Se acabaron las expectativas: la IA generativa impulsa la evolución de la búsqueda dentro de las empresas

2025 es el año en que la IA generativa pasa de ser una prueba de concepto a la producción en la empresa. Con las bases de datos adecuadas, las empresas pueden desbloquear un mayor valor de su base de conocimientos, allanando el camino para la transformación a largo plazo y la ventaja competitiva. Ya sea en ventas, servicio al cliente o marketing, el número de casos de uso viables está aumentando, mientras que los pioneros ya están logrando mejoras 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, unificando 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, transformando la ecuación de valor y aumentando 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 de primera parte con grandes modelos de lenguaje (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 desempeña un papel crucial, al combinar las capacidades de búsqueda escalables y basadas en IA de Elastic con la profunda experiencia de Accenture en la industria para ayudar a las empresas 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, destacando 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”, dice 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, dejando más de dos tercios sin aprovechar.¹

Accenture te ayuda a cerrar la brecha, estableciendo conexiones intrincadas entre registros anidados, identificadores empresariales 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 da luz, pero es irremediablemente inadecuado para la magnitud 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 proporcionan tanto automatización como toma de decisiones autónoma junto a supervisores humanos. 

Rodríguez asigna a los 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 la interrogación en lenguaje natural de datos estructurados y datos no estructurados, programar salas de conferencias, encontrar información de contacto o proporcionar direcciones.  

2. Un segundo tipo de comportamiento agéntico se relaciona con la automatización de procesos robóticos (RPA) y la automatización de negocios. Considera el procesamiento de facturas: las facturas entrantes desencadenan una serie de verificaciones y registros de datos en los sistemas financieros. La IA generativa automatiza los pasos manuales en 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, es imperativo contar con un almacén de conocimiento vectorizado y buscable. “Esta es la inversión que las organizaciones deben realizar para aprovechar los flujos de trabajo agentivos, y Elastic puede ayudar con eso”, dice 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”, dice. “La buena noticia es que plataformas como Elasticsearch ofrecen modelado sofisticado y búsqueda de datos para desafíos a nivel empresarial”.