Client story Cliente Cero: claves para adoptar la IA a escala

Cliente Cero

Tu estrategia de IA no tiene por qué partir de cero .

Insight se ha transformado con IA. Este es el playbook de IA que nos habría gustado tener.

Antes de poder ayudar a las organizaciones a adoptar la IA y a obtener valor de ella, necesitábamos demostrarlo en primera persona. Por eso Insight decidió convertirse en Cliente Cero.

Asumimos riesgos controlados. Cometimos errores. Cancelamos proyectos que contaban con el favor de la dirección. Descubrimos que 9 de cada 10 problemas de negocio que nos planteaban no requerían IA. Experimentamos con distintos métodos de adopción y repensamos los flujos de trabajo en todas las unidades de negocio, validando lo que realmente hace falta para lograr resultados con la IA a escala.

Primeros pasos

¿Cómo avanzar con la IA cuando no existe un playbook?

Empiezas por aceptar que vas a cometer errores —y que equivocarse rápido es mejor que no lograr nada despacio—.

A finales de 2022, ChatGPT se abrió al público. La dirección de Insight tomó una decisión que marcó todo lo que vino después: no lo bloquearíamos. Mientras otras organizaciones imponían prohibiciones generalizadas y políticas de tolerancia cero, nuestro equipo directivo defendió lo contrario: abrirlo, permitir que la gente lo usara y gestionar el riesgo sin eliminar la oportunidad.

Aquella decisión resultó aterradora para nuestros equipos de seguridad y legal. También fue la más trascendental de todas las que tomamos.

En ocho semanas teníamos una instancia privada y segura de Azure OpenAI desplegada para los empleados de todo el mundo, lo que sentó las bases iniciales de lo que acabaría siendo Enterprise AI Hub. ¿El presupuesto inicial? 180.000 dólares, con el mandato de revisar el gasto cada mes. Esa financiación nos permitió llegar hasta final de año.

Los primeros días fueron caóticos por diseño. Dimos a las personas un acceso seguro y les dijimos que probaran cosas. No lo desplegamos departamento por departamento ni prescribimos cómo debía usarse la IA.

Lo que sabemos ahora

Dimos a todos herramientas de IA antes de ofrecerles orientación sobre cuándo usarlas. Eso generó impulso, pero también supuso que se utilizaran modelos de frontera para tareas que no los requerían. Si tuviéramos que hacerlo de nuevo, acompañaríamos el despliegue con directrices claras para elegir la herramienta y el modelo adecuados para cada tarea.

Antes de convertirnos en Cliente Cero, tuvimos que decidir cómo abordaría Insight la adopción de la IA.

Barajamos varias formas de responder a medida que la IA ganaba impulso en toda la empresa.

Selecciona cada opción para conocer su justificación y los motivos por los que, finalmente, elegimos un camino distinto.

Esperar a que surjan las mejores prácticas.

Esperar a las mejores prácticas.

Esperar habría reducido la incertidumbre, pero también habría retrasado el aprendizaje y limitado nuestra capacidad para ayudar a los clientes a afrontar desafíos similares.

Centrarse en logros inmediatos con IA.

Centrarse en logros inmediatos con IA.

Los logros rápidos eran importantes, pero los éxitos aislados no habrían creado un enfoque escalable de gobernanza, adopción ni de impacto empresarial a largo plazo.

Restringir la IA hasta comprender mejor los riesgos.

Restringir la IA.

Restringir la IA habría llevado a las personas a buscar atajos y a recurrir a la «IA en la sombra» (shadow AI), con el consiguiente aumento del riesgo. Además, las restricciones habrían limitado la experimentación y ralentizado la adopción.

Dar autonomía a los equipos para que aprendan haciendo.

Dar autonomía a los equipos.

Creímos que la forma más rápida de comprender la IA de manera responsable era la experiencia directa. Esa decisión sentó las bases para crear Enterprise AI Hub.

En lugar de esperar a tener certezas, creamos un entorno en el que la experimentación y el aprendizaje pudieran evolucionar de la mano.

Ese enfoque nos ayudó a pasar del «hype» al «cómo».

Gobernanza y confianza

¿Cómo gobernar la IA de forma responsable en toda la organización sin frenar la innovación?

La respuesta no es un documento de políticas de 50 páginas. Es un equipo de seguridad que no dice «no», sino «así sí».

La primera versión de nuestra política corporativa de IA generativa era sencilla: no introducir datos propios ni de clientes en modelos públicos de IA. Esa era la línea roja. Todo lo demás consistía en permitir que las personas trabajaran dentro de unos límites seguros, no en levantar muros a su alrededor.

Nuestro equipo de seguridad fue realista con la «IA en la sombra» (shadow AI). Entendía que cuanto más difícil les resultara a los empleados experimentar, más probable sería que eludieran el sistema y aumentaran el riesgo.

“Prohibir la IA por completo es tan arriesgado como dejar que funcione sin control.”

Foto de Jeremy Nelson

Jeremy Nelson, CISO de Norteamérica, Insight

Nuestro equipo de seguridad de la información desplegó Microsoft Defender for Cloud Apps para crear lo que en la práctica era un reductor de velocidad, no un bloqueo. Cuando los empleados visitaban un sitio de IA no autorizado, una ventana emergente les invitaba a detenerse y a reflexionar sobre lo que estaban haciendo. No bloqueaba el acceso, aunque la mayoría suponía que sí (no nos apresuramos a desmentirlo). Quien leyera el mensaje podía continuar igualmente.

Este enfoque exigió una estrecha colaboración entre seguridad, el área legal y el negocio.

Pero el reto de gobernanza más complejo era la calidad de los datos. Años de adquisiciones y una gestión inconsistente de los archivos habían dejado información obsoleta repartida por SharePoint. Cuando la IA accedía a ella, las respuestas podían ser técnicamente correctas pero inútiles en la práctica, o erróneas pero formuladas con total aplomo.

Lo que aprendimos

Dimos por hecho que la gobernanza era algo que había que establecer antes de escalar la adopción. En realidad, tenía que evolucionar al mismo ritmo que la tecnología. Las políticas redactadas en el primer mes podían quedar obsoletas al tercero, de modo que esperar a contar con un marco completo equivalía a resolver el problema para una versión de la IA que quizá ya no existiera.

“La mayoría de las organizaciones se ha dado cuenta de que esta ola de adopción de la IA no será como las tradicionales, lideradas por TI. Será un modelo operativo distribuido, de tipo «hub and spoke», en el que TI establece los límites y la gobernanza, mientras que las unidades de negocio necesitan responsables de adopción de la IA que se encarguen de sacar partido a lo que ya existe y de concebir aquello que generará ventajas diferenciales.”

Veli-Matti Vanamo

Veli-Matti Vanamo, CTO y responsable de transformación empresarial con IA de Insight APAC

La experimentación y la adopción de la IA no pertenecían a un único equipo.

Selecciona cada pilar para ver cómo contribuyeron las distintas disciplinas a construir una base común para la transformación con IA.

Gobernanza

Estableció expectativas compartidas, responsabilidad y confianza para un uso responsable de la IA a escala.

“Que todos los empleados puedan trabajar con la IA y entenderla como algo positivo es un requisito absoluto.”

Mark Hughes

Mark Hughes, CTO de Insight

Adopción y cambio

¿Cómo impulsar con éxito la adopción de la IA entre los empleados?

Tener acceso no es lo mismo que adoptar. La mayoría de las organizaciones lo aprende por las malas. Nosotros no fuimos una excepción.

Al principio teníamos las herramientas desplegadas, la política definida y el respaldo ejecutivo desde la cúpula. Y, sin embargo, la adopción se quedaba atrás. Las personas probaban la IA con un solo prompt, obtenían una respuesta mediocre y la dejaban de lado. El problema no era la tecnología. La brecha estaba en que la gente no sabía qué preguntar, ni cómo hacerlo.

Varios factores cambiaron el rumbo:

La adopción inicial se estancó porque las personas no sabían por dónde empezar. Por eso creamos AI Flight Academy™: un programa gamificado con niveles progresivos, competición entre equipos e insignias que la gente exhibía de verdad. Ofreció a todos un itinerario estructurado para pasar de la curiosidad a la competencia, y dio visibilidad al progreso en toda la organización.

Las personas con más probabilidades de descartar la IA eran las que nunca la habían visto resolver un problema que realmente tenían. Los AI Champions lo solucionaron. Integrados en cada unidad de negocio, mostraban a sus compañeros exactamente cómo se aplicaba la IA a su trabajo concreto: no una demostración genérica, sino un caso de uso real de alguien con su mismo rol.

Probamos primero con formación impartida por expertos. Un especialista técnico presentaba casos de uso de IA a los equipos comerciales. La respuesta fue un silencio cortés. Lo que funcionó fue que un comercial con buenos resultados se lo explicara a sus colegas: este es el prompt exacto que usé, este es el agente que creé, así ha cambiado mi pipeline. La misma información. Un resultado completamente distinto.

Pedimos a los empleados que registraran ejemplos reales: no hipótesis ni proyecciones, sino cosas que habían ocurrido de verdad. Un empleado de almacén eliminó 850 correos manuales al mes. Un equipo de ventas ahorró más de 100 horas clasificando datos. Esas historias se difundieron más rápido que cualquier programa de formación porque eran concretas, creíbles y procedían de compañeros.

“La mejor forma de enseñar es mostrar. Cuando una persona ve lo que es posible (una presentación que alterna entre inglés y español, una calculadora integrada en una presentación de diapositivas, una propuesta personalizada para el sector de un cliente en 20 minutos), empiezan a surgirle ideas. Es entonces cuando la adopción deja de ser una imposición y se vuelve contagiosa.”

Adam Deardurff

Adam Deardurff, Desarrollo de Negocio Estratégico, Insight

La adopción de la IA también se manifestó en forma de confianza. Para Kim Nero, especialista en cualificación de leads, la IA se convirtió en un coach a demanda que ayudó a una compañera sin perfil técnico a responder consultas de clientes sobre una amplia variedad de temas complejos. Kim gestiona normalmente entre 3 y 5 nuevos leads o consultas al día, con un SLA de 24 a 48 horas, y calcula que la IA le ahorra de media entre 10 y 15 minutos por consulta. Pero el impacto fue más allá de la rapidez. «La mayor lección no tiene que ver solo con la eficiencia», afirma. «Es el empoderamiento… La IA me ayudó a aprender más rápido, a ganar confianza y a atender a los clientes en un abanico mucho más amplio de tecnologías.»

0 %

de los empleados utiliza ya la IA de forma activa en su puesto.

Esa cifra importa menos que lo que hay detrás: un cambio cultural en el que las personas llevan los problemas a la IA antes de llevarlos a un comité.

Lo que recomendaríamos ahora

No despliegues la IA para todos a la vez con una directriz genérica. Empieza por casos de uso específicos de cada departamento y por AI Champions que entiendan el trabajo del día a día. Un equipo legal y un equipo comercial nunca compartirán el mismo punto de partida. La capacitación más eficaz que llevamos a cabo fue la individual: un AI Champion sentado junto a un compañero, analizando su flujo de trabajo real y mostrándole exactamente dónde encaja la IA. Eso no escala con facilidad, pero convence a los escépticos más rápido que cualquier programa de formación.

Descubre AI Flight Academy™

Comprueba cómo Insight convierte el acceso a la IA en una adopción práctica mediante aprendizaje estructurado, retos prácticos, reconocimiento y un progreso medible en todos los equipos.

Descúbrelo ›

Casos de uso y valor

¿Cómo pasar de los experimentos con IA a resultados de negocio medibles?

Convirtiendo los éxitos aislados en capacidades repetibles.

Los casos de uso que aportaron más valor compartían tres características: un problema de negocio concreto, datos utilizables y un responsable claro, comprometido con el resultado.

En toda Insight surgían con rapidez casos de uso valiosos. Algunos proporcionaron logros rápidos. Otros revelaron oportunidades de mayor alcance para mejorar la forma de trabajar.

Una iniciativa del área de finanzas ilustró este enfoque. Los equipos identificaron primero los puntos de fricción y los clasificaron según requirieran IA, automatización, rediseño de procesos o soporte de TI. Esa disciplina contribuyó a que las inversiones en IA se centraran en los problemas adecuados.

Casos de uso de IA que generaron resultados medibles:

Marca

Marca

El agente de IA de nombres «Brandie» transformó un proceso que duraba semanas y que ahora puede completarse en tan solo un día, con mayor coherencia y gobernanza.

Legal

Legal

Un revisor de acuerdos de confidencialidad (NDA) basado en IA redujo la revisión de un NDA estándar de 24–48 horas a unos 5 minutos, lo que permite a los equipos avanzar más rápido sin renunciar a los controles de gobernanza.

Marketing

Marketing

Marketing creó Aura 2.0, una plataforma de conocimiento basada en IA que convierte datos estructurados de proyectos en borradores de casos de éxito ya pulidos, y sustituye un proceso manual de meses por una producción aproximadamente 10 veces más rápida.

Renovaciones y retención

Renovaciones y retención

La automatización con IA da soporte a las renovaciones de larga cola (long tail) y gestiona aproximadamente el 50 % del trabajo previsto, con potencial para dar cobertura a más de 20.000 transacciones por trimestre.

Ventas

Ventas

Fijar precios en operaciones complejas exigía antes la participación de 5–8 personas a lo largo de varias llamadas y días de idas y venidas. Hoy, una plataforma de inteligencia comercial basada en IA ofrece estrategias de precios al instante y bajo demanda, y reduce el tiempo de primera respuesta a una RFP de semanas a solo 1–2 horas.

Entrega de software

Entrega de software

Un consultor de APAC utilizó agentes de IA para entregar una aplicación de gobernanza educativa que da servicio a 150 colegios, con un modelo que sustituyó buena parte de un equipo de proyecto tradicional. Las solicitudes de cambio que antes podían tardar dos semanas se completaban en aproximadamente una hora.

Operaciones de almacén

Operaciones de almacén

Un empleado utilizó la IA para crear una Power App que automatizó un proceso manual de devoluciones, con lo que eliminó unos 850 correos al mes y redujo el trabajo administrativo repetitivo.

Pasamos del hype al cómo .

A medida que crecía la adopción, Insight necesitaba una forma de priorizar las inversiones, escalar las ideas que funcionaban y conectar la innovación con los resultados de negocio.

Ese trabajo contribuyó a dar forma a capacidades como Insight AI™.

El progreso generó pruebas. También aportó perspectiva.

Si empezáramos hoy

Seis lecciones aprendidas al adoptar la IA en una empresa global

La experiencia cambia lo que se prioriza.

Al convertirse en Cliente Cero, Insight afrontó de primera mano las realidades de la adopción de la IA en la empresa. Por el camino, entendimos con mayor claridad qué funcionó y qué cambiaríamos si empezáramos hoy.

Algunas suposiciones resultaron erróneas.
Algunas lecciones solo se hicieron evidentes con el tiempo.

El modelo operativo importa más que el momento.

Cada nuevo modelo, herramienta y capacidad abre nuevas oportunidades y plantea nuevas preguntas. La ventaja está en construir una organización capaz de adaptarse a ambas cosas.

No partas de cero. Parte de nuestra experiencia.

Actuar como Cliente Cero ha dado a Insight una experiencia práctica para afrontar los desafíos y las disyuntivas que marcan la transformación con IA. Esas lecciones pueden ayudar a tu organización a avanzar más rápido, evitar los errores más habituales y construir una base más sólida para el éxito a largo plazo.

Descubre Insight AI™ ›

Let's Talk

Let’s do big things together.​

Innovating is the only way to stay relevant in today’s uber-competitive market. Our unique approach and deep knowledge put you on the path to true innovation.

 

Let's connect

Let's connect