La IA empresarial puede generar recomendaciones, automatizar tareas y ayudar a las organizaciones a tomar decisiones con mayor rapidez. Pero sin comprender cómo funciona realmente un negocio, incluso los modelos más potentes pueden pasar por alto las limitaciones y relaciones que determinan si una decisión es la adecuada. A medida que las empresas buscan trasladar la IA de la fase de experimentación a las operaciones cotidianas, el reto que tienen por delante consiste en dotar a la tecnología del contexto necesario para actuar de manera útil en procesos empresariales complejos.
Para Devavrat Shah, director científico de IA empresarial en Celonis, ese contexto es fundamental para lo que denomina «inteligencia de decisiones». Los agentes de IA pueden respaldar tareas individuales dentro de procesos de toma de decisiones más amplios, argumenta, pero necesitan comprender el papel que desempeña cada tarea y las condiciones empresariales que la rodean. «No se puede hacer eso en el vacío», afirma. Sin el contexto operativo adecuado, los agentes corren el riesgo de pasar por alto restricciones importantes, cometer errores costosos o consumir recursos computacionales excesivos al intentar averiguar qué es lo que necesitan saber.
La solución comienza por conectar la IA a los procesos y datos que las empresas ya utilizan. Una capa contextual puede ayudar a los agentes a comprender los flujos de trabajo, operar dentro de unos límites definidos y generar recomendaciones que las personas puedan revisar y aprobar. Shah aconseja a las organizaciones empezar con una decisión empresarial concreta, identificar sus pasos más difíciles y comprobar si la IA puede mejorarlos. Medir las mejoras en velocidad y valor puede ayudar después a determinar si merece la pena escalar una aplicación.
Este enfoque también podría cambiar la forma en que los empleados dedican su tiempo. Automatizar el trabajo manual y repetitivo y coordinar tareas entre equipos podría liberar a las personas para centrarse en decisiones estratégicas más complejas. Sin embargo, materializar ese beneficio requerirá invertir en la formación de la plantilla, de modo que los trabajadores puedan comprender los resultados de la IA y sus implicaciones, en lugar de limitarse a delegar las decisiones en los agentes.
De cara al futuro, Shah ve oportunidades que van desde las tareas operativas rutinarias hasta la planificación en toda la empresa en áreas como las finanzas, la gestión de personal, el marketing y las ventas. Con el contexto adecuado, la IA podría ayudar a las organizaciones a evaluar opciones y tomar decisiones trascendentales con mayor rapidez. Como apunta Shah: «Ahora, quizá [la planificación de recursos] no debería llevar tanto tiempo, y la gente realmente está tomando las decisiones correctas con rapidez».
Este episodio de Business Lab se ha producido en colaboración con Celonis.
Transcripción completa
Megan Tatum: Desde MIT Technology Review, soy Megan Tatum y esto es Business Lab, el programa que ayuda a los líderes empresariales a entender las nuevas tecnologías que salen del laboratorio para llegar al mercado.
Este pódcast se produce en colaboración con Celonis.
Ahora bien, la IA empresarial se encuentra en una especie de encrucijada. Tras años de experimentación, demostraciones y proyectos piloto, los equipos directivos quieren pruebas claras de que escalar tendrá un impacto positivo en su cuenta de resultados, pero muchos se están perdiendo una pieza fundamental del rompecabezas. Al actuar sin contexto operativo, la IA empresarial y los agentes de IA están rindiendo con un déficit importante. Aplican principios generalizados a situaciones especializadas y se quedan cortos, lo que deja a los líderes empresariales justificadamente escépticos y el potencial de la IA sin aprovechar.
Dos palabras: importa el contexto.
Mi invitado de hoy es Devavrat Shah, director científico de IA empresarial en Celonis.
Bienvenido, Devavrat.
Devavrat Shah: Hola, Megan. Gracias por invitarme.
Megan: Muchas gracias por estar hoy aquí con nosotros. Devavrat, para empezar, ¿por qué es tan crucial que las organizaciones piensen en el contexto operativo en relación con la IA empresarial ahora mismo? ¿Qué hace que sea una parte tan crítica de esa transición de la que hablaba, de la experimentación al escalado?
Devavrat: Es una pregunta fantástica. Y, como bien has señalado, estamos a las puertas de pasar de lo experimental a lo generalizado en lo que respecta a la IA. Como sabes, llevo más de dos décadas impartiendo clases de IA como profesor en el MIT, así que no es ninguna sorpresa que sea muy optimista respecto al futuro de la IA en las empresas.
Al pensar en dónde puede marcar la IA la mayor diferencia en las empresas, creo que es en la toma de decisiones: ayudar a las organizaciones a tomar decisiones o, dicho de otro modo, ¿cómo llevamos la inteligencia de decisiones a las empresas? Si pensamos en las decisiones, ¿cómo las tomamos hoy? Pensemos en MIT Technology Review, en Celonis, en el MIT o en cualquier gran organización. A grandes rasgos, tenemos distintos tipos de decisiones que queremos tomar: hay decisiones estratégicas, de carácter más episódico, y otras decisiones operativas, que deben tomarse con mucha frecuencia. En cualquiera de los dos casos, contamos con una serie de procesos establecidos: primero haces esto, luego aquello, después lo otro... Muchos de nosotros ayudamos a coordinar esas cosas. Muchos desempeñamos roles en ese marco, lo que Jensen Huang denomina «tareas». Y una vez que completas todo eso paso a paso, llegas a una decisión.
Ahora bien, es en esas tareas, o lo que yo llamaría roles, donde la IA puede aportar de forma atómica una capacidad agéntica, de manera que podamos —si no todas las decisiones— al menos partes de ellas, potenciarlas, respaldarlas y, a veces, cuando resulte farragoso, automatizarlas. Y para alcanzar ese punto, para saber qué rol o qué tarea llevar a cabo, necesitamos conocer realmente el contexto. No se puede hacer en el vacío. Por eso, el contexto combinado con la IA de la manera adecuada aportará lo que yo llamaría inteligencia de decisiones a la empresa. Y ahí es donde creo que se producirá la mayor transformación.
Megan: Exacto. Para profundizar en ello con algo más de detalle, sabemos que muchas organizaciones están, como dices, adoptando la IA agéntica ahora mismo con ese potencial para una toma de decisiones cada vez más autónoma. Si no se introduce el contexto en paralelo, ¿cuáles son los riesgos comerciales que entran en juego?
Devavrat: Fantástico. Tomemos el escenario que estaba describiendo. Intentamos automatizar un rol, apoyarlo o aumentarlo según el tipo de decisión y según el tipo de tarea. E imaginemos por un segundo que todos estos laboratorios, los llamados laboratorios de frontera («frontier labs»), han creado estos modelos increíbles y esta asombrosa infraestructura de IA, de modo que todo lo que ha ocurrido en el universo y lo que es probable que ocurra esté ahí contenido.
Ahora bien, tenemos una pequeña decisión que queremos tomar para ese contexto tan específico. Y sin tener acceso a él, este sistema masivo, al igual que una persona sumamente brillante, acabaría deduciéndolo con el tiempo a base de hacer muchas preguntas, tal y como lo hacemos los humanos, para finalmente hacer lo correcto. El problema es que, para llegar a eso, requerirá a cierto nivel tanta capacidad de cómputo que, para resolver tareas sencillas, estaremos consumiendo una cantidad descomunal de computación. Así que ese es el primer escenario.
En realidad, ese no va a ser el escenario, y se nos escapará algún contexto importante, alguna restricción importante, alguna salvaguarda importante, y entonces cometeremos un error. Y, a veces, ese error no tiene mayor importancia. Es como si te hiciera una recomendación diciéndote: «Ve al restaurante A», y puede que no disfrutes de la cena, frente a situaciones en las que los errores saldrán muy, muy caros. Por ejemplo, que te diga cuál es la previsión financiera y eso conduzca, de algún modo, a la ruina de la empresa.
Megan: Exacto. En un entorno empresarial, las decisiones que se toman son verdaderamente críticas para el negocio. Por tanto, el impacto es mucho mayor si nos equivocamos, ¿verdad? Y a nivel práctico, ¿de qué formas pueden las organizaciones incorporar esta capa de contexto de la que hablamos? ¿Cómo proporciona Celonis, por ejemplo, ese contexto operativo a través de un gemelo digital en tiempo real de una organización?
Devavrat: Totalmente. Creo que puede ser útil profundizar un momento en la historia de Celonis. Como sabes, Celonis nació como organización con la misión y el objetivo de ayudar a las empresas a ceñirse a sus procesos ideales, diseñar procesos mejores y permitir que las personas trabajen con múltiples procesos interconectados. Y ahí es donde su principal... llamémoslo ADN, ha girado en torno a lo que yo denominaría inteligencia de procesos. Se trata de ver cómo las empresas integran diferentes elementos, los digitalizan, permiten a los profesionales optimizar sus procesos, comprenden dónde radican los problemas y luego abordan la reingeniería de procesos en las organizaciones para que todo funcione mejor.
Ahora bien, si quieres incorporar la inteligencia para la toma de decisiones a todo esto, en cada paso atómico de este proceso que antes solían llevar a cabo personas expertas, ahora queremos que los agentes nos ayuden a hacerlo posible. Y ahí es donde conocer el contexto de un proceso dentro de la empresa y complementarlo con agentes de IA —lo que me gusta denominar «agentes con rol»— ofrece exactamente la vía adecuada para llevar la inteligencia para la toma de decisiones a las empresas. Así es como Celonis aporta contexto para ayudar a las organizaciones a tomar mejores decisiones.
Megan: De acuerdo. Y, en cuanto a cómo funciona todo esto, ¿cómo se relaciona la capa de contexto tanto con la capa inferior —la de los sistemas de registro— como con la superior, esa capa agéntica?
Devavrat: Es una pregunta fantástica, Megan. La capa inferior, si la llamamos sistema de registro, son principalmente las herramientas de flujo de trabajo existentes y los registros de eventos que generan a su alrededor. La capa superior está formada por usuarios expertos de negocio que consumen información, o bien la consumen a través de agentes que operan sobre esa capa de contexto. Y aquí es donde el modelo de contexto, como lo llama Celonis, está diseñado para hacer tres cosas de forma simultánea. La primera es lograr la abstracción adecuada de la capa inferior, para que las partes pertinentes del proceso puedan «agentificarse». La segunda es incorporar los agentes asignados a cada una de estas partes de manera estructurada y con salvaguardas. Y la tercera es adoptar un enfoque «agent-first», de modo que, si ya existen otras infraestructuras agénticas comunicándose con ella, puedan interactuar de forma natural para ofrecer los resultados adecuados a los humanos o expertos para que los revisen, los examinen, los aprueben y, en ocasiones, los automaticen.
Megan: Fantástico. Y con todas las ventajas de las que estamos hablando, ¿existen también retos a la hora de implementar una capa de contexto? Por ejemplo, ¿disponen la mayoría de las organizaciones de los datos adecuados para proporcionar a la IA el contexto que necesita? Y si no es así, me pregunto cuáles son algunos de los pasos prácticos que deberían dar para abordarlo.
Devavrat: Vuelve a ser una pregunta crucial para hacer esto realidad. Podemos imaginar un mundo ideal, pero si no podemos alcanzarlo, se queda solo en eso: en algo ideal. Así pues, en este contexto, como ya comentamos sobre las tres capas, una de ellas es la que se sitúa por debajo de los sistemas de registro y las herramientas de flujo de trabajo. En cierto sentido, esos elementos ya existen. No necesitan estar completos ni presentarse de la forma más pulcra posible. La forma en que está diseñado el modelo de contexto con una arquitectura agéntica permite conectarse a esos elementos y darles sentido.
Y luego, lo que está por encima queda prácticamente bajo el control de la infraestructura de Celonis, así que no es tan complicado. Sin embargo, lo crucial aquí es que, cuando se entra en el ámbito corporativo, cuando se abre, por ejemplo, un sistema de registro o una herramienta de flujo de trabajo, registros de eventos o cosas por el estilo, hay que pasar por lo que yo llamaría la clásica InfoSec para asegurarse de que puedes confiar en el software de un proveedor que se va a incorporar a tu organización. Y creo que ese es el proceso primordial, el paso intermedio entre el antes y el después, si se me permite llamarlo así.
Megan: Exacto. Ese es el verdadero paso crucial que se debe dar aquí. Y a medida que los agentes de IA con contexto sean capaces de tomar decisiones más complejas y, con suerte, más precisas, me pregunto cuál crees que será el papel de la inteligencia y la aportación humanas de cara al futuro, y cómo podrían las organizaciones encontrar el equilibrio entre ambos.
Devavrat: Están las ventajas y luego están los desafíos. Los beneficios son evidentes. Si cuentas con los agentes de IA adecuados asignados a los roles correctos para supervisar tus procesos de toma de decisiones, es de esperar que lo hagan con mayor rapidez y, por tanto, tus decisiones se tomen antes para no perder el coste de oportunidad. Tomas decisiones a tiempo, puedes planificar mucho mejor, etcétera, etcétera. Esto resulta especialmente útil cuando tienes que abordar tareas muy manuales, repetitivas y tediosas donde el acceso a la mano de obra y la coordinación entre personas se convierten en partes cruciales del proceso de decisión. En cierto sentido, ahí es donde puede radicar un valor enorme. La otra cara de la moneda es que eso significa que las personas dejarán de hacer esas labores.
Por otro lado, está el otro tipo de decisiones que siempre tomamos: las decisiones estratégicas. Puede tratarse de una pequeña decisión estratégica o de una a gran escala, pero se abriría esa oportunidad para las decisiones estratégicas en las que la mayoría de las organizaciones no suelen tener capacidad para pensar o asumir, y ahí es donde probablemente intervendrían más personas y expertos. En cierto sentido, ahora contarían con un mejor respaldo que les ayudaría a reflexionar de forma racional sobre qué opciones tienen y cómo se comparan entre sí. Y, al fin y al cabo, la función de la organización consiste en decidir qué opción tomar, teniendo en cuenta sus propios intereses y hacia dónde quiere dirigirse.
Por lo tanto, en cierto modo, se producirá lo que yo llamaría una reconfiguración de la plantilla: en lugar de realizar muchas tareas repetitivas, se hará un trabajo mucho menos repetitivo y mucho más estratégico, y ahí es donde la gente tendrá que dedicar su tiempo.
El otro aspecto en el que personalmente soy muy optimista es que, como ocurre con cualquier cambio tecnológico, este genera nuevos puestos de trabajo difíciles de predecir en el momento de la transición. Mi esperanza es que se cree otro tipo de oportunidades y tareas en las que podamos implicar a nuestra fuerza laboral. Ni que decir tiene que esto significa que tendremos que reflexionar con detenimiento sobre cómo reciclar o formar con criterio a parte de nuestros trabajadores. Y creo que, por mi faceta de académico y educador, siento realmente que los plazos en los que se están produciendo estos cambios son vertiginosos. Por tanto, nosotros también debemos actuar con la misma celeridad.
Megan: Para cualquier responsable de la toma de decisiones que esté escuchando esto, ¿cómo debería empezar a implementar estos cambios? Por ejemplo, ¿cómo puede preparar a su plantilla? ¿Qué papel debería desempeñar también la gobernanza?
Devavrat: De acuerdo, es una gran pregunta. Si quieres empezar, lo primero que debes hacer es identificar una decisión a la que quieras aportar inteligencia. Identifiquemos el proceso que la rodea. Identifiquemos cada paso del proceso. Tomemos el paso más crucial y difícil. Intentemos incorporar agentes de IA para que te ayuden a llevarlo a cabo. Y, a partir de ahí, sigamos adelante y midamos cuánta velocidad estamos ganando, cuánto valor estamos obteniendo. Eso nos ayudará a comprender si ha valido la pena. Así que esa es una.
En segundo lugar está la gobernanza. Vamos a incorporar la IA de esta manera prescriptiva para cada tarea dentro de un rol. Esto significa que, para ese rol, podemos definir con total claridad qué puede y qué no puede hacer. Y Celonis prescribe agentes de rol certificados para estas funciones. Esto te ayuda a comprender claramente qué tipo de contrato se requeriría para ello.
Y el tercer aspecto son las personas —y aquí es donde radica lo verdaderamente importante—: hay una parte que se automatiza, pero también hay otra en la que habrá expertos en el bucle, y es ahí donde deben comprender los resultados de la IA, cómo trabajar con ellos y cuáles serían sus implicaciones. Por eso es necesaria cierta formación en IA y, además, cierta formación en las herramientas.
Megan: Sí, totalmente. El ritmo en este ámbito es increíble, ¿verdad? Y a propósito de esto, si pudiéramos cerrar con la mirada puesta en el futuro —teniendo en cuenta el contexto adecuado, por supuesto—, ¿cuáles son los casos de uso de la IA empresarial en el horizonte que crees que podrían tener un mayor impacto o, sencillamente, cuáles son los que más te entusiasman?
Devavrat: Creo que las clasificaría en tres tipos. Todas tienen que ver con la inteligencia de decisiones, con la toma de decisiones, pero hay tres categorías. Una, lo que yo llamaría tareas repetitivas y manuales que requieren mucha mano de obra; esa sería la primera.
Dos, lo que denominaría tareas de coordinación. Gran parte del trabajo que desempeñamos hoy como profesionales de la información se va en coordinar; de ahí el correo electrónico, las hojas de cálculo, etcétera. Gran parte de eso se haría mucho mejor, mucho más rápido y de forma menos aburrida, por así decirlo.
Y la tercera se centra, sobre todo, en servir de apoyo a quienes toman decisiones a nivel humano para ofrecerles un refuerzo estratégico; ese es el tercer tipo de decisiones que se abordarían. Si pienso en cualquier proceso de planificación empresarial —ya sea financiera, de plantilla, de marketing, ventas, producto o lo que sea—, todas son decisiones críticas para el negocio que conllevan un proceso de planificación anual y requieren un año entero. Ahora bien, tal vez no debería llevar tanto tiempo y la gente podría estar tomando las decisiones correctas con rapidez.
Megan: Sería fantástico, ¿verdad? Fantástico. Muchísimas gracias por esta brillante conversación, Devavrat. Era Devavrat Shah, director científico de IA empresarial en Celonis, con quien he hablado desde Brighton, en Inglaterra.
Y esto es todo en este episodio de Business Lab. Soy tu presentadora, Megan Tatum. Soy redactora colaboradora y presentadora de Insights, la división de publicaciones personalizadas de MIT Technology Review. Nos fundamos en 1899 en el Instituto Tecnológico de Massachusetts, y puedes encontrarnos en edición impresa, en la web y en eventos celebrados cada año en todo el mundo. Para obtener más información sobre nosotros y sobre el programa, visita nuestra página web en technologyreview.com.
Este programa está disponible dondequiera que escuches tus pódcasts. Y si te ha gustado este episodio, esperamos que te tomes un momento para valorarnos y dejarnos una reseña. Business Lab es una producción de MIT Technology Review, y este episodio ha sido producido por Giro Studios. Muchas gracias por escucharnos. Adiós.
Este contenido ha sido elaborado por Insights, la división de contenido personalizado de MIT Technology Review, y no por su equipo editorial. Ha sido investigado y redactado por personas, y cualquier herramienta de IA que haya podido utilizarse se ha limitado a procesos de producción bajo supervisión humana.