El director ejecutivo de Lang.ai, Jorge Penalva, revela un nuevo marco de inteligencia artificial para equipos GTM

Si forma parte de un equipo de liderazgo, probablemente tenga la tarea de tomar una de las decisiones más importantes de la última década: cómo implementar la IA en su negocio. ¿Cuáles son los mayores desafíos que la IA puede resolver?

Una vez que identifique esos desafíos, ¿cuál es su estrategia de IA? ¿Cómo eliges socios o proveedores estratégicos cuando todo cambia tan rápido?

Soy el director ejecutivo de Lang.ai y, en asociación con GTM Fund, hemos creado el primer marco para implementar IA para equipos de GTM. Lang.ai es una plataforma de inteligencia artificial para la experiencia del cliente. GTM Fund y su comunidad están formados por más de 300 operadores de GTM de nivel C-suite y VP.

Lo que más preocupa a casi todo el mundo en este momento es ¿cómo puedo implementar la IA para crecer de manera más eficiente ?

Cuando Max Altschuler, médico de cabecera de GTM Fund, respondió a esa pregunta, compartió: “La IA no es una solución milagrosa. Ninguna tecnología es una solución milagrosa. Si su movimiento GTM no funciona hoy, ciertamente no funcionará con la IA. Probablemente irás más rápido en la dirección equivocada. Sucede con cualquier avance importante en tecnología como la tecnología móvil, blockchain y ahora la IA. Las personas tienden a distraerse con la tecnología en sí y perder de vista los problemas subyacentes que realmente están tratando de solucionar.

"Hace unos años, cada uno de sus equipos se habría quedado sin comprar la última solución puntual de IA debido a FOMO. Ahora, insto a los equipos a volver a lo básico. Reúna a su equipo de liderazgo, reevalúe cada coyuntura en su proceso GTM desde el descubrimiento de clientes hasta las ventas adicionales, y vuelva a imaginar una mejor manera de atraer a sus clientes utilizando estos nuevos avances en IA.

"Planee ese nuevo mundo, utilice un marco como el siguiente para evaluar qué opción de IA es adecuada para su organización, realice algunas pruebas más pequeñas, itere en función de los datos que obtenga y luego impleméntelo en una sola unidad de negocio. Después eso, va a toda la organización.

"Sin una estrategia holística como esta, en realidad creo que la IA tiene la capacidad de hacer más daño que bien a su negocio. No tengo ninguna duda de que la IA nos ayudará a reescribir el manual actual de GTM, pero aún es temprano. Esto es "Una de esas situaciones en las que las empresas necesitan frenar para acelerar".

Matthew Miller, analista principal de G2 centrado en IA, está de acuerdo. Su investigación de casi 200 categorías con características de IA generativa lo demuestra. A pesar de las novedades tecnológicas, la aguja apenas se ha movido en lo que respecta a qué tan bien el software cumple con los requisitos de los usuarios. La determinación de las necesidades debe ser lo primero, y sólo entonces se debe tratar de descubrir cómo utilizar el mejor software para lograr los mejores resultados.

Si está en equipos de GTM, como ventas, marketing, productos, experiencia del cliente o éxito del cliente, puede beneficiarse de este marco para tomar las decisiones correctas cuando se trata de establecer la IA.

3 opciones para implementar la IA como proveedor

Actualmente, están disponibles tres opciones principales para implementar la IA en una empresa. Detallemos cada uno.

1. Proveedores de nube o LLM

Los grandes proveedores de la nube , como AWS, Google o Microsoft, brindan servicios para implementar IA generativa de forma segura en la nube. En el caso de Microsoft, sólo ofrecen el modelo Open AI . Google ofrece su modelo Palm 2 y Amazon tiene múltiples opciones, incluido AWS Bedrock .

Por otro lado, los proveedores de grandes modelos de lenguaje (LLM) son los nuevos actores en escena para esta nueva ola de IA. Le ayudan a ejecutar IA generativa en un entorno empresarial con sus propios modelos ( Anthropic y Open AI) o modelos de código abierto ( Huggingface y H2O.ai ). Podrá ejecutar el modelo que elija mientras lo aloja en función de si es de código abierto o si está alojado por el proveedor.

2. Líderes verticales con nuevas capacidades de IA

Los líderes verticales son plataformas de software que han crecido en una determinada vertical o personalidad, como ventas, atención al cliente, CRM o finanzas. Por lo general, se especializan en una función o área comercial específica. Por lo tanto, cuentan con el conjunto de datos más completo con respecto a esa función, construido a lo largo de años de experiencia. Algunos de ellos ya han lanzado modelos de IA entrenados en todos los datos históricos de sus clientes.

Algunos ejemplos de líderes verticales con nuevas herramientas de IA:

• Ejemplo de ventas: Gong
• Modelo de ventas: Divulgación
• Modelo de experiencia del cliente (CX): Zendesk
• Modelo de finanzas: Intuit

Algunos otros jugadores, como Copy.ai y Jasper.ai, se han convertido en líderes verticales con un nuevo producto en el mercado porque pudieron concretar el momento oportuno en la nueva ola de IA.

3. Nuevas empresas de IA

Las nuevas empresas de IA empresarial son empresas centradas en implementar IA de forma segura para casos de uso específicos de la empresa, especialmente la privacidad y la seguridad. Las empresas quieren saber que sus datos no se utilizan para entrenar modelos; Estas nuevas empresas satisfacen esa necesidad.

Algunos ejemplos de nuevas empresas de IA empresarial incluyen:

• Para cualquier aplicación: Scale AI y Dataiku
• Para la experiencia del cliente: Lang.ai
• Para redacción publicitaria: Writer.com
• Para bufetes de abogados de élite: Harvey.ai

Un marco para ayudarle a elegir entre herramientas de IA

Con todas estas opciones, puedes ver que configurar la IA es una decisión difícil para los equipos de GTM. Hemos creado este marco para que sea más fácil elegir qué tipo de proveedor funciona para su empresa y su caso de uso específico de IA.

A continuación cubriremos cómo utilizar este marco. Pero antes de profundizar en los detalles, es importante comprender qué significan los diferentes ejes.

Restricciones de ingeniero: las limitaciones que existen en su organización en términos de los ingenieros que trabajan en este tema. Las altas restricciones significan que no se pueden dedicar ingenieros a este problema.

IA específica del cliente: la necesidad de personalizar la IA según sus propios datos y el caso de uso que intenta resolver. Una IA altamente específica del cliente significa que necesita un alto nivel de personalización.

Zona de ingeniería: bajas restricciones de ingeniería/alta necesidad de IA específica del cliente

La zona de ingeniería es mejor para problemas que son una operación central de la empresa. Las empresas normalmente están dispuestas a dedicar recursos de ingeniería internos. Necesitarán personalización y privacidad, ya que así es como se diferencian de sus competidores.

En este caso, utiliza LLM para crear sus propios modelos de IA. Garantiza cero riesgo de privacidad de datos al alojarlos y un mantenimiento rápido al dedicar un equipo de ingeniería al modelo.

Ejemplos de usos para la zona de ingeniería:

• Fraude en una institución financiera . Si es un banco, lidiar con el fraude y los modelos de fraude es un diferenciador competitivo. Aquí hay un ejemplo con Chase.
• Contabilidad en una plataforma de gestión financiera como Ramp. Construyes internamente porque ese es el núcleo de tu negocio. Ramp Intelligence lo hace bien .

Zona SaaS: altas limitaciones de ingeniería/baja necesidad de IA específica del cliente

La zona SaaS es mejor para problemas que no forman parte de la operación principal de la empresa y para los cuales no se pueden invertir recursos de ingeniería. Al mismo tiempo, los datos que forman parte de estos problemas no son críticos ni de alto riesgo.

Para resolver este tipo de problemas, puede trabajar con un proveedor de SaaS que tenga un “megamodelo” entrenado con todos los datos de los clientes, incluidos los suyos. El beneficio aquí es que el proveedor tiene datos sobre otras empresas y usted no tiene que invertir recursos de ingeniería: simplemente contrata el software con las funciones de IA mensual o anualmente.

Ejemplos de casos de uso para la zona SaaS:

• Ventas en una empresa SaaS. Todas las empresas de SaaS han estado vendiendo de la misma manera durante los últimos 10 años siguiendo principios de salida de ingresos predecibles.

• Atención al cliente para un revendedor de Shopify/Amazon. Si revende productos, sus datos no son únicos ni relevantes. La mayoría de las personas se quejarán de la entrega y devolución de esos productos y cuando se quejan del producto, no se puede arreglar.

• Redacción publicitaria para una startup. Su equipo de marketing quiere acelerar la rapidez con la que producen contenido. Este contenido no es crítico y, por lo tanto, puede utilizar Copy.ai o Jasper.ai sin preocuparse por la privacidad de este contenido y cómo se utiliza.

Zona de asociación: altas limitaciones de ingeniería/alta necesidad de IA específica del cliente

La zona de asociación es la mejor para procesos que pueden no ser el foco principal de la empresa, por lo que no tienes disponibilidad de ingeniería. Estos procedimientos pueden tener necesidades específicas de la empresa (debido a privacidad, procesos internos o complejidades) que requieren personalización y no solo modelos genéricos. Al asociarse con una startup preparada para la empresa, obtiene el poder de una ejecución rápida mientras mantiene la privacidad de los datos y ahorra recursos.

También se aplica cuando:

• No es necesario un modelo personalizado para sus datos, pero simplemente todavía no existe un modelo genérico que funcione.
• Es fundamental para su empresa, pero no cuenta con los recursos de ingeniería.

Ejemplos de casos de uso para la zona de asociación:

• Atención al cliente en una empresa de tecnología sanitaria. Una empresa de tecnología sanitaria necesita un alto grado de personalización de sus productos o servicios y exige altos estándares de privacidad de datos y controles específicos como HIPAA. Todo esto requiere una IA específica para el cliente. Al mismo tiempo, no tiene sentido que la mayoría de las empresas de tecnología sanitaria inviertan recursos de ingeniería en atención al cliente.
• Copywriting para las marcas más valiosas. Marcas como Nike, Apple o Coca-Cola tienen una ventaja competitiva clave al ser algunos de los nombres más valiosos del mundo. Necesitan IA específica para el cliente y probablemente no quieran que su experiencia se utilice para entrenar los modelos lingüísticos de otros competidores.

Al mismo tiempo, no pueden dedicar ingenieros a su marca o a sus equipos de marketing. Asociarse con una startup privada y específica para clientes con IA para marketing sería la mejor decisión para estas marcas.

Zona de peligro: pocas limitaciones de ingeniería/baja necesidad de IA específica del cliente

La zona de peligro es donde pueden encontrarse las empresas si no se adaptan al cambio exponencial de la IA que ocurrió el año pasado. Estar en la zona de peligro significa que estás invirtiendo tiempo y dinero en ingenieros para crear un modelo que no te pertenece. Este modelo no es específico de cada cliente, por lo que sus datos pueden usarse entre varios clientes.

Esto solía ser común ya que los modelos de aprendizaje automático (ML) requerían mucha capacitación y ajustes para resolver un problema, y ​​los proveedores necesitaban enormes cantidades de datos para tener éxito. Por ejemplo, era común pagar a proveedores de IA que tenían un equipo interno de ingenieros de ML entrenando los algoritmos, pero los datos y el modelo pertenecían al proveedor de servicios, no a la empresa que compraba el software de IA.

Con los LLM, no tiene sentido estar en la zona de peligro desde la perspectiva de la estrategia de IA. Si es así, cambie de proveedor o presiónelos para que entreguen modelos de IA de una manera que no requiera que usted pague por recursos de ingeniería.

Debería estar fuera de esta zona para cualquier proceso de IA en su empresa.

Otras variables a tener en cuenta

La IA y el ecosistema de problemas y empresas que la rodean están evolucionando exponencialmente, por lo que si bien intentamos resumir todo en un marco simple, hay otras variables que también son relevantes para la toma de decisiones, como por ejemplo:

• Los datos son el activo más valioso de una empresa. Se han entrenado modelos de lenguaje grandes con datos disponibles en Internet, por lo que los datos de su empresa son invaluables para la IA, ya que son escasos en estos sistemas. No regale sus valiosos datos para que los competidores se beneficien de ellos si cree que son relevantes para ganar el mercado.
• Privacidad de datos. Los modelos específicos de cliente tienden a ser privados. En general, la privacidad de los datos es una variable importante a tener en cuenta debido a los riesgos de seguridad. Si sus datos son valiosos, asegúrese de que no terminen en lugares donde puedan ser robados fácilmente.
• Dinamismo de los datos. Si el problema que intenta resolver se basa en datos que cambian muy rápidamente, debe conversar con su proveedor sobre los mecanismos de aprendizaje después de las etapas iniciales de capacitación y ajuste. Debe comprender cómo cambia el modelo a medida que evolucionan sus datos.
• Especificidad de los datos. Si el problema que intenta resolver es distinto, puede que le resulte difícil trabajar con una IA que no esté centrada en la personalización. Los LLM han demostrado funcionar muy bien para una cantidad casi ilimitada de tareas, pero eso no significa que puedan resolver todos los problemas.
• Costo de construcción y mantenimiento de una solución interna. Cuanto menos tiempo tengas, más querrás crear IA internamente. La IA ha evolucionado drásticamente y ahora todos podemos ver su impacto mediante el uso de ChatGPT. Pero abordar la IA para resolver un problema empresarial sigue siendo complejo.

IA para los equipos más inteligentes del mañana

Aunque la IA generativa mercantiliza muchos aspectos de la IA, crear una solución es diferente a implementar una tecnología. Hemos visto una pregunta común que se hace a los proveedores de IA en estos días: "¿Por qué es esto diferente de lo que puedo hacer con ChatGPT/Open AI?". Queríamos señalar que la diferencia no proviene necesariamente de una perspectiva tecnológica. Lo que es una verdadera ventaja es que su proveedor de IA esté pensando en el problema que está tratando de resolver las 24 horas del día, los 7 días de la semana y, por lo tanto, tenga la mejor solución o producto.

Muchas veces los clientes presionan para implementar la IA, pero es bueno dar un paso atrás y comprender cuál es el problema que se intenta resolver y cuál es el mejor enfoque antes de invertir miles o millones de dólares.

Esté a la vanguardia de todo lo relacionado con la IA cuando se suscriba a nuestro boletín mensual.   Té G2 .