Se acabó el bombo: la IA generativa está impulsando la evolución de la búsqueda dentro de las empresas

El 2025 es el año en que la IA generativa pasará de la fase de prueba de concepto a la producción en las empresas. Con las bases de datos adecuadas, las empresas pueden obtener un mayor valor de su base de conocimientos, y allanar así el camino para una transformación a largo plazo y una ventaja competitiva. Ya sea en ventas, atención al cliente o marketing, el número de casos de uso viables está aumentando, mientras que los primeros en adoptarla ya están logrando ganancias en eficiencia. 

Con tantas oportunidades, ¿dónde das el primer paso? La respuesta se encuentra en la evolución de la búsqueda, dice Derek Rodriguez, director gerente del Grupo de Análisis de Búsqueda y Contenido en Accenture. “Durante muchos años hemos confiado en la recuperación tradicional basada en palabras clave, donde los usuarios ingresan términos de búsqueda y usan su criterio para filtrar los resultados”, dice. “Más recientemente, la indexación en tiempo real, las arquitecturas distribuidas y la búsqueda semántica han mejorado la precisión al comprender la intención y el contexto del usuario”. 

Las plataformas de búsqueda impulsadas por IA de hoy en día van más allá, al unificar datos estructurados y datos no estructurados para resumir contenido y generar información. Al comprender la intención, el contexto y las relaciones dentro de los datos, estos sistemas permiten una toma de decisiones más rápida y precisa, y reducen la necesidad de investigación manual. “La automatización de los flujos de trabajo de búsqueda reduce drásticamente el costo de la gestión del conocimiento, y transforma la ecuación de valor y aumenta el retorno de los datos corporativos”, dice Rodríguez. 

Este enfoque innovador requiere una base de datos igualmente sólida, que esté vectorizada y optimizada con recuperación y clasificación avanzadas. Con estos fundamentos disponibles, las empresas pueden combinar datos propios con modelos de lenguaje grandes (LLM) para obtener información que sea confiable y cumpla con las normativas.  

Steve Mayzak, director general de Búsqueda en Elastic, dice: "Una base de conocimiento bien vectorizada y con capacidad de búsqueda es un punto de partida flexible para la integración con los sistemas empresariales para ofrecer valor a largo plazo en escenarios críticos para el negocio".

Aquí es donde la colaboración de Accenture con Elastic juega un papel fundamental, porque combina las capacidades de búsqueda escalables impulsadas por IA de Elastic con la profunda experiencia sectorial de Accenture para ayudar a las compañías a maximizar el valor de los datos y generar un impacto real en el negocio.  

Según Rodríguez, el atractivo de Elastic no solo radica en la precisión y relevancia de su tecnología de búsqueda de IA, sino también en sus características avanzadas de monitoreo y su integración con una variedad de socios del ecosistema de IA. A cambio, Accenture aporta un conocimiento inigualable de la industria, experiencia en consultoría estratégica y una red global de profesionales altamente capacitados que pueden implementar e integrar soluciones tecnológicas complejas. Accenture sigue contratando y formando a sus empleados en tecnologías de Elastic, lo cual destaca la importancia de la alianza.

Accenture y Elastic también pueden ayudar a las empresas a responder una de las preguntas más difíciles de todas: por dónde empezar. Mayzak dice que las organizaciones deben buscar casos de uso interno donde los datos sean abundantes y precisos. “Elige una iniciativa que mejor se adapte a las capacidades actuales de LLM con una alta probabilidad de éxito. Al demostrar valor, puedes liberar presupuesto para más proyectos y crear un verdadero impulso.

Ambas organizaciones aportan una gran experiencia en la gestión de datos no estructurados en entornos dispares. “En el mundo real, los datos organizacionales son altamente complejos, ya que abarcan estructuras jerárquicas, redes y relaciones multidimensionales”, afirma Rodríguez. 

Muchas organizaciones grandes (especialmente en industrias como la farmacéutica, el comercio minorista, la automotriz y el comercio electrónico) almacenan cientos de terabytes o incluso petabytes de datos. Sin embargo, una gran proporción de esta riqueza digital no se aprovecha. En promedio, las empresas utilizan solo el 32 % de sus datos, lo cual deja más de dos tercios sin aprovechar.¹

Accenture los ayuda a cerrar la brecha, al establecer conexiones complejas entre registros anidados, identificadores de negocio y diversas señales de clasificación. Estos indicadores incluyen puntuaciones de relevancia, popularidad, volumen de ventas y clasificaciones taxonómicas.

En entornos tan complejos, usar una base de datos vectorial básica es como intentar iluminar un estadio con un solo fósforo, técnicamente es luz, pero irremediablemente inadecuado para la escala del desafío.

Con una base sólida, las organizaciones pueden diseñar sus negocios para un futuro de IA que se acerca a nosotros más rápido de lo que la mayoría de los ejecutivos creen. Esto incluye marcos de trabajo agénticos que ofrecen tanto automatización como toma de decisiones autónoma junto a supervisores humanos. 

Rodríguez asigna agentes a una de tres categorías:  

1. En el nivel más básico, las organizaciones pueden crear sus propios sistemas internos de búsqueda y respuesta a preguntas. Estos agentes son capaces de realizar tareas como consultar datos estructurados y datos no estructurados mediante lenguaje natural, reservar salas de reuniones, buscar información de contacto o dar indicaciones.  

2. Un segundo tipo de comportamiento autónomo tiene que ver con la automatización robótica de procesos (RPA) y la automatización empresarial. Consideremos el procesamiento de facturas: las facturas entrantes activan una serie de comprobaciones y registros de datos dentro de los sistemas financieros. La IA generativa automatiza los pasos manuales de este proceso, lo que puede aumentar la precisión y reducir los costos.

3. Más adelante, los agentes pueden funcionar como un equipo de colaboradores, trabajando juntos para resolver problemas. Un agente supervisor podría definir una tarea, como crear un informe de marketing, y luego delegar subtareas a otros agentes especializados. Estos subagentes recopilan información y la ensamblan en el producto final.

En todos estos casos, un almacén de conocimiento vectorizado con capacidad de búsqueda es imprescindible. “Esta es la inversión que las organizaciones deben hacer para aprovechar los flujos de trabajo de los agentes, y Elastic puede ayudar con eso”, comenta Rodríguez.

Rodriguez también tiene un mensaje claro para las empresas que no están seguras de si actuar ahora o dejar pasar la primera ola de IA generativa. “Necesitas pensar en grande. Mira más allá de los chatbots que ahorran unos segundos al redactar un correo electrónico”, afirma. “La buena noticia es que plataformas como Elasticsearch ofrecen modelado de datos sofisticado y búsqueda para desafíos a nivel empresarial”.