En el marco de «The AI Conference» que se celebra en San Francisco, la empresa eGain Corporation ha sorprendido a la audiencia al presentar dos informes técnicos que iluminan los desafíos actuales que enfrentan los proyectos de inteligencia artificial (IA) en el entorno empresarial. Contrario a lo que podría pensarse, eGain sostiene que estos problemas no están vinculados a la complejidad inherente de los modelos de IA, sino más bien a una gestión inadecuada de la información que nutre a estos sistemas.
El primero de los informes, titulado «Ending Runaway Token Costs in Enterprise AI», alerta sobre el fenómeno de los costos exorbitantes relacionados con el uso de la IA. A medida que las empresas aumentan su dependencia de estas tecnologías avanzadas, muchas de ellas enfrentan facturas significativamente más altas de lo esperado. La raíz de este problema, según eGain, yace en la incapacidad de los modelos de IA para acceder y manejar la información de manera eficiente, lo que se traduce en una utilización ineficaz de los recursos. Para ilustrar este problema, eGain describe la situación como enviar a un empleado novato a un almacén caótico en busca de una caja, sin etiquetas ni orientación alguna.
El informe también subraya que muchas de las tareas actuales asignadas a la IA, como cálculos básicos o verificaciones de devoluciones, no requieren de un razonamiento complejo. Sin embargo, se les sigue imponiendo una carga logística innecesaria que dispara los costos. Como solución, eGain propone una reorganización de la información mediante el establecimiento de una fuente única y confiable, además de delegar tareas rutinarias a software más convencional, lo cual permitiría un ahorro considerable.
El segundo informe, «The Trust Gap in AI Self-Service», examina la brecha de confianza que existe entre las demostraciones exitosas de IA y su verdadera implementación. Mientras que los empleados del servicio al cliente pueden detectar errores en las interacciones con la IA, los clientes, al tratar directamente con el sistema, no poseen la misma capacidad para identificar fallas. Esto implica que las tasas de precisión presumidas frecuentemente no reflejan las verdaderas posibilidades de error, los cuales podrían tener graves consecuencias para los usuarios.
Ashu Roy, director ejecutivo de eGain, afirma que la falta de control en un modelo de IA rara vez se debe a su complejidad, sino más bien a una carencia de guía sobre dónde buscar la información necesaria. Además, hace hincapié en la importancia de asegurar la precisión de la información que sustenta los sistemas de IA antes de que los clientes interactúen con ellos.
Con estos informes, eGain no solo busca señalar los problemas persistentes en la implementación de IA, sino también ofrecer soluciones pragmáticas que ayuden a las empresas a optimizar sus operaciones y mejorar la experiencia del cliente. Las versiones completas de estos informes están disponibles en el sitio web de la empresa, y los asistentes a la conferencia tienen la opción de solicitar copias por correo electrónico.
