias e imprecisiones que ya existían en procesos poco maduros.

Invertir algo más de tiempo al principio no solo mejora las posibilidades de éxito a medio y largo plazo, sino que también permite obtener resultados más fiables desde el comienzo.

#5 Mantener el foco en las tareas rutinarias

A menudo se espera que las aplicaciones de IA creen algo completamente nuevo, abran territorios inexplorados o provoquen una gran transformación. Sin embargo, la realidad suele ser menos espectacular, aunque no por ello menos valiosa.

Uno de los principales beneficios de la IA consiste precisamente en asumir tareas rutinarias. Esto permite a los empleados ahorrar tiempo, reducir los costes de oportunidad y dedicar más atención a actividades creativas o de mayor valor.

Cuando una empresa analiza el tiempo que ahorran sus aplicaciones de IA, las mejoras que generan y los errores que ayudan a evitar, puede entender mejor su impacto económico, siempre que la tecnología se utilice de la forma adecuada.

Por tanto, más que perseguir constantemente el próximo gran salto tecnológico, las organizaciones deberían centrarse en los beneficios prácticos que la IA puede aportar al trabajo diario.

#6 Centrarse en casos de uso pequeños

Si las tareas rutinarias representan una fuente de beneficios que a menudo pasa desapercibida, la mejor estrategia consiste en abordar pequeños problemas y mejoras de forma progresiva.

Este enfoque suele ofrecer mejores resultados que comenzar con proyectos grandes, complejos y excesivamente ambiciosos.

Todo gran viaje comienza con un primer paso. Del mismo modo, las empresas deberían abordar cada caso de uso con paciencia, determinación y unos objetivos claros.

Las siguientes áreas pueden resultar especialmente útiles:

• Resúmenes de tickets
• Documentación
• Gestión del conocimiento y autoservicio
• Automatización de procesos estándar individuales
• Enrutamiento de tickets
  
  

#7 Optimizar la gestión del conocimiento

La forma en que las empresas gestionan el conocimiento, los datos y la información influye en el uso de la IA desde distintos puntos de vista:

• El conocimiento existente, los grandes volúmenes de datos y los procedimientos ya consolidados constituyen una base esencial para que la IA pueda ofrecer resultados de calidad.
• La IA puede hacer mucho más accesible el conocimiento acumulado dentro de una organización. Una vez estructurado y catalogado, los empleados pueden consultarlo fácilmente mediante lenguaje natural.
• El aprendizaje automático permite generar nuevos conocimientos que las empresas pueden utilizar, por ejemplo, para optimizar sus procesos y flujos de trabajo.

En la práctica, muchas empresas solo aprovechan una pequeña parte del conocimiento del que disponen debido a su complejidad, la falta de estructura o una gestión poco sistemática de la información. Utilizar mejor ese conocimiento permite sacar partido a un potencial que, en muchos casos, sigue sin explotarse.

#8 Optimizar y perfeccionar los prompts

Cuando una aplicación de IA no ofrece los resultados esperados, muchas organizaciones se plantean inmediatamente sustituirla por otra herramienta. Sin embargo, en muchos casos la solución existente podría proporcionar una respuesta adecuada si las instrucciones fueran más claras, precisas y completas.

La ingeniería de prompts es un factor importante que todavía se subestima o recibe menos atención de la necesaria.

En definitiva, la utilidad de una aplicación de IA depende en gran medida de la calidad de las instrucciones que recibe. Según el tipo de tarea, conviene proporcionar contexto, definir claramente los objetivos, especificar los requisitos necesarios y, en el caso de problemas de TI, incluir los mensajes de error completos.

#9 Tener en cuenta la seguridad y la protección de datos

La seguridad informática relacionada con la IA suele pasarse por alto, ya sea por falta de experiencia, por la presión de implementar rápidamente o por la creencia de que nada malo ocurrirá.

No se deben introducir datos de clientes, datos personales, información confidencial o conocimiento interno de la empresa en una aplicación de IA sin comprobar previamente cómo se almacenará, procesará y utilizará esa información.

Muchos incidentes de seguridad y filtraciones de datos se producen porque no existen criterios suficientemente claros. A menudo, los usuarios ni siquiera son conscientes de que la información que comparten es sensible desde el punto de vista de la seguridad o tiene un valor estratégico para la empresa.

Por ello, las organizaciones deben establecer políticas claras sobre el uso de la IA y comunicarlas a todos los empleados.

#10 Comunicar de forma transparente y clara

Cuando la implementación de nuevas aplicaciones de IA se lleva a cabo principalmente mediante un enfoque descendente o top-down, suele generar menos comprensión, colaboración y compromiso entre los empleados.

La falta de aceptación inicial, el miedo o la incertidumbre se gestionan mejor con una comunicación transparente desde el comienzo del proyecto.

El escepticismo disminuye cuando todas las personas implicadas conocen los objetivos del proyecto, sus distintas fases y lo que se espera de ellas. Esta transparencia aumenta las posibilidades de éxito, frente a mantener a los empleados al margen por temor a cómo puedan reaccionar.