La conversación actual sobre las herramientas de IA generativas y agentes no entiende el punto. Estamos tratando la orquestación multimodelo (enrutamiento de tareas a través de diferentes modelos básicos) como si resolviera el mismo problema que la infraestructura empresarial. No sucede.
Por un lado, hay avances reales en el rendimiento del modelo. Modelos más inteligentes y rápidos con la orquestación de modelos como insignia de sofisticación.
Por otro lado, está la realidad de los datos empresariales: privados, seguros y, a menudo, atrapados en sistemas heredados. No es lo mismo un entorno de producción que la web pública.
El artículo continúa a continuación.
Cofundador y director ejecutivo de DevRev.
Están regulados, autorizados y profundamente interconectados. La inteligencia que no llega a todos ellos no está preparada para la empresa.
Gran parte de la narrativa pública de la IA se basa en herramientas orientadas al consumidor, ofertas en capas basadas en navegadores que se centran en la productividad individual. Los entornos empresariales operan bajo diversas limitaciones.
En estos sistemas, el valor no proviene del cambio entre modelos. Esto surge directamente de la incorporación de la IA en el trabajo diario de las personas: sus sistemas estructurados de registros, herramientas de trabajo diario y procesos de toma de decisiones.
Las carreras de IA a menudo se crean como una competencia entre modelos. En la empresa, ésta es una carrera arquitectónica.
Consolidación versus integración
La integración de modelos mejora la amplitud de habilidades, ya que cada una tiene su propio superpoder, lo que puede ser bueno para realizar pruebas. Pero la mayoría de las empresas no quieren un modelo que genere texto detallado. Quieren respuestas basadas en datos de CRM en vivo, historial de soporte, telemetría de productos, registros financieros y políticas de cumplimiento. Quieren respuestas que respeten los permisos, sean auditables y puedan desencadenar una acción dentro de un flujo de trabajo sin romper la gobernanza.
Una capa de orquestación de IA puede ubicarse sobre sistemas fragmentados y recuperar información de ellos. Puede ser conciso y sugerente. Lo que no puede hacer, sin una integración profunda, es la lógica entre datos operativos estructurados y contextos no estructurados, y la ejecución entre los sistemas que impulsan el negocio. Esta es una enorme limitación arquitectónica.
Cambiar entre modelos no resuelve ese problema. Inteligencia que puede integrarse directamente con los sistemas existentes. Esa diferencia arquitectónica es lo que separa las pruebas de la escala operativa.
Asistente vs Sistema Operativo
La mayoría de las implementaciones de IA se posicionan como asistentes que ayudan a las personas a moverse rápidamente entre las herramientas existentes. Son útiles. Pero las empresas no están tratando de avanzar rápido de forma aislada. Están intentando tomar mejores decisiones a escala.
Considere cuestiones importantes dentro de una agencia de ingresos. ¿Qué cuentas están en riesgo de abandono debido a un menor uso y mayor soporte? ¿Qué problemas de productos tienen una tendencia al alza en todas las regiones en comparación con el último trimestre? ¿Qué ha cambiado en la experiencia y el sentimiento del cliente desde el último ciclo de renovación?
Estas respuestas no residen en un solo documento. Requieren vinculación de datos entre sistemas, comparaciones entre períodos de tiempo e interpretación más allá de los límites de la gobernanza.
Devolver una lista de enlaces no resuelve esto. Incluso devolver un resumen no resuelve esto. Un sistema de IA debe calcular respuestas a partir de datos estructurados y no estructurados y hacerlo dentro del modelo de permisos de la empresa. Debe pasar de “lo que encontré” a “esto es lo que es verdad y esto es lo que hay que hacer”. Esta es una ambición fundamentalmente diferente.
Incrustar flujos de trabajo en cálculos de modelos
A medida que los sistemas de IA se acercan a los procesos clave de toma de decisiones, la confianza se vuelve crítica. En la empresa, la confianza requiere precisión, trazabilidad y control. Los ejecutivos necesitan entender de dónde vino la respuesta y si refleja el estado actual del negocio. Los equipos de cumplimiento necesitan asegurarse de que se respeten los controles de acceso. Los líderes de TI necesitan visibilidad sobre cómo se registran y monitorean las acciones.
Cuando la inteligencia se integra directamente con los sistemas de registro, hereda los permisos en lugar de asumirlos. La IA también se basa en datos en vivo en lugar de exportaciones estáticas y puede actualizar una entrada de CRM, desencadenar un flujo de trabajo o registrar una acción sin crear un proceso paralelo. Sin integración, la IA sigue siendo una capa de interfaz. Con esto, la IA se aleja de la forma en que trabajan los humanos.
En la primera ola generativa de IA, el modelo de diferenciación se centró en gran medida en el acceso y las puntuaciones de referencia. ¿Qué modelos soporta? Esa era la pregunta. Pero ahora los clientes han empezado a hacer preguntas diferentes. ¿Dónde reside esto dentro de nuestra arquitectura de datos? ¿Puede razonar entre fuentes estructuradas y no estructuradas en una sola respuesta? ¿Respeta nuestra estructura de gobernanza? ¿Puede tomar medidas adecuadas en nuestro flujo de trabajo?
La IA ahora se está evaluando en función de qué tan integrada está en los flujos de trabajo y si puede brindar claridad en toda la empresa.
Un cambio de plataforma en movimiento
Todos hemos estado en tecnología el tiempo suficiente para saber que sigue un arco predecible. Se prioriza el acceso temprano a las olas y la capacidad. Olas posteriores priorizan la integración y la confianza.
Los motores de búsqueda no transformaron la web indexando más páginas; Lo convierten proporcionando los resultados correctos. El comercio electrónico no creció porque los sitios web tuvieran buen aspecto; Creció porque los pagos, la identidad y la logística se integraron en sistemas confiables.
La IA empresarial avanza en la misma dirección. Los sistemas empresariales fueron diseñados para que los humanos navegaran, no para que las máquinas razonaran. Eso está cambiando. Una nueva capa de software nativo de IA se está elevando por encima de ellos.
Sí, el apilamiento de modelos detrás de una interfaz puede ganar el título. Pero no gestionará una empresa. La escala de producción no es agregación, se basa en la arquitectura, en sistemas inteligentes conectados, responsables por el diseño.
Hemos calificado las mejores plataformas de inteligencia empresarial.
