Liberar el potencial de la IA: Lo que debe saber sobre el lanzamiento de ServiceNow en Yokohama

Sean Dawson: Hola, y bienvenidos una vez más al Podcast Distillery de Caskdonde descubrimos todo el potencial de ServiceNow con ideas de expertos y estrategias prácticas que sólo se encuentran aquí, en la web de ServiceNow. Cask Destilería Podcast. Y hablando de puntos de vista de expertos, tengo conmigo hoy Nate Weldon, que es el vicepresidente senior de tecnología. Y vamos a hablar de algo nuevo que estamos haciendo como una serie es hablar de la nueva versión de Yokohama y los aspectos más destacados de la capacidad de IA que vienen junto con eso y entrar en eso.

Pero Nate, muchas gracias por sacar tiempo de tu apretada agenda para hacer esto con nosotros. Te lo agradezco mucho.

Nate Weldon: De nada, Sean. Estoy muy emocionado de estar aquí hoy.

Sean Dawson: Quería que dieras tus antecedentes, porque llevas aquí mucho tiempo. Y pensé que sería bueno que repasaras tus antecedentes, porque lo harás rápido.

Nate Weldon: Bueno, para siempre ciertamente me hace sentir un poco viejo, pero he estado aquí por un tiempo. Así que, claro. Así que he estado con Cask durante casi 11 años. Antes de Cask, trabajaba en una empresa de ciencias de la vida en el sur de California, y fue allí donde conocí ServiceNow. Soy cliente de ServiceNow desde hace seis años y socio desde hace casi once. Así que tengo unos 17 años de experiencia con la plataforma. 

Antes de involucrarme en ServiceNow, estaba en una carrera de CIO en la que empecé en infraestructura de help desk, desarrollo de aplicaciones y ERP. Así que mi experiencia es principalmente en operaciones y liderazgo de TI.

Sean Dawson: Bueno, gracias. Quería hablar un poco sobre Yokohama en general es la liberación. Tiene un significado importante. Y la versión Yokohama de ServiceNow lleva el nombre de la ciudad, que es un puerto dinámico de Japón. Y simboliza la innovación y la conectividad global, que, como verán a medida que hablemos de esto más y más hoy, para aquellos que escuchan o ven -como sea que estén consumiendo esto- verán que eso tiene vínculos con lo que esto está haciendo con la IA y todo eso. Y me encanta esa parte. 

Yokohama, una de las principales ciudades portuarias de Japón, también es conocida como la puerta del mundo, que representa la innovación y la conectividad global. Así que es un vínculo muy, muy interesante con lo que estamos haciendo hoy con las capacidades de IA y los aspectos más destacados que llegarán a Yokohama. Nate, ¿podrías hablarnos de algunas de las funciones de IA más interesantes que serán posibles ahora con el lanzamiento de Yokohama?

Nate Weldon: Claro. Obviamente, con toda la actividad que hay ahí fuera, todo el mundo sabe lo que se avecina con la IA agente o la IA agéntica. Todo el mundo lo está haciendo. Pero lo que ServiceNow tiene que ofrecer, creo, va a ser un poco más allá de lo que estamos viendo en el mercado hoy en día. Porque ServiceNow también va a lanzar Workflow Data Fabric. El poder que va a obtener no es sólo ser capaz de utilizar los datos o la información de su plataforma ServiceNow para ayudar a sus agentes a tomar decisiones de negocio buenas y sólidas, sino que también va a ser capaz de extraer datos de sus otros silos, lagos de datos y prácticamente cualquier otro lugar donde pueda tener datos residiendo en su entorno empresarial. Y en algunos de esos casos, ni siquiera tendrá que traer esos datos a ServiceNow con lo que ellos llaman la capacidad de conector de datos de copia cero. Así pues, la potencia reside en la cantidad de datos que puede utilizar para que sus agentes tomen decisiones empresariales acertadas en su nombre. 

Por lo tanto, la potencia adicional que obtendrá además de todo esto, cuando analice los agentes y cómo va a diseñarlos y ejecutarlos, es la capacidad de controlador que ServiceNow también ofrecerá como parte de esta versión. Por tanto, piense en un enfoque de arrastrarse, caminar y correr que Cask aconseja muy a menudo a nuestros clientes: No querrá que el agente tome decisiones erróneas en su nombre y que pueda molestar a algunos de sus clientes si lo utiliza para CSM o para otras funciones externas que no sean de empleado. 

Pero incluso con las funciones de los empleados, lo primero que hay que hacer es adoptar lo que probablemente sea un enfoque supervisado y asegurarse de que la IA o el agente y todas las herramientas subyacentes están devolviendo buenas recomendaciones y buenos datos, porque no queremos ser víctimas de lo que llamamos una alucinación y que se difunda información errónea, ya sea interna o externamente. Las alucinaciones no son buenas. Y queremos asegurarnos de que estamos evitando todas esas cosas, especialmente cuando se trata de cosas que pueden afectar a nuestra reputación empresarial, nuestra seguridad, la opinión de nuestros clientes sobre nuestros productos. 

Así que vamos a aconsejar un enfoque estructurado y, de nuevo, un enfoque de gatear, caminar, correr que es más supervisado al principio. Y una vez que empieces a sentirte cómodo de que has educado a tu agente y has educado a tu IA, y los ALM están ahí, entonces puedes pasar a una estructura de agente de IA más autónoma. Pero, en realidad, creo que las tres capacidades juntas van a revolucionar lo que se puede hacer con la IA: la IA agéntica, la IA generativa... todas estas cosas van a empezar a unirse y a fusionarse en torno a esta suite de productos ServiceNow.

Creo firmemente que hay un 99% de problemas empresariales que pueden resolverse con tecnología. Y ServiceNow es absolutamente la plataforma para resolver esos problemas empresariales. Así que estoy muy entusiasmado con lo que está por venir, que fue lo que se lanzó ayer, y las futuras iteraciones de estos productos, porque veo que hay un tremendo poder y capacidad. Y ServiceNow es el proveedor de IA empresarial que creo que la mayoría de las organizaciones van a estar dispuestas a aceptar y confiar sus datos. Se trata de confianza. Se trata de asegurarnos de que no ocurran cosas malas porque no les hemos prestado la suficiente atención. Y ServiceNow es precisamente esa plataforma para asegurarnos de no cometer esos errores en el futuro.

Sean Dawson: Y mencionaste algo llamado alucinación. Quería hablar de ello. Para aquellos que no están familiarizados con la IA y los términos que hay detrás, ¿puedes describir un poco más lo que es?

Nate Weldon: Claro, los que usamos ChatGPT o Gemini de Google, a veces las respuestas que recibes son falsas. Sabes que son incorrectas. Así que a veces cuando la IA está generando su respuesta, puede, a todos los efectos, inventar cosas. Así que queremos evitar eso. No queremos que un agente invente cosas en nuestro nombre que puedan afectar a nuestro negocio.

Sean Dawson: Y la otra cosa que has mencionado es la IA agéntica, y quería ver si podrías hablar con nuestros clientes -o con la gente que nos escucha, más bien- sobre lo que los clientes necesitan entender sobre la IA agéntica y la capacidad que hay detrás de ella.

Nate Weldon: Claro. Creo que lo primero y más importante es ir despacio. Esto es nuevo. Siempre que algo es nuevo, hay que ir despacio antes de ir rápido. Por lo tanto, tomar un enfoque medido en primer lugar. Comprenda cuáles son sus objetivos de negocio y lo que quiere conseguir, y planifique estas cosas antes incluso de tocar ServiceNow. Sepa cuál quiere que sea el resultado final. Además, para algunas de las otras capacidades, es posible que tenga que basarse en algunos datos que ya deberían estar en su entorno de ServiceNow. 

Pero vemos muchas situaciones en las que la resolución de incidentes se reduce a una o dos palabras - "Lo he arreglado"- o la descripción del incidente es "Se ha roto el correo electrónico". Y aunque un humano probablemente sepa qué hacer con eso, el agente o el controlador de IA generativa necesita más datos. Además, si su base de conocimientos no está poblada con contenido bien estructurado o al menos de calidad, se verá limitado en lo que respecta al uso de la IA, simplemente porque ServiceNow sigue necesitando algo de lo que aprender para poder generar un resumen del caso o un artículo de la base de conocimientos.

Por lo tanto, lo que quieres es ver cuáles son tus datos históricos. Y, por supuesto, podrías utilizar un agente de IA para que te ayude a recopilar todos esos datos, pero lo más probable es que quieras volver atrás y validarlos para asegurarte de que todo está bien.

Sean Dawson: Y sé que hay un agente y una habilidad. Entonces, ¿cuál es la diferencia entre un agente y una habilidad?

Nate Weldon: Por lo tanto, las habilidades son básicamente cosas de un solo uso que se pueden hacer con ServiceNow-cosas como, construí uno que puede generar criterios de aceptación. ¿Correcto? Así que usted toma su "Quiero que este resultado para que yo pueda obtener este resultado de negocio", y una sola habilidad generará que para usted.

Los agentes van un poco más allá y permiten vincular habilidades. Se pueden utilizar varios LLM como parte de un único proceso de agente o flujo de trabajo de agente y empezar realmente a conseguir mucha más capacidad y mucha más autonomía en la toma de decisiones una vez que nos hayamos asegurado de que la IA nos está devolviendo los datos correctos a la primera. Así que, de nuevo, volvemos al enfoque supervisado frente al autónomo.

Pero los agentes aprovecharán las habilidades, así como otras capacidades de la plataforma como Workflow Data Fabric. Pero un agente podría aprovechar un flujo, un subflujo, podría aprovechar una tabla de decisiones. Hay muchas otras cosas que ServiceNow podría aprovechar como parte de eso.

Sean Dawson: Y ha mencionado Workflow Data Fabric, que era lo siguiente que quería comentar. Qué es Workflow Data Fabric y por qué es importante?

Nate Weldon: Claro, Workflow Data Fabric es un conjunto de herramientas. Algunas de esas herramientas llevan mucho tiempo en el producto como parte del producto Integration Hub. Pero Workflow Data Fabric es un conjunto de capacidades que también incluirá un conector de datos de copia cero y algunas otras capacidades para traer datos de sus diversos sistemas de TI distribuidos a ServiceNow para su uso con un agente, una habilidad, pero también podría utilizarlo como parte de un flujo o un subflujo si lo desea.

Sean Dawson: De acuerdo. Y ya habías mencionado antes que estábamos hablando de datos y de extraer datos de diferentes cosas, especialmente con el Workflow Data Fabric. Pero, ¿cómo funciona la calidad de los datos en todo esto?

Nate Weldon: La calidad es primordial. Está el viejo concepto de "basura que entra, basura que sale". Cuando hablamos con nuestros clientes sobre la introducción de datos históricos de sistemas heredados, el método tradicional consiste en exportarlos a Excel e importarlos a ServiceNow, y todo debería ir bien, ¿verdad? Pero una de las peores cosas que se pueden hacer es introducir datos erróneos en ServiceNow. Lo primero que hay que hacer es eliminarlos. 

La calidad de los datos sigue siendo primordial. Hay que tener buenos datos, y la IA generativa puede compensar algunos componentes de datos deficientes. Pero no lo solucionará todo. Sigues necesitando buenos datos. Sobre todo si no se utilizan LLM de acceso público. Si sólo utilizas tus propios datos -por ejemplo, si utilizas un LLM interno-, la calidad de esos datos es absolutamente primordial, porque no hay nada más de lo que aprender. No hay un ChatGPT al que acudir como caja de resonancia para decir: "Oye, ¿esto suena bien?".

Sean Dawson: ¿Cuáles cree que son los obstáculos para que los clientes aprovechen estas nuevas capacidades de Yokohama?

Nate Weldon: Bueno, no hay muchas barreras para la IA agéntica. Si estás en una cola Pro Plus o de empresa, vas a obtener esta capacidad tan pronto como actualices a Yokohama. Supongo que la primera barrera es que tienes que actualizar a Yokohama. Así que si tienes problemas de actualización y mucha deuda técnica, y básicamente te estás adhiriendo al modelo de soporte N-2, no vas a conseguir nada de esto hasta que actualices a Yokohama. Esa es la primera barrera. 

Creo que la segunda barrera son los datos históricos de buena calidad. Así que en las capacidades de aprendizaje automático que precedieron a todo este agentic-Sigo queriendo decir genérico, pero esa no es la palabra correcta; generativa es la palabra correcta. Pido disculpas por ello. Pero hubo capacidades de IA que precedieron a ambas, y el aprendizaje automático es una de ellas. Todavía había que tener 30.000 registros de datos para enseñar a la máquina cómo clasificar los incidentes, cómo asignar automáticamente el incidente al lugar correcto. Eso no ha cambiado. Sigues necesitando buenos datos básicos para que la IA entienda qué es lo bueno.

Así que, de nuevo, si tienes descripciones de una sola palabra y resoluciones de incidentes de una sola palabra y problemas vagos y registros de cambios que realmente no te dan mucho contexto, no creo que eso vaya a ser muy valioso para la evolución de tu IA.

Sean Dawson: Sí. Desde el punto de vista de la acción -de nuevo, para los oyentes y los espectadores-, ¿cuál es la mejor forma de empezar con esto?

Nate Weldon: ¿Además de llamarnos? Intenta averiguar primero los problemas de tu negocio que quieres resolver. No te limites a encenderlo. Y podrías mirar algunos de los agentes out-of-the-box, y algunos de ellos pueden ser muy útiles para ti. Y si lo son, genial. Pruébalos, obviamente. Y usted puede comenzar a liberarlos en la producción y utilizarlos de manera más amplia en su organización.

Pero si aún no hay un agente creado, piense primero en el problema empresarial que está intentando resolver. Piense dónde van a vivir y residir los diferentes datos que necesita para tomar una decisión sobre ese proceso empresarial y si puede acceder a ellos para introducirlos en ServiceNow. Lo más probable es que la respuesta sea afirmativa.

Pero si tienes requisitos de seguridad y cumplimiento que te prohíben integrarte con ella, entonces no es un dato que puedas utilizar en tu proceso de toma de decisiones sobre IA. Por lo tanto, antes de crear un agente, es necesario conocer el entorno, la infraestructura de las aplicaciones y dónde residen los datos, así como las restricciones de acceso y cumplimiento normativo.

Sean Dawson: Sí. Bien, genial. Bueno, gracias de nuevo, Nate, por el tiempo. Es todo el tiempo que tenemos para esto hoy. Y realmente lo aprecio.

Nate Weldon: De nada. De nada. Estoy deseando volver a charlar. 

Sean Dawson: Sí. Así que para aquellos de ustedes viendo, de nuevo, como, suscribirse, y háganos saber lo que quiere oír hablar. Y vamos a estar haciendo más de estos nuevos lanzamientos como las cosas salen a dar una visión de expertos de la CMA en esto. Nate es uno de ellos. Y os invitamos a darnos vuestra opinión, y hablaremos con vosotros más tarde. Bye bye.