por Judith Lamont
Las tecnologías que permiten la gestión del conocimiento cubren una amplia gama de funciones, desde la experiencia del cliente hasta la gobernanza y el cumplimiento, y continúan siendo más sofisticadas. Algunas, como la gestión de contenido y la búsqueda, son soluciones de larga data que han evolucionado mucho más allá de sus capacidades iniciales. Otros, como la inteligencia artificial y el análisis de texto, están encontrando nuevos usos que respaldan aplicaciones como chatbots y el análisis de las redes sociales, tipos de contenido que no existían hace una década. La mayoría muestra tasas de crecimiento anual de alrededor del 12% al 20%, superando el crecimiento en otras industrias. Las empresas que trabajan hacia la transformación digital encontrarán muchas opciones disponibles para respaldarlas, pero deben adoptar un enfoque de “volver a lo básico” para garantizar que la base de sus decisiones basadas en datos esté bien gobernada.
Experiencia del cliente
Sin lugar a dudas, la personalización ha tomado la delantera en las discusiones sobre la experiencia del cliente. La personalización busca hacer coincidir la información entregada a un cliente potencial lo más cerca posible con sus intereses y necesidades, a través de cualquier canal que el cliente opte por utilizar. La disponibilidad de datos sobre un cliente individual o grupos de clientes similares, combinada con la capacidad de automatizar la entrega de anuncios, ofertas adicionales y otro contenido, ha dado como resultado una orientación muy específica. Muchos estudios muestran un ROI significativo y aumentos en las ventas. Algunos motores de recomendación han tenido un éxito espectacular. La capacidad de conocer al cliente es un eje del marketing exitoso, y las investigaciones indican que los clientes aprecian que se les proporcione información relevante para su situación particular.
Pero la personalización tiene muchos desafíos. No todas las empresas tienen los datos adecuados para respaldar una iniciativa de personalización o los recursos para implementar una. En particular, la gestión de datos necesaria para integrar la información para proporcionar una imagen completa del cliente es significativa. El desarrollo de una arquitectura de información para proporcionar una visión empresarial completa de los datos es un paso esencial. Las plataformas de datos del cliente pueden unificar los datos del cliente de varios sistemas, pero también son importantes otros tipos de datos. Para promocionar productos que puedan ser compatibles con un cliente, por ejemplo, los sistemas de información de productos deben mantenerse actualizados y mapeados con el historial del cliente.
Además, los clientes se están volviendo cada vez más sensibles a la hora de compartir información personal y más conscientes del compromiso con la privacidad a cambio de relevancia. Gartner espera que para 2025, el 80% de los especialistas en marketing abandonen sus esfuerzos de personalización, debido a las dificultades con la recopilación, integración y protección de datos. Esta predicción puede servir como una llamada de atención para que las empresas pongan en orden sus casas de datos o presentar una oportunidad para que los proveedores faciliten mejor el desarrollo y la implementación de programas de personalización.
La interactividad de voz está aumentando y la mayoría de los clientes utilizan la búsqueda por voz para buscar productos. Gartner predice que este año, el 30% de las sesiones de navegación web no usarán pantallas, sino asistentes de voz o realidad virtual. Además, Gartner predice que este año, el 25% de todas las operaciones de soporte y servicio al cliente utilizarán tecnologías de reconocimiento de voz como chatbots y asistentes virtuales al cliente, frente al 2% en 2017.
La respuesta de voz interactiva (IVR) suele ser un componente de la experiencia del cliente, aunque los estudios muestran sistemáticamente que a la mayoría de los clientes no les gusta. Sin embargo, con un buen diseño, como aplicarlo a problemas simples y brindar la opción de un agente en vivo en cada paso, puede ser eficiente y ahorrar tiempo en el centro de llamadas. Cuando los clientes llaman, algunos sistemas IVR pueden buscar el número de teléfono y determinar que es un teléfono móvil; puede preguntar si el usuario prefiere comunicarse por texto, un canal preferido por los Millennials.
El auge de los servicios de contenido
El uso de servicios de contenido cambia el enfoque de la gestión de contenido empresarial de mantener repositorios a un enfoque en los casos de uso del contenido, incluida la gestión de contratos, marketing, servicio al cliente, desarrollo de productos y colaboración. Las plataformas de servicios de contenido (CSP) generalmente se especializan en múltiples verticales, y algunas aplicaciones de servicios de contenido son específicas para una función particular. Los servicios pueden coordinarse a través de un conjunto de productos o integrarse a través de API, y el contenido puede originarse en un repositorio o en varias fuentes.
Forrester cita cuatro elementos clave como deseables en los servicios de contenido: 1) servicios de contenido colaborativo que incluyen el intercambio de archivos dentro y fuera de la organización y la integración con suites de productividad de oficina; 2) soporte para transacciones de alto volumen; 3) servicios de repositorio, incluida la gestión del ciclo de vida del contenido, la capacidad de metadatos y el soporte de búsqueda y gobernanza en todos los sistemas de contenido; y 4) categorización automatizada y extracción de información.
Los sistemas de gestión del ciclo de vida de los contratos (CLM) son un ejemplo de un servicio de contenido que agrega valor de múltiples formas. Los sistemas almacenan contratos y proporcionan datos a otros sistemas empresariales que se utilizan para comprar productos y facturar a los clientes. Las herramientas de IA permiten la importación automatizada y el etiquetado de metadatos. Los sistemas CLM proporcionan análisis de contratos existentes para producir estadísticas básicas y también para ayudar a revelar riesgos e identificar contenido faltante. Finalmente, apoyan el desarrollo de nuevos contratos y mantienen el control de versiones de los documentos.
Se prevé que el mercado de plataformas de servicios de contenido crezca a $ 63 mil millones para 2024, con una tasa de crecimiento anual de casi el 20% de 2018 a 2024, según Research and Markets. La capacidad de los CSP para abarcar múltiples silos de datos, incorporar y automatizar procesos complejos y satisfacer las necesidades de una muestra representativa de partes interesadas sostendrá este crecimiento.
Análisis de texto y procesamiento de lenguaje natural
Dado que el volumen de contenido no estructurado sigue aumentando, la capacidad de extraer información clave es más importante que nunca. El análisis de texto se utiliza para obtener información de fuentes como informes, documentación técnica, registros de mantenimiento, blogs, correspondencia con los clientes y redes sociales. Se puede utilizar para la detección de fraudes, la gestión de riesgos, el análisis de sentimientos y para aumentar los resultados cuantitativos de las aplicaciones de BI. Según Mordor Research, el mercado de análisis de texto crecerá de $ 5,46 mil millones en 2019 a $ 14,84 mil millones en 2025, lo que refleja una tasa de crecimiento superior al 17%.
Muchos proveedores recomiendan una combinación de análisis basado en reglas y aprendizaje automático. El uso del aprendizaje automático por sí solo requiere una cantidad tan grande de datos de capacitación que muchas organizaciones no pueden usarla de manera efectiva. Algunos proveedores realizan primero la parte de aprendizaje automático y luego imponen reglas, mientras que otros categorizan previamente el contenido mediante un conjunto de reglas y utilizan el aprendizaje automático en este conjunto de contenido más específico.
Una de las aplicaciones para el análisis de texto es convertir información no estructurada en datos estructurados que se pueden analizar para mostrar correlaciones entre diferentes medidas. El análisis de sentimientos es un buen ejemplo; El análisis de texto clasifica los comentarios en positivos, negativos o neutrales y busca relacionarlos con la retención de clientes, los ingresos de por vida u otras medidas, con análisis más granulares relacionados con diferentes segmentos de clientes. Estas métricas impulsan las decisiones comerciales.
El procesamiento del lenguaje natural es fundamental para interpretar texto y respaldar la inteligencia artificial conversacional. Puede aplicarse igualmente bien a operaciones internas y clientes externos. Los chatbots suelen ser una puerta de entrada a los contactos con las empresas a través de su sitio web y también pueden identificar clientes potenciales a través de las redes sociales y comenzar una interacción con ellos. Research and Markets predice que este mercado crecerá casi un 20% por año, de $ 8,3 mil millones a $ 22,9 mil millones, entre 2018 y 2024.
IA y aprendizaje automático
La IA tiene una historia larga e histórica que no muestra signos de llegar a un punto final. Desde ambiciosos proyectos en la década de 1980 que excedieron la potencia informática disponible hasta las implementaciones actuales que están integradas en casi todos los aspectos de la vida diaria, continúa evolucionando. Según datos de la Asociación Nacional de Capital de Riesgo, las nuevas empresas de IA recaudaron más de $ 18 mil millones en 2019, mientras que el total general de capital de riesgo disminuyó. Entre estas 1356 empresas había una organización que automatizaba la gestión de contratos, un servicio para ayudar a las pequeñas empresas a seleccionar pólizas de seguro y otra para simplificar la redacción de programas distribuidos. El campo de los innovadores de IA es dinámico y próspero.
Sin embargo, cuando se trata de implementar un programa de inteligencia artificial en toda la empresa, la historia es diferente. Según un estudio de Accenture de 1.500 ejecutivos de nivel C, el 84% está convencido de que necesita usar IA para lograr sus objetivos de crecimiento. Sin embargo, el 76% informa que tiene dificultades para escalar tales proyectos. Aproximadamente un porcentaje igual cree que en realidad cerrarán en 5 años si no se amplían.
Sin embargo, muchas empresas (alrededor del 80%) se quedan estancadas en esa fase, según Accenture. Los que lograron implementar un programa completo fueron aquellos que tenían una clara estrategia de IA, un modelo operativo vinculado a los objetivos comerciales de la empresa y un equipo para implementar la estrategia. Las empresas más exitosas habían desarrollado una cultura de inteligencia artificial respaldada por plataformas digitales empresariales, en esencia, una transformación digital, y tenían el ROI para demostrarlo.
La mayoría de las tecnologías de gestión del conocimiento están incorporando IA en su funcionalidad para mejorar la eficiencia y ampliar las capacidades. Una de las tecnologías habilitadoras para la IA es el aprendizaje automático, que utiliza algoritmos (reglas) para predecir resultados o agrupar información en grupos significativos. El aprendizaje supervisado se usa generalmente para probar modelos para predecir resultados, y el aprendizaje no supervisado se usa para detectar patrones. Ahora hay muchas herramientas disponibles para facilitar el aprendizaje automático, y es un sector en rápido crecimiento. Grand View Research estima una tasa de crecimiento anual del 44% para el aprendizaje automático de 2019 a 2025, creciendo desde un mercado de $ 7 mil millones en 2018.
Gobernanza y cumplimiento
El mercado global de gobernanza empresarial, riesgo y cumplimiento está establecido y ha experimentado cambios más evolutivos que revolucionarios, pero las regulaciones recientemente promulgadas sobre privacidad han sacudido este sector. Las complejidades de la economía global, en la que las regulaciones varían según el país y las multas pueden ser altas, han hecho que el cumplimiento sea imperativo. La capacidad de identificar a las personas a través de múltiples bases de datos y olvidarlas cuando lo soliciten plantea nuevos desafíos para las empresas en casi todas las verticales. Este es un mercado grande y en constante crecimiento; una variedad de informes de investigación predicen que el mercado de 2025 será de aproximadamente $ 60 mil millones, con una tasa de crecimiento anual de aproximadamente el 12% desde 2019 hasta 2025.
A pesar de los factores motivadores, el tipo de cultura impulsada por los datos necesaria para tener éxito en la gobernanza sigue apareciendo lentamente.
Una encuesta de empresas líderes realizada por NewVantage Partners en 2019 indicó que una mayoría significativa no tenía ni una cultura de datos ni una organización basada en datos. De hecho, el porcentaje que se identificó como impulsado por datos disminuyó del 37% al 31% durante un período de 3 años. Apenas la mitad afirmó estar tratando los datos como un activo comercial. Estos resultados son consistentes con un estudio anterior de AIIM en el que solo una pequeña fracción de los encuestados pensaba que sus programas de gobierno de la información alcanzaban un nivel de excelencia, y solo una cuarta parte consideraba que el gobierno y la seguridad de la información ocupaban un lugar destacado en la agenda de la alta dirección.
La gobernanza de datos de un extremo a otro es necesaria para la transformación digital impulsada por los datos, pero la tecnología solo puede llevar este cambio hasta cierto punto. En la encuesta de NewVantage, el 7% de los encuestados dijo que la tecnología era un obstáculo, frente al 93% que mencionó a las personas y los procesos como obstáculos. La tecnología puede ayudar a clasificar los datos a través de la clasificación automática, implementar políticas de retención y emplear la automatización del procesamiento robótico para actividades como la gestión de datos maestros. Pero diseñar e implementar un programa de gobierno son compromisos a largo plazo que requieren la participación total de todas las partes interesadas y la dedicación para garantizar la calidad de los datos, junto con una mentalidad que considera los datos como un activo. En ese momento, la organización puede tener una ventaja real sobre aquellos que no están asumiendo este compromiso.
Búsqueda inteligente
Como una de las tecnologías más maduras que respalda la gestión del conocimiento, las soluciones de búsqueda han cambiado tanto desde los días de la búsqueda de palabras clave que ahora se las conoce como “motores de información”. Esto es un reflejo del hecho de que hoy hacen mucho más que buscar contenido. La búsqueda inteligente utiliza muchas de las técnicas que se utilizan en el análisis de texto, incluida la agrupación en clústeres, la extracción de entidades y otras técnicas de inteligencia artificial, para ubicar información que es relevante para el buscador y entregarla de manera receptiva o proactiva. Las soluciones de búsqueda avanzada también brindan características de seguridad basadas en roles para garantizar que solo aquellos con permiso para acceder a la información puedan hacerlo. El conocimiento de los roles también ayuda al motor de búsqueda a devolver información relevante para el contexto del usuario.
Como es el caso de la gobernanza de la información, la calidad de la información es un factor determinante del éxito. Gartner ha notado que las organizaciones que brindan a los usuarios un catálogo curado de datos internos y externos obtienen el doble de valor de las inversiones en análisis que aquellas que no lo hacen. La información que se etiqueta de manera constante permite una mejor determinación de la intención del usuario y, por lo tanto, producirá resultados y recomendaciones más relevantes para otro contenido relacionado.
Los servicios bancarios y financieros son los mayores consumidores de búsqueda inteligente, y el gobierno y la atención médica también son mercados importantes. Los principales motores de información pueden buscar grandes almacenes de datos basados en la nube; abarcar múltiples almacenes de datos; y busque esencialmente todos los formatos de archivo. Además, el software de búsqueda se sigue utilizando para enriquecer otras aplicaciones que carecen de su propia capacidad de búsqueda.
La búsqueda en lenguaje natural es la norma en la búsqueda inteligente. Entre los casos de uso para la búsqueda empresarial citados por Accenture se encuentran las aplicaciones de búsqueda habilitadas por IA que permiten a los posibles empleadores utilizar consultas en lenguaje natural para determinar las calificaciones de los solicitantes. En este escenario, es posible que los currículums no tengan las palabras exactas que usa el buscador en la consulta, sino significados equivalentes. La búsqueda conversacional es un área en crecimiento que ya representa una parte significativa de la navegación web. Market Watch evaluó el mercado global de búsqueda empresarial en $ 3.7 mil millones en 2019 y predijo que crecerá a $ 9.0 mil millones para fines de 2026. Esto representa una tasa de crecimiento anual del 13% por año entre 2021 y 2026.
Abordar las diversas necesidades comerciales
La diversidad y flexibilidad de las tecnologías KM reflejan la capacidad de esta disciplina para ayudar a las organizaciones a administrar el volumen y la variedad de información en constante aumento que sustentan los negocios en la actualidad. Las tecnologías están cada vez más entrelazadas, con muchos puntos de convergencia, que en última instancia proporcionarán la visión integral de los clientes y los procesos necesarios para permitirles funcionar de manera más eficiente.
