En los últimos 12 meses, las conversaciones de los clientes han cambiado de centrarse en la IA generativa a la discusión de AI de agente. Esta evolución refleja el creciente reconocimiento de los sistemas de agente para aumentar el potencial de la IA para mejorar los procesos comerciales e impulsar la innovación.
Pero, como con todas las tecnologías, trabajar dónde comenzar está lleno de dificultades. “Cuando todo lo que tienes es un martillo, todo parece un clavo”, o así se produce la expresión, pero cuando se trata de desafíos comerciales, no todos los problemas garantizan un enfoque de IA agente.
Es posible que haya determinado las áreas candidatas para la IA agente utilizando un enfoque related a lo que Describimos al discutir rápidamente ideando el valor en un weblog anterior. Sin embargo, ¿cómo sabe si realmente garantiza un enfoque agente, y luego, una vez que esté seguro de que sí, cómo determina el valor que aportará para su organización?
Este weblog tiene como objetivo brindar orientación sobre cómo abordar estas áreas para capacitarlo para tomar decisiones informadas y desbloquear todo el potencial de la IA agente.
Criterios comerciales y técnicos
Según nuestra experiencia trabajando con empresas minoristas y de bienes de consumo en todo el mundo, hay algunas tendencias comunes que pueden considerarse como criterios para determinar si un proceso específico, o parte de un proceso, es un buen caso de uso para la IA agente.
No se consideran criterios “duros y rápidos” a los que se debe cumplir, son simplemente pautas.
- Volumen. Un proceso con altos volúmenes o número de interacciones. Por ejemplo, una compañía de bienes de consumo recibe muchos más pedidos que un fabricante de aeronaves, por lo tanto, es possible que sea mucho más aplicable aplicar AI de agente a un proceso de admisión de pedidos en una compañía de bienes de consumo. Eso no significa que la IA de agente no pueda ayudar a un fabricante de aviones con este proceso. Significa que el elemento de proceso específico donde se aplica sería diferente. Por ejemplo, al realizar un pedido para una aeronave, pueden ser necesarios múltiples documentos de configuración detallados, y la IA de agente puede tener un papel valioso para garantizar que esos documentos sean correctos.
- Interacción. Un proceso que interactúa con múltiples sistemas. Por ejemplo, actualizaciones, lecturas o consolidan datos entre diferentes sistemas. Los procesos donde los usuarios deben revisar o consolidar el contenido de múltiples sistemas son candidatos principales para la aplicación de AI de agente. A veces denominado “integración giratoria”, estos tipos de procesos son tediosos y cargados de error.
- Humano. Un proceso en el que se requiere un alto nivel de interacción humana. Quizás involucrando buscar, leer, considerar y razonar sobre múltiples piezas de información, documentos o sistemas. Este es un trabajo que es mundano y repetitivo. La IA agente puede evaluar y resaltar brechas, diferencias o anomalías. Puede hacer recomendaciones para ser evaluadas por un humano y, como tal, está diseñada para trabajar junto con el humano al reducir la cantidad de actividad mundana y repetitiva. El elemento humano es crítico aquí: AI permite al humano centrarse en excepciones, análisis estratégico y decisiones complejas al tiempo que respalda la innovación.
- Errores. Procesos que son propensos a errores, que a menudo ocurre con operaciones humanas repetitivas y mundanas. Más importante aún, uno en el que cualquier error o problema durante la ejecución del proceso causa consecuencias adversas aguas abajo, como entregas retrasadas, ventas perdidas, reclamos de compensación o manejo de un humano que incurre en el costo o el tiempo. Esta puede ser un área clave de preocupación y enfoque.
Hay un requisito adicional, aunque debe considerarse al arquitectura de una solución. Esto se relaciona con la disponibilidad de datos.
Es elementary asegurarse de que los datos requeridos para la aplicación de IA de agente estén disponibles y accesibles sin causar desafíos en otros lugares. Es común que los sistemas de agente necesiten referirse a datos para ayudar a la toma de decisiones. Por ejemplo, puede ser necesario buscar algo en un registro maestro de cliente o proveedor en un sistema transaccional. Cuando muchos de estos se requieren en muy poco tiempo, puede ser que la solución de agente trigger problemas de rendimiento en el sistema transaccional. Arquitectónicamente, este desafío se puede evitar extrayendo estos datos en un lago de datos u otro almacén de datos para actuar como una ubicación de referencia.
La ventaja de IA: cómo los minoristas están dando forma a las experiencias de los clientes con concepts basadas en datos
Valor definitorio
Los avances colocan la IA Agentic como piedra angular para crear una cadena de suministro más resistente, eficiente, sostenible y autónoma. Cuando se trata de evaluar el valor comercial de cualquier inversión tecnológica, uno de los primeros puntos a considerar es determinar los impulsores específicos de valor. Además, comprender cómo medirá esto es igualmente importante.
Del trabajo que hemos realizado en relación con la IA de agente, el valor generalmente cae en tres áreas:
- Productividad. Puedes pensar en esto como “tiempo de agente liberado”. Esto refleja la reducción del tiempo sin valor agregado asociado con la interacción humana en un paso de proceso o proceso utilizando el “tiempo liberado” para las actividades de valor agregado. El alcance de estas actividades adicionales es elementary para entregar valor de la IA de agente. Como ejemplo, un minorista estaba tratando de liberar tiempo para que sus planificadores de cadena de suministro pasen más tiempo con proveedores individuales que planean futuros inventarios promocionales. Los agentes de IA pueden optimizar las comunicaciones con los proveedores, monitorear el cumplimiento del contrato y resolver disputas de manera eficiente.
- Eficiencia del proceso. Esto se relaciona con el tiempo transcurrido que toma un proceso. Los agentes de IA automatizan tareas repetitivas y optimizan las operaciones que conducen a niveles de eficiencia de proceso más altos y menores costos. Esto a su vez tiene beneficios de seguimiento, por ejemplo, reducir el tiempo dedicado a recibir y procesar un pedido de clientes se traduce en una mejor capacidad de respuesta del cliente.
- Calidad. Esto a menudo se puede ver como cliché. Sin embargo, en este caso, el enfoque es la reducción de errores o problemas. Específicamente, aquellos que tienen una consecuencia negativa aguas abajo dentro de la organización o cadena de suministro. Por ejemplo, el inventario prometedor que no existe afectará negativamente los puntajes de satisfacción del cliente y puede dar como resultado ventas perdidas futuras.
La medición es clave
Para cada una de estas áreas de controlador de valor, es importante establecer las métricas o KPI que es possible que esto afecte en su caso específico. El gráfico anterior ofrece algunos ejemplos, pero aquí es donde el valor de la IA agente realmente entra en vigor.
Para el controlador de valor de productividad, se puede utilizar el tiempo liberado para identificar oportunidades adicionales de generación de ingresos, lo que puede mejorar sus ingresos por KPI de empleados. Para la eficiencia del proceso, reducir las ventas perdidas puede ser una métrica relevante si, por ejemplo, está automatizando el proceso de pedido de su cliente.
La calidad, sin embargo, es donde se vuelve interesante. Determinar las consecuencias negativas posteriores de una decisión retrasada o mal informada puede ser difícil, pero vale la pena. Un enfoque a considerar es usar Copiloto de Microsoft Para ayudar a identificar esto, solicitar sugerencias sobre cuáles podrían ser las consecuencias negativas aguas abajo de los errores en un proceso specific. Esto puede no producir la respuesta exacta para su negocio, pero la práctica ha demostrado que generalmente inspira un nuevo pensamiento o perspectiva que se relaciona con su negocio.
Microsoft Cloud para el comercio minorista
Conecte a sus clientes, a su gente y sus datos.
Moviendo el valor
Seleccionar los casos de uso correctos para AI agente requiere una comprensión profunda tanto de los criterios para la implementación como de los impulsores del valor. Al centrarse en procesos de alto volumen propensos a errores que requieren un esfuerzo humano significativo e interacción con múltiples sistemas, las organizaciones pueden identificar las áreas más prometedoras para la aplicación de IA.
Además, definir y medir el valor de las inversiones de IA a través de la productividad, la eficiencia del proceso y las mejoras de calidad garantizarán que las organizaciones puedan desbloquear todo el potencial de la IA agente. Con estas pautas, las organizaciones pueden tomar decisiones informadas y navegar las complejidades de la selección de casos de uso de IA, lo que impulsan la innovación y la eficiencia.
Obtenga más información sobre AGENIC AI
Oliver Man, arquitecto de la industria international, se especializa en ayudar a los líderes empresariales a innovar y competir más flexibilidad y eficientemente. Durante más de 25 años ha entregado valor para las empresas minoristas y de bienes de consumo en todo el mundo con cambio de tecnología dirigida. Oliver es un reconocido influencer de tecnología minorista por el centro de innovación de tecnología minorista (RTIH) y también es un panelista de BrainTrust de Wire Retailwire.
Ver más artículos de este autor
Felice lidera la cadena de suministro y la estrategia de sostenibilidad para el grupo mundial de la industria de bienes minoristas y de consumo de Microsoft que colabora con clientes y socios para reinventar datos y soluciones de IA, y aprovechar la tecnología para impulsar la innovación y los mejores resultados comerciales. Tiene una amplia experiencia en productos de consumo, minoristas y fabricación international. Felice ha sido un inversor de ángel en nuevas empresas en etapa inicial, el fundador de Delvv, un estudio de aprendizaje automático que creó tecnología de interfaz impulsada por el IA para mejorar la experiencia del usuario de los teléfonos inteligentes y es un defensor de la tecnología centrada en el consumidor en el espacio móvil.
Ver más artículos de este autor
Como arquitecto de la industria manufacturera, Paul trabaja con negocios senior y líderes de TI para ayudarlos a comprender cómo aplicar las tecnologías y las soluciones de socios de Microsoft para transformar digitalmente su empresa. Aprovechando más de 35 años de experiencia en la industria manufacturera, Paul trabaja con clientes para desarrollar su estrategia de transformaciones, considerando cuatro pilares clave de la transformación digital: experiencia del cliente, excelencia operativa, transformación de la fuerza laboral y productos como servicio.
Ver más artículos de este autor
