En algún momento, un cliente se repite. Están explicando su problema a una tercera persona por tercera vez, porque la organización de la otra parte no tiene ningún recuerdo compartido de las dos conversaciones anteriores. Es un problema de infraestructura que hace que sea difícil ignorar la IA.
También resulta imposible ignorar a los responsables de las políticas. Apenas en abril, el alcalde de Londres lanzó un nuevo grupo de trabajo sobre IA y empleos para analizar cómo la IA está cambiando el trabajo en la capital, lo que indica que la conversación ha ido más allá de los anuncios de inversión y se ha centrado en la cuestión más difícil de qué hace la IA dentro de las organizaciones.
También está arrojando luz sobre una crisis de memoria dentro de las empresas modernas.
La IA está acelerando el trabajo, no la transparencia
A medida que las empresas del Reino Unido se apresuran a implementar la IA en el trabajo, muchas la están colocando en sistemas fragmentados que no fueron diseñados para almacenar memoria institucional en primer lugar.
Según una investigación publicada en Harvard Business Review, los trabajadores del conocimiento alternan entre aplicaciones y herramientas unas 1.200 veces al día, un patrón conocido como “impuesto de alternancia”. Esta imagen por sí sola cuenta la historia: no nos faltan herramientas, pero no hay coordinación entre ellas.
El resultado es un nuevo tipo de paradoja de la productividad. El trabajo avanza rápidamente, pero la transparencia no mejora.
Aquí es donde se desarrolla gran parte de la conversación actual sobre IA empresarial. Una cantidad sorprendente de lo que hoy se comercializa como IA todavía depende de que los humanos realicen la síntesis ellos mismos. El sistema recupera el documento. Resume la conversación. Es la superficie del enlace. Pero los empleados todavía soportan la carga de la reestructuración de las finanzas, al igual que los clientes y usuarios finales que esperan al otro lado de esa decisión.
En particular, cuando dichas herramientas de inteligencia artificial realizan la recuperación, pero los humanos evitan la síntesis, el resultado se siente vacío. Esto crea un problema de confianza y credibilidad, no sólo para el individuo, sino para la IA como categoría. La gente empezó a asociar “asistido por IA” con “bajo esfuerzo”.
Si el contexto se pierde intrínsecamente, los efectos no desaparecen. Estos pueden verse como respuestas lentas, clientes que solicitan repetidamente información ya proporcionada, experiencias de soporte que se sienten fragmentadas y equipos de ventas que reconstruyen manualmente el historial de la cuenta antes de cada renovación, escalamiento o revisión ejecutiva.
Los sistemas sin estado no pueden almacenar la memoria organizacional
Los propios modelos de IA son cada vez más capaces, pero la base organizativa que los sustenta sigue fragmentada.
La mayoría de los sistemas de IA actuales son fundamentalmente apátridas. Producen resultados basados en ventanas de contexto temporales en lugar de en una memoria organizacional duradera. Para cada interacción, el sistema debe reconstruir repetidamente la comprensión a partir de los fragmentos.
Considere cómo funcionan las bases de datos. No recalculamos todo desde cero cada vez que surge una pregunta. Guardamos en caché e indexamos, y luego preservamos las relaciones entre entidades, porque calcular contextos de manera consistente es computacionalmente ineficiente.
Sin embargo, muchas IA empresariales todavía se están implementando exactamente de esta manera y han confundido la actividad con la inteligencia industrial.
Creo que las organizaciones deberían centrarse en si tienen una memoria estructurada y duradera que permita a la IA y a los humanos razonar en el mismo contexto compartido. Sin esa base, la producción de IA sigue siendo genérica.
La mayoría de los sistemas de colaboración multiplican este problema de dos maneras. En primer lugar, codifican el conocimiento en convenciones de nomenclatura y recuerdos tribales: el tipo de nombres de canales de vida que nadie puede decodificar y la estructura de carpetas que sólo tres entienden. Los nuevos empleados no están aprendiendo el negocio, están aprendiendo la convención.
En segundo lugar, a pesar de la existencia de información, ésta sigue siendo inaccesible. La misma decisión aparece en tres canales diferentes como “Migración PostgreSQL”, “Mover base de datos Q3” y “Cambio de infraestructura backend”. Son semánticamente idénticos pero textualmente invisibles para cualquier sistema que intente sacarlos a la luz.
Este problema se vuelve más agudo en las organizaciones distribuidas. No creo que se puedan construir empresas globales modernas sobre la base de una cultura de “tienes que estar ahí”. Sin embargo, muchas empresas todavía operan como si los contextos importantes cambiaran naturalmente debido a la proximidad y la comunicación sincrónica.
Buscar no es lo mismo que entender
La búsqueda fue diseñada para descubrir datos, donde las tareas empresariales modernas requieren sistemas que comprendan las relaciones entre los datos.
Escalar a un cliente no es solo un ticket de soporte. Está vinculado a decisiones sobre productos, discusiones de ingeniería, historial de cuentas, obligaciones contractuales e implicaciones en los ingresos. Una oportunidad de ventas está ligada al sentimiento del cliente, los patrones históricos de soporte, el uso del producto y la alineación interna de las partes interesadas.
Los sistemas de colaboración tradicionales aplanan estas relaciones en canales y documentos desconectados, mientras que los gráficos de conocimiento de la IA los almacenan.
Los investigadores llaman a esto un sistema de memoria transactiva: una comprensión colectiva de quién sabe qué, cómo se tomaron las decisiones y cómo se coordina el trabajo entre los equipos. La misma lógica se extiende ahora a la IA. Los sistemas inteligentes pueden participar en ese proceso codificando el contexto, mostrando la historia relevante y entregando conocimiento a las personas adecuadas en el momento adecuado.
El problema de productividad de Gran Bretaña se está convirtiendo en un problema de IA
La Oficina de Estadísticas Nacionales ha identificado sistemáticamente el débil crecimiento de la productividad como el desafío económico más persistente del Reino Unido. Desde 2010, la productividad del Reino Unido ha crecido un 6,2%, en comparación con alrededor del 10% en la zona del euro y alrededor del 15% en Estados Unidos durante el mismo período. La IA se está posicionando cada vez más como un mecanismo para ayudar a cerrar esa brecha.
Pero la productividad no mejora a medida que se agregan más agentes de IA al flujo de trabajo de su empresa. Si cada decisión importante todavía requiere que las personas reconstruyan manualmente un contexto fragmentado, las organizaciones sólo aumentan la confusión.
Lo que las empresas del Reino Unido necesitan son sistemas capaces de preservar el contexto, mantener la memoria institucional y basar los sistemas de IA en conocimientos organizacionales confiables. La infraestructura avanzada de IA comienza con una simple pregunta: ¿su organización recuerda algo? Para la mayoría, la respuesta honesta es no.
Hemos presentado las mejores herramientas de IA.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
