Creando la estructura tecnológica para casos de uso de IA generativa de clientes

ChatGPT, y otras herramientas análogas, tienen un rol crucial en la potenciación de diversos casos de uso en áreas como marketing, ventas, operaciones de cadena de suministro, servicio al cliente, desarrollo de productos, entre otros. Estas soluciones de inteligencia artificial generativa pueden mejorar la eficiencia de los equipos de trabajo, permitiendo una gestión proactiva y resolución de problemas y abordando cuestiones que suelen generar fricción. Pero, para lograr esta visión, las organizaciones deberán superar cinco desafíos primordiales e implementar dos arquitecturas distintas: una para interacciones mejoradas por humanos y otra para interacciones completamente automatizadas.

Los 5 retos clave para que ChatGPT se optimice y sea altamente eficaz

Entonces, ¿cuáles son estos obstáculos en la adopción de la inteligencia artificial generativa y cómo pueden ser mitigados?

1. La falta de personalización de mensajes en ChatGPT: Las actuales soluciones de inteligencia artificial generativa no ofrecen personalización de mensajes, sin embargo, la personalización es esencial para impulsar ventas de productos y servicios, aumentar el gasto medio por transacción, fidelizar a los clientes y promover compras repetitivas. Los profesionales de marketing necesitan herramientas de inteligencia artificial generativa adaptadas a las necesidades empresariales para poder personalizar aspectos como nombres, imágenes, ofertas, sugerencias de productos basadas en compras recientes y mensajes sobre el abandono del carrito de compra.
2. Fallos en la generación automática de contenido de ChatGPT: Las soluciones de inteligencia artificial generativa utilizan indicadores para crear contenido basándose en su capacidad de aprendizaje anterior. Esto significa que suelen rellenar huecos con contenido generado a partir de patrones estadísticos, lo cual puede generar información inexacta o no veraz. Para sacar el máximo provecho de la inteligencia artificial generativa y expandirla a todos los segmentos de la clientela y casos de uso, las empresas deben ser capaces de identificar y eliminar este contenido erróneo antes de que se distribuya a los usuarios finales y sea verificado o distribuido a los clientes.

3. La incapacidad de Inteligencia Artificial Generativa para aplicar normas comerciales: Las normas comerciales facilitan las interacciones con los clientes. Los chatbots basados en IA han demostrado ser eficaces en la identificación de semejanzas y ofrecer respuestas aprobadas. Sin embargo, la inteligencia artificial generativa carece de esta capacidad y genera respuestas originales a cada consulta, lo que puede generar confusión en los clientes e introducir errores en las interacciones. Una arquitectura tecnológica de nivel empresarial que combine una herramienta de inteligencia artificial generativa con políticas comerciales preestablecidas de la empresa ayudaría a estandarizar estas respuestas, proporcionando consistencia en las interacciones con los clientes.
4. La inteligencia artificial generativa no puede garantizar el cumplimiento normativo: El contenido dirigido a los clientes generalmente pasa por revisiones legales para asegurar que las imágenes, el texto, las ofertas y las promesas cumplan con las políticas legislativas, regulatorias y orientadas al cliente de una empresa. Este proceso protege a las empresas de contratiempos con los clientes, multas y censuras regulatorias, y otros tipos de daños comerciales. La inteligencia artificial generativa no puede crear contenido que cumpla con las normas, ya que no comprende estos matices. Como resultado, la tecnología que aprovecha la inteligencia artificial generativa debe incorporar barreras legales para identificar y eliminar contenido que no cumpla con las normas antes de que se distribuya o utilice públicamente.
5. El uso no regulado de ChatGPT conlleva riesgos de seguridad: El uso de ChatGPT es un interesante caso de estudio sobre las consecuencias de no tener políticas de seguridad que controlen a las personas. Se ha informado de casos donde empleados introducen información confidencial en estos chatbots de acceso público, poniendo en riesgo la seguridad de los datos y la pérdida de propiedad intelectual. Los equipos de datos de empresa y de TI pueden mitigar estos problemas segregando la información: enviando contenido confidencial a chatbots de dominio, que están protegidos por controles de seguridad y sistemas, y dirigiendo preguntas generales a ChatGPT.

Explorando nuevas arquitecturas para el desarrollo de la inteligencia artificial generativa

Para habilitar operaciones B2C y B2B mejoradas por humanos, y operaciones B2C completamente automatizadas, las empresas necesitarán implementar dos arquitecturas distintas.

Ambas arquitecturas potencian el uso de herramientas de inteligencia artificial generativa de código abierto, como ChatGPT y otras soluciones que guían los procesos desde una entrada rápida; a la síntesis de datos; a la creación, limpieza y personalización de contenidos; hasta su respectiva gobernanza.

Optimización de las interacciones B2C/B2B mediante el uso de ChatGPT

Imaginemos un escenario común. Un profesional de marketing introduce un mensaje en una interfaz empresarial, utilizando un cuestionario preconfigurado para orientar el desarrollo de contenidos, por ejemplo, para una campaña de correo electrónico.

Este profesional introduce información clave, incluyendo las direcciones de correo electrónico, la audiencia objetivo, el nombre del producto, las afirmaciones de marketing y las características del producto, así como cualquier indicación de uso.

Posteriormente, la arquitectura emplea los datos del cliente para enriquecer las instrucciones con información que pueda resultar atractiva para este segmento de la clientela, siempre que estos modelos de datos estén disponibles. Posteriormente, el cuestionario mejorado se tramita a través de una API externa a ChatGPT o cualquier otra herramienta de inteligencia artificial generativa similar.

Finalmente, un curador aplica las regulaciones comerciales y las barreras legales para asegurar que el contenido cumpla con las normativas reguladoras y empresariales. Más tarde, el especialista en marketing revisa y aprueba el correo electrónico generado antes de enviarlo a la base de clientes.

Aplicación de ChatGPT para automatizar las interacciones B2C

¿Y en relación a las interacciones que pueden ser completamente automatizadas?

Cuando un usuario introduce una consulta, ésta es enriquecida con datos del cliente, como en el caso anterior. Sin embargo, la consulta actualizada se canaliza de dos formas: a un chatbot de dominio que puede personalizar las respuestas para contenido específico de la empresa, o mediante una API externa a ChatGPT para consultas generales. El chatbot de dominio es capaz de personalizar el contenido, en cambio, ChatGPT no.

Posteriormente, el contenido resultante es revisado para detectar errores y se compara con las normas comerciales y las barreras de seguridad antes de distribuirse automáticamente a los clientes.

Aprovechamiento de nuevas tecnologías para maximizar el valor comercial de ChatGPT

Se avecina una carrera por impulsar el Return On Investment (ROI) de la inteligencia artificial generativa. Los líderes empresariales están analizando los procesos de negocio en busca de costos y desaprovechamientos, hablando con los proveedores para entender su enfoque y sus soluciones, y desarrollando pruebas de concepto. Están en busca de insights y soluciones que puedan aprovechar para acelerar la generación de valor y la velocidad de escalabilidad.

En este importante proceso, estos líderes pueden evaluar a todos los proveedores por su capacidad para superar estos cinco desafíos comunes de la inteligencia artificial generativa y para habilitar interacciones tanto mejoradas por humanos como completamente automatizadas.

El uso de estas dos arquitecturas diferentes permitirá a las empresas lograr múltiples beneficios comerciales. Serán capaces de aumentar la productividad del equipo, mejorar la experiencia del cliente, disminuir los costos asociados al servicio al cliente e impulsar las ventas de nuevos productos.