Hiperpersonalización con marketing impulsado por IA

Jake Burns:
Para comenzar, ¿podrías contarnos un poco sobre cuál es el conjunto de tecnologías que usas? Porque hablo con muchos clientes que quieren empezar a usar la IA y la IA generativa, por supuesto, y muchos de ellos no saben por dónde empezar. Entonces, ¿qué consejos les darías?

Vijay Chittoor:
Creo que, en primer lugar, en especial en nuestro dominio, al pensar en la naturaleza de la IA, todo comienza con tener una gran cantidad de datos. En nuestro caso, los datos se refieren a los datos propios de los consumidores, organizados por marca. Básicamente, cada uno de nuestros clientes tiene un gran repositorio de datos, que pueden o no haber rastreado históricamente. Con Blueshift, les facilitamos la tarea de iniciar ese proceso de unificación de datos, que estoy seguro de que muchas veces, en su experiencia, es uno de los pasos clave para avanzar hacia la IA. Así que creo que el primer paso consiste en tener esos datos enriquecidos bien organizados, poder capturarlos en tiempo real y poder unificarlos. Pero, en segundo lugar, creo que, si pensamos en el consejo que damos a todos los que comienzan el traspaso a la IA, es que piensen primero en el cliente final.

Y en nuestro caso, cuando pensamos en el cliente, pensamos realmente en cómo se puede utilizar la IA para ofrecer interacciones personalizadas al consumidor final. Para nosotros, gran parte de eso significa pensar en la IA del cliente. Y cuando digo IA del cliente, en realidad me refiero a tomar esos datos de los clientes, los datos propios de los que hablamos, y traducirlos en información sobre quién, qué, cuándo, dónde y cómo interactuar con el cliente. Cuando se piensa en el marketing tradicional, que suele ser muy manual y sin IA, se empiezan a tomar decisiones algo planas sobre a quién dirigirse para una campaña determinada, qué ofertas mostrarles, cuándo llegar a los clientes y en qué canal o dónde debe interactuar con ellos. Y si piensas en las aplicaciones en un mundo sin IA, cuando tomas estas decisiones de forma manual, las simplificas demasiado y agrupas a varios clientes y diriges esta única oferta a todo un segmento.

Pero la realidad es que las personas, los consumidores finales, son individuos únicos y responderán de manera diferente. Y lo que la IA realmente hace bien es que, incluso cuando el mercado humano está durmiendo, es capaz de tomar esa decisión según el cliente individual y tomar millones de estas decisiones en conjunto. Creo que ese es el tipo de motor de toma de decisiones, el tipo de poder de decisión, el poder de personalización que brinda la IA. Cuando asesoramos a las personas sobre cómo emprender el traspaso a la IA, les decimos que primero organicen esos datos. En segundo lugar, el cliente es la prioridad: les decimos que piensen en los casos de uso, pero que luego sean capaces de aprovechar la ventaja de la IA, que puede tomar decisiones a gran escala, personalizar a nivel individual y transformar la experiencia del cliente final teniendo en cuenta esos elementos.

Jake Burns:
Por supuesto. Sí, esa es una muy buena observación. Se trata de la personalización de la experiencia. Como proceso manual, hacerlo sería demasiado agotador para cualquier humano, incluso si trabajara las 24 horas, ¿verdad?

Vijay Chittoor:
Así es. Sí.

Jake Burns:
Pero es seguro que la IA acierta con más frecuencia porque utiliza más datos provenientes de diferentes puntos de datos.

Vijay Chittoor:
Así es. Y creo que mencionaste algo importante. Piensas en la experiencia del cliente final. Y si lo analizas bien, mucha gente habla de cómo las experiencias de los clientes se volvieron mucho más complejas en el mundo digital actual con tantos puntos de contacto diferentes. Y en ese conjunto, debido a esa complejidad, hay millones de variantes de la experiencia del cliente. Así que, en cierto modo, creo que el problema actual de la interacción con los clientes consiste en fomentar la experiencia autodirigida de cada cliente, ya que cada cliente emprende automáticamente una experiencia con la marca. Entonces, ¿cómo se reconocen las experiencias de cada individuo? ¿Cómo se puede ser útil en ese momento y cómo se puede lograr a escala? Aquí es donde la IA entra en juego y ayuda a todos. Cuando trabajamos con especialistas en marketing, creo que a estos se les da muy bien contar historias. Pero hoy el desafío es cómo tomar el núcleo de la historia y personalizarlo en todas estas diferentes experiencias autoproyectadas. Ahí es donde creo que los especialistas en marketing pueden asociarse muy bien con la IA. Y esta es una asociación muy poderosa.

Jake Burns:
Suena increíble. Déjame preguntarte, ¿cuál es el papel de los humanos en todo esto?

Vijay Chittoor:
Creo que los humanos son el elemento creativo central detrás de todo esto. También son los impulsores estratégicos detrás de todo esto. De alguna manera, cuando pienso en mucha tecnología de automatización, la primera ola de tecnología de automatización, fundamentalmente, dificultó que los humanos fueran más estratégicos y creativos, porque creo que gran parte de esa automatización era condicional. Ese tipo de automatización está basada en reglas.

Y, muchas veces, los especialistas en marketing y de otros departamentos de la empresa pasaban mucho tiempo presionando botones, lo que les quitaba la creatividad y el pensamiento estratégico de sus trabajos. Creo que esta nueva forma de IA, que impulsa la automatización real, en la que no tienes que estar sentado pulsando este o aquel tipo de botones, en realidad te desafía más y te da más poder para ofrecer valor estratégico y creatividad. De hecho, ahora se puede pensar realmente en qué historias contarle a los clientes finales y utilizar la tecnología como un asistente para ofrecerlas a escala y no quedarse atascado luchando de alguna manera contra la tecnología. En ese sentido, la IA desbloqueó el potencial de muchos humanos y estamos muy entusiasmados con eso.

Jake Burns:
Es más una relación de cocreación que un completo reemplazo humano.

Vijay Chittoor:
Así es. En cierto modo, sobre la analogía del cocreador, a veces hablamos de la idea de que todo el mundo se convierte en editor; en un sentido literal, los escritores hacen los primeros borradores rápidamente y dedican más tiempo a la edición. Pero a un nivel más estratégico, se empieza a pensar en el trabajo de los humanos. Creo que todos, en cada rol y en cada departamento, están siendo elevados al nivel de editores y no tienen que hacer tanto el trabajo pesado de tal vez crear los borradores iniciales.

Jake Burns:
Menos trabajo indiferenciado y más personalización con algún tipo de retoque final.

Vijay Chittoor:
Así es.

Jake Burns:
Sí. Hablemos del conjunto de habilidades necesarias para crear una empresa como esta, porque la mayoría de las empresas con las que trabajo quieren trabajar con IA, pero es una habilidad muy difícil de contratar, ya que hoy en día es muy difícil contratar a científicos de datos y a cualquier persona en el campo de la IA. Son muy valiosas. Entonces, ¿cuál fue el enfoque utilizado para reclutar y captar este talento en tu organización?

Vijay Chittoor:
Esa es una gran pregunta. Creo que parte de ello consiste en reclutar correctamente, pero en parte también en establecer la cultura adecuada. Con respecto a la contratación, creo que tuvimos la suerte de contar desde el primer día con talento de IA en la empresa. Mi cofundador, Manyam, es nuestro Chief AI Officer y realizó un trabajo impresionante que se remonta a los días en que la IA no estaba de moda. Es fantástico empezar con alguien así y construir la base del equipo de la manera correcta. Por lo tanto, buscar las habilidades y el talento adecuados implica mucho, pero también creo que la cultura es importante. Hay que establecer el marco adecuado para toda la empresa, no solo para los ingenieros de machine learning e IA, de modo que toda la empresa pueda aprovechar estas tecnologías y llevarlas a los clientes y hacer que estos tengan éxito.

Por eso, cuando pensamos en la cultura, hablamos de cinco valores culturales fundamentales en Blueshift. Con la primera letra de esos valores, en inglés, formamos la palabra “MORPH” (transformación). La primera, M, es de nuevos errores (“mistakes”). Y eso es un poco sorprendente porque ¿por qué le pedirías a alguien que cometa errores? Sin embargo, lo importante de cometer nuevos errores consiste en aprender rápidamente, ser capaz de probar cosas, pero también tener una cultura de aprendizaje constante y un elemento de curiosidad y aprendizaje. Es el primer valor porque lo considero muy importante, especialmente con las nuevas tecnologías como la IA. En segundo lugar, hablamos sobre la pasión (“obsessing”) por el éxito de los clientes. Esa es la O de MORPH. De nuevo, creo que al pensar en la tecnología, para que sea realmente valiosa, se debe tener en cuenta al cliente final.

Así que, una vez más, esta pasión, ya sean nuestros equipos de tecnología o incluso nuestro equipo de marketing, ventas y atención al cliente, todo el mundo se apasiona por el éxito de los clientes. La R es de elevar (“raise”) los estándares. Nos desafiamos a ser la mejor versión de nosotros mismos y a pensar realmente en cuál es la mejor innovación que podemos ofrecer a nuestros clientes. Se trata de elevar los estándares. La cuarta, la P, es de jugar (“play”) en equipo. Una gran parte de esta innovación para que podamos hacer que nuestros clientes tengan éxito es trabajar en equipo en toda la empresa, desde los desarrolladores hasta los equipos de atención al cliente de primera línea, etc. Por último, la H es de divertirse (“have fun”), en serio. Tenemos que reconocer que todo este trabajo va a ser difícil, pero crearemos una cultura en la que haremos que sea agradable para todos venir a trabajar y en la que se diviertan tanto construyendo esto y disfrutando del proceso como mirando los resultados.

Jake Burns:
Como mencionaste antes, el primer valor, los errores, puede sonar aterrador para algunas personas. ¿Cómo se aseguran la reducción del costo de las fallas para que esos errores no sean catastróficos?

Vijay Chittoor:
Desde luego, creo que es clave. Cuando hablamos de cometer errores, hablamos de cometer nuevos errores y se hace mucho más hincapié en la cultura del aprendizaje dentro de la empresa. Pero también hablamos de apasionarnos por el éxito de nuestros clientes. Hay muchos casos de uso que brindamos a clientes que son de suma importancia para sus misiones. Y, una vez más, dado que nos basamos en la idea de apasionarnos por el éxito de nuestros clientes, hay que tomarse muy, muy en serio cualquier cosa que sea fundamental para la misión. Esa no es el área en la que queremos cometer errores.

Pero podemos equilibrar esa innovación, que puede ocurrir entre bastidores a medida que nos desarrollamos, y luego adoptar el producto final desarrollado de una forma que realmente cumpla con el requisito de pasión por el éxito del cliente. Esas son las dos cosas por las que tenemos que esforzarnos. En ese sentido, creo que es fantástico asociarnos con grandes empresas como Amazon, porque confiamos en Amazon para gran parte de nuestra infraestructura. Tiene que ser confiable, funcionar, tener una latencia baja, todo eso. Y creo que esa es la mentalidad que adoptamos cuando pensamos en entregar productos a nuestros clientes y apasionarnos por su éxito.

Hay momentos, como al crear prototipos o al desarrollar cosas internamente, en los que sí quieres cometer errores rápidamente. Se debe tener una cultura en la que todo el mundo quiera experimentar, pero también una cultura en la que se sea consciente de cuándo no está bien cometer errores y que se base en la idea de apasionarnos por el éxito de nuestros clientes y asegurarnos de que nos tomamos muy, muy en serio nuestra responsabilidad con el cliente final.

Jake Burns:
¿Hubo desafíos en el camino? Y si es así, ¿cómo se superaron?

Vijay Chittoor:
Esa es una gran pregunta. Creo que, a medida que llevamos parte de esta innovadora tecnología al mercado, nos enfrentamos a un par de desafíos interesantes a lo largo del tiempo que ya abordamos específicamente en torno a la IA. Diría que el primero tiene que ver con hacer que la IA sea confiable y explicable porque se implementa en situaciones empresariales. Nuestros clientes deben asegurarse de que la experiencia ofrecida al consumidor final sea coherente con su marca y que la interacción sea fluida, personalizada y de valor agregado. Cuando le dices a la empresa que la IA toma todas estas decisiones, ¿cómo convences al equipo de experiencia del cliente o al equipo de marketing de que la IA está tomando las decisiones correctas y que no podrían auditar todas y cada una de ellas con un análisis manual porque eso prácticamente frustraría el propósito? Creo que muchas de las maneras en que intentamos resolver este desafío, algo que conseguimos con mucho éxito, consisten en hacer que la IA sea explicable en varios niveles.

¿Cómo nos aseguramos de que un especialista en marketing sin conocimientos técnicos, por ejemplo, pueda acceder a la plataforma Blueshift y comprender los efectos de la IA antes de su implementación? Para ello, se crea una interfaz de usuario en la que alguien que simplemente no siga todos los diferentes parámetros de la IA pueda entender lo suficiente al comprender si el modelo en sí es de gran confianza o al comprender la naturaleza de los datos que se usaron, por ejemplo, en el modelado en sí, así como las características que se extrajeron y se utilizaron. O tal vez analizando las interfaces de usuario que explican cómo esta IA podría haber tomado una decisión para un cliente hipotético en un segmento determinado, por ejemplo. Creo que incorporar todo eso a la interfaz de usuario de nuestras aplicaciones fue clave para poder implementar esa IA con confianza. E insisto en que todos los que llevan las tecnologías de IA al mercado deben pensar en qué momento los humanos pueden colaborar con la IA. Y para que la colaboración sea un éxito, necesitan que la IA sea explicable, intuitiva e interpretable.

Jake Burns:
En otras palabras, la IA da una respuesta, pero necesita explicar cómo llegó a esa respuesta.

Vijay Chittoor:
En gran medida, sí. O esa respuesta debería parecer tan intuitiva que parezca correcta. Y debe haber pruebas suficientes para que, sin tener que analizar millones de decisiones, pueda convencerte de que sigue haciendo lo correcto para el cliente final.

Jake Burns:
Una de las cosas que todos quieren saber es qué depara el futuro, ¿verdad? Nadie tiene una bola de cristal, pero si tuvieras que adivinar dentro de dos o tres años, ¿cómo crees que la IA y, quizás más específicamente, la IA generativa darán forma a la experiencia del cliente?

Vijay Chittoor:
Esa es una gran pregunta. Al fijarnos en la primera ola de IA generativa de los últimos meses, oímos hablar mucho sobre la IA generativa y todo el mundo habla de que está arrasando en todo el mundo. Creo que muchos de los casos de uso iniciales de la IA generativa se centraron en crear contenido y más y más variaciones y en poder reducir la complejidad y el tiempo necesario para crear contenido nuevo. Si pensamos en el mundo de la experiencia del cliente que mencionaste, los equipos que intentan ofrecer una experiencia de cliente históricamente se encontraron con grandes cuellos de botella en cuanto al contenido a la hora de producir el contenido adecuado para personalizar todas y cada una de las interacciones. Si consideramos millones de interacciones personalizadas, ¿cómo podemos crear millones de piezas de contenido? De alguna manera, lo primero que hizo la IA generativa es eliminar o al menos reducir el cuello de botella en la creación de contenido en muchas variaciones del mismo contenido.

Lo que haremos ahora es combinar esa IA generativa con lo que denominamos IA del cliente para ofrecer una verdadera personalización. Por lo tanto, la IA del cliente preverá realmente lo que quiere cada persona o qué variación de contenido podría ser atractiva. La IA generativa podría crear todo ese contenido en tiempo real o casi en tiempo real y ponerlo a disposición. Un ejemplo sencillo podría ser trabajar sobre una promoción que una marca envía a través de un SMS y que el texto sea diferente para cada cliente. Se puede basar no solo en el sentimiento y cosas así, que son fáciles de manipular para la IA generativa, sino también en la IA del cliente, que realmente entiende qué oferta le interesa al cliente. Y cuando se unen esos dos elementos, creemos que, de alguna manera, se desbloquea el siguiente nivel del santo grial de la personalización. Estamos muy entusiasmados con el futuro, en el que la IA generativa y la IA del cliente se unirán para ofrecer excelentes experiencias a los clientes.

Jake Burns:
Como alguien que lleva bastante tiempo haciéndolo, ¿hay algún consejo que les darías a las personas que estén comenzando el traspaso a la IA? Hay mucha gente que está empezando ahora mismo. ¿Cuáles son algunas de las principales cuestiones que les recomendarías que consideraran?

Vijay Chittoor:
Si lo piensas, hay mucho potencial latente en las empresas. Hay mucho conocimiento latente, hay muchos datos latentes que podrían usarse para ofrecer valor a los consumidores finales. Entonces, ¿cómo se desbloquea el valor de todo eso? Tradicionalmente, las marcas empezaron con esfuerzos impulsados por el ser humano. Luego, realizaron un poco de transformación digital para utilizar tecnología y empezar a desbloquear el valor.

Pero en realidad, con la IA, todos los miembros de la empresa ahora pueden ofrecer ese valor transformador a los clientes finales. Y si se piensa desde esa perspectiva, se empieza a pensar en cómo reorganizar toda la estrategia y los procesos. Si se crea todo en torno a la IA, algunos de estos procesos tendrán que reinventarse.

Jake Burns:
Sí. Mencionaste algo, creo que en cierto modo aludiste a la democratización de esta tecnología, ¿verdad? Ofrecerla a todas las personas de la organización o a más personas de la organización. Además, lo que entiendo es que se deben tomar los datos que ya se tienen, que probablemente no se usen en gran medida, y que se utilice esta tecnología para descubrir la información que contienen esos datos.

Vijay Chittoor:
Así es. Sí, así es. La democratización. Porque esta tecnología está madurando hasta un punto en el que los usuarios no especializados podrán utilizarla. Y dado que eso ocurre a escala en muchas empresas, simplemente desbloquea un enorme valor empresarial. Pensar en cómo eso puede ser el mayor impulsor del crecimiento al poner esta tecnología en manos de los equipos de atención al cliente y en manos de muchas otras funciones no especializadas en la empresa será la clave para escalar.