Salesforce y NVIDIA acaban de anunciar una colaboración estratégica para desarrollar funciones avanzadas de inteligencia artificial para el entorno empresarial con agentes autónomos y avatares interactivos. Gonzalo Goñi, director de Solutions Engineering de Salesforce Iberia, lo describe como la tercera ola de la IA en la empresa, una evolución tecnológica que quiere superar a los chatbot y los copilot en prestaciones para la empresa.
Pregunta: Después del anuncio del acuerdo de Salesorce con NVIDA para impulsar los agentes de inteligencia artificial (IA) en el CRM (gestión de relaciones con los clientes) es clave saber con detalle qué tenéis en la cabeza. La industria tecnológica es muy dada a de repente anunciar que ya todo será autónomo y las tareas se harán solas. Y no.
Respuesta: Hemos visto en el mercado a mucha gente haciendo cosas con los LLM (modelos de lenguaje extenso, base tecnológica del estallido reciente de la IA generativa) y realmente ayudan a generar contenido, texto, vídeos, que pueden proporcionar mucho valor en casos concretos, pero había que dar el siguiente paso. Ahora bien, se habla de la evolución de la IA y parece que hayamos matado a la predictiva, pero sigue trabajando y haciendo cosas muy potentes.
La IA generativa produce un contenido que mucha gente no sabe muy bien cómo usar, cómo aplicar a los procesos de negocio. En esta tercera ola, estamos hablando de agentes que son capaces de, utilizando las tecnologías de LLM de la IA generativa, ejecutar acciones que descargan de trabajo efectivo a los humanos.
Pregunta: Capaces de actuar de forma autónoma. ¿Cómo se traduce en casos de uso que vayamos a ver ‘realmente’?
Respuesta: Los entornos en los que tienen aplicación más inmediata son aquellos marcados por la alta estacionalidad. En esos picos de volúmenes que ocurren, por ejemplo, cuando llegan las rebajas o el Black Friday. Los retailers se ven abrumados por compras, lo que está muy bien, pero también por preguntas sobre los productos, por devoluciones, y tienen contact centers preparados para una media de actividad.
En esos picos de demanda brutales, tener agentes autónomos capaces de gestionar preguntas sencillas, como la de si está disponible un ítem en una talla determinada, permitirá descargar a los empleados del contact center para que hagan cosas más evolucionadas, más complejas.
Objetivo: la autonomía de los agentes de IA
Pregunta: ¿Qué nivel de fiabilidad se está consiguiendo en las respuestas?
Respuesta: Muy alto. Los LLM son generalistas, están entrenados con todo lo que hay en internet, para lo bueno y para lo malo. En el momento en el que se aterriza a un proceso de negocio, a un cliente o a una industria, se hace un tuning de ese LLM. Toda nuestra tecnología está enfocada a eso. En vez de reentrenarlo, se cogen los datos específicos, incluso del cliente que está llamando, porque se sabe quién es y su historial de navegación, y se utiliza esa información para que la respuesta del LLM sea mucho más adecuada a lo que está pidiendo. Así se trata de evitar una respuesta genérica.
Los responsables de la toma de decisiones aún están familiarizándose con la IA para saber qué pueden hacer con ella.
En realidad, hacen falta cuatro cosas. Primero, deben asignar un rol al agente de IA, por ejemplo, establecer si va a ser un agente de soporte a clientes en la web; luego se definen los datos a los que puede acceder, incluso la política de precios; y finalmente se le dan una serie de acciones que puede y no puede hacer para que entre en juego su autonomía. Por ejemplo, puede hacer contrataciones siempre que no lleven descuento, en ese caso, lo tiene que escalar a un agente humano. Con esos cuatro modelos se define la actividad de un agente.
Hace un año, un destacado directivo español de una gran corporación tecnológica dejó deslumbrada a una audiencia de profesionales TIC mostrando todas las posibilidades que ofrecía su copilot. Hoy existe cierta sensación de decepción, las expectativas no se hace realidad. ¡Y los agentes de IA quieren ir más allá de los copilot y los chatbot!
Por eso es importante ese aterrizaje, queremos que sean autónomos, que hagan cosas, más que hablar de un supercopilot o de una superinteligencia. Pensamos en millones o miles de millones de agentes y cada uno hace una cosita.
Microtareas.
Eso es y, como lo hacen muy bien, puedo permitirme el lujo de no tener que estar supervisando, que es lo que pasa con los copilots. Hay que saber conversar con ellos para obtener información valiosa, el usuario final tiene ser hasta cierto punto un poco sofisticado para sacarles todo el partido.
"En el centro, la gestión del dato"
¿Cómo deben estar configuradas las empresas para aprovechar esta tecnología?
Deben hacer tres cosas. La primera, tienen que saber qué le quieren sacar a la IA, si buscan incrementar ventas, reducir costes operacionales o las dos cosas. A partir de ahí, tienen que establecer el modelo de gobierno de la IA para tenerla muy controlada. Por ejemplo, solo le voy a permitir proponer servicios adicionales una vez que un cliente haya pedido un determinado producto, pero no quiero que me esté haciendo cross selling porque no me acabo de fiar de que proponga cosas que sean demasiado para ese cliente. Tienes que asegurarte que la IA está dando lo que quieres que dé. Y, por último, se debe identificar casos de uso concretos.
En el análisis has dado por supuesto algo que es fundamental y que constituye hoy la gran carencia a salvar en el proceso de transformación digital de la mayoría de compañías, sin lo que no es posible tomar esas decisiones: la gestión de los datos.
El dato es fundamental. En nuestra estrategia para que las tecnologías de IA generativa respondan adecuadamente, el prompt va ligado a los datos necesarios y eso implica que los tienes que tener. Llevamos un par de años haciendo un rearquitecturado de toda nuestra plataforma con un producto que llamamos Salesforce Data Cloud, muy enfocado no solo a los datos históricos relacionales de un CRM, sino también a los no estructurados, como PDFs que describen productos, incluso brand guidelines de marketing digital. Todo esto exige a las empresas hacer ciertas actuaciones en torno a los datos. Hemos intentado poner las cosas fáciles.
¿Cómo?
Tradicionalmente las empresas tenían que meterse en proyectos complejos que implicaban mover datos de un lado a otro para optimizar. Tenemos una arquitectura abierta con un partner ecosystem, que ayuda a acceder al dato. Si el dato está perfectamente almacenado, porque se hizo el esfuerzo de colocarlo en un Snowflake, en un Google BigQuery o un Amazon Redshift, se puede consultar sin moverlo para utilizarlo.
Todas las compañías tienen que hacer una revisión de sus datos. Lo que decimos es: no te obsesiones con tener el dato perfecto, limpio, almacenado en un único sitio, sino sé capaz de generar ese ecosistema donde accedes a los datos que vas a necesitar. Precisamente por eso es importante identificar los casos de uso. Si basta con que vaya al catálogo de productos, a la ficha de cliente y al inventario o al stock de disponibilidad, eso son tres entornos y no hace falta ocuparse de más.
Cooperar para democratizar la IA. "Acabar con las cajas negras de la innovación"
Si llevamos estos requerimientos a la realidad de nuestro tejido empresarial, ¿cuáles serían unas expectativas realistas de implantación de agentes de IA en España?
Nuestra vocación es que todas las compañías con las que trabajamos, por lo menos las principales, desplieguen uno o dos agentes de IA como mínimo durante el próximo año, sería ideal para que realmente vean el potencial, cómo crea valor muy rápido
¿Cómo puede democratizar esta tecnología el set de herramientas low code para crear, personalizar y desplegar estos agentes de IA? En última instancia, las pymes deberían de poder planteárselo.
Nuestro planteamiento histórico, antes incluso de que la inteligencia artificial estuviera tan de moda, ha sido que montar un CRM fuera tan sencillo como comprar cualquier cosa en Amazon. Siempre hemos tenido esa vocación de low code que luego se puede extender y complejizar lo que se quiera. Utilizamos un poco la teoría de un profesor del IESE que hablaba de que la innovación siempre es un problema de cajas negras en las que todo se va encapsulando y se añaden innovaciones sin conocer el interior.
El ámbito de los CRM está realmente concurrido, ¿los agentes de IA pueden desencadenar otra selección natural?
Nuestra idea es esa, acercar este tipo de tecnologías tan disruptivas y muchas veces tan complejas a usuarios no tan sofisticados. De hecho, dentro de nuestra plataforma vamos a lanzar una serie de agentes enfocados a determinados escenarios. Por ejemplo, dentro del área de ventas, uno que el cliente puede usar inmediatamente en cuanto en cuanto contrata nuestra solución, el SDR, que básicamente permite gestionar los leads o los clientes potenciales.
Gracias a nuestra plataforma, a través de la partner network, además eso se puede tirar fuera, por ejemplo, para que si se hace un pedido de un determinado producto lo dé de baja en el inventario del ERP (planificación de recursos empresariales) de SAP. Otro de los agentes que vamos a lanzar permite que los usuarios de marketing, que no saben de programación, que no saben tirar líneas de SQL (lenguaje de consulta estructurada), puedan generar un segmento con lenguaje natural: “Quiero que me saques un segmento de clientes de alto valor, de entre 50 y 60 años, que vivan en la zona sur de España”. Históricamente tenían que ir alguien de IT que sabía de SQL, hacía esas consultas y les sacaba un listado. Ahora, basta pedirlo con lenguaje natural.
