Formar a sus equipos en IA: convertir la herramienta en un hábito
Implementar inteligencia artificial en su red no significa que vaya a utilizarse.
Aunque una herramienta sea sencilla, rápida y capaz de ofrecer respuestas pertinentes, sus equipos pueden seguir enviando un correo electrónico a la sede, llamando a su responsable de red, buscando un documento en el ordenador o planteando sus preguntas en una plataforma de mensajería interna.
¿Por qué?
Porque la adopción de la IA no depende únicamente de la calidad de la tecnología. Depende sobre todo de cómo se integra en los hábitos de trabajo.
Por tanto, para que una IA resulte realmente útil en su red, no basta con formar a los empleados para que redacten mejores prompts. Hay que enseñarles cuándo utilizar la IA, cómo interpretar sus respuestas y cómo contribuir a mejorarla.
Y esta formación no solo concierne al personal de campo.
La sede también tiene un papel fundamental.
Poner una IA a disposición de los equipos no crea automáticamente un nuevo uso
El verdadero reto no consiste simplemente en poner una IA a disposición de sus equipos, sino en crear las condiciones para que realmente se integre en sus hábitos de trabajo.
Cuando se implementa una nueva funcionalidad, puede darse un fenómeno habitual: sus equipos siguen utilizando los métodos que ya conocen.
Estos hábitos no son irracionales. Simplemente se han ido construyendo con el tiempo. La llegada de una IA añade entonces una nueva vía para acceder a la información. Pero, mientras sus equipos no sepan con claridad en qué situaciones utilizarla, el hábito anterior suele seguir siendo el más natural.
Por tanto, el objetivo de la formación no es tanto explicar cómo funciona la inteligencia artificial como responder a una pregunta mucho más concreta:
«En mi día a día, ¿cuándo puede ayudarme realmente esta herramienta?»
Formarse en IA no consiste únicamente en aprender a redactar prompts
Gran parte de los contenidos dedicados a la formación en IA se centra en la redacción de prompts.
Saber formular correctamente una petición es útil. Pero, en una red, solo es una pequeña parte del tema.
Un empleado de campo no necesita convertirse en un experto en ingeniería de prompts.
Sobre todo, debe aprender a dialogar eficazmente con la herramienta.
Esto implica varias competencias sencillas.
1. Saber reconocer en qué situaciones utilizar la IA
El primer paso consiste en identificar los usos pertinentes.
- Por ejemplo:
- encontrar un procedimiento;
- comprender una norma interna;
- verificar una etapa de un proceso;
- encontrar los estándares de la marca;
- saber cómo reaccionar ante una situación habitual;
- acceder rápidamente a información presente en la documentación de la red.
La formación debe partir de situaciones reales.
Cuanto más se ajusten los ejemplos al día a día de los equipos, más fácil será comprender el valor de la herramienta.
2. Formular una pregunta lo bastante clara
Una IA solo puede trabajar con la información de la que dispone.
Por ejemplo:
«Un cliente quiere devolver un producto comprado hace tres semanas y no tiene el recibo. ¿Qué procedimiento debo aplicar?»
Esta pregunta permite a la inteligencia artificial comprender el contexto de la situación.
Por tanto, formar a sus equipos consiste en enseñarles a proporcionar los elementos necesarios para obtener una respuesta realmente útil.
3. Saber reformular
La primera respuesta no siempre es la correcta.
El empleado debe poder precisar su petición, añadir contexto o reformular la pregunta.
Así, la IA deja de ser un simple motor de búsqueda y se convierte en un interlocutor con el que es posible ir afinando una petición.
Esta capacidad es importante porque evita un comportamiento frecuente: abandonar la herramienta en cuanto la primera respuesta parece incompleta.
También hay que enseñar a los equipos a reconocer los límites de la IA
Una IA especializada puede ser eficaz sin conocer la respuesta a todas las preguntas. Y es normal.
Si una información no existe en la base de conocimientos, si un procedimiento no está documentado o si la situación requiere una decisión específica de la sede, la IA puede alcanzar sus límites.
Formar a sus empleados también significa explicarles estos límites.
Una respuesta inexistente o insuficiente no debe considerarse necesariamente un fallo de la herramienta. Puede revelar una carencia en la documentación de la red.
Aquí es donde la adopción de la IA empieza a generar un efecto especialmente interesante. Las preguntas del personal de campo se convierten en una nueva fuente de información para la sede.
En Cerca, si quedan sin respuesta, Simon (nuestro agente de IA especializado en bases de conocimiento y tickets) las identifica y las transmite a los equipos de la sede para que puedan enriquecer la base de conocimientos de la red.
Cada pregunta sin respuesta puede convertirse en una oportunidad de mejora
Imaginemos que varios responsables de puntos de venta plantean periódicamente la misma pregunta.
Hay dos posibilidades.
O bien la respuesta ya está documentada, pero es difícil de encontrar.
En ese caso, el problema tiene que ver con la accesibilidad o la organización de la información.
O bien no existe una respuesta clara.
En ese caso, puede que el problema sea documental u operativo.
Falta un procedimiento.
Una norma es ambigua.
Nunca se ha formalizado un caso particular.
Hay que aclarar una etapa del proceso.
En ese caso, la IA ya no solo sirve para responder preguntas.
También permite detectar los puntos de fricción de la red.
Siempre que los empleados sepan señalar las respuestas inexistentes, imprecisas o insuficientes.
Y que la sede sepa aprovechar estos comentarios.
Por tanto, la adopción de la IA también es un tema de formación para la sede
El éxito de la implementación no depende únicamente de los usuarios de campo.
Los equipos de la sede también deben desarrollar nuevos hábitos.
El primero consiste en analizar las preguntas que se plantean.
¿Qué peticiones se repiten? ¿Sobre qué temas? ¿En qué establecimientos?
¿Hay preguntas que aparecen tras un nuevo procedimiento, una campaña comercial o un cambio operativo?
Este análisis permite identificar progresivamente qué conocimientos hay que reforzar. Pero no todas las preguntas deben llevar a añadir un nuevo documento.
La sede debe aprender a distinguir entre varias situaciones.
Una pregunta puede revelar:
- que falta información;
- que la información está desactualizada;
- que es demasiado difícil encontrar un documento;
- que un procedimiento no se comprende bien;
- que un proceso es demasiado complejo;
- que se necesita formación;
- que una situación requiere realmente la intervención de una persona.
Esta distinción es fundamental.
Una base de conocimientos eficaz no consiste en acumular cada vez más documentos. Debe proporcionar información útil, clara y práctica justo cuando los equipos la necesitan.
Mantener los conocimientos se convierte en una nueva rutina de la sede
Para seguir siendo pertinente, una IA especializada debe poder apoyarse en conocimientos que también sean pertinentes.
Esto supone actualizar los contenidos con el tiempo.
Nuevos procedimientos, evolución de las ofertas, cambios normativos, nuevas campañas comerciales, nuevos estándares de marca: la realidad de la red cambia constantemente.
La base documental debe evolucionar con ella.
Por tanto, el papel de la sede consiste en organizar un ciclo de mejora continua: Pregunta del personal de campo -> análisis -> actualización de los conocimientos -> nueva respuesta disponible -> información a la red.
Este ciclo es importante porque convierte progresivamente la IA en una herramienta viva. Cada interacción puede contribuir a mejorar las siguientes.
La red ya no dispone únicamente de una biblioteca de documentos. Va creando conocimientos accesibles y continuamente enriquecidos por las necesidades reales del personal de campo.
Para crear un hábito, la IA debe integrarse en las rutinas diarias
Ni siquiera una buena formación inicial es suficiente.
Un empleado puede comprender perfectamente cómo funciona una herramienta cuando se implementa y dejar de pensar en utilizarla unas semanas después.
La adopción se construye mediante la repetición.
Por eso, hay que vincular la IA a situaciones concretas del día a día.
Antes de enviar una pregunta al equipo de soporte: consultar la IA.
Antes de buscar manualmente un procedimiento: consultar la IA.
Antes de llamar a la sede para encontrar una información que ya está documentada: consultar la IA.
Esto no significa, por supuesto, que deban desaparecer todas las interacciones humanas.
El objetivo es reducir las consultas repetitivas y las búsquedas de información para que los equipos de la sede puedan dedicar más tiempo a las situaciones que realmente requieren su experiencia.
La IA debe hacerse cargo de lo que pueda.
Las personas siguen interviniendo cuando son indispensables su comprensión del contexto, su experiencia, su criterio o su capacidad de acompañamiento.
El ejemplo de la sede es determinante
Es difícil pedir a los equipos de campo que adopten una nueva herramienta si la sede sigue funcionando exactamente como antes.
Por tanto, la adopción debe ser visible.
Cuando una pregunta pueda resolverse con la IA, los responsables de la red pueden animar a los empleados a utilizarla en lugar de limitarse a transmitirles la respuesta.
El cambio de comportamiento puede ser muy sencillo.
En lugar de responder:
«Aquí tienes el documento».
la sede puede responder:
«Puedes encontrar esta información directamente en el asistente. Prueba a hacerle esta pregunta».
Este cambio parece menor. Pero, al repetirse con el tiempo, contribuye a crear un nuevo hábito.
Algunos equipos necesitarán más acompañamiento que otros
La adopción nunca será homogénea desde el principio.
Algunos empleados probarán la IA de inmediato y multiplicarán sus usos.
Otros mantendrán durante mucho tiempo sus antiguos hábitos.
Eso no significa necesariamente que se resistan a la tecnología.
Puede que simplemente no hayan identificado un beneficio lo bastante concreto en su día a día.
Por tanto, el papel de la sede también consiste en comprender por qué algunos equipos utilizan menos la herramienta.
¿Falta de formación?
¿Falta de confianza?
¿Preguntas mal comprendidas?
¿Respuestas insuficientes?
¿La herramienta está poco integrada en las rutinas?
¿Faltan conocimientos?
La solución no siempre será ofrecer una nueva formación general.
Un acompañamiento centrado en unas pocas situaciones específicas del negocio puede ser mucho más eficaz.
Medir la adopción en lugar de limitarse a medir la implementación
Que una funcionalidad esté activada no significa necesariamente que se haya adoptado.
Para saber si la IA se está integrando realmente en los usos, pueden observarse varios indicadores:
- el número de usuarios activos;
- la frecuencia de las preguntas planteadas;
- la proporción de establecimientos que utilizan la herramienta con regularidad;
- los temas más consultados;
- el volumen de preguntas sin una respuesta satisfactoria;
- la evolución de las consultas dirigidas a la sede;
Estos datos permiten identificar dónde funciona la adopción y dónde aún es necesario acompañarla.
Pero el indicador más interesante probablemente sea el cambio de comportamiento.
Cuando la primera reacción de un empleado ante una pregunta pasa a ser:
«Voy a consultar la IA». entonces la herramienta empieza realmente a integrarse en los hábitos de la red.
La adopción de la IA es, ante todo, una transformación de los usos
El éxito de un proyecto de inteligencia artificial no se mide por el número de funcionalidades implementadas.
Se mide por la capacidad de los equipos para utilizarlas en el momento adecuado y de la manera correcta.
Para el personal de campo, esto implica saber cuándo consultar la IA, cómo aportar el contexto adecuado, cómo verificar una respuesta y cómo señalar la información que falta.
Para la sede, implica escuchar las preguntas que se reciben, mejorar continuamente los conocimientos de la red y acompañar a los equipos que encuentran más dificultades.
Así, la formación se convierte en mucho más que una presentación de la herramienta.
Crea un círculo virtuoso:
los equipos mejor formados plantean mejores preguntas, estas preguntas permiten a la sede mejorar los conocimientos y unos conocimientos mejores hacen que la IA sea progresivamente más útil para toda la red.
Solo así la inteligencia artificial deja de ser una funcionalidad más.
Se convierte en un auténtico hábito de inteligencia operativa.
