En el evento Transform 2024, el CEO de Elastic, Ash Kulkarni, y el CPO de DocuSign, Dmitri Krakovsky, discutieron el papel transformador de la inteligencia artificial generativa en la búsqueda empresarial y la gestión de contratos. Sus perspectivas destacaron la creciente importancia de las capacidades de búsqueda impulsadas por IA para las empresas que manejan grandes volúmenes de datos y contratos complejos.
Mejorando el Análisis de Datos No Estructurados
Elastic ha evolucionado significativamente su enfoque de búsqueda empresarial con la integración de IA generativa. En mayo de 2023, la introducción del Elasticsearch Relevance Engine (ESRE) marcó un avance importante en la estrategia tecnológica de búsqueda de Elastic. ESRE combina la búsqueda tradicional basada en palabras clave con capacidades avanzadas de búsqueda vectorial, proporcionando una comprensión más profunda del contexto y la semántica en vastos repositorios de datos. Este modelo híbrido permite a los clientes de Elastic recuperar documentos relevantes de manera más eficaz, utilizando búsqueda vectorial, búsqueda de texto BM25, o una combinación de ambas.
Kulkarni destacó los avances de la empresa en la generación aumentada por recuperación (RAG) dentro de su tecnología de bases de datos vectoriales, afirmando: “Probablemente somos una de las bases de datos vectoriales más utilizadas.” Enfatizó que la implementación de RAG por parte de Elastic mejora las funcionalidades de su base de datos, construyendo sobre años de trabajo en Elasticsearch.
Explicó las capacidades robustas ahora disponibles, incluyendo permisos, búsqueda facetada, búsqueda híbrida, y la posibilidad de combinar diferentes técnicas de búsqueda. Afirmó: “Es crucial ofrecer a los desarrolladores opciones, funcionalidad y apertura en cuanto a los modelos que eligen. Eso será parte de nuestro ADN.”
Con la rápida evolución de la IA, la selección de modelos es primordial. Kulkarni indicó que los clientes están distribuyendo cada vez más consultas entre diversos modelos de lenguaje grande para optimizar precisión y costos.
Avances en Gestión de Contratos Impulsados por IA
DocuSign está aprovechando la IA para revolucionar la gestión de contratos. Krakovsky articuló su visión, afirmando: “Estamos apenas rasguñando la superficie en nuestro espacio, con agentes que asisten en las negociaciones de contratos.” Este enfoque sugiere un futuro donde la IA juega un papel activo en las negociaciones contractuales.
La plataforma Intelligent Agreement Management (IAM) está diseñada para convertir datos de contratos estáticos en información procesable. Sus componentes clave—Maestro, Navegador y Centro de Aplicaciones—colaboran para analizar contratos, cerrando una brecha significativa en la digitalización empresarial. Como explicó Krakovsky, “Mientras la mayoría de las empresas han digitalizado sus operaciones, los contratos siguen siendo PDFs estáticos, lo que dificulta Consultar o analizarlos de manera efectiva.”
IAM transforma estos documentos estáticos en datos estructurados, permitiendo un análisis sistemático. Krakovsky ilustró su impacto con el ejemplo de un cliente con alrededor de 70 contratos, revelando que estaban gastando cientos de millones en términos variados. Al agregar y analizar estos contratos, DocuSign ayudó al cliente a identificar inconsistencias, ahorrando más de $100 millones en gastos. Este cambio de revisiones manuales a procesos automatizados demuestra el potencial de IAM para mejorar significativamente la gestión de contratos.
Navegando Desafíos en la Adopción de IA
Ambos ejecutivos enfatizaron la importancia de adoptar la IA de manera responsable. Krakovsky subrayó la necesidad de precaución: “Debemos avanzar rápido, pero debemos ser reflexivos sobre las preguntas que surgen al usar IA,” especialmente con respecto a datos contractuales sensibles.
DocuSign prioriza la seguridad de datos y la transparencia. Krakovsky comentó: “Somos muy cautelosos y transparentes sobre nuestras prácticas. Al usar datos de clientes para entrenamiento, buscamos permiso explícito.”
Los ejecutivos también señalaron la necesidad de soluciones integrales en lugar de enfoques fragmentados. Krakovsky mencionó: “Nuestro objetivo es proporcionar soluciones de extremo a extremo en lugar de obligar a los clientes a juntar múltiples componentes.”
Optimizando Costos y Recursos de IA
La eficiencia de costos es una consideración crítica en la adopción de IA. Krakovsky destacó la importancia de maximizar la utilización de recursos: “Entender cómo ensamblamos y aprovechamos nuestros recursos es crucial para mantener el valor, especialmente dada la escala a la que operamos.”
Kulkarni predijo cambios en la economía de la IA, afirmando: “Es probable que el costo de la inferencia disminuya debido a los avances en hardware y tecnologías, junto con una mayor competencia entre proveedores de modelos de lenguaje grande.”
Mirando hacia el futuro, ambos ejecutivos hablaron sobre la expansión de las capacidades de IA. Kulkarni mencionó modelos de IA multimodales que pueden procesar varios tipos de datos y proporcionar respuestas coherentes. Krakovsky delineó aplicaciones potenciales en la gestión de contratos, como la identificación de información, ambigüedades y problemas de cumplimiento, muchos de los cuales pueden ser abordados automáticamente.
Ejemplos de Implementación de IA en el Mundo Real
La discusión incluyó ejemplos prácticos de aplicaciones de IA en empresas. Kulkarni compartió cómo Cisco utilizó la tecnología de Elastic para automatizar funciones de soporte al cliente, liberando a los ingenieros para que se concentren en tareas más valiosas. También destacó un banco de Fortune 100 que utiliza Elastic para transformar las interacciones entre gestores de patrimonio y clientes a través de herramientas de búsqueda impulsadas por IA, creando un terminal Bloomberg personalizado.
Desde mejores capacidades de búsqueda hasta negociaciones de contratos asistidas por IA, las aplicaciones potenciales de la IA son vastas. Sin embargo, desbloquear este potencial requiere atención cuidadosa a desafíos técnicos, éticos y operativos, incluyendo la privacidad de datos, la transparencia del modelo y la escalabilidad costo-efectiva.
Clasificación
