En 2024, la Inteligencia Artificial (IA) confirma su estatus de revolución tecnológica y de palanca estratégica esencial. Descubre a través de las experiencias de nuestros consultores cómo integrar eficazmente la IA en tu producto para resolver problemas concretos y aumentar su valor añadido.
La Inteligencia Artificial (IA) es la historia de un gran temor a perder un tre desde el lanzamiento de ChatGPT. Todos la quieren, pero no necesariamente saben para qué... ¿Y si el secreto no fuera hacer IA por hacer IA, sino ponerla al servicio de tu estrategia, tus objetivos y tus usuarios?
🧐 Partir del problema a resolver
La IA no difiere de otras mejoras que puedes implementar en tu producto: antes de preguntarte cómo integrarla, pregúntate por qué. No se trata de adoptar la IA por adoptarla, sino de partir de los problemas que enfrentan tus usuarios o tu organización, y considerarla como una solución más.
De hecho, es así como muchas empresas han integrado funciones de Inteligencia Artificial, mucho antes del auge de las IA generativas. Durante años, Facebook, por ejemplo, asignó a ejércitos de operadores humanos la tarea, bastante repetitiva, de identificar contenido que violaba sus términos de uso. Ante el tiempo consumido y el costo de tal tarea, el gigante californiano optó por delegar gran parte de ella a algoritmos.
Si quieres que la IA realmente aporte valor a tu producto, el punto de partida de tu enfoque debe ser una reflexión centrada en el problema. Pero una vez identificado el problema, ¿cómo saber si la IA puede proporcionar una respuesta satisfactoria?
Encuentra tu Problem-Solution Fit
Para considerar la IA como una solución potencial, es necesario conocer los principales tipos y, sobre todo, los principales casos de uso. También es crucial tener una buena comprensión de lo que la IA puede hacer (o no) por tu producto. Jennifer Palhares, consultora de Thiga en Tiime, plataforma de facturación y contabilidad en línea, da un ejemplo: “Hoy en día, en Tiime, el equipo de Machine Learning automatiza tareas de pre-contabilidad como la etiquetación de transacciones bancarias y documentos, así como de cotejarlos. El objetivo es reducir el número de acciones y, por lo tanto, el tiempo que un humano debe invertir en un archivo para que su contabilidad sea generada. Esto representa un verdadero valor agregado en tiempo y energía para todos los usuarios.” Este caso de uso demuestra que la IA puede utilizarse normalmente para realizar tareas sencillas pero repetitivas.
Si la IA puede resolver un problema dado, aún necesitas saber cómo priorizar las potenciales soluciones (con o sin Inteligencia Artificial). Mi consejo: no te precipites y considera primero una solución sin IA. Por ejemplo, si deseas implementar un motor de recomendaciones personalizadas para una plataforma de vídeo o un sitio de comercio electrónico, comienza por desplegar esta funcionalidad sin IA. Esto te permitirá validar tu Problem-Solution Fit y verificar que tu nueva funcionalidad realmente genera el valor esperado. Antes de embarcarte en costosos trabajos de automatización, pregúntate siempre sobre el costo de oportunidad: si puedes realizar cierta tarea sin IA, ¿qué valor adicional aportaría la IA que justificaría la inversión requerida?
Comienza con un proyecto de pequeña escala, con baja complejidad técnica y un alto valor añadido.
Atención: como recuerda Haoitif Dellaoui, consultora para Thiga en La Centrale, “cuando hablamos del valor entregado por una IA, no se trata solo del rendimiento técnico del modelo (su precisión, por ejemplo), sino de su impacto en los usuarios y el negocio”.
Calibra la Inteligencia Artificial
Integrar la IA en tu producto no es un proceso binario: se puede añadir más o menos automatización en una tarea o funcionalidad dada. Por lo tanto, es importante situar las diferentes soluciones posibles en una escala de automatización. La Inteligencia Artificial te permite alcanzar diferentes niveles de automatización de tareas, tanto internas (realizadas por colaboradores) como externas (realizadas por tus usuarios o clientes).
Si estás comenzando con la IA, no pierdas de vista los principios de la agilidad y comienza por un proyecto pequeño, con baja complejidad técnica y un alto valor añadido. Esto te permitirá obtener resultados rápidamente. Además de satisfacer a tus usuarios, evangelizarás sobre los beneficios de la IA dentro de tu propia organización. Por el contrario, un primer proyecto demasiado grande podría estancarse... Y desacreditar la IA entre tus equipos!
En La Centrale, Haoitif Dellaoui adoptó este método progresivo para diseñar una nueva solución de IA que permite moderar los mensajes: “El enfoque iterativo evita lanzarse a desarrollos largos, tediosos y sin garantía de resultados. También permite probar y analizar diferentes resultados y experiencias de retroalimentación del modelo durante un período definido. Gracias a ello, pudimos responder a los objetivos de negocio establecidos desde el inicio del proyecto”.
Finalmente, una buena priorización implica estimar el nivel de esfuerzo requerido por tu iniciativa. Para evaluar la factibilidad técnica y la complejidad, necesitarás contar con personas competentes en la materia. Esto nos lleva a considerar las condiciones necesarias para la buena planificación de un proyecto de IA.
🤖 Tomar en cuenta las especificidades de la IA
Rodéate de los perfiles adecuados
Si decides lanzarte a la gran aventura de la Inteligencia Artificial, piensa primero en competencias y rodéate de roles clave, ya sean internos o externos a tu organización.
- Los Data Engineers para organizar y construir tus bases de datos, sin olvidar desarrollar los data pipelines adecuados para alimentarlos.
- Los Data Scientists para desarrollar tus modelos.
- Los Machine Learning Engineers para desplegarlos en producción.
- Los Data Analysts, especialmente asignados al análisis de datos si es necesario.
- Al menos un Data / IA Product Manager, este tipo de PM que está en auge. Él orquesta el trabajo del equipo, lo coordina con otras partes interesadas y asegura que sirva a los objetivos estratégicos de su producto y empresa.
A tener en cuenta que, gracias a los avances en la IA generativa, ahora es mucho más fácil lanzar funcionalidades de Inteligencia Artificial sin necesidad de perfiles tan especializados. Un equipo de desarrollo tradicional puede perfectamente desarrollar ciertas aplicaciones basadas en un LLM de terceros: construir un chatbot alimentado por ChatGPT, usar aplicaciones como Dust o Memory para extraer información de documentos o páginas web…
Prepara tus datos
La segunda condición para integrar la IA en tu producto son los datos. Todo proyecto en este ámbito requiere que te prepares para recoger, almacenar y explotar correctamente los datos. Si no tienes suficientes, se te ofrecen dos posibilidades.
- Pon en marcha la recolección de estos datos con la ayuda de tus equipos de datos. Esto le permitirá beneficiarse a largo plazo de datos propios, cuya calidad podrás controlar. Sin embargo, necesitarás más tiempo para establecer la recogida y luego acumular una cantidad suficiente de datos.
- Compra datos de terceros (a veces de manera complementaria). Benjamin Danel, consultor de Thiga para un gran grupo de cosméticos, testimonia: “Antes de lanzar su herramienta de análisis de piel, la empresa compró un banco de datos con pieles de diferentes tonos, presentando diferentes problemas cutáneos, para asegurar la relevancia de este diagnóstico y evitar un mal buzz no inclusivo.”
Sensibiliza a tus distintas partes interesadas
La última condición: la sensibilización de tus partes interesadas. Deben estar informadas sobre el funcionamiento general de la IA, pero también sobre algunas de sus especificidades:
- El tiempo de un proyecto de IA es potencialmente más largo que para un proyecto clásico, especialmente al principio de tu curva de aprendizaje.
- La incertidumbre inherente a todo modelo de Inteligencia Artificial y la dificultad de garantizar de antemano los resultados.
- Los riesgos a gestionar, especialmente en términos de confidencialidad de los datos. Para minimizar estos riesgos, la comunicación será clave con tus equipos de ciencia de datos, para definir la necesidad y delimitar claramente el proyecto – ¡no te excedas!
📱 Incorporar diseño a tus funcionalidades de IA
Regresemos ahora a nuestro ciclo de desarrollo de producto IA: hemos identificado un problema, priorizado una solución… Pero ahora, ¿cómo diseñarla?
Éva Zuliani, Product Designer en Thiga, nos recuerda la importancia de incluir a los Diseñadores con suficiente antelación en el desarrollo de proyectos de IA: “Diseñar una funcionalidad de IA sin Diseñadores de Producto, es correr el riesgo de diseñar funcionalidades que no serán bien recibidas por los usuarios", subraya. "Sin embargo, los Designers pueden contribuir al menos en dos momentos importantes: la identificación de casos de uso donde la IA sería pertinente, y la concepción de las funcionalidades como tales. Corresponde a los PMs dominar el arte sutil de entregar a los Designers el nivel justo de información técnica!”
¿Un caso típico de pensamiento de diseño aplicado a una funcionalidad de IA? La cuestión de la transparencia. ¿Cómo hacer saber a tus usuarios que están utilizando una funcionalidad basada en Inteligencia Artificial, al tiempo que integras esta funcionalidad de manera fluida en tu UX? A continuación, el ejemplo de Notion, donde el uso de la IA está integrado en el módulo de búsqueda pero sigue siendo identificable por su ubicación y su identidad visual específica (en particular, el color morado, aplicado con frecuencia a la IA).
Destacando la búsqueda asistida por IA en Notion.
No olvides que en materia de IA, la implementación no es un fin. Es solo el comienzo de un proceso de medición y mejora continua: sería una lástima no capitalizar lo que hace precisamente fuerte al machine learning, es decir, la capacidad de un modelo para aprender y mejorar en base a los datos que se le proporcionan! De ahí la importancia de establecer procedimientos de recolección de datos (pasivos) y de toma en cuenta del feedback (activo).
En conclusión, recuerda que es crítico no perder el tren de la Inteligencia Artificial, pero es igual de importante ponerla al servicio de tu estrategia, tus objetivos y tus usuarios. La IA no es un fin en sí mismo, simplemente un medio para ser más eficaz.
Es a este precio que integrarás la IA en tu producto de manera ambiciosa pero realista, innovadora pero controlada. ¡Todo depende de ti!
Para más información: descarga nuestro libro Las Claves del Product Management
