El apoyo a la decisión es el punto en el que la IA no solo genera texto, sino que influye en una elección que alguien va a tomar. Una estimación del riesgo de crédito, una priorización de leads, un consejo sobre la dotación de personal, una señal de que un contrato se desvía de la norma. Debajo de la ventana de chat ya no hay una conversación, sino un cálculo basado en algo, y esa base es precisamente lo que importa.
Una ventana de chat que responde preguntas trabaja con lo que está en la propia conversación. El apoyo a la decisión trabaja con lo que hay en la organización: datos de sistemas, historial de decisiones anteriores, reglas que a veces están registradas explícitamente y a veces solo existen en la mente de empleados experimentados. El modelo debe poder acceder a esas fuentes, combinarlas y ponderarlas. Eso requiere una infraestructura distinta a la de una herramienta aislada para texto. También requiere que alguien en la organización pueda explicar por qué se llegó a un resultado, no solo cuál es ese resultado.
El apoyo a la decisión se apoya en tres cosas que a menudo aún no están completamente presentes. En primer lugar, un entorno de datos en el que los datos necesarios estén disponibles de forma confiable y actualizada, y no dispersos en hojas de cálculo que varían por departamento. En segundo lugar, una organización que sepa quién sigue siendo responsable de qué: un consejo de un modelo no sustituye a quien decide, pero alguien debe poder responder a la pregunta de quién descarta el consejo y por qué. En tercer lugar, una infraestructura de TI que pueda garantizar que los datos sensibles no viajen más allá de lo previsto.
Estos tres puntos no son condiciones marginales que se resuelven después. Determinan si el apoyo a la decisión genera algo o se convierte solo en una nueva fuente de incertidumbre. Una organización que no tiene sus datos en orden no obtiene mejores decisiones de un modelo: obtiene más rápido las decisiones equivocadas.
El apoyo a la decisión suele construirse sobre trabajo que ya ocurre en otro lugar. La monitorización y señalización muestra cuándo algo se desvía de un patrón; el apoyo a la decisión va un paso más allá y valora qué significa esa desviación para una elección que debe tomarse. También la lectura y el resumen de documentos puede aportar información para una decisión, pero por sí sola no ofrece un consejo: ofrece una visión general. El apoyo a la decisión añade a eso una capa de ponderación, y esa capa exige más a la organización que solo el acceso al texto.
El apoyo a la decisión rara vez afecta a un solo departamento. Un consejo sobre niveles de existencias afecta a compras y logística; un consejo sobre la asignación de personal afecta a RR. HH. y al responsable de línea. Esto significa que la coordinación entre departamentos debe crecer junto con la ambición: quien recibe un consejo debe saber a quién llega este si se ignora o, precisamente, se sigue. Sin esa coordinación surge una situación en la que el modelo sí ofrece un resultado, pero nadie sabe quién debe continuar con él.
El apoyo a la decisión no es un oráculo ni una sustitución de la responsabilidad. El modelo ofrece una estimación basada en patrones de los datos disponibles; no conoce el contexto que a veces sí conoce un empleado experimentado, y puede presentar datos incorrectos u obsoletos con la misma convicción que datos correctos. Quien utiliza el apoyo a la decisión sin una forma de vigilar la calidad de los datos subyacentes construye sobre arenas movedizas que parecen firmes.
Tampoco es un punto final. El apoyo a la decisión que existe de forma aislada ofrece un consejo que alguien debe trasladar manualmente a otro sistema. En el momento en que ese traslado también se automatiza, surge una cadena de pasos que se suceden entre sí, y eso exige a su vez otras salvaguardas: en torno a la gestión de errores, en torno a quién interviene si un paso falla. Lo que esto exige a una organización se describe en cadenas en las que los pasos se suceden unos a otros. También la cuestión de si la IA no solo da el consejo sino que también lo ejecuta forma parte de ese conjunto; ese es el dominio de los agentes que ejecutan trabajo, con su propio conjunto de requisitos de control y supervisión.
Que una organización esté lista para el apoyo a la decisión depende de en qué punto se encuentran ya las dimensiones fundamentales: si la infraestructura de datos es suficientemente madura, si la gobernanza en torno a la toma de decisiones es clara, si está claro quién responde por qué. Esas son precisamente las preguntas que la medición de madurez de hybridresourcing pone de manifiesto, en varios niveles y con varios evaluadores a la vez, de modo que se hace visible dónde la organización lo ve tal como es y dónde las percepciones difieren.
La pregunta de si una organización puede soportar la IA es distinta de la pregunta de qué parte del trabajo puede asumir la IA. Quien quiera saber qué parte de una tarea concreta —elaborar un consejo, calcular escenarios, preparar una decisión— es apta para ser asumida, la encuentra en el escáner de trabajo de FTE TO AI. Este calcula, por tarea, qué parte del trabajo puede asumir la IA, independientemente de si la organización ya está lista para ello. Ambas preguntas están relacionadas, pero no son la misma pregunta.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.