Para las pequeñas y medianas empresas (pymes) que están evaluando sistemas ERP basados en inteligencia artificial, «casi siempre acertado» parece un criterio razonable. Una herramienta que predice la demanda con una precisión del noventa y dos por ciento resulta útil incluso en el ocho por ciento de los casos en los que se equivoca, y un asistente de búsqueda que, de vez en cuando, muestra un documento erróneo sigue siendo más rápido que rebuscar en las carpetas a mano.
Que esa misma tolerancia se mantenga dentro de un sistema ERP es otra cuestión. Depende menos de la tasa de error de la IA y más del nivel de criticidad del negocio en el que opera, y de quién o qué está en condiciones de detectar el error cuando este se produzca.
Partiendo de la última entrada del blog de esta serie, «10 preguntas que hay que plantearse al evaluar un ERP basado en IA», esta entrada analiza por qué las respuestas a esas preguntas tienen un peso diferente en función del ámbito de tus operaciones al que se apliquen. Es importante saber qué preguntas plantearle a un proveedor. Y es igual de importante saber en cuáles de tus propios procesos puedes permitirte asumir una respuesta errónea y en cuáles no.
El ámbito de actuación de la IA determina lo que está en juego
No todas las respuestas generadas por la IA conllevan el mismo nivel de riesgo. Lo que está en juego depende de lo que la IA esté haciendo realmente cuando comete un error.
Cuando la IA resume una tendencia, responde a una pregunta tipo búsqueda o crea un informe visual atractivo, una respuesta errónea resulta molesta. El usuario se da cuenta de que algo no cuadra, comprueba el registro correspondiente y sigue adelante. El coste del error es de unos minutos dedicados a volver a comprobarlo.
En cambio, cuando la IA interviene en el cierre financiero, en la conciliación de los extractos de los proveedores o en el cálculo del momento de reconocimiento de los ingresos, un resultado erróneo se manifiesta de forma diferente. No se detecta de inmediato. Parece una transacción normal hasta que alguien más adelante en el proceso detecta la discrepancia, si es que alguien la detecta.
Por ejemplo, un agente de conciliación de proveedores que interpreta mal un extracto y contabiliza un saldo incorrecto no solo genera una cifra errónea. Esa cifra se incorpora al cierre, el cierre se incorpora a los informes, y el error se agrava cuanto más avanza antes de que alguien se dé cuenta. La misma respuesta «casi correcta» que resulta relativamente inofensiva en un resultado de búsqueda se convierte en algo costoso una vez que se integra en una transacción.
La brecha de las pymes
La redundancia que detecta estos errores no está distribuida de manera uniforme en todas las empresas.
Las organizaciones más grandes suelen contar con un equipo de personas cuya labor consiste, en parte, en detectar precisamente este tipo de errores. Los controladores revisan los asientos de cierre. La auditoría interna comprueba los controles. Los analistas de operaciones especializados concilian las cuentas antes de que los datos pasen a la siguiente fase del proceso.
Para muchas pequeñas y medianas empresas, esa capa no existe. Al menos, no de la misma forma. Un solo responsable de control puede encargarse del cierre, la conciliación y la elaboración de informes, sin que haya un segundo revisor integrado en el proceso. Esa es la realidad de gestionar una plantilla más reducida con un modelo operativo diferente, uno con menos margen para absorber un error generado por la IA antes de que llegue a un cliente, a un auditor o a un miembro del consejo de administración.
Nada de esto garantiza que se detecte un error, incluso cuando exista esa capa. El hecho de que la IA cometa errores no es, por sí solo, una razón para evitarla. Ser honesto sobre dónde pueden aparecer esos errores es la razón por la que hay que actuar con cautela a la hora de decidir dónde implementarla.
A qué hay que prestar atención
Algunos proveedores comprenden mejor que otros los retos a los que se enfrentan las pymes en la era de la inteligencia artificial.
Un proveedor que no sea capaz de explicar con claridad qué ocurre cuando el sistema falla es la primera señal de que quizá no sea la opción adecuada. Si la respuesta es imprecisa, o si la demostración simplemente no incluye un caso de fallo, esa carencia acabará manifestándose más adelante, en la fase de producción.
Otra señal de alerta es una demostración que solo se ejecuta con datos limpios y seleccionados. Pide que te muestren cómo funciona el sistema en un entorno más parecido al real, con las inconsistencias en la nomenclatura, los registros heredados y los campos personalizados que se acumulan tras años de uso real.
En tercer lugar, está la falta de transparencia sobre cómo la IA ha llegado a su respuesta. Si un usuario no puede ver el registro original en el que se basa un resultado, no tiene forma de verificarlo antes de actuar en consecuencia, ni de detectar un error antes de que se agrave.
Un proveedor que trate los flujos de trabajo financieros de la misma forma que trata las búsquedas o los resúmenes es una señal de alerta a tener en cuenta. Conciliar un extracto de un proveedor no es lo mismo que responder a la pregunta «¿cuáles fueron nuestros cinco principales clientes el trimestre pasado?», y un sistema que aplique el mismo margen de error a ambas cosas te dice algo sobre cómo se ha diseñado.
La verdadera cuestión sobre el ERP con IA
Al fin y al cabo, la cuestión no es si la IA de tu proveedor de ERP se equivocará alguna vez o no. Cualquier sistema que haga deducciones en lugar de seguir reglas fijas se equivocará en alguna ocasión. Y la cuestión tampoco es si hay una persona detrás del proceso, porque el hecho de que haya un revisor humano no garantiza que la respuesta sea correcta.
La verdadera pregunta es si tu empresa ha analizado realmente, proceso por proceso, qué nivel de error puede soportar cada uno de ellos.
Analiza en qué puntos la IA interviene actualmente en tus procesos y, para cada uno de ellos, decide qué nivel de error puedes asumir, y no te limites a considerar si una persona revisa técnicamente el resultado. Esa decisión debe tomarse de forma deliberada, en lugar de darse por sentada, ya que «casi correcto» no es suficiente.
Para ayudarte a evaluar tu grado de preparación para la IA, los expertos de Acumatica están a tu disposición para responder a tus preguntas más importantes sobre la IA y explicarte cómo el enfoque «AI-first» de Acumatica ofrece resultados excelentes. El seminario web bajo demanda de Acumatica,«Acumatica AI: Transformando el ERP para la era de los negocios inteligentes», también ofrece información detallada sobre cómo Acumatica y sus capacidades de ERP aportan un valor operativo real a pymes como la tuya.
No te pierdas la próxima entrada del blog de la serie de liderazgo intelectual sobre IA de Acumatica, «Las cuatro capacidades de IA de los sistemas ERP para impulsar tus procesos empresariales», y echa un vistazo a algunas de nuestras entradas anteriores, entre las que se incluyen:
- IA a tu medida: IA gestionada y configurable
- Por qué es importante la distinción entre IA y automatización en el ámbito del ERP
- ¿IA integrada o IA añadida? Lo que toda empresa debería preguntar a su proveedor de ERP
- Diseño de un ERP con IA para el responsable que recibe la alerta de IA y el especialista que la resuelve