Cinco ejecutivos comparten sus mayores lecciones y mejores prácticas para la adopción de IA
por Christy Maver y Aly McGue
Dee Fitzgerald (Directora de Datos, Danone), Prem Natarajan (Vicepresidente Ejecutivo, Científico Jefe, Capital One), Ratheesh Kamoor (Vicepresidente de Grupo, Jefe de Datos y Análisis, Warner Bros. Discovery), Razal Minhas (Vicepresidente, Plataformas de Datos, Ingeniería y ML, Ford Credit), Murali Vridhachalam (Vicepresidente, Jefe de TI de Cloud, Datos e IA, Gilead Sciences) y Arsalan Tavakoli (Cofundador y Vicepresidente Senior de Ingeniería de Campo, Databricks) comparten perspectivas ejecutivas en Liderando la Empresa Preparada para la IA.
¿Qué se necesita para convertir la ambición de la IA en resultados comerciales medibles? Nos reunimos con ejecutivos impulsados por la IA de marcas líderes para comprender cómo están pensando en el ROI y el valor tangible dentro de sus iniciativas de IA, manteniendo la gobernanza en primer plano.
Lo que surgió de la discusión fue una tensión compartida: los ejecutivos sienten la presión de implementar agentes rápidamente sin comprometer la confianza, la gobernanza o el control de costos.
Ahora he llegado a creer que la implementación es el primer paso en la escalera de IA hacia el cielo… Y todo lo que viene después, el monitoreo, la observabilidad, la evaluación del rendimiento, el aprendizaje continuo, esos son los pasos que agregan valor. — Prem Natarajan, Vicepresidente Ejecutivo, Científico Jefe de Capital One
Los líderes describieron un "momento de lo posible" donde los avances tecnológicos están desatando la creatividad y movilizando equipos en toda la empresa. Con la IA ahora como una prioridad a nivel de CEO, las organizaciones están yendo más allá de simples experimentos para aprobar casos de uso impactantes, mientras que las rápidas mejoras en la precisión del modelo están expandiendo el alcance de lo que se puede implementar casi mensualmente. A medida que los agentes orquestan flujos de trabajo complejos y de múltiples pasos, las empresas descubren que una gobernanza rigurosa es la base de la innovación.
Su discusión reveló cinco prácticas que cualquier organización puede adoptar para escalar agentes de IA de manera responsable y efectiva:
Los líderes enfatizaron que la gobernanza de datos e IA debe ser parte del ciclo de vida del agente, no un punto de control posterior.
Murali Vridhachalam, Vicepresidente, Jefe de TI de Cloud, Datos e IA en Gilead Sciences, compartió que cada agente se somete a una revisión formal de riesgos:
Incluso antes de que se desarrolle un agente, debe pasar por una evaluación de riesgos. Y dependiendo de los niveles de riesgo, se obtienen las aprobaciones adecuadas. Lo más importante para nosotros es: ¿cómo se integra el marco de riesgo junto con la experiencia del usuario?
Como parte de una estrategia integral de gobernanza empresarial, algunas organizaciones están estableciendo consejos de gobernanza. Estos consejos ayudan a establecer la dirección estratégica y las políticas para temas como la propiedad y la responsabilidad de los datos, el cumplimiento, la calidad de los datos, el riesgo y más.
Ratheesh Kamoor, Vicepresidente de Grupo, Jefe de Datos y Análisis en Warner Bros. Discovery, compartió cómo su organización utiliza un consejo especializado para evitar que los empleados peguen inadvertidamente información personal identificable (PII) sensible en herramientas de IA, lo que requiere una "luz verde" interfuncional de los líderes de nivel C, legales y técnicos para cada caso de uso. Debido a que la IA es fundamentalmente probabilística, Razal Minhas, Vicepresidente de Plataformas de Datos, Ingeniería y ML en Ford Credit, enfatizó que la gobernanza no puede ser una "aprobación única", sino que debe implicar una reevaluación continua para garantizar que el perfil de riesgo de un modelo no haya cambiado debido a factores ambientales externos.
En última instancia, esta supervisión centralizada evita lo que Arsalan Tavakoli-Shiraji, Cofundador y Vicepresidente Senior de Ingeniería de Campo de Databricks, llama una "proliferación" de métricas conflictivas, anclando sus agentes en "definiciones certificadas" y datos estandarizados en lugar de permitirles operar con "seis versiones diferentes" de la verdad.
Un tema recurrente entre los líderes fue el cambio estratégico hacia la orquestación de tareas complejas a través de agentes especializados. En lugar de simplemente deconstruir el trabajo en partes simples, las organizaciones ahora se centran en impulsar resultados de alto nivel a través de un marco de múltiples agentes que administra de forma autónoma flujos de trabajo sofisticados y de múltiples pasos en toda la empresa.
Con los agentes de IA, estamos pasando de un enfoque de tarea única a uno más orquestado y basado en resultados. Por ejemplo, la incorporación de empleados: hay múltiples tareas… emitir una computadora portátil o registrar al empleado en Workday. Ahora se trata de la incorporación de un empleado basada en resultados que intenta ejecutar tareas de forma autónoma e independiente en diferentes sistemas. — Murali Vridhachalam
Natarajan señaló que los beneficios reales provienen cuando se pueden automatizar estas tareas: “Si puede traer un modelo de IA que realmente sea capaz de encargarse de una tarea especializada en particular por sí solo… las posibilidades son infinitas cuando miras a tu alrededor y dices, ¿cuántas tareas complejas puedo desglosar en tareas más pequeñas y realizables, en las que puedo tomar un modelo de IA especializado… y en realidad automatizar flujos de trabajo complejos?”
A medida que los equipos amplían su curiosidad y uso de herramientas de IA, existe una creciente necesidad de entornos controlados y áreas de pruebas cuidadosas. Estos entornos serán espacios sancionados para que los equipos auditen el rendimiento de los agentes frente a los sistemas heredados sin arriesgar las operaciones en vivo.
Razal Minhas de Ford Credit describió cómo su organización ejecuta "capacidades en la sombra donde algo se está ejecutando en producción. Pero… se está ejecutando silenciosamente en segundo plano como un desafío".
Este enfoque permite a las organizaciones validar la precisión antes de que un agente toque un flujo de trabajo del cliente. Al reservar espacio para la experimentación, los líderes pueden alentar a su fuerza laboral a probar hipótesis audaces y descubrir nuevo valor, manteniendo al mismo tiempo el "radio de explosión" de la experimentación firmemente contenido.
Todos los ejecutivos coincidieron en que la adopción se acelera cuando las primeras victorias son concretas y repetibles.
Un ejemplo concreto de este enfoque proviene de Capital One, donde el equipo priorizó "Chat Concierge", una herramienta orientada al cliente para concesionarios de automóviles. Esta aplicación representa una "forma de bajo riesgo pero útil" para validar software de agentes en el mundo real.
Este enfoque medido permite a organizaciones como Capital One establecer victorias tempranas y generar la confianza institucional necesaria para aplicaciones más complejas. Como lo expresó Natarajan, ver estas herramientas en acción "ha desatado la creatividad en un lugar donde todos son ahora empiristas".
La implementación responsable requiere preparar a los empleados para colaborar eficazmente con los agentes. Dee Fitzgerald, Directora de Datos de Danone, compartió información sobre cómo más de 90,000 empleados, muchos de los cuales trabajan en la fábrica o en la primera línea, están transformando su trabajo con IA: "Pasamos mucho tiempo capacitando y mejorando las habilidades sobre cómo dar instrucciones (prompting)".
Las interfaces de lenguaje natural dentro de la plataforma son clave para permitir que los usuarios no técnicos trabajen con datos e IA de forma segura, sin necesidad de experiencia en SQL o Python.
Un mensaje unificador en la mesa redonda: la IA de agentes solo funciona cuando los datos, la gobernanza, la orquestación y la computación residen dentro de una arquitectura única y segura. Los líderes señalaron repetidamente la necesidad de productos de datos certificados, barreras de seguridad consistentes y una plataforma que pueda implementar y monitorear agentes en diversos flujos de trabajo.
Vea la discusión completa para saber cómo los líderes están operativizando agentes en flujos de trabajo de RR. HH., finanzas, cadena de suministro y creativos, y qué pasos puede tomar su organización en los próximos 90 días para implementar agentes de manera responsable y acelerar el impacto comercial.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.