La inteligencia artificial ha reducido mucho el tiempo que necesitamos para llegar a una primera respuesta. En desarrollo, QA, diseño o soporte podemos resolver o avanzar en tareas en mucho menos tiempo que antes. Esto cambia la forma en la que abordamos muchas tareas y hace que evaluar, elegir y mejorar los resultados sea cada vez más importante.
Un ejemplo sencillo es la generación de código. Una IA puede proponer una implementación técnicamente válida en segundos, pero para decidir si encaja con la arquitectura existente, cómo afectará al mantenimiento o qué implicaciones puede tener para el resto del producto hace falta conocer el proyecto. Lo mismo ocurre con una propuesta de interfaz, una automatización o una tarea de soporte: el conocimiento del profesional permite valorar el resultado dentro de su contexto y decidir cómo utilizarlo.
En WATA Factory trabajamos con la IA de esta manera. Aprovechamos su capacidad para generar, procesar información y ejecutar tareas y la combinamos con el conocimiento técnico y de negocio de nuestros profesionales. La experiencia sigue siendo fundamental para plantear bien los problemas y tomar buenas decisiones a partir de los resultados.
El valor de la IA empieza por elegir bien el problema
Una empresa puede tener muchos procesos en los que la inteligencia artificial puede aportar valor. El primer paso es identificar cuáles tienen una necesidad clara y dónde una mejora puede producir un impacto relevante.
Conocer cómo funciona un proceso permite detectar dónde se concentra realmente el trabajo y definir un objetivo concreto. Puede que la oportunidad esté en facilitar el acceso a determinada información, automatizar una tarea repetitiva, agilizar una parte del flujo o ayudar a los profesionales a trabajar con más contexto. Definir bien ese objetivo facilita decidir qué necesitamos de la tecnología y cómo podremos comprobar después si la solución está funcionando.
El conocimiento experto aporta información que no siempre está documentada
Una parte importante del conocimiento de una empresa está recogida en especificaciones, procedimientos, bases de conocimiento, reglas de negocio o documentación técnica. Sin embargo, con el tiempo los profesionales también acumulan conocimientos que proceden directamente de su experiencia.
Hay cosas que una persona sabe porque están documentadas y otras porque se ha encontrado muchas veces con situaciones similares. Sabe qué requisitos suelen generar más dudas, qué datos conviene revisar con especial atención o qué decisiones pueden tener consecuencias en otras partes del producto. Ese conocimiento tácito se construye trabajando y ayuda a interpretar situaciones que sobre el papel pueden parecer muy parecidas.
Ese conocimiento resulta útil para decidir qué información debe utilizar la IA, qué aspectos necesitan una atención especial y cómo organizar el contexto con el que va a trabajar. La documentación proporciona una parte y la experiencia profesional aporta otra. Tener en cuenta ambas permite construir soluciones mucho más ajustadas a la forma en la que funciona realmente una empresa.
Con IA, saber evaluar importa tanto como saber crear
Cuando podemos obtener una primera propuesta en poco tiempo, también podemos comparar más alternativas antes de tomar una decisión. Esto hace que la capacidad de evaluar los resultados tenga un peso importante.
Los criterios cambian según la disciplina. En desarrollo podemos valorar mantenibilidad, rendimiento, seguridad o compatibilidad con la arquitectura existente. En UX/UI podemos analizar la claridad del recorrido, la accesibilidad o cómo responde una solución a la tarea que necesita realizar el usuario. En QA podemos priorizar escenarios según el riesgo, el impacto o la probabilidad de que se produzca un fallo.
Cada especialidad aporta criterios propios para evaluar la calidad de una solución. La IA puede ayudarnos a generar y contrastar alternativas con rapidez, mientras que el conocimiento profesional permite aplicar los criterios adecuados a las necesidades y restricciones concretas del proyecto.
Cuánta autonomía dar a la IA: impacto y reversibilidad
Cuando la inteligencia artificial participa directamente en un proceso de negocio, tenemos que definir qué acciones puede realizar de forma autónoma y en qué momentos queremos incorporar una validación humana.
Dos variables resultan especialmente útiles para tomar esta decisión: impacto y reversibilidad. Si una acción tiene un impacto reducido y resulta sencilla de corregir, podemos plantear un nivel mayor de autonomía. Cuando las consecuencias son más relevantes o resulta más difícil revertir una acción, podemos introducir validaciones adicionales.
Un sistema puede, por ejemplo, localizar documentación o clasificar información automáticamente. Para otras acciones podemos incorporar una confirmación antes de ejecutarlas o hacer que determinadas decisiones lleguen al profesional correspondiente acompañadas del contexto que la IA ya ha recopilado.
Así podemos definir de forma concreta dónde interviene una persona dentro del proceso. El enfoque human-in-the-loop permite reservar la intervención profesional para aquellas decisiones en las que el contexto, la experiencia o la responsabilidad requieren una valoración específica.
Una solución también debe contemplar caminos alternativos
Los procesos reales incluyen situaciones diferentes a las previstas inicialmente. Puede faltar información, aparecer un caso nuevo, existir datos distintos entre dos fuentes o ser necesario consultar información adicional antes de continuar.
Estas situaciones pueden contemplarse desde el diseño. Dependiendo del caso, el sistema puede solicitar un dato adicional, consultar otra fuente, pedir una confirmación o trasladar la tarea a una persona.
También es importante definir cómo se realiza ese traspaso. Si un profesional tiene que continuar el trabajo, resulta útil que reciba los datos recopilados, las fuentes consultadas y las acciones realizadas hasta ese momento. De esta forma puede continuar desde el punto en el que se encuentra el proceso y centrarse directamente en la parte que requiere su atención.
Estos casos también proporcionan información para mejorar la solución. Si una situación concreta necesita intervención con frecuencia, podemos analizar si existe una regla que conviene incorporar, si falta alguna fuente de información o si ese tipo de caso necesita un flujo específico.
Cómo saber si una solución de IA está aportando valor
Una vez que una solución empieza a utilizarse, podemos comprobar si está mejorando el proceso para el que fue diseñada. Para ello, conviene medir el resultado que queremos conseguir y no únicamente la actividad que genera el sistema.
Las métricas dependerán del objetivo de cada proyecto. Podemos medir cuánto tiempo o trabajo manual se reduce, si se recupera la información adecuada, cuántos casos completan correctamente un proceso, cuánto necesita ajustarse una propuesta antes de utilizarla o en qué situaciones se requiere intervención profesional.
Los datos de uso permiten además identificar patrones que pueden servir para seguir ajustando la solución. De esta manera, la evaluación se mantiene vinculada al problema que queríamos resolver desde el principio.
La IA cambia dónde aporta más valor un experto
La incorporación de estas herramientas también influye en cómo los profesionales distribuyen su trabajo.
Un desarrollador puede utilizar una primera implementación como base y dedicar más atención a la arquitectura y a las decisiones que condicionarán la evolución del producto. QA puede apoyarse en una primera batería de escenarios para profundizar en los riesgos que requieren una revisión más específica. Un diseñador puede explorar distintas direcciones con mayor rapidez y dedicar más tiempo a comprender cuál responde mejor a las necesidades del usuario.
Parte del trabajo puede concentrarse así en arquitectura, revisión, resolución de casos complejos y decisiones con impacto en el producto. Son tareas en las que conocer la disciplina y el proyecto resulta especialmente relevante y en las que la IA puede servir como apoyo para llegar mejor preparado a la decisión.
IA + expertise: de una posibilidad a una solución real
Aplicar inteligencia artificial a un producto o proceso implica tomar una serie de decisiones: identificar una oportunidad concreta, incorporar la información adecuada, establecer criterios para evaluar los resultados, definir el nivel de autonomía, contemplar distintos escenarios y medir si la solución está consiguiendo el objetivo previsto.
En WATA Factory abordamos estas decisiones desde distintas especialidades. Contamos con profesionales de desarrollo de software, QA, UX/UI, soporte y optimización de procesos, lo que nos permite analizar cada proyecto desde la tecnología, el producto, la experiencia de usuario y las necesidades del negocio.
Para nuestros clientes, esto significa poder incorporar inteligencia artificial con un equipo que entiende tanto las posibilidades de la tecnología como el entorno en el que va a utilizarse. Nuestro trabajo consiste en conectar ambas partes para que la IA responda a una necesidad concreta y pueda integrarse correctamente en los sistemas y procesos existentes.
A medida que las herramientas permiten generar, procesar información y ejecutar tareas con mayor rapidez, nuestros profesionales pueden dedicar más atención a las decisiones donde su experiencia aporta más valor. En WATA Factory queremos aprovechar precisamente esa combinación: inteligencia artificial que amplía lo que podemos hacer y profesionales con la experiencia necesaria para utilizarla con criterio.
