Transformar la información en conocimiento con GenAI - Parte 2

Por Rocket Software

3 minutos de lectura

La primera entrada de esta serie de blogs, dedicada a explorar el impacto de la IA en la gestión de contenidos, describió áreas donde se puede obtener mayor valor de la información empresarial no estructurada con GenAI. Concluimos que existen numerosas oportunidades para transformar la información tradicional en conocimiento diferenciador que genere un mayor impacto en el negocio y la industria, tanto para usuarios como para arquitectos, ingenieros y ejecutivos. Sin embargo, existen desafíos y consideraciones reales para la adopción de GenAI, y estos son el tema central de esta segunda entrada.

 

Caso de uso: una compañía de seguros

Para ilustrar algunos de los desafíos organizativos que implica la adopción de GenAI, consideremos un caso práctico: una compañía de seguros busca obtener información más valiosa a partir de datos no estructurados: pólizas de seguro, contratos legales y otros documentos comerciales relacionados. Sin embargo, su complejidad organizativa y sus centros de conocimiento distribuidos hacen que simplemente introducir los datos en un modelo de lenguaje a gran escala (LLM) para procesar ventas, atención al cliente u otras solicitudes comerciales resulte insuficiente.

Esto se debe a que la organización está fragmentada en múltiples equipos, cada uno con decenas de agentes. Cada equipo está capacitado para diferentes tipos de reclamaciones y para trabajar con diversas fuentes de información y ecosistemas de aplicaciones únicos. Además, cada grupo suele requerir «sensibilidad al contexto»: la capacidad de un modelo de IA para comprender y responder adecuadamente en función de la información circundante o el conocimiento previo, en lugar de solo la información de entrada inmediata. Este requisito se aplica tanto a los datos estructurados como a los no estructurados al interactuar con los modelos de gestión de litigios para obtener información valiosa, controlar los costos y garantizar la gobernanza.

 

Desafíos de GenAI por tema y partes interesadas afectadas

El escenario anterior es relevante para muchas otras industrias y soluciones horizontales. Por ejemplo, las Soluciones de Información de Producto son cruciales para los siguientes sectores: seguros (documentos de póliza, detalles legales, etc.), servicios financieros (prospectos, estados de cuenta, etc.), manufactura (especificaciones de producto, garantías, etc.), entre otros. De manera similar, las Soluciones de Información de Producto son populares en ecosistemas de aplicaciones como SAP, donde la información no estructurada relacionada con las transacciones comerciales optimiza los análisis de GenAI. Los casos de uso populares de GenAI en información operativa incluyen Soluciones de Información de Producto, Gestión de Contratos y un Servicio de TI GenAI Común para brindar soluciones repetibles a los equipos de aplicaciones. Cada una de estas soluciones sectoriales y horizontales enfrenta los desafíos que se resumen en la tabla a continuación.

TemaDesafíos (Partes interesadas afectadas)
Precisión/Eficacia de la Insight

Sensibilidad al contexto: las empresas deben contar con una combinación de información estructurada y no estructurada para la eficacia de la IA genérica, lo que requiere un manejo diferente (arquitectos/ingenieros).

Comunicar confianza: experiencia que informa a los usuarios sobre respuestas efectivas frente a respuestas que no transmiten confianza (Usuario)

Fuentes de información dispares

Múltiples repositorios: la información necesaria se encuentra en diversas ubicaciones, lo que genera problemas de duplicación de sistemas/datos, donde la reingeniería se convierte en un desafío para la adopción (Arquitectos/Ingeniería).

Múltiples experiencias de usuario: los usuarios deben consultar múltiples fuentes/aplicaciones para obtener información y respuestas (Usuarios).

Aplicaciones y ecosistemas

Flujo de trabajo de la aplicación: integre GenAI de forma natural en las aplicaciones con flujos de trabajo existentes (Arquitectos/Ingeniería).

Coherencia entre aplicaciones: Lograr la coherencia entre ecosistemas de aplicaciones como SAP HANA mediante un enfoque gestionado único, evitando la inconsistencia y la complejidad derivadas de los enfoques de cada proveedor (Arquitectos / Ingeniería y Usuarios).

Tiempo para obtener valor

Inversiones: equilibrar los presupuestos entre los desafíos que plantean las diversas fuentes de información y los ecosistemas de aplicaciones (Ejecutivos)

Entrega y operaciones: las tecnologías GenAI pueden aportar una gran variedad de nuevas plataformas tecnológicas a las empresas. ¿Existe alguna forma de aprovechar las que ya tienes? (Arquitectos, ingenieros y usuarios)

Gestión de riesgos

Fuentes de datos seleccionadas: su organización ha diseñado cuidadosamente políticas sobre "quién puede acceder a qué información" y GenAI debe respetar estas reglas (Arquitectos/Ingeniería).

Permisos de subdocumentos: a medida que se amplía la información a nuevos casos de uso de GenAI, las nuevas formas de confidencialidad de los datos dentro de los documentos, como la censura, se vuelven importantes (Arquitectos/Ingeniería).

Gestión de costos

Gestión de costes de LLM: es necesario optimizar las interacciones de información con los LLM para contener los costes.

Costos de gestión de riesgos: existen muchos costos para lograr las necesidades de gestión de riesgos de la organización, resaltados en fuentes de datos seleccionadas y permisos de subdocumentos.

La seguridad de los datos, la precisión de los análisis de GenAI, el control de costes y la gestión del riesgo general son aspectos clave para usuarios, arquitectos y directivos a la hora de adoptar GenAI. La combinación de algunos o todos estos desafíos puede agravar las preocupaciones de seguridad de una organización. Por ello, su solución GenAI debe adaptarse para alcanzar sus objetivos de seguridad.

 

Mejore la gestión de contenido con Rocket® Content Smart Chat.

Para potenciar aún más a las organizaciones en su proceso de transformación de datos, ofrecemos Rocket® Content Smart Chat. Esta interfaz conversacional con tecnología GenAI permite a los usuarios realizar consultas en lenguaje natural en diversos sistemas, simplificando el acceso a datos y contenido esenciales. Al integrarse a la perfección con sus aplicaciones existentes, Rocket Content Smart Chat optimiza la gestión de contenido con información basada en IA, agilizando las operaciones de forma segura y promoviendo la toma de decisiones informadas.

Adopte el futuro de la gestión de datos con las soluciones innovadoras de Rocket Software y transforme su información en conocimiento práctico. Obtenga más información descargando el folleto de Smart Chat o hablando con un experto .

Publicaciones relacionadas

Data

Rocket Software + Vertica®: ¿Qué significa esta adquisición para la modernización?

Lectura de 5 minutos
La incorporación de Vertica® por parte de Rocket Software aporta análisis de alto rendimiento e inteligencia artificial directamente a los sistemas de misión crítica, lo que supone un paso importante en su [...]
Estrategia de nube híbrida

Cómo elegir al socio adecuado para la modernización de sistemas mainframe en 2026

Rocket Software
Lectura de 5 minutos
Elija un socio que aporte una sólida experiencia y un enfoque flexible y de bajo riesgo para la modernización de sistemas de misión crítica.
Data

Rocket Software gana el premio 2026 a la solución de linaje de datos más innovadora.

Ray Sullivan
Lectura de 5 minutos
Rocket Software ha sido galardonada con el premio a la solución de linaje de datos más innovadora en los premios Data Management Insight A-Team Innovation Awards de 2026.