Hay una gran contradicción con la inteligencia artificial, a pesar del entusiasmo de las grandes empresas, todavía hay muchas que siguen sin aplicarla en decisiones críticas. La usan, como lo hacemos todos, para resumir reuniones, redactar correos y depurar código, es decir, como herramienta … de productividad: no para estrategia de negocio, como podría ser conceder créditos, decidir tratamientos médicos o aprobar contratos. Ese es el fallo que Matt Calkins, fundador y CEO de Appian, lleva años identificando en la IA, y en la decimoquinta edición de Appian World, celebrada recientemente, volvió a llamar la atención al respecto.
Calkins abrió la sesión inaugural proyectando una diapositiva que ponía de manifiesto los problemas que están sufriendo las empresas incorporando la inteligencia artificial. Para ello, aprovechó los datos de tres de las consultoras más respetadas del mundo. Empezó por PwC, que concluye que un 56% de las inversiones en IA no han producido ningún retorno financiero. McKinsey eleva la cifra al 61% cuando se mide el impacto económico real. BCG la deja en el 60% para el valor material. Y un dato todavía más demoledor: un estudio de Harvard Business Review añade que sólo el 18% de las grandes organizaciones ha conseguido integrar la IA en sus procesos, aunque el 71% lo está intentando.
El ejecutivo apunta que la base de clientes de Appian que ya está utilizando IA en producción ha crecido un 139% en el último año, y el uso de IA dentro de la plataforma se ha multiplicado por catorce. Es decir, dos terceras partes de las mayores farmacéuticas del mundo, las quince agencias del gobierno federal estadounidense, los mayores bancos del planeta, excluyendo los chinos, se mueven en dirección contraria.
MÁS INFORMACIÓN
El problema para el ejecutivo no es que la IA no funcione. Es que no se le confían las tareas que generan valor. La pregunta entonces es por qué, y la respuesta de Calkins es clara, falta de fiabilidad. «La IA es probabilística», explicó. «Si le preguntas dos veces seguidas cuánto es uno más uno, puede darte respuestas distintas. Eso no es un defecto, es la naturaleza de la tecnología. Pero significa que no puedes ponerla a tomar decisiones de negocio sin un control».
IA de la Costa Este
Calkins ha empezado a llamar a su enfoque -medio en broma, medio en serio- IA de la Costa Este de Estados Unidos. Mientras que la cultura de Silicon Valley desde hace dos décadas es producir rápido y arreglar por el camino, Appian tiene como sus mayores clientes gobiernos, farmacéuticas, aseguradoras y bancos. En esos sectores, los errores no son una posibilidad. «Esto no va de elegir el mejor modelo de inteligencia artificial», dijo el ejecutivo. «Va de darle al modelo la estructura, los datos, las restricciones y los compañeros de equipo que necesita para hacer su trabajo de forma fiable».
Lo que Appian propone es meter a la IA en una «caja» con reglas estrictas, y un humano siempre «al volante». Como prueba de concepto, Appian presentó DocCenter, su herramienta de procesamiento inteligente de documentos. La media de la industria en este tipo de soluciones ronda el 60% de precisión. Appian asegura estar consiguiendo un 99%, incluso sobre tipos de documento con los que el modelo no ha sido entrenado.
Pero donde realmente se necesita fiabilidad la empresa es en el desarrollo de software. Las aplicaciones de una organización se ordenan según el grado de fiabilidad que requieren, medido en nueves. Una aplicación con 90% de fiabilidad tiene un nueve, porque podría fallar una de cada diez veces. Con 99%, dos. Con 99,99%, cuatro. Por ejemplo, la NASA, cuando manda astronautas al espacio, opera con cinco o seis nueves de fiabilidad. Las compañías de seguros que deciden si conceden o no una póliza, con cuatro. Los sistemas regulatorios, igual. Los procesos que aprueban un crédito hipotecario, también.
«El llamado ‘vibe coding’ crea aplicaciones de un nueve, donde un fallo no tiene consecuencias fatales. Pero es algo que la NASA no se puede permitir, por ejemplo, en la misión Artemis», dijo Calkins.
La nueva versión de Composer, presentada es la apuesta de Appian para llevar el desarrollo en lenguaje natural con una fiabilidad de varios nueves. Cuando le das a Composer una especificación, no escribe código directamente para que tú lo revises, lo edites y lo valides antes de que nada se ejecute. El resultado son objetos sobre la propia plataforma de Appian, que heredan todo lo que la plataforma trae de serie como la orquestación, el data fabric o la escalabilidad.
Para desarrollar con Composer, el usuario debe ser experto en el dominio del problema, no necesariamente desarrollador, pero sí alguien capaz de leer una especificación detallada y reconocer si es correcta. «Si no eres lo bastante experto para validar lo que Composer te propone», dijo Calkins, «entonces lo que has hecho es vibe coding, y tu aplicación no puede tener más nueves de los que tú tienes».
Teniendo en cuenta que tres cuartas partes de las aplicaciones empresariales del mundo tienen más de veinte años y están escritas sobre tecnologías obsoletas y, sobre todo, suponen un agujero de seguridad que las nuevas IA saben explotar, Composer puede ayudar a modernizarlas. «La seguridad de cualquier organización», advirtió Calkins, «es tan fuerte como su aplicación más débil. Y hoy esa aplicación más débil tiene veinte años, está mal mantenida y nadie en la plantilla recuerda exactamente cómo funciona».
La otra gran novedad del congreso fue el anuncio de alianza con Snowflake, que integra el data fabric de Appian con Snowflake Cortex AI a través del Model Context Protocol. Es la respuesta de Appian a una conversación que, como nos explicó Mike Beckley, CTO y cofundador de la compañía, en una entrevista, ha cambiado radicalmente en los últimos doce meses.
«Hace un año todo el mundo hablaba de ‘prompt engineering’. Hace seis meses, de ‘context engineering’. Ahora la conversación es sobre ‘harness engineering’ y ‘environment engineering’. Es decir, ya no se trata sólo de cómo hablamos a la IA o qué datos le damos, se trata de cómo limitamos lo que la IA puede hacer, qué reglas le imponemos, cómo nos aseguramos de que cuando hace algo no borre el negocio entero», dice Beckley.
La apuesta de Appian con Snowflake apunta precisamente a esa dirección. El ‘data fabric’, su capa de unificación de datos empresariales, se conecta directamente con los servicios de IA de Snowflake. Así, los agentes pueden razonar sobre los datos sin sacarlos del entorno gobernado del cliente.
¿Quién sustituye a quién?
La parte más interesante de Appian World no fue sólo la sesión inaugural, sino el caso expuesto por Ann Fury, vicepresidenta de Pfizer, responsable del proceso global de gestión de reuniones, contratos y compromisos con profesionales sanitarios.
Pfizer migró a Appian en 2017, en 143 países, con más de 75.000 empleados, los contratos que tardaban entre seis y ocho semanas en firmarse, ya se realizan en menos de 24 horas. Pero ahora, con IA y automatización integradas, han recortado el número de clics necesarios para procesar una transacción de 160 a 50. Han eliminado un 25% de los campos obligatorios. La carga masiva de asistentes ahorra un 35% del tiempo. Replicar una transacción anterior con un solo clic ahorra entre tres y seis horas. Y la extracción automática de datos por IA -desde correos, agendas y presentaciones de PowerPoint- ahorra entre una y tres horas adicionales por transacción. En el resultado neto han pasado de cinco días y medio a medio día para iniciar una transacción, y de dieciséis días a menos de dos para aprobarla.
El dato más demoledor en cuanto a productividad llegó al final: «En el tiempo que un usuario experto necesitaba para crear una transacción», dijo Fury, «un usuario novato puede crear ahora cuatro».
Cuando preguntamos a Calkins por el futuro de Appian, después de que hace unos meses muchos titulares declararon muerto al sector SaaS por culpa de la IA, el ejecutivo respondió con una sonrisa: «¿Preocuparme? Yo soy quien va a hacer el reemplazo. Si la IA va a sustituir aplicaciones va a necesitar nuestra ayuda para hacerlo de forma fiable. No me veo como un proveedor de software al que la IA pueda reemplazar. Me veo como la pieza que la IA necesita para reemplazar a otros».
