La base faltante de la IA empresarial: por qué la gestión de contenidos puede ser más importante que el próximo avance de la IA
TL; DR
Rob Hanna, de Precision Content, dice que la IA empresarial tiene un rendimiento deficiente porque las organizaciones tratan el lenguaje como datos estructurados. El verdadero obstáculo es la documentación no controlada y los equipos técnicos de publicación ya tienen las habilidades para solucionarlo.
Rob Hanna observa que muchas iniciativas empresariales de IA están perdiendo impulso porque las organizaciones continúan tratando el lenguaje como datos estructurados, ignorando los sistemas que hacen que el conocimiento sea confiable. El cofundador y director ejecutivo de Precision Content, una consultora de comunicaciones técnicas, dice: “Los equipos de publicación técnica de larga data ya poseen muchas de las capacidades necesarias para establecer una cadena de suministro de contenido escalable que respalde la IA, aunque esos equipos no siempre están incluidos en las discusiones estratégicas sobre IA."
Las conversaciones sobre la IA empresarial a menudo se centran en modelos cada vez más sofisticados, la expansión de la infraestructura y las nuevas capacidades de la plataforma. Hanna observa que emerge un patrón diferente dentro de la organización. "He visto copilotos de IA producir respuestas inconsistentes, programas de búsqueda empresarial luchan por cumplir con las expectativas y asistentes de servicio al cliente brindan experiencias que hacen que los usuarios quieran confiar más en la información que reciben." compartió. Desde su perspectiva, estos hallazgos invitan a una discusión más amplia sobre la calidad del conocimiento que respalda la IA, en lugar de centrarse exclusivamente en la tecnología en sí.
Esa perspectiva se puede ver junto con los ciclos tecnológicos anteriores. Durante el crecimiento del chatbot de Hanna entre 2016 y 2018, las expectativas se expandieron rápidamente. En 2018, se estimó que el 25% de las operaciones de servicio al cliente integrarán asistentes virtuales al cliente para 2020, lo que refleja una confianza generalizada en la tecnología conversacional.
Espacio de coworking TNW City: donde ocurre su mejor trabajo
Un espacio de trabajo diseñado para el crecimiento, la colaboración y un sinfín de oportunidades de networking en el corazón de la tecnología.
"La tecnología en sí se ha mostrado muy prometedora, pero muchas organizaciones han descubierto que la documentación existente no puede respaldar de manera consistente interacciones significativas con los clientes.dijo Hannah. Él cree que el panorama actual de la IA empresarial se hace eco de muchas de esas lecciones anteriores porque el entorno de conocimiento subyacente a menudo ha cambiado mucho más lentamente que la tecnología diseñada para utilizarlo.
Varios estudios refuerzan este patrón general. Un artículo de investigación de 2019 señala que, si bien se han creado cientos de miles de chatbots centrados en tareas, su implementación exitosa fuera de escenarios relativamente simples ha resultado ser considerablemente más desafiante de lo que muchos esperaban. Un estudio de 2021 que examinó 103 chatbots del mundo real identificó de manera similar conocimientos obsoletos, incompletos y mal mantenidos como contribuyentes recurrentes a las dificultades de implementación.
Según Hanna, estos hallazgos sugieren que las tecnologías conversacionales a menudo dependen de material fuente confiable, como avances de software. Él cree que esta historia resalta una distinción importante entre la mera documentación y la posesión de conocimiento utilizable.
Hannah señaló que muchas organizaciones mantienen extensas colecciones de manuales, políticas, bases de conocimientos, materiales de capacitación y recursos de apoyo. Sin embargo, estos recursos pueden existir en sistemas desconectados, seguir estándares inconsistentes o contener versiones superpuestas de la misma información. Por lo tanto, los sistemas de IA extraídos de este entorno pueden heredar incertidumbres que ya existen dentro del ecosistema de contenido de la organización. "Las alucinaciones rara vez comienzan dentro del modelo,"Hana explica."A menudo comienzan hace mucho tiempo, cuando nadie ha establecido qué información representa una fuente confiable de verdad."
Un ejemplo de la era anterior de los chatbots ilustra este principio. Hanna señala una marca de alimentos cuyo asistente virtual de temporada ha tenido éxito durante décadas al centrarse en un tema estrechamente definido respaldado por una experiencia cuidadosamente seleccionada. En lugar de intentar responder todas las preguntas imaginables, la experiencia se centra en una orientación auténtica para una necesidad específica del cliente. Hana reflexiona: “Es notablemente irónico que el chatbot de Butterball todavía se considere el estándar de oro para una IA conversacional exitosa, cuando tantas grandes empresas han invertido y fracasado. Demuestra cómo el éxito comienza con un conocimiento cuidadosamente gestionado que refleja una experiencia real dentro de un dominio claramente definido."
Esto lleva a Hanna a otra preocupación que, según él, merece mayor atención ejecutiva. Las iniciativas de IA a menudo se originan dentro de organizaciones de TI o equipos de ciencia de datos cuya experiencia enfatiza conjuntos de datos estructurados, análisis y modelos computacionales. Si bien esas capacidades siguen siendo esenciales, sugiere que a veces alientan a las organizaciones a considerar el conocimiento escrito como otro ejercicio de gestión de datos. Hannah marca la diferencia entre los dos.
"Los datos generalmente se organizan en campos estructurados para su cálculo, mientras que el contenido consiste en lenguaje, documentación, procedimientos, políticas e instrucciones diseñadas para comunicar significado."Él explica. Debido a que los grandes modelos de lenguaje aprenden patrones del lenguaje escrito, enfatiza que funcionan mejor cuando las organizaciones crean contenido de una manera que refleja cómo se crea, administra y mantiene el lenguaje.
Precision Content ha construido su trabajo en torno a la filosofía de ayudar a las organizaciones a convertir documentación fragmentada en contenido estructurado y reutilizable que funcione tanto para humanos como para sistemas de inteligencia artificial. A través de la creación estructurada, metadatos, elementos de contenido reutilizables, marcos de gobernanza y estrategias de gestión de contenido de componentes, la compañía tiene como objetivo ayudar a las empresas a establecer una cadena de suministro de contenido confiable capaz de respaldar iniciativas de IA en evolución.
Hanna ve esto como una oportunidad para elevar las operaciones de contenido de una función de publicación a un componente crítico de la infraestructura de conocimiento empresarial. "El contenido merece la misma disciplina que las organizaciones ya aplican al desarrollo de software y la gestión de datos."Él dice."El conocimiento debe mantenerse como infraestructura, para que la IA pueda obtener una base más sólida."
Para Hanna, esta conversación también apunta a un recurso que muchas organizaciones ya tienen. Los equipos de publicación técnica gestionan habitualmente el control de versiones, la creación estructural, la taxonomía, los metadatos, los componentes reutilizables, los flujos de trabajo de revisión y la gestión del ciclo de vida del contenido. Estas capacidades, señala, se alinean con la creciente necesidad de la IA empresarial de una recuperación de datos confiable. En lugar de buscar exclusivamente tecnología adicional, Hanna enfatiza que las organizaciones pueden comenzar reconociendo las habilidades que ya están disponibles dentro de sus propios equipos de documentación.
Finalmente, Hanna alienta a los equipos de liderazgo a ampliar las preguntas que guían sus estrategias a medida que la IA empresarial continúa madurando. Él dijo: “Deberíamos preguntarnos: ¿Qué contenido es auténtico? ¿Quién posee el conocimiento empresarial? ¿Dónde reside la verdad organizacional? ¿Pueden la documentación ser interpretada de forma coherente tanto por humanos como por IA? ¿Y las publicaciones técnicas participan en la conversación sobre estrategias de IA desde el principio?"En opinión de Hanna, las respuestas bien pensadas a estas preguntas pueden contribuir tanto al éxito a largo plazo de la IA como al progreso continuo de los propios modelos.
