El fundador y CEO de MoreSteam, Bill Hathaway, da su opinión sobre cómo encaja la IA en la mejora de procesos, tras un reciente artículo publicado por Harvard Business Review.
Si tienes la edad suficiente, es posible que recuerdes los albores de la era de Internet, cuando parecía que íbamos de la mañana a media tarde sin siquiera detenernos a almorzar. Hubo tantos cambios dramáticos, tan rápidos. Pasamos de estar inactivos a 60 millas por hora en un abrir y cerrar de ojos.
En el momento en que se inventó Internet, aparentemente estaba conectado de todas partes a todo, y los nuevos proveedores de servicios de Internet estaban regalando Netscape. Recuerdo que pensé: ¿por qué? – ¿Cómo tenía sentido ese negocio? Nuevos sitios web, correo electrónico, comercio electrónico, motores de búsqueda y millones de experimentos… el nacimiento de la era de Internet fue como la explosión cámbrica hace 530 millones de años, cuando de repente apareció una gran variedad de nuevos animales.
En el último año, con el rápido desarrollo y adopción de la IA a través de grandes modelos de lenguaje (LLM), no puedo evitar comparar la sensación de disrupción con la explosión de Internet, y puede haber una tasa aún más rápida de cambio evolutivo, nuevamente con millones y millones de experimentos en curso para aprender lo que podría ser posible.
Una de las áreas de aplicación prometedoras para la IA y los LLM es la mejora de procesos, una tarea complicada y laboriosa que involucra dos elementos complejos: humanos y datos. Recientemente, Harvard Business Review publicó un artículo sobre “Cómo encaja la IA en Lean Six Sigma“. Es un buen comienzo para identificar algunas de las posibles aplicaciones. Creo que hay otras vías fructíferas para la exploración (y todo es exploración en este momento porque están surgiendo muchas posibilidades nuevas).
Uso de la lluvia de ideas para la IA generativa en los gastos operativos
Estas son algunas de las áreas de las aplicaciones de IA/Aprendizaje Automático que MoreSteam está investigando activamente:
- Los grandes modelos de lenguaje, como ChatGPT, son realmente buenos para analizar información textual. Se pueden utilizar para analizar los datos de la voz del cliente (VOC) de encuestas, entrevistas o tickets de soporte. Hemos estado usando ChatGPT para resumir y agrupar texto en categorías lógicas, acelerando el complicado proceso de creación de diagramas de afinidad. El mismo enfoque se puede utilizar para organizar los datos de la lluvia de ideas.
- Si alguna vez has revisado el acta de constitución de un proyecto, probablemente hayas notado debilidades en el Planteamiento del Problema y/o en el Caso de Negocio. Con las indicaciones y el contexto adecuados, los LLM se pueden utilizar para ayudar al desarrollo del Planteamiento del Problema y del Caso de Negocio sugiriendo mejoras para una mayor claridad, especificidad o incluso alineación estratégica. MoreSteam ya ha implementado esta funcionalidad impulsada por IA en el sistema de gestión de proyectos TRACtion y en las simulaciones de proyectos DMAIC utilizadas para la formación.
- En cuanto a la formación, los LLM abren la puerta a la construcción de preguntas abiertas mucho más realistas, proporcionando una respuesta personalizada elaborada dinámicamente similar a lo que los estudiantes escucharían de un profesor, lo que nos permite alejarnos de las preguntas de opción múltiple. Ese es un intercambio de aprendizaje mucho más realista, ya que el mundo real rara vez, si es que alguna vez, es una experiencia de opción múltiple.
- El análisis exploratorio de datos ahora es posible con Chat GPT y otros modelos de lenguaje de gran tamaño. Puede cargar datos y solicitar un resumen, incluidas estadísticas descriptivas, o utilizarlos para ayudar a decidir qué herramientas de visualización utilizar (gráfico de barras v Pareto). También puede convertir lo que desea explorar en código para ejecutarlo en el conjunto de datos, por nombrar algunos ejemplos.
- Existen posibles preocupaciones sobre la seguridad de los datos, lo que lleva a algunas organizaciones a restringir tales prácticas o ejecutar grandes modelos de lenguaje dentro de sus firewalls.
- Una lucha común es determinar qué herramienta utilizar para responder una pregunta de interés. Los LLM pueden recibir capacitación para ayudar y ayudar con interpretaciones y conclusiones. Hacer que la interpretación de los resultados estadísticos sea a prueba de errores beneficia enormemente a quienes no realizan análisis estadísticos con frecuencia. En MoreSteam, estamos ampliando esta capacidad dentro de la aplicación de análisis de datos EngineRoom.
Nota: Quizás te preguntes, como lo han hecho otros, cómo desarrollamos habilidades de pensamiento crítico si el software comienza a realizar cada vez más pensamiento crítico. Es una cuestión importante sin resolver.
Una aplicación emergente del aprendizaje automático es el análisis de la causa raíz de las fallas en sistemas complejos mediante árboles de clasificación o regresión. Este tipo de análisis anteriormente requería un científico de datos, un software costoso o ambos, pero recientemente se ha vuelto más accesible. EngineRoom agregó esta aplicación de aprendizaje automático a principios de 2023.
- Por supuesto, encontrar la causa raíz de un problema no equivale a resolver ese problema. Algo en el proceso o producto debe ser corregido, cambiado o revisado. La lluvia de ideas de posibles soluciones puede ser turboalimentada por grandes modelos de lenguaje en este momento. Intente escribir este mensaje en Chat GPT u otro LLM: “¿Cuál es la mejor manera de diseñar un proceso de pago minorista para minimizar el tiempo de cola?”. Probablemente te sorprenderá la calidad de la respuesta. Hay mucho potencial para aprovechar las mejores prácticas e incluso generar orientación sobre cómo resolver las compensaciones de diseño, al estilo TRIZ. Si le preguntas a ChatGPT: “¿Cómo podría diseñar un automóvil para que sea rápido y potente y que también tenga una gran economía de combustible?” Probablemente obtendrá una respuesta muy completa y coherente (con la advertencia habitual de que siempre puede haber alguna alucinación). Estamos explorando varias formas de acelerar la ideación mediante IA. Los modelos de lenguaje grandes son muy rápidos y prácticamente gratuitos, así que ¿por qué no usarlos para ayudar a generar y ordenar/resumir ideas? Es probable que a la IA no se le ocurra LA idea directamente, pero puede ayudar a estimular las conexiones creativas que están en el corazón de todo gran diseño. Más por venir sobre esto…
- Al implementar mejoras, normalmente (¿siempre?) hay riesgos potenciales que mitigar. Examinar los posibles modos de falla es otra actividad humana desordenada alimentada por los datos y la experiencia. Tal vez los LLM podrían desempeñar un papel en la imaginación de “¿qué podría salir mal si sucede X?”.
- Un paso más allá sería considerar las posibles consecuencias no deseadas. Al igual que con la lluvia de ideas de soluciones, la IA probablemente no generará la respuesta definitiva, pero podría ayudar a generar otras ideas y conexiones. Vamos a investigar esto.
Esas son algunas ideas. Podrás encontrar más. Te animamos a que realices experimentos y compartas lo que aprendas. Una de las cuestiones experimentales importantes es la cuestión abierta de desplazar el pensamiento crítico mencionada anteriormente; todos tenemos que descubrir cómo diseñar interacciones de IA para ayudar al pensamiento crítico en lugar de reemplazarlo.
Original: https://www.moresteam.com/resources/blogs/ai-and-process-improvement
Blackberry & Cross es aliado de MoreSteam.
Leave a Reply