Cómo la IA generativa puede mejorar su gestión del conocimiento

A todos nos ha pasado: ante un problema o una petición urgente, recurrimos a la base de conocimientos en busca de ayuda. Con demasiada frecuencia, buscamos en un sinfín de documentación, solo para descubrir que nada se ajusta a nuestra situación. Como siempre, el inevitable ticket a la mesa de servicio se convierte en nuestro último recurso, dejándonos en el juego de la espera hasta que el equipo de TI responda. Todo esto podría haberse evitado si se hubiera tenido fácil acceso a las soluciones pertinentes desde el principio.

Por tanto, una estrategia organizada de gestión del conocimiento puede marcar la diferencia entre una rápida resolución de los problemas y un tiempo de inactividad prolongado. Sin embargo, a pesar de sus evidentes ventajas, muchas organizaciones siguen luchando por obtener resultados que no son óptimos. Según el informe de AXELOS ITSM Benchmarking Report 2022, la gestión del conocimiento es la sexta práctica ITIL® más adoptada, pero solo tiene un nivel de éxito autodeclarado del 20%.

Una de las principales razones es que los sistemas tradicionales de gestión del conocimiento suelen ser estáticos y unidimensionales, en el sentido de que se basan en la curación y actualización manual de la información. Además, el conocimiento es una entidad dinámica que requiere una evolución constante para mantener su relevancia.

Afortunadamente, los recientes avances tecnológicos han contribuido a llenar estos vacíos al permitir que la gestión del conocimiento pase de ser una actividad administrativa de documentación e intercambio de información a un enfoque más interactivo e inteligente.

Impulsados por la IA y machine learning, estos avances, especialmente en forma de herramientas de IA generativa, pueden ayudar a las organizaciones a generar y difundir conocimientos con mayor eficiencia que nunca.

¿La IA generativa es solo para los gigantes tecnológicos?

Las empresas están empezando a comprender cómo puede aprovecharse la IA generativa para hacer frente a las dificultades de recopilar, organizar y transferir conocimientos en toda la empresa. Los grandes modelos lingüísticos (LLM) han traído una oleada de innovación a tareas como la generación de texto y la comprensión del lenguaje. Sin embargo, su gran escala y sus exigencias computacionales han limitado su adopción a organizaciones con amplias capacidades financieras y tecnológicas.

Aunque los LLM disponibles públicamente, como GPT-4 y PaLM 2, demuestran un rendimiento impresionante, la simple aplicación de estos modelos a casos de uso empresarial puede plantear ciertos retos para el uso corporativo. Además, es posible que las organizaciones más pequeñas no dispongan de los recursos necesarios para aprovecharlas.

A continuación se indican algunas áreas clave en las que las organizaciones se encuentran en una encrucijada con los modelos genéricos:

Para que las empresas aprovechen todas las ventajas de la IA generativa en su estrategia de gestión del conocimiento, primero deben superar estos retos. Recientemente, nos hemos dado cuenta de que el camino a seguir para aprovechar el verdadero potencial de la IA generativa es desplazarse hacia modelos más pequeños y específicos de cada dominio. Estos pequeños modelos lingüísticos, al estar entrenados en el corpus de datos de la organización, pueden ofrecer funciones similares a las de sus homólogos de mayor tamaño, pero de una manera más eficiente en cuanto a recursos. Esto hará que la IA generativa sea más accesible a un público más amplio.

He aquí algunos factores que impulsan el desarrollo de modelos lingüísticos más pequeños:

La aparición de pequeños modelos lingüísticos marca un momento crucial en la IA, que nos ayuda a desentrañar un sinfín de usos en la gestión del conocimiento empresarial. Exploremos a continuación cómo la IA generativa puede ayudar a las mesas de servicio a afrontar los retos inherentes al intercambio de conocimientos en toda la empresa.

3 formas en que los equipos de la mesa de servicio pueden optimizar su gestión del conocimiento con IA generativa

1. Creación de conocimientos: Mejore su base de conocimientos generando artículos de soluciones detalladas

Convertir el conocimiento implícito en explícito es la clave del éxito de la gestión del conocimiento. Esa conversión requiere la aportación detallada de varios técnicos y expertos en la materia. Con su disponibilidad bastante limitada, puede que no siempre tengan tiempo para registrar su proceso de resolución y escribir artículos de soluciones para la base de conocimientos.

Afortunadamente, con las funciones de IA generativa, los técnicos pueden acelerar el proceso de redacción convirtiendo diversas piezas de información, como los datos que se encuentran en las notas, los archivos adjuntos o los logs de trabajo de un ticket, en artículos completos. Basándose en un entrenamiento previo con datos de tickets y otros artículos de soluciones, los modelos lingüísticos pueden extraer información de conocimientos previamente recopilados. Esa información se utiliza después para generar artículos con soluciones detalladas.

Esto simplifica el proceso de redacción para los técnicos, ya que revisar y corregir esta solución generada es mucho más fácil que redactar una desde cero. La creación de documentos de conocimientos complejos para distintos tipos de tickets puede ayudar a las mesas de servicio a mejorar su base de conocimientos con el tiempo.

2. Descubrimiento de conocimientos: Mejorar la búsqueda de conocimiento llenando el vacío semántico

Para maximizar su base de conocimientos, primero debe optimizar el descubrimiento de conocimientos. Cada momento ahorrado en el proceso de descubrimiento de conocimientos es una ganancia, teniendo en cuenta que el empleado promedio pasa unas 3,6 horas al día buscando información.

El vacío semántico, que es la división entre lo que los usuarios pretenden encontrar y los resultados de búsqueda que reciben, siempre ha sido un inconveniente importante de la gestión estática del conocimiento. Los sistemas tradicionales que se basan en la superposición rígida de palabras clave no suelen comprender la intención del usuario ni el contexto específico.

Por eso es importante contar con un sistema de gestión del conocimiento que ofrezca una función de búsqueda intuitiva para ayudar a los usuarios a encontrar respuestas específicas para cada contexto. Gracias a las avanzadas funciones de procesamiento del lenguaje natural de la IA generativa, ahora es posible establecer correspondencias entre la intención de búsqueda de una persona y las respuestas pertinentes.

Dado que los modelos lingüísticos están diseñados para comprender los sutiles matices del lenguaje humano, pueden gestionar diversas entradas de usuario, independientemente de cómo estén redactadas las preguntas. Como resultado, los usuarios ya no tienen que basarse en palabras o frases clave específicas, lo que hace que la búsqueda y el descubrimiento de conocimientos sean más naturales y se realicen sin esfuerzo.

3. Consumo de conocimientos: Fomentar el autoservicio ofreciendo respuestas contextuales y personalizadas.

El autoservicio siempre se ha considerado uno de los objetivos finales del éxito de la gestión del conocimiento. Al pasar del método tradicional de navegar por la información a un enfoque más intuitivo de preguntas y respuestas, los sistemas de gestión del conocimiento con funciones conversacionales avanzadas pueden redefinir la experiencia del usuario final.

Cuando los usuarios no pueden resolver sus problemas porque los artículos de solución no son claros o son demasiado largos, se ven obligados a enviar un ticket a la mesa de servicio. En lugar de dirigir al usuario a un montón de artículos de conocimiento y proporcionárselos tal cual, la IA generativa puede ofrecer un extracto o resumen de los artículos relevantes en su respuesta.

Esto permite a los usuarios captar rápidamente la esencia de la información sin tener que rebuscar entre extensos contenidos. Si los usuarios finales pueden encontrar sus respuestas en estas soluciones generadas, es más probable que se abstengan de acudir a la mesa de servicio.

Reflexiones finales

Está claro que la IA generativa puede mejorar significativamente la capacidad de una organización para mejorar y compartir conocimientos en toda la empresa. Desde la generación avanzada de contenidos hasta la extracción automatizada de conocimientos, las tecnologías de IA generativa están preparando el camino para que las organizaciones aprovechen todo el potencial de sus datos.

Todavía tenemos que explorar adecuadamente todas las posibilidades de la IA generativa en los casos de uso empresarial. Pero no cabe duda de que, al combinar de manera eficiente los valiosos datos empresariales con las proezas de la IA, ¡estamos a las puertas de una nueva era en la que el conocimiento será más dinámico y accesible que nunca!