IA generativa en la empresa: por dónde empezar, desde Dakar.

La IA generativa tiene un mérito poco común: ha puesto a la dirección general, a la dirección de sistemas de información y a los equipos de terreno ante la misma pantalla. Todos han probado, todos se han sorprendido, todos han visto a la herramienta equivocarse con aplomo. El mal reflejo sería concluir que hace falta «una estrategia de IA» antes de haber puesto nada en marcha. El buen reflejo consiste en elegir un primer caso modesto, ponerlo en manos de unas cuantas personas y medir qué cambia en su jornada.

Lo que la IA generativa cambia realmente

Estos modelos producen texto a partir de una instrucción y de un contexto. Esa capacidad, por sencilla que parezca, afecta a cinco gestos cotidianos de la empresa.

• La redacción. Una carta de respuesta, una nota de síntesis, un acta, la primera versión de un pliego de condiciones. El modelo no sustituye al autor; le evita la página en blanco y le devuelve el tiempo de la relectura.
• La síntesis. Resumir un expediente de crédito, un contrato, un informe de misión, una cadena de correos de varias semanas. El valor es inmediato para quien debe decidir rápido sobre documentos largos.
• La búsqueda en los documentos. Plantear una pregunta en lenguaje corriente y obtener una respuesta apoyada en la documentación interna, con la fuente citada. El caso más subestimado, porque no brilla en una demostración y lo cambia todo en el día a día.
• Los asistentes de negocio. Un asistente que conoce los procedimientos, las tarifas, las reglas de una caja o de un servicio posventa, y que responde en el contexto de la persona que lo consulta.
• El código. Generación, revisión, explicación de programas existentes, incluidos los desarrollos específicos de un ERP que ya nadie sabe leer. Una ganancia real, siempre que se mantengan la revisión y las pruebas.

Lo que no cambia

Un modelo generativo no sabe nada de su empresa mientras no se le den sus documentos, sus datos y sus reglas. No razona sobre una verdad: produce el texto más verosímil. Puede, por tanto, afirmar una cláusula que no existe o una tarifa caducada, con el mismo tono que cuando acierta. No sustituye ni al maestro de clientes, ni al plan de cuentas, ni al circuito de validación. No deja limpio un dato que no lo está. Y no decide en lugar de quien debe responder de la decisión. No son defectos de juventud: es la naturaleza de la herramienta.

Los buenos primeros casos

Un buen primer caso es frecuente, se verifica con facilidad y mantiene a una persona en el circuito. Vemos cuatro que se repiten casi en todas partes, del sector público a la banca pasando por la distribución.

El asistente sobre la documentación interna

Procedimientos, circulares internas, manuales del ERP, condiciones de los productos. Esos documentos existen, dispersos entre un servidor de ficheros, un buzón de correo y algunas cabezas. Un asistente que responde citando el pasaje exacto hace ganar tiempo a los recién llegados, a las agencias alejadas de la sede y a las funciones de soporte. Revela además, sin contemplaciones, los documentos contradictorios o caducados. Primer caso ideal: una mala respuesta se detecta rápido y no compromete a la empresa frente al exterior.

El tratamiento de la correspondencia y de las reclamaciones

Leer una carta entrante, identificar de qué se trata, extraer de ella los elementos útiles, proponer un borrador de respuesta y encaminarla al servicio adecuado. El volumen está ahí, el gesto es repetitivo, y la persona que valida mantiene el control de lo que sale. Para una administración, una compañía de seguros o un servicio de atención al cliente, suele ser el caso más rentable en tiempo devuelto a los equipos.

La ayuda al servicio de atención al cliente en las lenguas del terreno

Los clientes escriben y hablan en francés, en wolof, en otras lenguas nacionales, a veces mezclando las tres en un mismo mensaje de voz. Un modelo bien elegido comprende esos mensajes, se los resume al asesor y le ayuda a responder en la lengua del cliente. Este caso es propio de nuestro contexto y difícilmente se concibe a distancia: hay que probar con mensajes reales, con acentos reales, y aceptar que algunas lenguas siguen estando peor atendidas que otras.

La extracción de documentos

Facturas, albaranes de entrega, documentos de identidad, conocimientos de embarque, formularios rellenados a mano. La IA generativa complementa las técnicas de extracción clásicas, sobre todo en documentos cuya maquetación varía. El resultado entra en el ERP o en el CRM tras su verificación, y la diferencia entre lo que se ha leído y lo que se ha corregido da una medida honesta de la calidad. Hablamos de ello en nuestra lectura de los casos de uso de IA que realmente crean valor.

Los malos primeros casos

El más frecuente, y el más peligroso, consiste en automatizar una decisión sin control: conceder o denegar un crédito, cerrar una reclamación, responder a un cliente en nombre de la empresa sin relectura. El modelo lo hará con seguridad, incluso cuando se equivoque, y nadie sabrá explicar por qué. En cuanto la decisión afecta a una persona, entra además en el ámbito de la ley n.º 2008-12 y de la mirada de la CDP: finalidad declarada, información a las personas, posibilidad de impugnación. Otro mal comienzo es el asistente «generalista» abierto a toda la empresa, sin perímetro ni documentos de referencia. Divierte dos semanas y luego decae, porque no conoce nada preciso.

El primer caso de uso no se elige para impresionar a un comité. Se elige para devolver tiempo a un equipo concreto, en un gesto que realiza todos los días.

Las condiciones que no se negocian

Datos y documentos limpios

Un asistente documental vale lo que valen sus documentos. Si coexisten tres versiones de un procedimiento, citará una al azar. El primer proyecto suele ser, por tanto, una criba: qué documentos dan fe, quién los mantiene al día, dónde viven. La misma lógica se aplica a los datos del ERP y del CRM, tema de nuestra oferta Data & Analytics.

La elección del modelo y de su alojamiento

Es la decisión más estructurante, y rara vez se toma al nivel adecuado. A dónde van los datos: un modelo invocado en un proveedor extranjero recibe sus documentos y, si contienen datos personales, esa transferencia entra en el ámbito de la ley n.º 2008-12 y de las formalidades ante la CDP. Qué soberanía: algunos casos justifican un modelo abierto alojado en su cloud o en sus servidores, otros se acomodan a un servicio en línea. Qué coste en divisas: un servicio facturado por uso, en dólares o en euros, se paga en cada consulta y sigue las variaciones del FCFA frente a esas monedas, lo que aboga por modelos más pequeños y bien acotados cuando bastan. No hay una buena respuesta general; hay una respuesta por caso de uso, y escrita. Nuestras ofertas Cloud y Seguridad y riesgos IT tratan esos arbitrajes de forma conjunta.

La supervisión humana

Alguien relee, corrige, y sus correcciones mejoran el sistema. No es una red de seguridad provisional que retirar cuando la herramienta sea «madura». Es el modo de funcionamiento normal de la IA generativa en la empresa. La pregunta útil no es «¿podemos retirar al humano?», sino «¿en qué punto del proceso vale más su mirada?».

La medición

Tiempo ganado por carta tratada, proporción de respuestas consideradas útiles, tasa de corrección en las extracciones, plazo de respuesta al cliente. Esos indicadores se definen antes de empezar, con el equipo afectado, y se leen cada semana durante el piloto. Sin ellos, el proyecto vive del entusiasmo y muere con él.

La ventaja de concebir en Dakar

Nuestra convicción, forjada en nuestros proyectos: un caso de uso de IA generativa se concibe junto a sus usuarios, no a miles de kilómetros. Los equipos que tratarán la correspondencia o consultarán la documentación están en Dakar, en Thiès, en Saint-Louis, en agencias donde la conexión no es la de la sede. Probar con ellos cada semana, en su lengua y sobre sus documentos, cambia la calidad del resultado. Las competencias existen aquí: perfiles que conocen a la vez los modelos, los datos de empresa y el terreno. Los costes de diseño permiten iterar más a menudo y, por tanto, aprender más rápido. Y un caso concebido desde Dakar tiene en cuenta desde el principio la conectividad, las lenguas, el marco de la CDP y el coste en divisas, en lugar de descubrirlos en producción. Ese es el sentido de nuestros equipos de datos e IA en Dakar y de nuestra oferta IA y automatización.

¿Y las grandes plataformas?

SAP integra la IA generativa en sus productos, con Joule y SAP Business AI; Salesforce hace lo mismo con Einstein y Agentforce. Esas capacidades viven allí donde ya están los datos y los procesos, con la seguridad y los derechos de acceso de la plataforma. Tienen también sus condiciones, empezando por la localización de los servicios y el modo de facturación, que hay que examinar con el mismo cuidado que para cualquier otro modelo. Nuestra posición es sencilla: cuando el caso de uso vive en SAP o en Salesforce, miramos primero lo que propone la plataforma; cuando vive entre los sistemas o sobre documentos que no están en ellos, construimos con las herramientas adecuadas. Dos plataformas, un solo equipo.

Por dónde empezar, en la práctica

1. Elegir un equipo y un gesto. Un equipo voluntario, un gesto frecuente, una persona que responda del resultado. Ni un comité, ni un programa.
2. Reunir y cribar los documentos de ese gesto. Lo que el asistente tiene derecho a leer, lo que da fe, lo que es personal y debe protegerse.
3. Decidir el modelo y el alojamiento para ese caso. Datos personales, soberanía, coste en divisas, conectividad de los usuarios. Poner por escrito la decisión y sus razones.
4. Construir un piloto en unas semanas, con los usuarios. Ponerlo pronto en sus manos y mejorarlo a partir de sus correcciones.
5. Medir y luego decidir. Extender, corregir o parar, según los indicadores definidos al principio. Un piloto detenido a tiempo es un éxito de método.
6. Establecer la gobernanza antes del segundo caso. Quién autoriza un nuevo caso, quién verifica el cumplimiento, cómo se informa a las personas, cómo se vigila la deriva en el tiempo.

La IA generativa no exige una revolución para empezar. Exige un primer caso bien elegido, documentos limpios, un alojamiento decidido con conocimiento de causa y personas que relean. Es lo que sabemos hacer desde Dakar, para la subregión.