La inteligencia artificial está entrando en una nueva fase operativa, y es posible que muchas empresas estén avanzando más rápido de lo que sus bases pueden soportar.
En los últimos dos años, las organizaciones se han centrado en gran medida en los modelos de IA generativa, los copilotos y el aumento de la productividad. Pero la próxima ola de IA empresarial es fundamentalmente diferente. Los sistemas de IA «agente» están empezando a automatizar flujos de trabajo, coordinar decisiones, desencadenar acciones posteriores e interactuar entre los distintos sistemas de la empresa con una autonomía cada vez mayor.
Esto cambia lo que los líderes empresariales necesitan de sus infraestructuras de datos.
La cuestión ya no es simplemente si la IA puede generar conocimientos. La pregunta más importante es si la IA comprende realmente el contexto empresarial que subyace a los datos que consume.
Sin ese contexto, las organizaciones corren el riesgo de que la falta de coherencia y la complejidad operativa se extiendan por todos los sistemas de la empresa y las experiencias de los clientes.
Una pregunta que plantean cada vez más los líderes empresariales es:
«¿Por qué ChatGPT no recomienda nuestros productos cuando los clientes realizan búsquedas dentro de nuestra categoría?»
La respuesta suele reducirse a la calidad, la coherencia y la fiabilidad de los datos de la empresa en los que se basan los sistemas de IA.
A medida que los agentes de IA comienzan a realizar recomendaciones y a tomar decisiones en nombre de los usuarios y las organizaciones, el contexto empresarial fiable cobra cada vez más importancia.
Recientemente tuve la oportunidad de reunirme con Roy Hasson, director sénior de producto de Microsoft Fabric, para analizar por qué un contexto empresarial fiable se está convirtiendo en un elemento fundamental para la preparación de la IA empresarial y la escalabilidad a largo plazo, en el marco de un podcast sobre la IA agentiva.
En esta conversación, descubrirás:
-
Los nuevos retos a los que se enfrentan los directores de sistemas de información (CIO) al cambiar su enfoque de la IA generativa a la IA agentiva
-
Qué significa realmente el «contexto empresarial» para los sistemas de IA
-
Por qué la gestión de datos maestros se está convirtiendo en un factor crítico para la preparación ante la IA
-
Cómo los agentes de IA se basan en relaciones de confianza entre entidades de datos
-
Qué deben tener en cuenta los líderes empresariales antes de ampliar el uso de los agentes de IA
El reto de la IA empresarial ya no tiene que ver con el volumen de datos
La mayoría de las grandes empresas ya disponen de más datos de los que pueden gestionar de forma eficaz. Por eso, recurren a la IA.
El verdadero reto es que la información relevante para el negocio está fragmentada entre distintos sistemas, equipos y flujos de trabajo.
Los registros de clientes difieren entre unas aplicaciones y otras. Las definiciones de los productos varían según la región o la unidad de negocio. Las relaciones con los proveedores, las normas operativas y los requisitos de cumplimiento suelen encontrarse en sistemas inconexos con modelos de gobernanza incoherentes.
Las personas suelen poder compensar estas inconsistencias gracias a su experiencia y a los conocimientos institucionales.
Los agentes de IA no pueden hacerlo. ¡No sin contexto!
Necesitan comprender cómo se relacionan los productos con los proveedores, cómo se relacionan los clientes con las regiones, cómo se relacionan las políticas con los requisitos de cumplimiento y cómo se aplican las normas operativas en toda la empresa.
Sin una base empresarial fiable y un modelo de datos semántico, la IA no elimina la complejidad. La amplifica.
Por eso, las organizaciones líderes están dejando de preguntarse:
-
«¿Qué nivel de avance tienen nuestros modelos de IA?», a preguntarse:
-
«¿Entiende nuestra IA el negocio lo suficientemente bien como para actuar de forma segura e inteligente?»
Esta distinción cobra cada vez más importancia a medida que las empresas pasan de la fase experimental a la implantación operativa de la IA.
Por qué es importante un contexto empresarial fiable para los agentes de IA
Los sistemas tradicionales de IA generativa se centraban principalmente en potenciar la productividad humana. La IA agentiva introduce un nivel diferente de responsabilidad, ya que los sistemas de IA están empezando a actuar en nombre de la organización.
Es posible que los agentes de IA pronto:
-
Automatizar las aprobaciones de los flujos de trabajo
-
Recomendar decisiones operativas
-
Coordinar entre sistemas
-
Poner en marcha procesos empresariales posteriores
-
Coordinar tareas entre aplicaciones y equipos
Pero los sistemas autónomos solo son eficaces cuando operan en un contexto empresarial fiable y regulado.
Si los datos de los clientes son incoherentes, las recomendaciones de la IA también lo serán.
Si las definiciones de los productos difieren entre los distintos sistemas, la automatización impulsada por la IA deja de ser fiable.
Si la gobernanza está fragmentada, las organizaciones pueden tener dificultades para explicar o confiar en las acciones y decisiones generadas por la IA.
Es aquí donde la gestión de datos maestros con un modelo de datos semántico cobra una importancia estratégica mucho mayor.
Históricamente, muchas organizaciones consideraban la gestión de datos maestros como una simple tarea de mantenimiento informático de back-office. Hoy en día, se está convirtiendo en una capacidad fundamental para la IA empresarial.
Una base de datos maestros fiable crea una representación coherente de los clientes, los productos, los proveedores, las ubicaciones y las relaciones en toda la organización. Esa base ayuda a establecer lo que muchos líderes describen ahora como un gemelo digital de la empresa.
Para los sistemas de IA, ese gemelo digital proporciona el contexto empresarial necesario para razonar de forma coherente en todos los entornos de la empresa.
Los agentes de IA dependen de un contexto empresarial compartido
A medida que las empresas adoptan agentes de IA en sus flujos de trabajo y aplicaciones, el contexto empresarial fiable cobra cada vez más importancia.
En el podcast, Hasson destacó que el reto ya no se limita simplemente a los modelos o las herramientas. Tecnologías como Copilot, Copilot Studio y Fabric Data Agents están haciendo que la IA empresarial sea más accesible. El siguiente reto es garantizar que los sistemas de IA dispongan del contexto empresarial adecuado para tomar decisiones inteligentes.
Los agentes de IA rara vez funcionan de forma aislada. Un sistema puede recuperar información de los clientes, otro puede recomendar acciones y otro puede dar soporte a los procesos operativos posteriores. Si esos sistemas se basan en definiciones de productos incoherentes, registros de clientes fragmentados o datos empresariales inconexos, los resultados de la IA pierden fiabilidad.
Por eso, el éxito de la IA empresarial depende de algo más que de la mera selección de modelos.
Las organizaciones que se preparan para la IA agentiva deben dar prioridad a:
-
Definiciones empresariales fiables
-
Datos empresariales interconectados
-
Información coherente sobre clientes y productos
-
Un contexto compartido entre sistemas y flujos de trabajo
-
Visibilidad de las entidades y relaciones empresariales fundamentales
Tal y como se puso de manifiesto en el debate, el futuro de la IA empresarial depende menos del volumen de datos brutos y más de si los sistemas de IA son capaces de comprender cómo funciona realmente el negocio.
Tres conclusiones clave para los directivos
-
La IA agentiva cambia el papel de los datos empresariales: a diferencia de la IA generativa, los agentes de IA actúan y toman decisiones. Esto hace que los datos empresariales fiables cobren cada vez más importancia.
-
Un contexto empresarial fiable ayuda a la IA a tomar decisiones más inteligentes: tal y como han señalado Microsoft y Stibo Systems, los sistemas de IA necesitan algo más que modelos. Necesitan datos empresariales precisos y contextuales para funcionar de forma eficaz.
-
La gestión de datos maestros ayuda a sentar las bases para una IA escalable: unos datos coherentes sobre clientes, productos, proveedores y operaciones ayudan a los sistemas de IA a razonar de forma más fiable en todos los flujos de trabajo y experiencias de la empresa.
La próxima fase de la transformación de la IA empresarial no vendrá definida únicamente por modelos más grandes o una automatización más rápida.
Vendrá determinada por la capacidad de las empresas para crear los cimientos empresariales fiables que la IA necesita para funcionar de forma responsable, coherente e inteligente a gran escala.
Por eso, el debate en torno a la IA está pasando de centrarse en la cantidad de datos a centrarse en la comprensión del negocio.
Porque, en última instancia, la IA solo puede actuar con la misma inteligencia que los cimientos sobre los que se asienta.
Más información
Descubre las opiniones de Microsoft y Stibo Systems sobre por qué los datos empresariales contextuales y fiables son cada vez más importantes para la IA autónoma y las experiencias de IA preparadas para el ámbito empresarial.
