por NICE
La gestión eficaz del conocimiento es crucial para una IA exitosa. Así es como las organizaciones pueden optimizar para mejorar las interacciones de servicio al cliente basadas en IA.
Es comprensible que las organizaciones de todo el mundo estén entusiasmadas con la IA y el potencial que tiene para transformar las funciones comerciales y mejorar la eficiencia, la productividad y el servicio al cliente. Pero no toda la IA es igual. Los modelos de IA se entrenan a partir de grandes modelos de lenguaje (LLM), que idealmente serán grandes cuerpos de texto que sean precisos y estén actualizados. También requieren un sistema de gestión del conocimiento que esté capacitado en datos de CX de las organizaciones, así como en datos generales de Internet. Si la gestión del conocimiento no se basa en estos datos de CX, incluso el mejor LLM tendrá un impacto limitado.
Sin buenas prácticas de gestión del conocimiento, la IA y el aprendizaje automático no tendrán acceso a los datos adecuados para estar a la altura de las expectativas de las organizaciones. Crear un lugar de trabajo preparado para el futuro significa que las organizaciones deben aprender cómo adoptar la IA de la manera más efectiva posible. Así es como pueden reconsiderar su estrategia de gestión del conocimiento para aprovechar mejor la tecnología y las capacidades de la IA.
El impacto de las malas herramientas de IA
La gestión del conocimiento de los activos y datos internos de una organización debe estar bien organizada, ser precisa y estar actualizada. Sin esto, no obtendrán los resultados ideales de sus soluciones de IA y los clientes pueden recibir respuestas incorrectas a sus preguntas. Los resultados potenciales incluyen información irrelevante, de mala calidad y no confiable que crea más problemas de los que resuelve.
Por ejemplo, si una organización utiliza un chatbot generativo habilitado para IA para gestionar los chats de servicio al cliente, la calidad de los datos en los que se entrena el chatbot es muy importante. Los sistemas de gestión del conocimiento impulsados por IA pueden contener mucha información confidencial de los clientes (como información financiera), y un chatbot puede correr un mayor riesgo de filtrar información confidencial de los clientes si no ha sido capacitado adecuadamente.
Además, las alucinaciones ocurren cuando factores como datos de entrenamiento insuficientes o sesgos en los datos causan resultados incorrectos o engañosos en un modelo de IA. Las organizaciones no pueden aprovechar los beneficios transformadores de la IA cuando ni siquiera pueden confiar en sus resultados. Evitar las alucinaciones requiere un conjunto de conocimientos actualizados y en continua mejora.
Barreras para lograr una excelente gestión del conocimiento
Crear una práctica ágil de gestión del conocimiento requiere mucho tiempo y esfuerzo. Captar y mantener una base de conocimientos precisa y bien organizada no es tarea fácil. Según una encuesta de Precisely, los científicos de datos dedican el 80% de su tiempo a limpiar, integrar y preparar datos, mientras tratan con datos en múltiples formatos, incluidos documentos, archivos de imágenes y videos. Este es un trabajo laborioso y que requiere mucho tiempo.
Otra dificultad en el lugar de trabajo moderno es que el rápido ritmo del cambio y la innovación requiere que las organizaciones recopilen, mantengan y actualicen información incluso más rápidamente que antes. Ahora es más difícil para los empleados gestionar esto por sí solos.
De esta manera, la gestión del conocimiento y las capacidades de IA tienen una relación única de tira y afloja. Cada uno de ellos puede influir en el otro de manera positiva. Así como las prácticas sólidas de gestión del conocimiento hacen que la IA sea más precisa, las herramientas sólidas de IA facilitan el análisis y la organización de todos los datos que existen en una organización.
La gestión del conocimiento como base de la gran IA
Las prácticas sólidas de gestión del conocimiento interno mejoran las aplicaciones de IA de muchas maneras. Un conjunto de datos preciso utilizado en las prácticas de gestión del conocimiento reflejará las experiencias del mundo real de una organización. En el caso de los datos de servicio al cliente, esto significa que el conjunto de datos mostrará una variedad de tipos de interacciones, desde las experiencias más comunes hasta los casos extremos muy raros. Datos diversos y completos como este ayudarán a las organizaciones a disminuir el riesgo de sufrir alucinaciones al utilizar la IA.
Teniendo esto en cuenta, las organizaciones deben considerar soluciones que les brinden una manera fácil de administrar los datos internos, actualizar continuamente el conjunto de datos de la empresa y simplificar el proceso tanto como sea posible para los usuarios para que no se vean estancados por la gran cantidad de datos. Una vez que las organizaciones logren esto, será mucho más fácil brindar a los clientes una experiencia positiva a través de la IA.