Obtener valor de negocio de la IA: hablar con las partes interesadas

Cada uno de estos grupos aporta su propia perspectiva, totalmente válida. Por ejemplo, los ingenieros se centran en la viabilidad y la practicidad. Los usuarios se centran en el impacto y el resultado, mientras que los empresarios aportan su perspectiva de gasto y valor. Para cada uno de estos grupos, es vital empezar a entenderlos tanto en términos de necesidades empresariales como de lo que les motiva como individuos. Además, tenemos que trabajar con las tres partes para negociar el marco del proyecto, ya que tiene que haber equilibrio entre cada una de sus perspectivas porque cada una es correcta. Mediante la construcción de una relación y el establecimiento de la confianza con los stakeholders, podemos comprenderlos mejor, identificar sus necesidades, ayudarles a colaborar entre sí y, en consecuencia, mejorar el diseño de la solución y, en última instancia, el éxito del proyecto.

Los patrocinadores senior y los stakeholders que representan al negocio tienen la visión (y normalmente la financiación) y suelen estar dispuestos a participar en el proceso de definición y arranque del proyecto. Esto puede ser muy positivo: están comprometidos, deseosos de que el proyecto sea un éxito y prestan un gran apoyo (tanto en términos de tiempo como de recursos). Sin embargo, estos perfiles suelen tener una visión incompleta de las operaciones del día a día y de las funciones y responsabilidades individuales. Esto puede dar lugar a lagunas en la comprensión de lo que la solución debe hacer, cuál es el alcance total de las tareas que debe ser capaz de realizar, y cómo la solución puede interactuar con los usuarios cuando se despliega.

Por ello, es fundamental establecer relaciones y consultar a quienes acabarán utilizando la solución final. Estas personas suelen tener una comprensión más detallada del problema que la solución busca resolver, así como una visión clara de los posibles obstáculos, escenarios excepcionales o requisitos que habrá que contemplar para que funcione correctamente.

También es fundamental involucrar a las personas implicadas en los aspectos técnicos del negocio. Desde su perspectiva de la ingeniería, probablemente añadirán toda una serie de posibles riesgos, circunstancias inusuales y requisitos que habrá que tener en cuenta en la solución. Aunque estas conversaciones sin duda añadirán complejidad y desafíos adiocionales al proyecto, es vital que se descubran lo antes posible para que puedan incorporarse al diseño de la solución.

Contar con la presencia de los stakeholders adecuados en la definición, el alcance y la planificación iniciales del proyecto es sólo la mitad del camino para cerrar la brecha. La otra mitad es tener en cuenta la posible diferencia de entendimiento y de visión. Como científico de datos u otro profesional de la IA, seguramente habrás participado en proyectos anteriores, habrás entendido cómo se desarrollaban y qué aspecto tenía la solución final. Además, conoces en profundidad las tecnologías subyacentes: algorítmica, datos e infraestructura, así como áreas relacionadas, como UX y diseño. Todo esto te permite imaginar con claridad cómo será la solución y qué es posible lograr. Para los stakeholders, en cambio, no suele ser así: pueden tener una visión limitada que los lleve a subestimar lo que se puede hacer o, por el contrario, a sobreestimar las posibilidades de una “solución mágica”. Ambos extremos son erróneos y poco útiles.

Como breve inciso, en este punto merece la pena profundizar brevemente en nuestro papel: Como expertos en IA dentro del proyecto, debemos actuar como guías para obtener los mejores resultados en estas situaciones. Cuando hay un horizonte reducido o se subestima lo que se puede lograr, hay una pobreza de aspiraciones. Por lo tanto, como guía, tienes el difícil reto de intentar ayudar a una parte interesada a imaginar cómo podría ser la solución y alejarla de algo inferior que quizá no resuelva por completo el problema de la empresa. Quizá la mejor estrategia en este caso sea actuar como facilitador, ayudándoles a comprender el impacto de sus decisiones en la solución.

ambién es importante estar atentos a la situación opuesta: aquella en la que un stakeholder muestra un optimismo poco realista sobre los “poderes mágicos” de la IA o la IA generativa, esperando que ofrezca una solución automática sin que siquiera se haya expresado claramente el problema (y mucho menos documentado de forma sistemática). De ahí que en el proceso de comprensión del problema de negocio, descrito anteriormente, tantos pasos estén dedicados a desentrañar la información clave. Al recopilar requisitos e identificar posibles obstáculos, resulta más sencillo debatir en términos concretos cómo podría ser la solución en estas primeras conversaciones con stakeholders.

Sin embargo, con este tipo de perfiles suelen aparecer ciertos retos recurrentes: en primer lugar, expectativas poco realistas sobre el aspecto final de la solución y lo que realmente puede llegar a hacer; en segundo lugar, la falta de consciencia sobre la necesidad de detallar y documentar los requisitos de usuario y de solución (ya que “sucede mágicamente”); y en tercer lugar —siguiendo con el tema de la magia—, un desconocimiento de los tiempos reales que conlleva desarrollar una solución de este tipo. En conjunto, todo ello puede suponer un problema para los científicos de datos o gestores de proyecto desprevenidos.

Aun así, lo cierto es que estos stakeholders tienen una gran ventaja: su entusiasmo sin límites. Lo importante es saber canalizarlo, al mismo tiempo que se gestionan bien las expectativas y se orienta esa energía de forma constructiva (por ejemplo, trabajando con ellos para definir cómo debería ser la solución ideal, cómo podría funcionar, o facilitando su introducción a otros stakeholders clave).

independientemente del tipo de stakeholder (y no hay dos iguales), es fundamental que participen en el proyecto a medida que este avanza, de modo que se mantengan implicados y puedan aportar feedback continuo, asegurando así que no se aleje de lo que realmente necesita el negocio.

Como ya hemos visto, la clave para el éxito de un proyecto es poder vincular de forma clara nuestra solución —ya sea IA generativa, “IA tradicional” u otra tecnología— con el problema de negocio. En el próximo artículo profundizaremos en el diseño de la solución para analizar cómo la IA puede alinearse con la lógica de negocio de la organización.