Entrevista a Gabriela Álvarez, socia de Deloitte.
Por Jorge Velasco Cruz.
La líder de Deloitte Digital llama a no dejarse encantar por la inteligencia artificial y otras herramientas tecnológicas, sin tomar en cuenta las reales necesidades del negocio. “Hay que ver qué problemas o desafíos tengo que solucionar y poner la tecnología en función de ellos”, enfatiza, al tiempo que llama a hacer un uso responsable y ético en cuanto a la privacidad de los datos de clientes y colaboradores de las organizaciones.
Gabriela Álvarez, socia de Deloitte, donde lleva tres años, lidera el área digital de la compañía. “Nuestro negocio ayuda a los clientes en la transformación de sus operaciones, desde pensar la estrategia hasta todo el ciclo de implementación desde un punto de vista tecnológico para que se haga realidad”, comenta la ingeniera comercial de la Universidad de Buenos Aires (Argentina), con un MBA en la Universidad Adolfo Ibáñez.
Con cerca de 20 años viviendo en Chile, fue directora de País Digital y se mantiene como directora del Consejo de Autorregulación y Ética Publicitaria (CONAR) y como miembro del grupo de tecnología en ICARE.
“Las nuevas tecnologías nos abren permanentemente nuevos caminos hacia una mayor eficiencia en los procesos”, afirma. En este sentido, el surgimiento de la inteligencia artificial (IA) plantea un cambio de paradigma. “Está impactando todos los aspectos del negocio, desde la eficiencia operativa, la toma de decisiones estratégicas y hasta la experiencia del cliente”, sostiene.
Sin embargo, reconoce que muchos aún no se suben a este barco, “principalmente empresas más de tamaño medio o las que quizás tienen menos contacto con mercados internacionales, pero no necesariamente calificaría que todas ellas están en un limbo o que no supieron cómo subirse”, sino que “conscientemente han decidido tomar un ritmo más lento”.
Se trata, aclara, de compañías que se encuentran a la expectativa de ver cómo las más grandes o más tecnologizadas incorporan la IA. “Quieren tener un proceso más depurado, haber aprendido de los errores de otros y tomar las lecciones acerca de qué funcionó y qué no”, señala.
¿Por dónde pueden comenzar las empresas que todavía no suman la inteligencia artificial a sus procesos?
En general, a todas las que quieren empezar a meterse en esto, lo primero que les decimos es siempre lo mismo, partir por volver a revisar cuáles son sus objetivos estratégicos: qué es lo que quieren lograr. Dados esos objetivos, ¿cuáles son sus problemas? ¿Qué es lo que tienen que resolver? ¿Cuáles son sus principales desafíos? Una vez que eso está claro e identificado, que piensen cómo la IA o las nuevas tecnologías en general les ayudan a resolver estos problemas o desafíos.
¿Cuáles son los errores habituales que se cometen cuando se ingresa al mundo de la IA?
Creo que el principal error que se puede cometer, es poner a la tecnología por sobre el negocio, el problema y la necesidad a resolver. Está el deslumbrarse con el piloto o la solución que me vienen a ofrecer que ‘lo resuelve todo’, pero sin tener claro realmente para qué me va a servir a mí en mi contexto y de acuerdo a la estrategia que yo quiero desarrollar.
Hay muchas empresas que hoy parecen aeropuerto, porque se han convertido en un festival de pilotos. Está lleno de pruebas piloto para distintos procesos, pero al mirar el estado de resultados y la transformación visible y concreta que estoy teniendo en mi operación, es poco y nada lo que impactan.
¿Cómo se puede integrar realmente una herramienta de IA a la empresa?
Muchas empresas han elegido un camino pensando por el lado de la adopción de la tecnología. Muchas veces, las organizaciones tienen diversidad de perfiles en la gente, con distintos backgrounds educacionales y tipos de tareas a desarrollar. En este contexto, han optado partir primero por utilizar herramientas más de productividad personal, como puede ser Copilot, que permitan a las personas ir adoptando y conociendo la tecnología, entendiendo cómo se relacionan con ella, para qué sirve y para qué no, antes de partir a hacer transformaciones más radicales en sus procesos.
¿Cómo la IA ayuda a medir, recopilar los datos y ordenarlos?
El punto clave es la data. Si la data es buena, voy a poder hacer cosas buenas. Pero si la data es mala, voy a obtener un mal producto. Si quiero hacer la mejor receta del mundo, pero uso malos ingredientes, por mucho que sea el mejor cocinero, probablemente el producto final va a ser malo.
Entonces, una de las primeras cosas que hay que entender es qué tipo de data tengo, dónde la tengo, qué calidad tiene, asegurarme de que estoy usando la data correcta y que esté bien organizada.
A partir de eso, hay muchas tecnologías que nos permiten algo que siempre ha sido el sueño de todo marketero: tener trazabilidad muchísimo más mejorada de cuál es el resultado de cada acción que hago, cuál es el ROI de cada peso que invierto, qué funcionó mejor.
Hablamos mucho de personalización, pero debemos ver qué personalización está funcionando y cuál no. Para qué tipo de clientes me conviene más cierto tipo de acción y eso medirlo a un nivel bien marginal. Medir cada tipo de acción con cada variación que hago dentro del mensaje que entrego, en qué momento y de qué forma.
Poder ver qué funciona realmente mejor y qué no, para mí es una de las mayores ventajas que hoy nos aportan todos los modelos y todo lo que particularmente tiene que ver con inteligencia artificial en el mundo del marketing.
¿La IA permite trabajar con data cuantitativa y cualitativa?
Hoy existen modelos que permiten procesar con IA data estructurada y data no estructurada, con lo cual se pueden crear acciones muchísimo más precisas y certeras de acuerdo a cada audiencia a la que se quiere apuntar.
¿Cómo se hace el match entre la data y el diseño de una campaña?
Lo que permite la IA es entender y definir muy bien a quién se quiere llegar con una campaña –qué tipo de clientes, a qué audiencias– y qué se quiere lograr: que compren más de cierto producto o, si ya tienen un producto, que compren otro complementario, o que aumenten el ticket de compra.
Hay que definir muy bien desde el principio qué objetivo concreto, con indicadores, quiero lograr con las acciones que voy a hacer en una campaña con cada una de estas audiencias. Diseñar después, de acuerdo también a la data que tengo, y a lo que me sugieren los modelos de IA, qué tipo de mensaje, en qué momento, de qué forma y por qué canal tengo que entregarle a cada una de estas audiencias la campaña. Y luego hacer la medición e ir implementando acciones de mejora prácticamente en tiempo real.
¿Qué errores son los más comunes en la aplicación de inteligencia artificial?
Un primer error es deslumbrarse con la tecnología sin entender qué es lo que se quiere resolver y cuál es tu desafío en función de tus objetivos estratégicos.
También está todo el tema de cómo preparar adecuadamente a la gente y a las personas para realmente sacarle provecho a la IA.
Después hay mucho de no entender los riesgos que pueda haber alrededor de la implementación de estas nuevas tecnologías, particularmente en todo lo que tiene que ver con confidencialidad y privacidad de la información, incluso con la ética, especialmente en el contexto de la nueva Ley de Datos Personales en Chile.
Para ello hay que implementar un buen modelo de gobernanza de datos, que permita cautelar estos temas, preparar y educar a la organización para que esté consciente de los riesgos y de las acciones que tiene que tomar para cuidar los datos de los clientes.
Al final, detrás de todo esto te juegas siempre el partido de la confianza con las personas en tanto clientes y en tanto trabajadores dentro de tu misma organización.
Si un cliente siente que cada vez que tenga una interacción contigo, no sabe en qué van a terminar sus datos, no sabe si los van a usar para bombardearlos con campañas, se pierde ese vínculo de confianza que hace que puedas desarrollar una relación a largo plazo con ellos.
Como toda tecnología, la IA tiene un potencial habilitador y de mejora de productividad enorme, pero también conlleva riesgos. Entonces, cautelémoslos y cuidémoslos desde el inicio bajo un buen modelo de gobernanza, para que no termine jugando en contra.
