Por Kitti Lakner y Erik Roth Cuando la inteligencia artificial generativa (gen AI) surgió de manera destacada a fines de 2022, rápidamente se convirtió en la próxima gran novedad. McKinsey también se inspiró, no solo publicando extensamente sobre el tema , sino también dándose cuenta de que podría usar gen AI para ayudar a unir las vastas pero separadas fuentes de conocimiento de la empresa. Salude a “Lilli”, la herramienta de inteligencia artificial de última generación que se lanzará en agosto de 2023. Bautizada en honor a Lillian Dombrowski, la primera mujer profesional contratada por McKinsey en 1945, nuestro objetivo era reunir las más de 40 fuentes y capacidades de McKinsey en una única plataforma. Esto permitiría a los equipos de todo el mundo acceder fácilmente al conocimiento de McKinsey, generar información y, de esta forma, ayudar a los clientes. Esa era la idea y lo logramos, pero no fue nada fácil. El esfuerzo estuvo plagado de obstáculos técnicos. Por dar solo un ejemplo, gran parte del conocimiento de McKinsey está codificado en presentaciones de PowerPoint, que Lilli no podía leer bien. Al principio, solo podíamos analizar aproximadamente el 15% de un documento de PowerPoint. Tuvimos que crear nuestra propia herramienta para poder leer más del 85% de cualquier tipo de documento. Con tantos desafíos y la necesidad de trabajar de una manera fundamentalmente nueva, nos describimos a nosotros mismos como los que viajamos en el "autobús de la lucha". El cambio tecnológico es inherentemente difícil. Para cualquier organización, la incorporación de la IA de última generación probablemente presente dificultades similares. Dicho esto, es posible beneficiarse de la experiencia. Al repasar nuestro esfuerzo de 11 meses, aquí se presentan cinco principios que aprendimos, a veces de la manera más difícil. Definir una aspiración compartida Antes de empezar a construir, es fundamental definir una visión clara de los objetivos de la organización. McKinsey buscaba ampliar los conocimientos y mejorar la productividad. Queríamos que nuestros amplios recursos, incluidos documentos, artículos y seminarios web, fueran más accesibles y, de ese modo, ayudaran a nuestros colegas a generar conocimientos únicos. Muchas personas desconocían los recursos disponibles o no sabían cómo encontrarlos. Ahora, simplemente le preguntan a Lilli y dedican menos tiempo a buscar y más a resolver los problemas de los clientes. Reúna un equipo multidisciplinario La inteligencia artificial afecta a muchos aspectos de una organización, por lo que es fundamental contar con una experiencia diversa. Al principio, nos centramos en crear un producto mínimamente viable con un equipo reducido y orientado a la tecnología. A medida que Lilli evolucionó, el equipo se amplió para incluir especialistas en cuestiones legales, de adopción, de comunicaciones y de la materia. Lilli tenía que ser técnicamente sólida, responsable, segura, alineada con los valores de McKinsey y validada por nuestros expertos. Aprendimos que definir flujos de trabajo por sí solo no era suficiente. También era importante gestionar sus interdependencias. Poner al usuario primero Puede que Gen AI esté de moda, pero la moda no es el objetivo. El objetivo es mejorar la forma en que trabajamos. Para ello, recopilamos continuamente información de toda la empresa. De inmediato, la gente se entusiasmó con Lilli. Casi al mismo tiempo, nos enteramos de que no se actualizaba con la suficiente rapidez o que su uso era confuso. Basamos cada decisión en las necesidades de los usuarios que revelaban estos comentarios y nos centramos incansablemente en resolver problemas humanos y empresariales reales. Y creamos un programa beta de usuarios que prueban las nuevas funciones antes de implementarlas. Enseñar, aprender, repetir El lanzamiento de Lilli fue un hito importante, pero solo el comienzo. Para lograr un éxito duradero, era necesario adaptarse a las necesidades cambiantes. Incorporamos ciclos de aprendizaje continuo en el desarrollo de Lilli, utilizando datos, análisis y comentarios para mejorar la plataforma. El ritmo rápido de la IA de última generación requiere comodidad con la incertidumbre y cierta ineficiencia, como reescribir el código repetidamente. La adopción y la educación son cruciales, por lo que organizamos presentaciones itinerantes, programas de aprendizaje, almuerzos y horas de oficina para demostrar cómo Lilli podía ayudar. Los equipos de TI recibieron capacitación para enseñar a otros, lo que garantiza una adopción efectiva. Un impacto significativo solo es posible cambiando la forma en que se realizan las tareas o reduciendo el tiempo y el costo de las actividades. Medir y gestionar Tuvimos que reconstruir nuestra base de conocimiento existente para la inteligencia artificial gen. La implementación de operaciones de generación aumentada de recuperación (RAGOps) fue clave. Las métricas como la calidad de las respuestas ayudan a RAGOps a mejorar continuamente las capacidades de Lilli, midiendo la relevancia, la exhaustividad y la exactitud. Los paneles de control permiten a los desarrolladores y expertos en contenido monitorear y refinar el rendimiento de Lilli. En menos de un año, Lilli se ha convertido en un recurso indispensable. Casi tres cuartas partes de nuestros colegas son usuarios activos y, a principios de mayo, había procesado más de tres millones de solicitudes. Es imposible calcular el valor de Lilli en dólares, pero vemos un claro impacto de dos maneras. En primer lugar, Lilli está ahorrando un promedio de hasta un 30% del tiempo de los consultores al agilizar la recopilación y síntesis de información: ya no es necesario revisar miles de documentos para encontrar una diapositiva perfecta. Y en segundo lugar, la calidad de sus conocimientos es sustancialmente mejor. Nuestro consejo a otras organizaciones: el autobús de la lucha está esperando. No duden en subirse a bordo.