¿Puede la IA también hacer ERP?
El reciente auge de la IA, sobre todo en el ámbito del procesamiento del lenguaje, se ha visto impulsado por los avances en las técnicas de aprendizaje profundo y la disponibilidad de big data. Esto ha permitido a modelos de IA como ChatGPT comprender y producir textos en lenguaje natural con notable precisión y fluidez.
Y ese es exactamente el tipo de texto que acaba de leer. Impresionante, ¿verdad? Pero, ¿cómo pasamos de los textos e imágenes generados a los procesos empresariales operativos y a nuestro querido software ERP?
En primer lugar, echemos un vistazo rápido a la trayectoria de los enfoques inteligentes en el uso empresarial. Seguro que alguna vez has utilizado un chat de soporte. Su "inteligencia" suele caracterizarse por el hecho de que, exactamente cuando se requería inteligencia real, se entregaba a un empleado real. Estos chatbots basados en reglas, que se utilizan principalmente en el sector de servicios y asistencia, pueden procesar eficazmente transacciones comerciales rutinarias sencillas. Sin embargo, su función está limitada principalmente por el "conocimiento" que les han enseñado previamente los desarrolladores, por lo que no entran en una definición más estricta de IA en esta forma.
Además, muchas empresas ya utilizan herramientas que permiten automatizar procesos mediante machine learning, como la clasificación de documentos en la bandeja de entrada, la detección de spam en correos electrónicos o la detección de fraudes en el entorno financiero. En el siguiente paso, sin embargo, estamos hablando de una IA que no solo puede decir a un usuario el beneficio preliminar de la empresa para el cuarto trimestre, sino que también puede explicar por qué este beneficio se desvía significativamente del tercer trimestre.
Toda IA debe ser entrenada primero con conocimientos para poder ofrecer resultados significativos. Pero, ¿qué es el conocimiento en el contexto empresarial? En muchas empresas, el conocimiento sobre los procesos es predominantemente estático. Los procesos se registran detalladamente en manuales de organización. En cambio, cuando se trata de los datos de la empresa, reina el tiempo real. Cada hora se crean o modifican en el sistema miles de registros de datos y, por tanto, de información, lo que genera nuevos conocimientos potenciales.
Además de decidir qué procesos y datos fluyen hacia el conocimiento de la IA, también hay que garantizar conceptual y técnicamente que ésta sólo utilice los procesos y datos que le están permitidos en la interacción con los usuarios. La IA debe conocer el papel en el que está autorizada a actuar y atenerse a sus límites. En el ejemplo mencionado con el chatbot de asistencia, sin duda se quiere impedir que un cliente pregunte al bot (la IA) sobre pedidos o datos maestros de otros clientes o incluso que cancele su cuenta de cliente.
Además, ya hemos visto que la aplicación creativa del conocimiento puede ser un punto fuerte de la IA. Sin embargo, ¿cómo evitar un exceso de creatividad cuando, por ejemplo, la IA actúa en el papel de un contable, debe contabilizar la amortización y quiere determinar de forma independiente el periodo de amortización del activo? ¿Y cómo se pueden rastrear posteriormente las decisiones y los resultados no deterministas de la IA, es decir, el cumplimiento de las palabras clave y la auditabilidad? En este contexto, cabe hacer referencia a una interacción con ChatGPT en la que la IA se dejó convencer en el transcurso de la conversación de que 3 + 4 = 8.
En la gestión de nivel C, el tema de la IA ha aparecido en el radar a más tardar con el bombo que rodea a ChatGPT. Sin embargo, el ejemplo de blockchain ha demostrado que la mera existencia de una nueva tecnología sin aplicaciones significativas en el contexto empresarial está condenada al fracaso. En el caso de la IA, también se reducirá a proyectos faro de éxito. En cuanto demuestren un valor añadido real, es muy posible que se produzca un avance a gran escala de esta prometedora tecnología.
