¿Alguna vez ha considerado la diferencia entre una herramienta y un sistema?
Las herramientas son lo que utilizamos para realizar tareas. Los sistemas, de manera similar, agilizan las tareas.
Algunos podrían imaginar un sistema como una herramienta simplemente más compleja.
Sin embargo, cuando las tareas se categorizan en dos tipos —trabajo de iteración y trabajo en flujo— la distinción entre herramientas y sistemas se vuelve clara.
Iteración y Flujo
El trabajo de iteración es el proceso de crear entregables gradualmente mediante un proceso flexible de prueba y error.
En el trabajo de iteración, es útil un conjunto de herramientas que se puedan usar indistintamente para tareas específicas.
Por el contrario, el trabajo en flujo es un proceso que avanza de manera incremental, produciendo un entregable en la etapa final.
En el trabajo en flujo, contar con un sistema que guíe el flujo de tareas mejora significativamente la productividad y la calidad.
Conversión a Trabajo en Flujo y Sistematización
Muchas tareas realizadas por humanos son trabajo de iteración o una parte de un trabajo en flujo sistematizado.
Al convertir el trabajo de iteración en trabajo en flujo y luego sistematizarlo, se pueden mejorar significativamente la productividad y la calidad.
La Revolución Industrial y la Revolución de las TI
La Revolución Industrial y la Revolución de las TI son ejemplos claros de cómo la conversión del trabajo de iteración en trabajo en flujo, y su posterior sistematización, mejoraron drásticamente la productividad y la calidad.
Antes de la Revolución Industrial, la manufactura se realizaba como trabajo de iteración, donde los humanos utilizaban hábilmente herramientas y modificaban libremente los arreglos y procedimientos en cada ocasión.
De manera similar, antes de la Revolución de las TI, el procesamiento de información implicaba que los humanos usaran herramientas de forma no estructurada e iterativa.
Al sistematizar estos procesos, de manera muy parecida a las líneas de producción de las fábricas o los sistemas de TI empresariales, la productividad y la calidad se mejoraron significativamente.
Sin embargo, no solo la sistematización, sino también la conversión a trabajo en flujo de las tareas iterativas es extremadamente crucial. Fue la capacidad de convertir a trabajo en flujo lo que hizo posible la sistematización en primer lugar.
La Revolución de la IA Generativa
Al intentar mejorar la productividad y la calidad mediante la utilización de la IA generativa en las operaciones comerciales, el simple uso de la IA como una herramienta no revelará su verdadero valor.
El objetivo central es la conversión a trabajo en flujo del trabajo de iteración, seguido de la sistematización de dicho trabajo en flujo.
La IA generativa puede manejar el trabajo de iteración debido a su adaptabilidad. Sin embargo, ya sea realizado por humanos o por IA generativa, existen límites para la productividad y la calidad del trabajo de iteración.
Por lo tanto, es crucial apuntar a la conversión a trabajo en flujo y a la sistematización.
Se podría argumentar que si la conversión a trabajo en flujo pudiera mejorar la productividad y la calidad para los trabajadores humanos, tales iniciativas podrían haberse emprendido incluso antes del advenimiento de la IA generativa.
Sin embargo, la conversión a trabajo en flujo, cuando se basa en trabajadores humanos, es en realidad un problema muy difícil. Los trabajadores humanos no pueden adaptarse inmediatamente a los cambios en las asignaciones o el contenido de las tareas.
Por el contrario, cuando el trabajador es una IA generativa, es fácil reconfigurar de forma iterativa los roles y el contenido de las tareas.
A diferencia de los humanos, la IA generativa puede olvidar pasos anteriores, leer y comprender instantáneamente nuevos procedimientos y realizar tareas basándose en ellos.
Por esta razón, el enfoque principal para aprovechar la IA generativa en los negocios será la conversión a trabajo en flujo del trabajo de iteración y su posterior sistematización.
Eficiencia Empresarial Utilizando IA Generativa
Consideremos un ejemplo de eficiencia empresarial lograda mediante la IA generativa.
Como ejemplo, pensemos en la tarea de responder a las consultas de los empleados sobre las normas internas de la empresa.
La IA generativa puede utilizarse para buscar en las normas internas y redactar respuestas.
Sin embargo, existe la posibilidad de que la IA generativa consulte normas obsoletas o genere respuestas erróneamente basándose en información imaginada que no está presente en las normas.
Además, las consultas pueden llegar a través de diversos canales, como correo electrónico, herramientas de mensajería, teléfono o en persona.
Por lo tanto, el empleado que gestiona las consultas aún necesita recibirlas como antes.
Es concebible que la eficiencia podría mejorarse si los empleados respondieran a las consultas en el acto cuando fuera posible, y para aquellas que requieran verificación de las normas, introduciendo el contenido de la consulta en la IA generativa para que esta genere borradores de respuesta.
Además, para las preguntas frecuentes, es necesario publicarlas en el sitio web interno de la empresa como FAQ.
La IA generativa también puede utilizarse para introducir preguntas y respuestas representativas y generar borradores con viñetas para su publicación en el sitio web.
Asimismo, la IA generativa puede aprovecharse para revisar la redacción de los borradores cuando sea necesario enmendar las normas.
Tales usos podrían agilizar un cierto porcentaje de las tareas de gestión de consultas.
Sin embargo, esto simplemente trata la gestión de consultas como trabajo de iteración y utiliza la IA generativa como una herramienta.
En consecuencia, las ganancias de eficiencia de este enfoque son muy limitadas.
Conversión a Trabajo en Flujo
Para maximizar la eficiencia de la tarea de respuesta a consultas mencionada como ejemplo, esta tarea debe convertirse en trabajo en flujo.
Esto requiere detallar y documentar los pasos que sigue la persona a cargo al gestionar las consultas:
- Recibir consultas a través de varios canales.
- Si la consulta es la misma que una respondida anteriormente y no hay cambios en las reglas pertinentes, proporcionar la misma respuesta que antes.
- Para una consulta nueva, o una que implique un cambio de regla, revisar las reglas y preparar un borrador de respuesta.
- Verificar si el borrador de respuesta se refiere a reglas antiguas o incluye información no establecida en las reglas.
- Comprobar si se requiere aprobación antes de responder y obtenerla si es necesario.
- Responder a través del canal por el que se recibió la consulta.
- Registrar el contenido de la consulta, el resultado de la aprobación y el resultado de la respuesta en los datos del historial de consultas.
- Revisar periódicamente los datos del historial de consultas para crear propuestas de actualización para las preguntas frecuentes y respuestas.
- Actualizar el sitio web interno de la empresa después de obtener la aprobación.
- Cuando se actualicen las reglas, actualizar los datos de las reglas a los que se hace referencia.
- Al mismo tiempo, registrar en el historial de consultas anteriores que se han producido respuestas relacionadas y actualizaciones de reglas.
- Verificar si las preguntas frecuentes y respuestas necesitan revisión debido a cambios en las reglas, y actualizar si es necesario.
Al clarificar los detalles de estas tareas y conectarlas, el trabajo flexible de iteración puede transformarse en un trabajo en flujo claro.
Ejemplo de Sistematización
Al convertir las tareas en trabajo en flujo, el camino hacia la sistematización se vuelve claro.
Al sistematizar, si es aceptable algún sacrificio en la conveniencia del empleado, una opción es consolidar los canales de consulta.
Por el contrario, si la conveniencia del empleado es la máxima prioridad, todos los canales de consulta deben permanecer abiertos.
Fundamentalmente, el sistema debería recibir las consultas directamente. Solo en el caso de consultas verbales, un humano introduciría los detalles en el sistema.
Una vez recibida una consulta, el sistema de TI y la IA generativa realizarán la mayor parte de las tareas subsiguientes posible de acuerdo con el flujo. Inicialmente, se deben intercalar revisiones y aprobaciones humanas en todo el sistema, y los operadores humanos deben poder realizar correcciones.
Luego, a medida que el sistema se utiliza para gestionar las consultas, si la IA generativa comete un error, las instrucciones para la IA deben actualizarse con puntos de precaución, elementos a verificar, ejemplos de errores y ejemplos correctos para evitar que el error se repita.
Este proceso puede reducir los errores de la IA generativa. La propia actualización de estas instrucciones de IA puede hacerse aún más eficiente convirtiéndola de trabajo de iteración a trabajo en flujo.
De esta manera, al sistematizar las tareas convertidas a flujo, incluso las operaciones que inicialmente podrían parecer que requieren intervención humana pueden ser reemplazadas por un sistema centrado en la IA generativa.
Malentendidos Comunes
Muchas personas creen que la aplicación empresarial de la IA generativa actualmente tiene poco efecto, o que es prematura.
Sin embargo, la mayoría de estos individuos a menudo tienen dos tipos de malentendidos.
El primer malentendido se deriva de centrarse en usar la IA generativa como una simple herramienta.
Como se ha demostrado aquí, aprovechar la IA generativa como herramienta para el trabajo de iteración no aumenta significativamente la eficiencia empresarial. Este malentendido surge al experimentar u observar resultados tan limitados.
El segundo malentendido proviene de centrarse en que la IA generativa realice el trabajo de iteración.
De hecho, intentar que la IA generativa actual realice el trabajo de iteración a menudo no tiene éxito. En consecuencia, la gente concluye erróneamente que la IA generativa no puede asumir las tareas realizadas por humanos, basándose únicamente en esta observación.
Conclusión
Como se ha comentado, al convertir el trabajo de iteración en trabajo en flujo y sistematizarlo, se puede esperar una mayor eficiencia que con las herramientas por sí solas.
Además, aunque la IA generativa no pueda realizar trabajos de iteración, sí puede encargarse de muchas tareas individuales dentro de un proceso de trabajo en flujo. Incluso si inicialmente hay muchos errores, se puede lograr una mejora continua actualizando las instrucciones.
Alternativamente, si es necesario, las tareas se pueden dividir, separando la redacción de la verificación, o implementando verificaciones en varias etapas.
Si la sistematización se puede lograr de esta manera, entonces las mejoras progresarán con cada tarea realizada, y las operaciones se volverán más eficientes con el tiempo.
Este es un método de trabajo que permite la mejora continua del mecanismo mismo, similar a la producción en fábrica y la sistematización de TI.
Para utilizar eficazmente la IA generativa, se requiere un cambio de mentalidad: en lugar de intentar mejorar el propio trabajo de iteración, uno debe convertir objetivamente sus tareas en trabajo en flujo y sistematizarlas.