Índice analítico
O mes pasado, celebramos unha sesión de formación de dous días sobre IA a nivel interno en Sresky.
Para ser sincero, ao principio houbo opinións diferentes dentro da empresa. Algúns consideraban que, dada a nosa apertada axenda comercial, reservar dous días para aprender sobre IA podería ser "demasiado idealista". Outros preocupaban que, aínda que a IA parece estar de moda, podería non ser aplicable ás vendas reais e ás interaccións cos clientes.
Pero despois de que remataran os dous días, os comentarios de todos foron bastante consistentes: non se trataba de se era útil, senón de que non descubríramos como usalo antes.
O que realmente frea ao equipo de vendas non é a capacidade, senón a xestión do tempo
Se traballaches en vendas B2B, probablemente tiveses a mesma experiencia:
Ao final do día, a cantidade de tempo realmente dedicada á "toma de decisións do cliente" e ao "avance dos pedidos" é sorprendentemente limitada.
A maior parte do tempo está fragmentado por estas tarefas:
- Revisar repetidamente o ton e a redacción dos correos electrónicos
- Busca de información de clientes en varios sistemas
- Interrupción a metade da lectura da documentación do produto
- Recibo moitas consultas pero teño dificultades para priorizalas rapidamente
Tomadas individualmente, ningunha destas tarefas é complicada, pero cando se acumulan, alteran por completo o ritmo do día.
Durante a nosa revisión posterior á formación, chegamos a unha conclusión bastante sinxela:
O problema non é a baixa eficiencia, senón a baixa densidade de procesamento da información.
Onde a IA realmente marca a diferenza non é "substituíndo o traballo", senón reducindo a carga
Durante a formación, non nos centramos en conceptos teóricos; en vez diso, traballamos directamente con escenarios empresariais do mundo real.
Tomemos como exemplo os correos electrónicos multilingües.
Antes, cando os compañeiros de traballo escribían un correo electrónico en alemán ou español, o proceso estándar era: redactar en chinés → traducir → axustar o ton → verificar a terminoloxía técnica.
Era normal ir e vir coas revisións, e un só correo electrónico a miúdo levaba entre 30 e 40 minutos.
Máis tarde, cambiamos a unha estratexia diferente, permitindo que a IA participe directamente na "xeración do primeiro borrador".
Unha vantaxe particularmente notable non foi que fose "máis rápido", senón que xa non tiñamos que preocuparnos pola redacción.
A resposta máis común dos compañeiros foi: «Por fin, non teño que mirar fixamente unha soa frase e pensala durante moito tempo».
Os comentarios dos clientes tamén foron bastante directos; algúns incluso responderon especificamente: «Esta resposta foi máis profesional e oportuna que antes».
Esta mudanza pode non parecer drástica, pero para o comercio internacional ou os equipos B2B no estranxeiro, en realidade é bastante significativa.
O segundo cambio produciuse no "procesamento da información do cliente"
Nos negocios B2B, as tarefas que requiren máis man de obra adoitan ser aquelas que parecen "só un pouco de organización".
Por exemplo:
- Priorizar un lote de consultas
- Completar a información de antecedentes do cliente que falta
- Comparación das especificacións técnicas entre diferentes versións
- Clasificación dos comentarios posvenda por tipo de problema
Estas tarefas non son difíciles, pero requiren moito tempo e son propensas a erros.
Realizamos un experimento durante o adestramento:
Introducimos un lote de consultas reais e ducias de páxinas de documentación do produto directamente na IA e pedimos ao equipo que deseñase un fluxo de traballo de procesamento.
Un resultado claro foi que:
Contido que antes levaba medio día organizarse agora podía converterse nunha "versión utilizable" en pouco máis de dez minutos, incluíndo:
- Que clientes paga a pena priorizar
- Que solicitudes supoñen riscos potenciais
- Que información falta claramente
Por suposto, isto non significa que a IA "tome decisións" directamente; máis ben, primeiro organiza información previamente dispersa nun formato estruturado, despois do cal os humanos toman o xuízo final.
Esta distinción é realmente moi importante no traballo diario:
A IA non toma decisións por ti, senón que reduce o tempo que dedicas a "buscar información".
A terceira mudanza é aínda máis interesante: todos comezaron a crear os seus propios fluxos de traballo
O último día de formación, pedímoslles a todos que abordasen unha tarefa relativamente "aberta":
Identifica as tres tarefas máis repetitivas da súa rutina diaria e descobre como relacionalas mediante a IA.
Non había requisitos de codificación, nin tampouco respostas fixas.
Os resultados foron bastante interesantes:
Unha persoa uniu a investigación da competencia, a redacción de informes semanais e os informes internos nun único fluxo de traballo. O que antes levaba varias horas á semana agora pódese completar en aproximadamente media hora.
Outros crearon un "proceso de incorporación de novos clientes", que incluía:
- Organización automática do fondo da empresa
- Extracción de puntos clave de comunicación
- Xeración de temas de conversa para a primeira reunión
O equipo de vendas sinalou que o cambio máis notable non foi a velocidade, senón que «xa non se pasa nada por alto».
Este punto é realmente crucial:
Moitos problemas de eficiencia non derivan da lentitude, senón da inconsistencia.
Os cambios non foron tan drásticos como imaxinabamos, pero foron constantes
Despois da formación, realizamos unha comparación sinxela durante un período dun mes:
- O tempo de procesamento do correo electrónico reduciuse significativamente (estimamos que arredor dun 60 %)
- A selección de consultas volveuse máis rápida
- O tempo dedicado á organización manual da información diminuíu
- A taxa de erros tamén baixou lixeiramente
Pero aínda máis notable que estas cifras foi o cambio no noso estilo de traballo.
No pasado, todo o mundo seguía o enfoque de "xestionar primeiro as tarefas e despois buscar información".
Agora, trátase máis ben de "deixar que o sistema organice primeiro a información e despois xestione a tarefa".
Este cambio na orde é sutil, pero o seu impacto é significativo.
Un punto que é doado de pasar por alto: a IA non só achega eficiencia, senón que cambia a estrutura do traballo.
Máis tarde falamos internamente dun problema:
Se nos centramos unicamente nas ganancias de eficiencia, é doado subestimar o impacto da IA.
Os cambios máis importantes son en realidade:
- O tempo da xente agora concéntrase no "xuízo" e na "comunicación"
- A "organización" e as "tarefas repetitivas" están a reducirse gradualmente
- A dependencia do equipo na información cambiou
Noutras palabras, non se trata de que unha tarefa específica se volvese máis rápida, senón de que o foco do traballo cambiou.
Reflexións finais: a IA non é un problema de ferramentas, senón un problema de procesos
Moitas empresas falan de IA hoxe en día, pero cando se trata da implementación real, adoitan quedar atascadas nun punto:
Non se trata de "se usalo ou non", senón de "como integralo".
A nosa experiencia esta vez foi bastante sinxela:
Se a IA é simplemente unha ferramenta independente, o seu valor é limitado;
pero se se integra nos procesos, transformará gradualmente a forma en que traballan os equipos.
Esta foi tamén a conclusión máis palpable de de Sresky sesión de adestramento.