El poder de la IA generativa para generar presentaciones visuales corporativas
La IA generativa le presenta a los colaboradores y empresarios no solo nuevas formas de escribir y analizar datos. También herramientas para expresarse. (Neil Webb/theispot.com)
Las conversaciones con herramientas como ChatGPT funcionan muy bien para algunas situaciones de toma de decisiones, pero no para todas. Aquí se explica cómo entregar mejor los datos para cuatro casos clave.
Hoy en día, las herramientas de Inteligencia Artificial (IA) generativa como ChatGPT y Gemini realizan un impresionante conjunto de tareas con solo pocas indicaciones. Interpretan incluso las preguntas de los usuarios mal formuladas, identifican conocimientos profundos del dominio a partir de los datos y comparten respuestas como recomendaciones.
Cada vez más, estos intercambios se vuelven conversacionales, utilizando tecnología de IA de conversión de texto a voz.
La IA puede responder preguntas desde el principio, como un asistente ejecutivo. No es sorprendente que esto haya llevado a la gente a preguntarse si la presentación visual de la información ya es relevante, e incluso, a dar la muerte a los paneles de visualización y las historias de datos.
Aquí, compartiré un marco simple pero poderoso para ayudar a los líderes y sus equipos a comprender cuatro situaciones clave para la toma de decisiones. Además de cómo elegir la herramienta de presentación de información adecuada para el trabajo.
¿Por qué la IA que genera imágenes requiere una nueva mentalidad de marca?
El poder de las narrativas de datos visuales
A diferencia de las tablas de números, las narrativas visuales utilizan imágenes y gráficos para comunicar información compleja de forma rápida y eficaz. Involucran tanto los sentidos visuales como cognitivos, lo que conduce a una mejor comprensión y retención.
Durante la última década, los conocimientos aportados a través de historias de datos se han vuelto prominentes en las empresas. Si bien una historia de datos a menudo se confunde con un tablero, tiene una distinción importante.
Como su nombre lo indica, las historias de datos tienen una narrativa personalizada presentada como información visual, con conclusiones para ayudar a los usuarios a actuar.
El auge de la IA conversacional
Hace unos años, los productos de análisis impulsados por IA que podían recibir entradas en lenguaje natural, en lugar de comandos programáticos que requieren mucho esfuerzo, simplificaron la creación de paneles.
Luego, la IA generativa irrumpió en escena y rápidamente se volvió popular, gracias a los productos que pueden generar imágenes y texto, como ChatGPT, Dall-e y Stable Diffusion.
Ahora las herramientas de Inteligencia Artificial no solo pueden procesar el lenguaje humano con precisión, sino que también pueden responder de forma natural con sorprendente fluidez y delicadeza.
¿Qué significa esto para la presentación de información? La IA ha potenciado la capacidad de los productos analíticos para comprender el lenguaje natural. Esto significa que puede traducir los números y los resultados estadísticos a una forma comprensible para los humanos con un contexto de dominio profundo.
Elegir la herramienta IA adecuada para el trabajo
Dos factores clave influyen en cómo se debe entregar la información para tomar acciones efectivas: a saber, el enfoque de conocimiento de datos y el nivel de información que los usuarios necesitan.
Enfoque de conocimiento de datos
¿Deben explicarle al usuario los conocimientos descubiertos o los usuarios necesitan la capacidad de explorar sus propios conocimientos? La respuesta a esta pregunta explicativa versus exploratoria determina el enfoque correcto para entregar la información.
Nivel de información que los usuarios necesitan
¿Cuál es el nivel de información y el contexto asociado que los usuarios necesitan para tomar decisiones? Podrías ser simple y directo, como comprender el desempeño de las ventas del mes pasado.
También podrías ser mucho más sofisticado, como cuando los líderes están tomando una decisión estratégica sobre una inversión costosa. En el último caso, los usuarios necesitan mucho contexto sobre el retorno de la inversión, el desempeño histórico, las tendencias del mercado y la competencia.
Imágenes por IA: Revoluciona la forma en la que haces presentaciones con estos consejos
¿Qué tipo de decisión estás tomando? Cuatro situaciones
Esta matriz puede ayudarte a seleccionar el mejor enfoque y herramienta para la toma de decisiones por parte de los usuarios empresariales.
Primero, pregunta qué tipo de decisión debe tomar el usuario. Las herramientas de chat de IA funcionan bien en este caso, brindando a los usuarios respuestas simples a una serie de preguntas dinámicas sobre temas como las ventas mensuales.
Por el contrario, ¿su pregunta es explicativa y sofisticada, como se muestra en el Cuadrante 4? Un ejemplo aquí es responder preguntas de los miembros de la junta directiva sobre el caso comercial de un nuevo producto.
En este tipo de situación, las personas necesitan contar una historia de datos matizada que las herramientas de IA no pueden manejar de forma automática o conversacional.
Cuadrante 1: Exploratorio (Simple)
Cuando los usuarios buscan respuestas simples a una serie de preguntas dinámicas, la situación entra en esta categoría. Las respuestas deseadas suelen ser conocimientos descriptivos que resumen el desempeño pasado, como el crecimiento de los ingresos o el nivel de satisfacción de los empleados.
Aquí, el usuario necesita flexibilidad para hacer preguntas para explorar patrones dinámicamente.
Cuadrante 2: Explicativo (Simple)
A veces es necesario explicar a los usuarios una idea innovadora para ayudarles a actuar. Por ejemplo, cuando el director de marketing se enfrenta al desafío de la pérdida de clientes, es posible que desee comprender los principales factores de pérdida de clientes en el último trimestre.
Estos conocimientos descriptivos o diagnósticos desmitifican por qué sucedió algo, con posibles causas fundamentales. Aquí, el usuario necesita respuestas a algunas preguntas predeterminadas, importantes y matizadas.
Cuadrante 3: Exploratorio (Sofisticado)
Ahora entremos en los escenarios más sofisticados. Hay ocasiones en las que los usuarios necesitan explorar conocimientos de forma dinámica y es importante que las personas comparen notas sobre múltiples factores influyentes o situaciones comerciales.
Digamos, por ejemplo, que el jefe de la cadena de suministro de una empresa manufacturera está interesado en optimizar los costos de distribución. Es posible que deseen comprender los factores clave de los costos y realizar simulaciones hipotéticas para comprender cómo reducir el costo de entrega.
Cuadrante 4: Explicativo (Sofisticado)
Imagina una reunión de la junta directiva en la que seis ejecutivos clave se han reunido para decidir si realizar una inversión importante el próximo año.
Después de semanas de análisis, el jefe de producto ha presentado argumentos para comprometer 50 millones de dólares para lanzar un nuevo producto. Para influir en los ejecutivos para que den el visto bueno, el jefe de producto debe presentar los conocimientos.
En esta situación, la respuesta claramente necesita mucho contexto y detalles sofisticados. Este es el ámbito de la narración de datos : informar a la audiencia, influir en ella con evidencia e inspirar acciones rápidas.
Colaboración con Gen AI para mejorar las narrativas de datos
Como ocurre con todo lo relacionado con la IA, es importante recordar que enfrentar estas herramientas con los humanos es limitante. Hay un gran poder en la combinación de fuerzas.
Si bien la IA generativa no está lista para reemplazar por completo los paneles interactivos o las narrativas de datos asociadas con los cuadrantes 3 y 4, ya está mejorando el ciclo de vida de la historia de los datos de varias maneras.
El uso de IA en los cuadrantes 1 y 2, en lugar de perder tiempo creando miles de informes, podría ahorrar esfuerzo y mejorar los resultados comerciales al aumentar la velocidad de entrega de información.
Esto también podría ayudar a las organizaciones a centrar el esfuerzo y la atención humanos en los casos de uso más especializados de los cuadrantes 3 y 4, donde se necesita atención experta y el toque humano para empoderar a los tomadores de decisiones.
Los líderes que sepan cómo tomar ese tipo de decisiones al presentar datos ayudarán a sus organizaciones a sobrevivir y prosperar en la próxima década.
SOBRE EL AUTOR
Ganes Kesari es cofundador y científico jefe de decisiones en Gramener.
Síguenos en Google News
