¿Cómo usar IA generativa en el trabajo?
¿Prefieres un resumen de este blog? ¡Da click en el botón de abajo y deja que ChatGPT te lo cuente! (también puedes probar con Perplexity)
Hay tantas aplicaciones de GenAI disponibles, como necesidades a cubrir: generadores de texto, vibe code, creación de imágenes o videos, elaboración de dashboards interactivos o informes… ¿Cómo usar la IA generativa en el trabajo?
Un grupo de investigadores del Digital Economy Lab de la Universidad de Stanford se dio a la tarea de investigar cómo usar adecuadamente la IA en el trabajo, y luego de varias revisiones exhaustivas, encontraron datos reveladores.
En el estudio Generative AI at work, los investigadores revisaron la introducción de un asistente conversacional basado en IA generativa utilizando datos de 5172 agentes de atención al cliente.
Según los resultados, el acceso a la asistencia de IA aumenta la productividad de los trabajadores en un 15 %, con amplias diferencias entre varios colaboradores dependiendo del agente que usaban.
La asistencia de IA mejora la experiencia laboral en varios aspectos: los trabajadores mejoran sus interacciones en inglés, y los clientes son más educados y menos propensos a pedir hablar con un responsable.
Gráficas sobre el impacto de los asistentes de IA en el servicio de atención al cliente | Universidad de Stanford.
¿Cómo se uso la IA generativa en el ejemplo de esta investigación?
Los investigadores analizaron la implementación escalable de un asistente de chat, utilizando datos de 5172 agentes de atención al cliente que trabajan para una empresa de software que hace parte de la lista Fortune 500.
Los analistas de atención al cliente recibieron ayuda de un Generative Pre-trained Transformer 3 (GPT-3), un miembro de la familia GPT de OpenAI, que proporcionaba a los agentes sugerencias en tiempo real sobre cómo responder a las consultas de los clientes.
El sistema de IA está diseñado para complementar la labor de los agentes, que siguen siendo responsables de la conversación y son libres de ignorar o editar las sugerencias que ofrece la herramienta de inteligencia artificial.
Ahora veremos en detalle los principales hallazgos de esta investigación.
La asistencia de IA aumenta la productividad de los trabajadores: Los agentes que decidieron recibir la ayuda de la IA lograron un aumento del 15 % en la cantidad de chats resueltos con éxito.
Adicionalmente los analistas encontraron mejoras en el dominio del inglés: Gracias a sus continuas interacciones con el asistente de IA y lograron resolver una mayor cantidad de solicitudes en menor tiempo.
El impacto de la asistencia de la IA varía mucho entre los agentes: Los trabajadores menos cualificados y con menos experiencia mejoran significativamente en todas las medidas de productividad.
La herramienta de IA también ayuda a los agentes más jóvenes a avanzar más rápidamente en la curva de experiencia pero tiene poco efecto en la productividad de los trabajadores más cualificados o con más experiencia.
La IA puede facilitar a un aprendizaje duradero: Utilizando datos sobre interrupciones del software —periodos en los que la producción de la IA se ve interrumpida inesperadamente debido a problemas técnicos—, los investigadores encontraron que los agentes podían mantener sus indicadores incluso con la IA deshabilitada.
Además la IA demostró mayor impacto para los problemas raros, pues es capaz de identificar patrones en las solicitudes más frecuentes y las resuelve con mayor velocidad.
También se identificó una mejora en el desempeño cualitativo de los analistas de atención al cliente: gracias al apoyo de la IA, los agentes con pocas habilidades comienzan a comunicarse más como los agentes con muchas habilidades.
Nuevas dinámicas en los contact center: los agentes se enfrentan con frecuencia a interacciones hostiles por parte de clientes frustrados y no siempre cuentan con la inteligencia emocional adecuada para responder a ese tipo de interacciones.
Sin embargo, con el uso de la IA, los clientes solicitaron menos escalaciones (pedidos para hablar con un superior) y las compañías lograron reducir drásticamente los niveles de rotación gracias a la retención del talento más joven.
Contenido relacionado: De tickets a conversaciones: así transforma un chatbot tu mesa de servicios
El contexto es la clave
En este ejemplo queda muy claro como una compañía de software utilizó la IA generativa para apoyar la labor de sus agentes de atención al cliente. Se presentaron mejoras en la productividad, el desempeño de los equipos e incluso en la retención. ¿Pero qué pasaría si no fuera una compañía de este estilo?
¿Qué tal si se tratara de una compañía de videojuegos? ¿O una organización sin ánimo de lucro? ¿Funcionaría la misma lógica de implementar un asistente de IA para resolver solicitudes de los clientes?
Probablemente no. En el caso de la compañía de videojuegos muy seguramente el uso de herramientas de IA para facilitar los desarrollos de código o mejorar la interfaz gráfica serían ejemplos mucho más útiles.
En el mismo sentido, a una ONG no le interesaría tanto el desarrollo de mejoras visuales, ni una mayor cantidad de solicitudes resueltas, sino más bien un enfoque centrado en los gastos e ingresos: cómo mejorar la rentabilidad.
Si adicionalmente tenemos en cuenta que cada LLM cuenta con un chatbot distinto y con una versión diferente actualizada cada tanto tiempo, es muy probable que haya grandes diferencias entre las sugerencias de una u otra herramienta.
¿Cuáles son las principales recomendaciones?
Contexto: Fundamental. Es indispensable fijarse en el core del negocio y centrarse en lo que pueda reducir gastos o mejorar la rentabilidad. Todo lo demás es cosmético.
Involucrar al equipo: Una sola persona convencida del impacto difícilmente podrá generar un cambio. Iniciar con un proyecto piloto de pocas personas y un target modesto (una reducción de gastos del 2%, por ejemplo) lograrán mucho más que una sola persona y un target inalacanzable. Poco a poco ese 2% podrá llegar más arriba, pero será imposible si no se empieza por el principio.
Probar herramientas: La oferta de herramientas de IA solo crece con el paso de los días, y las grandes compañías invierten cada vez más dinero en más data centers y en plantillas llenas de científicos de IA centrados en mejorar las funciones.
Por ello conviene probar varias herramientas y comparar sus resultados, teniendo en cuenta que es casi imposible ‘casarse’ con una sola. Los avances y desarrollos avanzan en cuestión de días, y ante la actualización de un LLM ultrapotente, el lanzamiento del mes pasado ya está obsoleto.
La principal recomendación
Información: Mantenerse informado es la mejor manera de saber si va por el camino correcto. Investigaciones de universidades, estudios de buenas prácticas, revisiones de grandes consultoras y mucho más lo encuentra en el blog de ManageEngine LATAM.
¡Nos leemos pronto!