Antes de invertir en IA, evalúe su preparación para la IA

Preparar los datos para la IA

La IA puede ser potente, pero solo si tiene el combustible adecuado.

Extraer esos datos de calidad del contenido empresarial no es automático, sino que hay que prepararlos. Los proveedores de gestión de contenido empresarial están en una posición única para ayudar a los clientes a transformar sus datos para este emprendimiento.

"El contenido preparado para la IA es probablemente una de las áreas más importantes en las que las organizaciones deben centrarse", afirma Tom Davis, Vicepresidente ejecutivo de inteligencia de Hyland. "Existe la idea errónea de que se puede tomar todo lo que hay en cada repositorio y base de datos y lanzarlo al motor de IA, y este va a aprender todo. Eso no es así".

En primer lugar, dijo Davis, no es económicamente viable, y en segundo lugar, los modelos de IA deben entrenarse con los datos adecuados.

“Existe un concepto de basura que entra, basura que sale”, dijo David. "Si se arroja todo adentro, no va a obtener resultados precisos".

Preparar los datos para la IA

Para aprovechar el poder de la IA, los datos de una empresa deben estar listos para la máquina. Hay un traspaso de datos que debe llevarse a cabo; el contenido que se creó para el consumo humano debe procesarse para una computadora.

"Piense en un documento lleno de texto e imágenes", explicó Tiago Cardoso, Gerente de productos de IA de Hyland. "Al recuperar contenido para un LLM, necesitamos comprender su significado y contexto y seleccionar solo los aspectos relevantes. Para ajustarlo mejor, separamos el contenido en función de las entradas del modelo sin perder el significado ni la organización".

Además, las empresas deben seleccionar el contenido adecuado para alimentar la máquina. Comenzar un nuevo modelo es un gran avance, ya que requiere los datos correctos para entrenar, probar y ajustar el sistema.

"Es una verdadera ciencia", dijo Davis. “Hay formas de sobreajustar o subajustar el modelo, y con demasiada información errónea, las respuestas comienzan a ser peores”.

Una vez que el contenido adecuado está listo para las máquinas, las organizaciones pueden empezar a implementar los servicios impactantes que ofrece la IA.

Los datos no estructurados entran en la conversación

El contenido, tanto en formatos estructurados como no estructurados, contiene los datos importantes que recopila una empresa. Sin embargo, las investigaciones sugieren que menos del 10 % de los datos no estructurados se extrapolan para usarlos en los procesos empresariales o en la toma de decisiones, a pesar de que el 80 % de las fuentes de datos no están estructuradas.

Imagínese liberar todos esos datos inaccesibles y no utilizados con la IA generativa. Dado que se prevé que los datos no estructurados crezcan, las implicancias de poder capitalizar al máximo los datos que ya posee una empresa son asombrosas.

Una vez que la IA pueda acceder y activar esas fuentes de datos, las organizaciones pueden obtener información a escala y beneficiarse de las relaciones semánticas que la IA puede establecer.

Por ejemplo, los resultados de búsqueda más inteligentes son posibles gracias a la capacidad de la IA de extraer e interpretar datos no solo de fuentes estructuradas tradicionales, sino también de documentos no estructurados más complicados. Sin depender de metadatos estrictamente definidos, una organización puede obtener una imagen más completa de las relaciones entre puntos de datos previamente inconexos, lo que permite encontrar información basada en relaciones en lugar de criterios de búsqueda específicos.

Lista de verificación de la preparación para la IA

La experiencia de Hyland en contenidos y en IA proporciona a los integrantes de nuestro equipo de Inteligencia una visión única de la preparación para la IA. Ellos han desarrollado un marco para su evaluación utilizando cinco pilares:

1. Infraestructura

La infraestructura habla de una preparación técnica. Para aprovechar la IA y hacerlo de forma segura, las organizaciones necesitan una infraestructura sólida e integral para administrar los datos en la nube, así como las herramientas adecuadas para la tarea. Las bases de datos en las que se almacena la información deben ser seguras, cumplir las reglamentaciones y ser escalables, es decir, estar preparadas para los auges o declives de las empresas.

"Con la infraestructura adecuada, alojará los componentes que procesan su contenido para que esté preparado para la IA", afirma Davis. "Cuando lo logra, crea conexiones significativas con ese contenido que se almacena de forma segura en una base de datos y lo hace fácilmente accesible para los servicios de IA".

A menudo es difícil para las organizaciones hacer esto por sí mismas y, por ese motivo, Hyland creó Hyland Insight, explicó Davis.

2. Contenido listo para la IA

Tener contenido listo para la IA es otro obstáculo técnico que hay que superar para estar preparado para la IA. El contenido debe seleccionarse para obtener resultados de IA de alta calidad.

"Desarrollar el corpus de datos apropiado tiene sus matices", dijo Davis. “Es necesario desglosar cada parte de un documento y enviarla para el entrenamiento. Esto crea incrustaciones que se utilizan posteriormente en el espacio de la IA generativa. Es un proceso que las organizaciones deben entender y para el que deben estar preparadas".

Por ejemplo, si un departamento de RR. HH. estuviera preparando su contenido para una plataforma impulsada por la IA, podría identificar ciertos registros con malas etiquetas o un etiquetado deficiente para omitirlos. Una vez que se carga el contenido de calidad, se ejecuta el algoritmo del modelo, el equipo puede entrenar el sistema clasificando la salida y la IA comienza a comprender cuáles son las intenciones del contenido. Luego, podrá empezar a mejorar por sí misma.

3. Gobernanza

La gobernanza se superpone a los estados de preparación técnica y empresarial. Las organizaciones tienen una gran responsabilidad en términos de gobernanza de la IA. Desde la supervisión del acceso a los datos y la detección de incursiones maliciosas hasta la garantía de prácticas de IA responsables en toda la organización, contar con normas estrictas permite a las organizaciones implementar la IA de forma segura.

Al incorporar la IA en los productos y las operaciones diarias, las organizaciones deben desarrollar directrices claras para que los equipos de productos y los empleados mitiguen los riesgos relacionados con la IA en diferentes aspectos del negocio.

Un comité de IA también puede ayudar a supervisar la incorporación e implementación de la IA y garantizar que las directrices reflejen los avances tecnológicos y los cambios en la legislación.

Adherirse los estándares de seguridad y cumplimiento de una organización es esencial. Dada la gran dependencia de la IA de los datos, contar con políticas sólidas y con las herramientas técnicas adecuadas proporciona una base sólida para una implementación segura de la IA.

4. Ética

“La ética es algo muy serio para nosotros”, dijo Davis. "Hay que tener una base ética: es fundamental para ofrecer una IA responsable".

Davis explicó que la ética es un punto común de preocupación entre los clientes y en las solicitudes de propuestas. La honestidad, el sesgo y la capacidad de dar explicaciones son facetas de este componente de la preparación de una empresa.

"Si un motor de IA va a tomar una decisión o dar una recomendación, los clientes deben poder entender cómo llegaron a esa conclusión y qué puntos de referencia y evaluaciones muestran que estas conclusiones son precisas", dijo Davis. “Estar preparado desde un punto de vista ético significa tener barandillas instaladas”.

Los estándares de IA de Hyland incluyen transparencia, propiedad de datos, honestidad, resultados verificables, privacidad y seguridad, y gobernanza.

Las empresas preparadas para la IA pueden obtener resultados de IA de alta calidad con datos éticos, así como controlar factores como los sesgos. Los modelos de IA también deben poder defenderse de situaciones en las que los usuarios podrían intentar utilizar consignas falsas para recibir información a la que no deberían tener acceso.

Las implicaciones son muy reales para muchas industrias, en particular los servicios financieros, los seguros y la educación superior. Hay mucho en juego, desde las prácticas históricas de denegación de préstamos hasta las reclamaciones de seguro fraudulentas y las evaluaciones de los estudiantes, y los datos que alimentan un modelo de IA deben protegerse contra los sesgos y los datos contaminados.

5. Competencias

Con la aparición de capacidades de IA en tecnologías nuevas y conocidas en todos los sectores, las organizaciones no pueden hacer realidad plenamente sus ambiciones de IA sin contar con las personas adecuadas que las lleven a la meta. La competencia por el talento con habilidades de IA es feroz y ha creado una brecha de talento que abarca desde ingenieros y científicos de datos hasta usuarios empresariales que necesitan conocimientos de IA que tengan aplicaciones prácticas. Las organizaciones están ansiosas por incorporar a personas muy capacitadas, pero los expertos en IA señalan que la mejora de las habilidades es otra opción.

"Creemos que todos los miembros de la organización deben mejorar desde la perspectiva del conocimiento sobre la IA", dijo Davis. "Veremos que las empresas se centrarán más en los presupuestos, así como en el esfuerzo y el tiempo que se necesitan para mejorar el nivel de sus empleados, de modo que puedan aprovechar la IA y utilizarla para obtener un ROI".

Instantánea: La empresa preparada para la IA

Una vez que una empresa logra estar preparada para la IA, comienza el emocionante trabajo de crear un lugar de trabajo impulsado por la IA. Nuevos procesos, incluso nuevas posibilidades, están sobre la mesa. En un primer nivel, los empleados y los clientes deberían beneficiarse de una mayor eficiencia y visibilidad, lo que incluye:

• Entrega rápida de información empresarial precisa
• Toma de decisiones acelerada y de calidad
• Capacidad de derivar trabajo inteligente que consume mucho tiempo a la IA
• Apoyo y ampliación de la fuerza laboral
• Experiencias más gratificantes para los clientes

Además, Davis señala que estas áreas se mencionan particularmente en las visiones del estado futuro.

Búsqueda inteligente integral

“Una de las cosas que más espera la gente de la IA es una búsqueda más inteligente”, afirmó Davis. “Quieren poder hacer su búsqueda con una consigna en lenguaje natural, de forma conversacional. Quieren solicitar información y obtener la respuesta correcta, incluso si los datos se encuentran en varios lugares, para obtener recomendaciones, orientación o incluso información práctica a partir de la cual trabajar".

Las plataformas impulsadas por IA organizan el contenido de una manera más humana yendo más allá de las estrechas etiquetas de datos y los filtros de los sistemas heredados. Soluciones como Hyland Insight pueden intuir relaciones más perspicaces entre los puntos de datos, sin importar dónde se aloje el contenido. Además, la IA generativa puede intervenir para mejorar la búsqueda proporcionando información y respuestas.

La búsqueda inteligente en la práctica: Imagínese que se le encarga la revisión de 1000 contratos jurídicos, para buscar lenguaje relativo al tema de la propiedad de la tierra. En lugar de buscar por palabras clave o etiquetas de metadatos (o peor aún, sacar un rotulador después de un viaje a la impresora), el empleado capacitado por la IA puede dirigir el sistema: "¿Cuáles son los términos y condiciones clave relacionados con la transferencia de la propiedad de la tierra en nuestros contratos inmobiliarios estándar?". En cuestión de segundos, se recuperan los resultados y el empleado puede revisar y tomar la información más valiosa.

"La IA ofrece la posibilidad de usar un asistente virtual inteligente que puede encontrar información excelente, hacer recomendaciones, brindar orientación y resumir contenido", afirmó Davis. "La gente quiere hacer todo esto de forma sencilla, utilizando lenguaje natural, y quiere buscar en múltiples repositorios para encontrar información en otros sistemas".

Automatización más inteligente

Gracias a las capacidades de automatización nativas de Hyland, los clientes tienen el potencial de desbloquear el resto de sus datos y crear relaciones que pueden impulsar nuevos procesos empresariales.

"La gente percibe el valor de usar la IA como agentes autónomos tras bastidores para ayudar a que los procesos avancen", dijo Davis. “La IA puede desempeñar un papel en este sentido, en el procesamiento y la automatización. Probablemente lo más importante es que creo que las personas realmente entiende que gran parte del trabajo que hacen podría automatizarse con la información correcta".

Y no se trata solo de la automatización pura de procesos. La IA puede amplificar y aumentar a las personas que trabajan en esos procesos para ayudarlos a ser más rápidos y efectivos. Los modelos de IA pueden incluso comprender cómo funciona un proceso y recomendar cambios en el flujo del proceso en función de lo que ha aprendido.

Inteligencia más allá de los metadatos

Con el contenido preparado para la IA, todo el ciclo de vida de la información se actualiza. Las relaciones generadas entre los puntos de datos y entendidas por la IA crean oportunidades para mejorar la gestión del contenido, los procesos, la búsqueda y la gobernanza. Por ejemplo, la IA enriquece su flujo de trabajo a través de lo siguiente:

• Gestión de contenido: se puede organizar, reconocer, extraer y activar un mayor volumen y un valor más profundo de la información a partir del contenido no estructurado, lo que lleva a una gestión de contenido más integral y a una mejor toma de decisiones.
• Procesos: los procesos más complejos pueden automatizarse con la capacidad de la IA de dar sentido a los datos conectados y relevantes a partir de contenidos no estructurados, además de su capacidad de utilizar una inteligencia similar a la humana para impulsar los flujos de trabajo.

La IA en diferentes roles

Aprovechar la IA de manera efectiva en una empresa requiere tiempo, educación e innovación. Muchas organizaciones aumentan el uso de la IA a medida que ganan confianza, competencia y creatividad. Davis compartió tres escenarios de ejecución de IA:

Nivel 1: la IA asiste a los humanos
Pensemos en un proceso existente en el que un empleado lo analiza todo y toma la decisión. La IA puede intervenir para brindar apoyo proporcionando respuestas a las preguntas sobre el contenido. Ahora, en lugar de que un empleado lea miles de documentos, la IA puede resumir el contenido y proporcionar al trabajador la información que necesita para tomar una decisión rápida y bien informada.

Nivel 2: la IA automatiza los procesos bajo revisión humana
En este panorama, el proceso está configurado para que el modelo de IA haga el trabajo preliminar y presente sus conclusiones a un empleado muy calificado para que las revise. Por ejemplo, un proceso podría tener cinco decisiones que pueden ser automatizadas con IA. A medida que el modelo de IA analiza esas decisiones, puede volver a revisarse, pero eventualmente lleva a cabo todo el proceso. El resultado del modelo se envía al empleado muy capacitado para su revisión. Este aumento del trabajo inteligente y la revisión calificada impulsan la eficiencia y mejora la calidad del trabajo al que los seres humanos dedican su tiempo.

Nivel 3: 100 % impulsado por la IA
Cuando los modelos alcanzan una tasa de precisión del 99 %, se considera que están en pleno funcionamiento. Por supuesto, la necesidad de gobernanza y aseguramiento de la calidad sigue ahí, pero en esta etapa, la IA es una parte totalmente automatizada del equipo.