Redes neuronales para empresas.

Qué saben hacer las redes neuronales en una empresa

Tres cosas: entender lo escrito y lo hablado, generar texto e imágenes y encontrar patrones en grandes volúmenes de datos. Todo lo demás son aplicaciones de esas tres capacidades a tareas concretas.

Conviene tener esa división en la cabeza. Cuando le propongan «implantar una red neuronal», pregunte cuál de las tres capacidades va a trabajar y en qué tarea. Si no hay respuesta, no se trata de una implantación, sino de la venta de una palabra.

Dónde dan dinero de verdad las redes neuronales

Donde el trabajo es repetitivo, voluminoso y está hecho de texto o voz. Primer contacto con el cliente, respuestas a preguntas recurrentes, revisión de llamadas, preparación de documentos, borradores de contenido.

Fíjese en la columna derecha. No está vacía en ninguna fila, y no es una advertencia por cortesía. Ninguna de estas tareas la cierra por completo una red neuronal, y las implantaciones que contaban con ello terminan en marcha atrás.

En qué se diferencia una red neuronal de la automatización normal

La automatización ejecuta reglas descritas de antemano. La red neuronal trabaja donde las reglas no se pueden describir porque hay demasiadas variantes.

Un ejemplo sobre una tarea. «Si llega una consulta de la web, crear la negociación y avisar al comercial» es automatización. La regla es simple, no hay variantes, aquí una red neuronal no hace falta y solo encarece.

«Leer el mensaje del cliente, entender qué necesita, hacer una pregunta de aclaración y agendar una hora adecuada» ya es una red neuronal, porque enumerar de antemano todas las formas en que escribe la gente es imposible.

Conclusión práctica: si la tarea se puede describir con una docena de reglas, la automatización es más barata y fiable. La red neuronal hace falta donde las reglas serían miles.

Dónde no funcionan las redes neuronales

Donde el coste del error es alto y no hay quien revise la respuesta. Y donde no hay datos: una red neuronal no sabe lo que no le han dado, e inventar en esos casos es más peligroso que callar.

• Decisiones con valor jurídico. Un borrador de contrato, vale. Enviárselo al cliente sin un abogado, no.
• Cálculos exactos. Los modelos de lenguaje calculan mal. Los cálculos debe hacerlos un programa y la red neuronal explicar el resultado con palabras.
• Tareas sin datos. Si la empresa no tiene condiciones y precios descritos, ningún modelo los va a adivinar.
• Trabajo donde el error es caro e invisible. Si una respuesta equivocada aparece un mes después, automatizar sin revisión es mala idea.
• Sustituir un proceso roto. Una red neuronal acelerará cualquier proceso, incluido el que le hace perder al cliente.

Por dónde empezar

Por una tarea que se repita más a menudo y que hoy se haga a mano. No por elegir herramienta ni por revisar el mercado.

Paso uno: encontrar lo repetitivo

Mire en qué se va el tiempo de su gente. Normalmente son las mismas preguntas, rellenar fichas, preparar documentos iguales y revisar llamadas. Elija la tarea con mayor volumen.

Paso dos: calcular las pérdidas

Estime cuántas horas o consultas se lleva esa tarea al mes y cuánto cuesta. Si la cifra no impresiona, tome otra tarea: implantar por la tecnología no se paga.

Paso tres: reunir los materiales

La parte más subestimada. Precios, condiciones, preguntas frecuentes, buenas respuestas y reglas deben estar en un solo sitio. Sin ellos, cualquier implantación llega al techo la primera semana.

Más sobre lo que cuesta, en un análisis aparte: cuánto cuesta un chatbot y un agente de IA.

Redes neuronales en ventas: el caso más frecuente

Ventas es el área donde antes se amortizan, porque aquí las pérdidas son medibles: cada consulta sin respuesta es dinero concreto que se puede contar.

Tres tareas que se cierran primero:

• La primera respuesta. Las consultas llegan de noche y en fin de semana, y se responden el lunes por la mañana. un agente de IA responde enseguida y lleva al cliente al siguiente paso.
• Revisión de conversaciones. Un responsable no puede escuchar físicamente todas las llamadas, así que escucha una muestra. La analítica de voz las revisa todas y muestra dónde se pierden exactamente las negociaciones.
• Mantener las fichas. Los comerciales rellenan el CRM de mala gana y de forma incompleta. La red neuronal lo rellena desde la propia conversación.

Lo que no se cierra: negociaciones, operaciones grandes y todo lo que decide más de una persona. Aquí la red neuronal trabaja no en lugar del comercial, sino para él: prepara el informe previo y le quita la rutina.

Qué vemos en nuestros propios datos

En un proyecto la IA revisó 211 conversaciones de 123 negociaciones. La observación principal: el mayor valor no estuvo en que la red neuronal responda en lugar de una persona, sino en que convierte las conversaciones en datos.

Antes de la implantación, solo los participantes sabían qué se decía en las llamadas. La dirección veía en el CRM una nota corta y una cifra. Los motivos reales de pérdida, las objeciones repetidas, los momentos en que el cliente se enfriaba: todo eso existía, pero no se guardaba en ninguna parte.

Después se convirtió en una tabla con la que se pueden tomar decisiones. Y resultó que el motivo de pérdida anotado por el comercial en la ficha casi nunca coincide con el que sonó en la conversación. No porque los comerciales engañen, sino porque en la ficha se elige lo que cierra más rápido.

Cinco señales de una implantación vacía

Una implantación que no dará nada se reconoce antes de empezar, en la conversación con el proveedor.

• Empiezan por elegir la herramienta y no por su tarea.
• No preguntan qué materiales tiene ni en qué forma.
• Prometen que la red neuronal «se apañará sola» y «aprenderá sola».
• No dicen qué queda para las personas.
• No proponen calcular la rentabilidad antes de empezar.

La señal buena es la contraria: el proveedor pregunta por su proceso más tiempo del que habla de tecnología y en algún caso dice que ahora usted no lo necesita.