00:00:00 El declive de los consultores tradicionales
00:02:33 Problemas con infomerciales impulsados por proveedores
00:05:05 Problemas con demarcaciones de cuadrantes
00:07:11 Informes que no desafían las afirmaciones de los proveedores
00:09:30 La importancia de los méritos técnicos
00:11:11 Proveedores de IA mejorando la investigación profunda
00:13:22 Agentes de IA organizan la búsqueda en la web
00:15:36 Mejorando los LLMs con instrucciones
00:17:27 Afirmaciones exageradas benefician a proveedores y clientes
00:19:55 Ranking de informes LLM basado en la fundamentación
00:21:56 Generación rápida de informes detallados
00:23:21 Los LLMs superan a los consultores en conocimiento tecnológico
00:26:03 Precisión en la investigación utilizando LLMs
00:28:09 Proveedores ofreciendo visiones neutrales del mercado
00:30:46 Desafíos de datos basura en los LLMs
00:33:51 Ventajas de los LLMs en la investigación de software
00:36:19 Inducir sesgos en las instrucciones socava la objetividad de los LLMs
00:39:35 Aprendiendo rápidamente habilidades para crear instrucciones
00:42:15 Reducción en el riesgo de desinformación
00:45:21 Eficiencia en estudios de mercado rápidos
00:47:37 Consultores como compañeros corporativos
00:50:40 Competencia de consultores sobre el sesgo
00:52:07 La capacitación en IA mejora el rendimiento de tareas
00:54:51 Los ejecutivos prefieren análisis claros y bien escritos
00:57:27 La IA reduce tiempo y costos en la investigación
00:57:55 La entrevista concluye con gratitud
Resumen
En una conversación en LokadTV, Conor Doherty y Joannes Vermorel discuten investigación de mercado en la gestión de supply chain, criticando las metodologías tradicionales y explorando el papel transformador de la IA y los Large Language Models (LLMs). Vermorel desafía los sesgos de la investigación de mercado convencional, impulsada por los intereses de proveedores, y elogia la capacidad de la IA para proporcionar informes completos y sin sesgos. El diálogo enfatiza la promesa de la IA para entregar insights de supply chain detallados de forma rápida en comparación con los enfoques tradicionales, a pesar de las preocupaciones sobre la calidad de los datos y el sesgo tecnológico.
Resumen Extendido
En un diálogo reciente alojado en LokadTV, Conor Doherty, Director de Comunicación en Lokad, conversa con Joannes Vermorel, CEO y Fundador de Lokad, para desentrañar las complejidades que rodean la investigación de mercado en el ámbito de la gestión de supply chain. Esta conversación cautivadora se centra en las metodologías tradicionales de investigación de mercado, el papel transformador de la IA, específicamente los Large Language Models (LLMs), y el panorama en evolución para proveedores de software y consultores.
Doherty abre el discurso abordando los dilemas persistentes que enfrentan las empresas al seleccionar proveedores de software, señalando las posibles trampas instigadas por conflictos de interés con los proveedores de software. Vermorel critica los enfoques convencionales de investigación de mercado, destacando cómo los incentivos financieros a menudo sesgan los informes a favor de los proveedores de software empresarial. Dichos informes suelen estar plagados de deficiencias debido a la falta de experiencia profunda de los analistas, lo que culmina en análisis que ni son perspicaces ni satisfactorios.
Doherty busca entender si la crítica de Vermorel resuena ampliamente dentro de la industria. Vermorel subraya que los principales informes de investigación de mercado con frecuencia no logran proporcionar insights significativos sobre los paisajes competitivos, caracterizados por análisis pobres que sirven meramente para propagar narrativas sesgadas a favor de proveedores. Esta crítica se extiende a herramientas populares de evaluación de mercado, tales como los cuadrantes, que Vermorel argumenta son superficiales y carecen de insights visionarios, excepto en casos como Brightwork.
Al discutir más sobre Brightwork, Vermorel atribuye su enfoque distinguido al empleo de ingenieros de software que evalúan de forma independiente las soluciones empresariales complejas, manteniéndose inmunes a los sesgos de proveedores. Luego el enfoque se desplaza hacia el potencial de la IA para alterar radicalmente la investigación de mercado, lo que lleva a Doherty a preguntar cómo la IA, especialmente los LLMs, aborda los desafíos existentes. Según Vermorel, los avances en IA ahora permiten un análisis asincrónico, fomentando informes completos que superan las iteraciones anteriores de los LLMs.
Vermorel retrata a los LLMs como herramientas efectivas y eficientes, capaces de identificar afirmaciones de proveedores fundamentadas mientras descartan aquellas más débiles. Doherty resuena con las ventajas de esta capacidad de la IA mediante la sencilla creación de instrucciones, obteniendo insights de mercado sorprendentemente detallados. Vermorel elogia las virtudes de la investigación impulsada por IA: ejecución a la velocidad del rayo, investigación económica escalable sin precedentes por las firmas tradicionales.
Sin embargo, aunque reconocen las prometedoras capacidades de la IA, tanto Doherty como Vermorel reconocen el sesgo tecnológico inherente a estas herramientas digitales, en contraposición a las trampas de los estudios de mercado realizados por analistas inexpertos. La IA, argumentan, abarca una comprensión amplia, produciendo así informes más completos a diferencia de los métodos limitados por la especialización humana.
Doherty se aventura en un escenario que involucra sistemas de aviación, explorando cómo la retroalimentación de proveedores integrada en las instrucciones de los LLMs podría mejorar la investigación de mercado pertinente a la gestión serial de inventario. Vermorel profundiza en el potencial de ofrecer hallazgos hechos a la medida basándose en los insights de proveedores, destacando cómo características indispensables como el seguimiento individual de unidades pueden convertirse en puntos focales dentro de informes impulsados por IA rentables.
Surgen preocupaciones acerca de la calidad de los datos de entrada que afectan los resultados de los LLMs. Vermorel sostiene que incluso datos de baja calidad pueden proporcionar resultados sólidos gracias a la capacidad de los LLMs para examinar y comparar la información existente. Equipos de ingeniería superiores, afirma, inevitablemente producen contenido en línea de mejor calidad, inclinando las evaluaciones de los LLMs de forma favorable. A pesar de los posibles sesgos, las capacidades rápidas e iterativas de la IA ofrecen un detalle enriquecido más rápido que los métodos tradicionales.
La discusión introduce la confiabilidad de los LLMs en medio de preocupaciones sobre inexactitudes a través de “alucinaciones”, lo que lleva a Vermorel a aclarar que, si bien existen errores en los hechos, la recuperación de información en línea asistida por LLM posiciona a estas herramientas para superar el error humano durante investigaciones más profundas.
Al analizar la redundancia de las firmas de consultoría de mercado, Vermorel sostiene que muchas de estas podrían enfrentar la obsolescencia a menos que redefinan su destreza técnica más allá de la IA —la cual sigue siendo rara y costosa. No obstante, el elemento humano insustituible que los consultores ofrecen en el apoyo corporativo sigue siendo una consideración vital.
Doherty cuestiona la legitimidad de la competencia de las firmas de consultoría, insinuando exageraciones históricas. Vermorel reconoce la existencia de expertos, aunque pocos, que se enfrentan a la amplitud necesaria para evaluar con precisión el diverso software empresarial. Pone en duda el realismo involucrado en que los consultores dominen consistentemente dominios variados.
Dirigiéndose a colaboraciones innovadoras que desbloquean el potencial de la IA, Vermorel comenta sobre la discordancia entre las capacidades de la IA y los modelos de negocio existentes en la consultoría, donde workflows impulsados por la IA subvierten las fuentes de ingresos tradicionales. Doherty reflexiona sobre el afán perdurable que tienen las empresas por las marcas establecidas por sobre la excelencia técnica, ilustrando la distinción estratégica entre las vías convencionales de éxito y las alternativas emergentes impulsadas por la IA.
El diálogo retorna a la comunicación efectiva, con Vermorel abogando por la experimentación en investigación impulsada por LLM. Si bien estos insights liderados por la IA ofrecen un potencial eficiente y de ahorro de costos, Vermorel concede que las metodologías tradicionales también tienen valor, particularmente en contextos de investigación adversaria donde se realizan indagaciones más profundas en las afirmaciones.
Cerrando con una nota de gratitud y aprecio reflexivo, Doherty concluye el episodio, agradecido con Vermorel por compartir sus profundos insights. En medio de las cambiantes mareas en los paisajes de la investigación de mercado, las perspectivas de Vermorel invitan a una contemplación que incita a la reflexión sobre la integración del potencial transformador de la IA con los marcos de análisis tradicionales y centrados en lo humano, señalando una era de posibilidades dispuesta a redefinir la inteligencia de supply chain.
Transcripción Completa
Conor Doherty: Bienvenidos de nuevo a LokadTV. Identificar el proveedor de software correcto para ti es complicado y a menudo requiere una buena cantidad de investigación de mercado. Ahora bien, históricamente, los consultores de mercado han ayudado a las personas a navegar por este terreno complicado.
Joannes Vermorel: Desafortunadamente, según Joannes Vermorel, no solo existen innumerables potenciales conflictos de interés, sino que, gracias a los avances en IA, eso podría no importar, ya que la era del consultor de mercado bien podría haber llegado a su fin.
Conor Doherty: Ahora, como siempre, si quieres apoyar lo que hacemos aquí, dale like al video, síguenos en LinkedIn y suscríbete a nuestro canal de YouTube. Y con eso, te presento la conversación de hoy sobre investigación de mercado de supply chain con Joannes Vermorel. Así que, Joannes, gracias por acompañarme de nuevo.
Hemos discutido de forma indirecta antes, hemos tratado previamente la idea de la eficiencia e incluso la ética de la investigación de mercado tradicional, y has expresado un buen grado de escepticismo, creo, por decirlo suavemente. Ahora, antes de profundizar en cómo la IA podría influir en el futuro de la investigación de mercado de supply chain, ¿puedes dar una visión general de cuáles son tus problemas con el estado actual de la investigación de mercado?
Joannes Vermorel: Ah, supongo que tenemos tres horas para adentrarnos en el agujero del conejo, o para poner otra analogía, una matrioshka: ya sabes, tienes un problema, lo abres, y luego hay otro problema dentro, y es otro problema, y sigues desentrañando cada vez más problemas.
En lugar de “tradicional”, creo que usaría el término investigación de mercado mainstream, y es tan disfuncional como las demás. ¿Cuáles son los grandes problemas a un nivel muy alto? Tenemos incentivos que son completamente falsos. Así que, en resumen, las firmas de investigación de mercado son pagadas por proveedores. Sus incentivos, naturalmente, son hacer lo mejor para sus clientes, y sus clientes son hoy en día, diría yo, al menos un 90% proveedores de software empresarial.
Conor Doherty: Entonces, ¿dices que tienen clientes directos e indirectos? Es decir, ¿estás diciendo que la gran mayoría de sus ingresos proviene de los proveedores?
Joannes Vermorel: Sí, no de empresas que buscan orientación. Entonces, en esta situación, terminas con infomerciales. De nuevo, si tienes la cuasi-totalidad de tus ingresos provenientes de proveedores del sector empresarial, entonces los estás atendiendo; no importa, ya sabes, los incentivos son simplemente demasiado fuertes. Ese es, diría yo, el problema a un nivel muy alto.
Primero que nada, el hecho es que el analista promedio no es muy experto cuando se trata de tecnología de software. Entre tanto, tenemos muchos otros problemas, pero esos son realmente los extremos. Así que, tenemos incentivos equivocados en manos de personas que en última instancia carecen de habilidades, experiencia e incluso de una comprensión básica del software, y terminas con documentos que son muy poco impresionantes. Ese es, en resumen, lo que está mal con la investigación de mercado mainstream.
Conor Doherty: ¿Esto se limita a ti, o crees que es una opinión bastante común en estos días?
Joannes Vermorel: Creo que personas como yo, que tienen experiencia con proveedores de software, han visto los sistemas un poco desde adentro. Diría que, en general, estoy de acuerdo. No creo que ninguno de mis colegas mire esos informes y piense: “Oh, eso es muy interesante; he descubierto algo interesante o relevante acerca de mis colegas.” Si la investigación de mercado se hiciera de manera correcta, sería de sumo interés analizar a tus propios competidores.
Mi opinión personal es que el nivel de análisis, incluso para las firmas de investigación de mercado más grandes, está por debajo de lo que esperaría de un becario en Lokad. Es malo; es muy malo.
Conor Doherty: Estás hablando, por ejemplo, de cuadrantes y de ser demarcado de tal manera que, “este es un líder, este no lo es.”
Joannes Vermorel: Sí, y de nuevo, eso refleja, como decía, un problema matrioshka sobre quién finalmente escribe esos informes. Estos informes no son producidos por visionarios o personas de talento increíble, sino por personas que actúan como periodistas, en el mal sentido, en el campo de las tecnologías de software empresarial.
Conor Doherty: Bueno, parece que, de entrada, múltiples cosas pueden ser verdaderas simultáneamente. Por ejemplo, podrías tener consultores cuyos clientes directos son proveedores que recomiendan a esos mismos proveedores, pero esos proveedores aún podrían ser, de hecho, las mejores soluciones en el mercado. Entonces, ¿estás diciendo que el estado de la investigación es terrible y los resultados son terribles debido a un conflicto de interés?
Joannes Vermorel: Sí, pero desafortunadamente, la lista de problemas es tan larga. La metodología suele ser completamente falsa, precisamente porque las personas—hay unas pocas excepciones, como la investigación de Brightwork con un tipo llamado Shaun Snapp, que está haciendo un trabajo de altísima calidad, pero es extremadamente raro.
Cuando tienes personas realizando esta investigación de mercado que no entienden cómo se diseñan esas tecnologías de software, entonces tienes una metodología muy superficial que acepta las afirmaciones de los proveedores prácticamente sin cuestionarlas, y terminas con informes que son extremadamente superficiales, infomerciales para los proveedores.
Una metodología adecuada implicaría desafiar en profundidad la argumentación técnica de cada proveedor, pero necesitas a alguien que pueda realizar ese tipo de desafío. Con frecuencia, cuando lees esos informes de investigación de mercado, la metodología nunca desafía realmente la realidad de las afirmaciones hechas por los proveedores.
Muchas cosas salen mal—los estudios de caso, que se aceptarían sin cuestionar los estudios de caso producidos por los proveedores, llegando con un conflicto de interés, por lo que no se pueden confiar, etc. Es una lista muy larga de problemas.
Conor Doherty: Porque mencionaste, creo que fue Brightwork, ¿qué es lo que en la metodología de ese hombre difiere del mainstream que acabas de describir?
Joannes Vermorel: Comienza con una persona que es, en realidad, un ingeniero de software decente, alguien que entiende cómo funciona el software empresarial. El primer paso es producir un informe con alguien lo suficientemente inteligente como para hacer el trabajo. Si no lo haces, tendrás todo tipo de problemas con el informe al final, sin importar la metodología e incentivos que tengas.
Debido a que esta persona es completamente competente, puede comenzar a emplear una metodología que tenga sentido, como realizar evaluaciones tecnológicas, analizando lo que la tecnología vale por sí sola. ¿Tiene méritos? ¿Está bien diseñada? ¿Cómo se compara con tecnologías alternativas similares?
Si deseas un producto para empresa —una solución en software empresarial es muy compleja, compuesta de muchas piezas— mira las diferentes partes y evalúa cómo se compara cada una con las alternativas de vanguardia. Necesitas una perspectiva de divide y vencerás, lo cual requiere un entendimiento de la tecnología.
Ese caso es un caso atípico, una excepción que confirma la regla de que las firmas de investigación de mercado son, en su mayoría, relativamente falsas. Esta pequeña firma tiene una declaración de misión creíble: no reciben dinero de los proveedores, lo cual resuelve muchos problemas.
La investigación de mercado se puede hacer bien, pero la investigación de mercado convencional es deplorable.
Conor Doherty: ¿Cómo encajan la IA y, en particular, los LLM en esta ecuación? Porque sé que eres un gran fan de ellos y de sus aplicaciones en la investigación de mercado.
Joannes Vermorel: Sí, eso es algo que surgió recientemente con el lanzamiento, por parte de una serie de proveedores de IA, de capacidades de deep research. Hace dos años, cuando se lanzaron por primera vez herramientas como ChatGPT, estas se lanzaron con capacidades limitadas de búsqueda en la web, y no eran muy buenas. El problema era que los LLM, large language models, son lentos, y si deseas realizar una tarea interesante en la web, no puedes hacerlo de forma interactiva. Eso significa que no puedes pedir, “ChatGPT, dame una comparación del software de gestión de inventario más relevante” y activar la opción de búsqueda. Porque el LLM intenta darte una respuesta en, digamos, 30 segundos, lo que significa que, en realidad, el modelo solo puede revisar como tres, cuatro páginas web. Esto ni siquiera se acerca a ser suficiente, y por eso los resultados eran en su mayoría basura.
Ahora, hace unas semanas, OpenAI lanzó un modo de investigación profunda. Algunos otros competidores ya contaban con este modo. Google ya ha lanzado, con Gemini, su propio modo de investigación profunda, y la idea es simplemente que renuncies a la naturaleza interactiva de la respuesta. Así, el LLM realizará las tareas de forma asíncrona, y tú regresarás. Puedes volver media hora después, y entonces tu informe estará listo. Lo que ocurre bajo el capó es como un agente especializado. Es simplemente algo que le dice al LLM, “Está bien, se te ha encomendado realizar esta investigación profunda en la web. Primero, necesitas organizar una colección de búsquedas web a través de un motor de búsqueda, digamos Bing, donde vas a recopilar las páginas que sean relevantes.” Luego analizarás cada página para ver si en ella hay algo de valor, y finalmente, reunirás todos esos análisis parciales en un informe sintético que aborde la pregunta o tarea del usuario. Funciona de maravilla. Me sorprendió positivamente. Básicamente son los mismos LLM, pero con detalles de automatización que lo hacen realmente valioso.
Y como regla general, digamos que OpenAI, cuando haces investigación profunda, revisa algo así como 50-60 páginas. Así que es bastante consecuente, y sospecho que explora muchas más, pero descarta muchas páginas. Diría que probablemente explora algo como 200 páginas. De esas, descarta la mayoría por no ser fuentes suficientes para el análisis.
Conor Doherty: Si lo diriges para que sea lo suficientemente robusto.
Joannes Vermorel: No, no, no, lo hace por sí solo. Entonces, ves, es solo la calibración de lo que han hecho. Parece que, en este punto, selecciona alrededor de 200 páginas que parecen ser las más relevantes, conserva no más de, digamos, 50, y luego produce un informe mediante un análisis en profundidad de lo que encontraste, es decir, de las partes que son más relevantes en esas páginas. Tal vez, ya sabes, dentro de cinco años, serían 2,000 páginas y 200 veces, así que hay un límite. Puedes ver que es el tamaño de la ventana de contexto del LLM el que está en juego.
Sospecho que ese sigue siendo un factor importante en cuántas fuentes puedes compilar para tu informe final. Pero si volvemos a la investigación de mercado, estas cosas funcionan de maravilla si le añades algunas instrucciones extra para que funcione. En particular, tienes que proporcionar al LLM algo de orientación, porque los modelos, cuando los usas “out of the box”, son muy ingenuos. Cuando digo los modelos, me refiero a que los LLM son muy ingenuos a la hora de tratar con software empresarial.
Así que necesitas tener un prompt que añada muchos elementos a la metodología para que se produzca un informe medianamente decente. En realidad, es muy sencillo. Debes añadir calificadores como, “Quiero un informe que busque la verdad al máximo, sin palabrería de marketing, sé extremadamente escéptico, no des por sentado ninguna afirmación hecha por los proveedores. Asegúrate absolutamente de que cada afirmación que evalúes como un elemento positivo para la solución esté fundamentada, que no descartes todas aquellas afirmaciones que sean simplemente aseveraciones desnudas.”
Exactamente, o simplemente afirmaciones que obviamente se producen con un conflicto de intereses masivo. Por ejemplo, si un proveedor dice, “Para un software de gestión de inventario, ganamos un 50% de productividad”—
Quiero decir, ese es exactamente el tipo de afirmaciones de las que debes tener muchísima precaución. Cuando observas cuál fue tu línea base, ya sabes, ¿en comparación con qué? ¿Con papel y bolígrafo? Esa no es una buena línea base. Además, cuando se trata de estudios de caso para software empresarial, el cliente tiene igual interés en afirmar que hubo un beneficio masivo, porque entonces quien fuera el gerente a cargo del proyecto parece un héroe, y eso favorece su avance profesional.
Así que no asumas que, porque la afirmación de beneficios viene con un cliente, no tiene sesgo. Lleva tanto sesgo, si no más, que cuando se trata solo del proveedor de software. En resumen, necesitas incluir en el prompt: “Busca la verdad al máximo. Sé extremadamente escéptico. Descarta las afirmaciones de beneficios cuando no puedas entender la lógica.” Lo fundamental es que, si el proveedor afirma aportar beneficios, ¿es algo en lo que además expliquen cómo lo hacen, cómo llegan a esa medición? Si lo hacen, puedes darle algo de credibilidad a un estudio. Si la afirmación es simplemente porque yo lo dije o porque mi cliente, que resulta ser mi amigo, lo dijo, entonces no. Verás, en fin, el prompt no es muy complicado.
También necesitas añadir unas cuantas salvaguardas, usualmente si tienes experiencia en el dominio, para detectar señales de alerta o afirmaciones que sean simplemente absurdas. Por ejemplo, si en el prompt dices que cualquiera que afirme que puede lograr una reducción del 50% en el inventario es un payaso. No es posible, ni de lejos. Así que, por favor, en tu informe, degrada tu evaluación de quien haga esas afirmaciones descabelladas, porque no le favorecen. Es como una señal de alerta que demuestra incompetencia.
Conor Doherty: Además, sin querer interrumpir, pero debo señalar que, nuevamente, cualquiera que escuche esto y esté familiarizado con el tema probablemente esté pensando lo mismo que yo en este momento. Básicamente, has descalificado todo lo que jamás se ha impreso por alguien en cualquier momento en la historia de supply chain, porque incluso si te perdiste el 99% de esos indicios, estoy seguro de que en algún momento encontraste uno de ellos.
Joannes Vermorel: Sí, y luego hay una proporción nuevamente, y los LLM son bastante buenos captando eso. Ves, se dice que cuenta como negativo. Y luego los LLM —es muy interesante cuando ves cómo se forman ese tipo de informes— vienen con una evaluación, “Oh, este proveedor, oh, parece que lo único que dice son afirmaciones de marketing puramente infundadas, y la gran mayoría de ellas son simplemente disparatadas en este caso.” Pero a menudo se clasifican, de modo que es como, “Estas fueron métricas, este fue el mejor, este fue el más débil porque tenía esas afirmaciones infundadas.”
Exactamente. Y por lo tanto, es importante proporcionar, también como parte del prompt, algunas pistas sobre cómo detectar lo positivo y lo negativo. Y lo interesante es que los aspectos negativos funcionan muy bien. Así que enumera aquellas cosas que parecen muy opacas, afirmaciones que son increíblemente vagas, que son demasiado buenas para ser verdad, etc., etc. Nuevamente, puede que tengas que iterar; tu experiencia puede variar un poco. Pero en algo así como 20 minutos, puedes tener un prompt. Ya sabes, no estamos hablando de un prompt de 10 páginas de largo, el tipo de prompt que he estado usando era de aproximadamente una cuarta de página. Así que es algo que puedes producir en 20 minutos, y ya estás listo, y tendrás un estudio de mercado sobre prácticamente cualquier tema, por cierto. Y funciona. Diría que lo que obtienes ya es muchísimo mejor que lo que producen las firmas profesionales de investigación de mercado o incluso las consultorías.
Conor Doherty: Bueno, como mínimo, también sería más barato. Incluso si fuera de calidad indistinguible, que no es lo que estás diciendo, pero aun así, es más rápido y barato.
Joannes Vermorel: Sí, exactamente. Quiero decir, lo bello es que obtienes tu informe en 20-30 minutos, y ya tienes como un informe muy detallado de 20 páginas con las citas, es decir, con citas, señalando exactamente de dónde proviene la información. Y es una enorme cantidad de trabajo. Lo interesante es que, con estas capacidades de investigación profunda proporcionadas por, diría, los especialistas en IA de hoy en día, puedes hacer en horas lo que a un asistente le habría tomado semanas compilar. Y eso es muy impresionante, y la calidad, de nuevo, es —ahí es donde digo que es muy impresionante— que si enmarcas el problema como “busca la verdad al máximo”, sí, los LLM, la gente puede argumentar que tienen sesgos, pero hacen un esfuerzo bastante decente —según mi experiencia— en ser orientados a la verdad. No significa que sea perfecto, ciertamente no, pero es bastante bueno. Es bastante bueno. Y diría que tal vez no supera al humano, pero sí es bastante —quiero decir, hay trade-offs. Nuevamente, ¿cuánto estás dispuesto a gastar? ¿Cuánto tiempo quieres invertir?
Estaba diciendo que el problema es que la mayoría de esos informes los realizan personas que tienen cero entendimiento sobre la tecnología. La magia es que esos LLM tienen un entendimiento medianamente decente de todas las tecnologías. Sí, no son magos de las bases de datos, pero demuestran una competencia superior al promedio en el diseño de bases de datos, los desafíos de bases de datos y demás.
Cuando haces investigación de mercado, el desafío es que hay tantas áreas en las que sabes muy poco. Lo bello es que, cuando se hace con un LLM, éste casi nunca está completamente ignorante de cualquier área del negocio que estés analizando. Eso hace que esos informes sean muy completos. He estado experimentando bastante y, en general, me ha impresionado la calidad de lo que se puede producir. Es un poco alucinante.
Conor Doherty: Bueno, nuevamente, solo para contextualizar esto para las personas que escuchan, quizás con un ejemplo. Históricamente, sé que es un ejemplo al que vuelvo muchas veces, pero tu distinción o categorización de los tipos de software empresarial entre registros, informes y sistemas de inteligencia —ERPs, sistemas de informes con herramientas BI y luego sistemas de inteligencia con software de toma de decisiones—. Hiciste el punto de que, para sobresalir en uno, sacrificas el otro: no puedes ser Superman en todas estas cosas.
Ahora, a la pregunta: si estuvieras realizando un estudio de investigación de mercado utilizando un LLM, ¿sería capaz de discernir entre las afirmaciones? Por ejemplo, un proveedor de ERP que dice, “Nuestro sistema ERP es fantástico para manejar registros, y además podemos realizar un increíble forecast y optimización de toma de decisiones,” lo cual, como experto, sabes que es esencialmente una tontería desmesurada. La casi totalidad de la gente no sabría a primera vista que, estructuralmente, en términos de diseño del software, en realidad no se pueden hacer todas esas cosas de manera brillante.
Un LLM podría discernir eso, diría yo, esencialmente de forma gratuita.
Joannes Vermorel: Probablemente no. No es, de nuevo, pero si llegas a estar al tanto de esta clasificación que yo introduje, puedes decírselo al LLM y luego éste hará cumplir tu intención. Puedes simplemente decir, “Por cierto, estoy buscando un sistema de registros que elimine estrictamente las otras cosas.” Incluso puedes proporcionar un enlace a la página y decir, “Por favor, ten en cuenta esta clasificación en tu evaluación.” Eso lo hará más completo.
Pero diría que ese es el tipo de cosa en la que ni siquiera realmente necesitas eso, porque mi sugerencia es que la investigación de mercado con LLM es solo el primer paso para ir súper rápido. Mi recomendación sigue siendo optar por una investigación de mercado adversarial, donde le preguntes a los propios proveedores que expliquen quiénes son sus pares, qué opinan que es bueno o malo de sus pares, y quiénes son los pares a los que más respetan, y si existen aspectos problemáticos, desde su punto de vista, que deban ser tenidos en cuenta.
Puedes realizar tu investigación de mercado en 30 minutos; en realidad, en dos horas, y luego obtendrás tu primer informe sólido —ni siquiera estarás pegado a la computadora durante esos 30 minutos. Escribes el prompt y podrías hacer una o dos preguntas de calificación como, “¿Cómo quieres esto? ¿Lo quieres como un informe?” Luego regresas, te tomas un café, lo que sea.
Necesitarás un poco de tiempo para digerir un informe, así que digamos dos horas. Luego pasas a la investigación de mercado adversarial.
Envías unos correos electrónicos a esos diferentes proveedores, eliges como tres, y esos proveedores se te acercarán —esa es parte de la metodología de la investigación de mercado adversarial— con algunas ideas sobre cómo abordar tu problema.
Si hay un proveedor como Lokad que se te acerca diciendo, “Cuidado, el problema que estás analizando es, de hecho, varios productos complementarios pero productos que son muy distintos,” y si la lógica te convence, entonces simplemente deberías repetir la investigación de mercado utilizando el LLM nuevamente.
Diciendo, “Está bien, tengo este fragmento de entendimiento que fue proporcionado por un proveedor, pero no es algo completamente neutral; es simplemente una comprensión del mercado. No es un entendimiento que favorezca únicamente a ese proveedor en particular.” También puedes tomar los informes que ya han sido diseñados y hacer que sean evaluados.
Por ejemplo, supongamos que eres una empresa que posee piezas de avión y deseas gestión de inventario. Entonces, el primer proveedor al que contactas te dice: “Cuidado, necesitas tener un sistema que soporte la gestión de inventario en serie.” Eso significa que no se trata de mantener diez unidades en stock; significa que por cada unidad en inventario, hay un cierto número y necesitas hacerle seguimiento.
Existen sistemas de gestión de inventario que soportan inventario en serie y otros que no lo hacen. Entre aquellos que sí soportan gestión de inventario, algunos lo manejan como una entidad de primera categoría, por lo que se supone que es el caso de uso principal, y los artículos que no tienen número de serie son como ciudadanos de segunda clase.
Existen otros sistemas de gestión de inventario donde ocurre lo contrario. Un proveedor puede decirte que es una característica muy importante si deseas tener gestión de inventario en serie. Eso es completamente diferente en comparación con la gestión de inventario regular.
Bien, un proveedor te dice eso, y tú no lo sabías. Así que ahora voy a rehacer mi investigación en sistemas de gestión de inventario diciendo: “Ey, realmente debo prestar atención a esta capacidad de inventario en serie. Es crítica porque estoy en la aviación.” Repite esta investigación de mercado con este criterio en mente y regenera los informes.
Veo a los LLMs como muy complementarios para este estudio de mercado adversarial. A medida que recibes algunos comentarios de los proveedores, puedes simplemente incorporar esos conocimientos extra sobre cómo deberías ver el problema en tu prompt de LLM y simplemente repetir y regenerar. Es barato, relativamente rápido, y obtendrás algo que estará cada vez más hecho a la medida de tu caso de uso.
Conor Doherty: Ciertamente, eso suena bien en teoría. Pero, ¿no te topas con la barrera preexistente, que es que los LLMs se entrenan con conjuntos de datos? Ya has criticado el estado de la literatura actual en supply chain, así que si quisieras realizar un estudio de mercado utilizando un LLM y le proporcionas todos estos parámetros, empujones y calificaciones muy cuidadosos, aún tiene que leer la información que está disponible públicamente. Si la información disponible públicamente es basura, ¿no es basura entra, basura sale?
Joannes Vermorel: No, quiero decir, eso es otra cosa. Aquí volvemos al desafío de los LLMs: una de las cosas más increíbles es que los LLMs proporcionan garbage in, quality out, lo cual es muy extraño. Es por eso que creo que tomó mucho tiempo para que incluso la comunidad de software descubriera estas cosas; es completamente contraintuitivo y va radicalmente en contra de lo que era el dogma hace diez años, que era garbage in, garbage out.
Resulta que cuando inyectas toda la web en esos modelos, obtienes algo muy decente, lo cual es extraño. Quiero decir, cuando piensas que ChatGPT ha ingerido toda la tontería de Reddit y sigue siendo cuerdo, es realmente notable.
Aquí, yo diría que no, funciona. El desafío es que sí, los proveedores a veces tienen materiales de muy baja calidad, pero nuevamente, un LLM utilizará eso para hacer una evaluación comparativa.
Si todos son igualmente malos, entonces es difícil, pero muy frecuentemente lo que sucede es que algunos proveedores son mucho peores que otros. Quizás incluso el mejor proveedor no sea el proveedor de tus sueños; le falta un poco. Alguien tiene que ser el mejor.
Exactamente, y mi observación casual es que cuando se trata de la calidad de los productos, la calidad de los productos de software, la calidad de las tecnologías, existe una inmensa correlación entre la calidad de los materiales publicados en el sitio web del proveedor y lo que sucede tras bastidores.
Las empresas que tienen equipos de ingeniería decentes cuentan con contenido en sus sitios web que explica lo que hace el producto, cómo lo hace, etc., y también es generalmente decente. Por el contrario, si el equipo es pequeño y está subcontratado a algún país barato y subdesarrollado, entonces, sorpresa, sorpresa, la calidad del sitio web y del contenido técnico también es desastrosa.
No es sorprendente, esas cosas tienden a ir de la mano. Eso es lo que hace que el caso de uso de los LLM para la investigación de mercado sea tan poderoso, al menos en lo que respecta al software. Tienes esta inmensa correlación entre la calidad del contenido en línea y la calidad del producto; realmente van de la mano. No creo que en toda mi carrera haya visto alguna excepción a esta regla.
Conor Doherty: De acuerdo, y no solo eso, y se me ocurre que existe la posibilidad de que lo que estás describiendo y, ciertamente, lo que ya está disponible, podría, de hecho, generar un estudio de mercado objetivamente mejor sobre toda la gama de opciones disponibles, pero la pregunta entonces es: ¿es eso necesariamente lo que el usuario final, en este caso las empresas clientes, realmente quieren? Por ejemplo, estoy seguro de que, para llevar a cabo este experimento mental, um, diriges la empresa de Joannes, tienes una empresa llamada Lokad y quieres encontrar un proveedor, y realizas un estudio completo de mercado y hay 10 opciones, nueve de ellas son los grandes, los nombres que todos conocemos, y luego la número 10 es el ERP de Conor.
Y el ERP de Conor es el mejor, pero nadie ha oído hablar de él, sin embargo, es, junto con tus métricas, la mejor opción. Tiene el mejor software, cuenta con toda la mejor documentación pública, explica cómo se hace todo, es fantástico. Luego lo muestras internamente y dicen: “¿Quién diablos es Conor? Dame uno de los grandes nombres.” Quiero decir, porque la gente quiere grandes nombres.
Joannes Vermorel: No, quiero decir, primero, nuevamente, los LLMs son sorprendentemente buenos. Ya sabes, es una empresa sin nombre. ¿Qué califica a una empresa sin nombre si tiene muy pocos materiales, muy poca documentación, muy pocas características, muy pocas de todo, antigüedad, clientes prestigiosos, sí, pero nuevamente, eso se reflejará en términos de la profundidad de lo que hacen, ya sabes.
Si miras a OpenAI, era, hasta muy recientemente, una empresa sin nombre, ¿correcto? Explotó completamente en 2023. Antes de eso, era una empresa muy oscura, fuertemente financiada pero muy poco conocida en Silicon Valley. Así que ya ves, mi opinión es que, nuevamente, los LLMs son bastante buenos en este tipo de evaluación, y tendrán eso en cuenta. También tomarán en cuenta eso y miles de otras cosas.
Así que no pienses que cuando digo que seas lo más veraz posible y demás, que el LLM simplemente va a ser un idiota y sugerir algo como un proveedor super, super oscuro proveniente de Bashtoan o lo que sea. Esto no es lo que obtendrás de ellos. Ahora, si ya tienes una idea preconcebida, si ya sabes lo que quieres, entonces no uses un LLM para justificar por qué.
Sabes, eso es desear una cosa. Si asumes que deseas realizar una investigación de mercado genuina, entonces deberías suspender tus preferencias por ciertos proveedores. Sabes, de lo contrario, ¿por qué querrías siquiera hacer esta investigación de mercado? Si ya has decidido que quieres escoger un proveedor, entonces escoge un proveedor. Elige este proveedor directamente y evítate ese proceso falso para justificar las decisiones que ya has tomado. Sabes, solo ahorrarás tiempo y dinero a la empresa.
Entonces, ya ves, si ya has decidido y luego haces una investigación de mercado, esto es absurdo. No hay ningún argumento lógico que respalde este tipo de cosas, así que debes abordar el problema desde al menos una perspectiva en la que aún no has decidido, y lo que intentas hacer con este LLM es simplemente obtener una declaración lo más veraz y objetiva posible.
Y eso es, nuevamente, en este sentido, creo que esas herramientas son bastante eficientes, y si realmente tienes miedo de que esas herramientas tengan limitaciones, además, si piensas que al LLM simplemente le falta un proveedor que debería estar considerando o lo que sea, puedes simplemente proporcionarlo. Literalmente puedes decir, “Quiero el proveedor A, B, C, D, F, y quien sea, además de esos, que crea que es el más relevante.”
Así que ya ves, no hay reglas estrictas aquí. Literalmente puedes ajustar tu prompt, y el LLM solo ajustará la composición, pero intenta hacerlo de una manera que no introduzca un sesgo masivo para el LLM. Así que ya ves, hazlo de tal forma, por ejemplo, si quieres listar explícitamente al proveedor, debes tener cuidado de no insinuar a quién quieres que gane el proceso.
Porque si le das al LLM el prompt: “Siento que esta es la mejor opción, realiza exactamente un estudio de caso, haz un estudio de mercado sobre software de gestión de inventario y no olvides a este proveedor que realmente creo que es el número uno,” estás introduciendo una dosis masiva de sesgo. Así que aquí simplemente—pero nuevamente, no tienes que ser extremadamente inteligente para entender eso. Se trata simplemente de formular tu propio prompt de manera neutral. De lo contrario, obtendrás sesgo en tu informe.
Conor Doherty: Entonces Joannes, creo que vale la pena plantar una bandera aquí. Quiero decir, lo hicimos hasta cierto punto antes, pero solo para esbozarlo realmente. Cuando hablamos de las habilidades, las habilidades de alfabetización digital requeridas para producir este tipo de información, no son avanzadas. No estamos hablando de programar en Python ni nada de eso. Esto es algo básico, ¿verdad?
Joannes Vermorel: Sí, creo que si algunas personas deciden introducir un diploma de prompt o una certificación de prompt para ser capaz de darle instrucciones a un LLM, serán ese tipo de cosas que puedes dominar en dos días. Puedes obtener tu certificado de prompt en dos días. Sí, no es difícil. Es absolutamente sencillo.
Y, de nuevo, incluso puedes interactuar con una herramienta para averiguar qué está mal con tu propia solicitud. Así que es un proceso bastante interactivo que también te brinda retroalimentación sobre cómo mejorar si pides una opinión. Bueno, el segundo punto entonces, porque el primero era sobre las habilidades requeridas para hacer esto, pero el segundo punto, y fue algo que mencionaste hace apenas unos momentos, era la confiabilidad.
Ahora, no lo dijiste en este contexto, pero plantea una preocupación que estoy seguro que algunas personas tienen cuando escuchan esto, que es que históricamente la confiabilidad de los LLMs ha sido objeto de cierta disputa. Por ejemplo, alucinar, o sé que te gusta el término confabular. Le pides a un LLM que haga algo, “Ey, averigua esta pieza de información,” y no quiere decirte, “En realidad, no lo sé,” o “No hay información,” y simplemente confabula información mayormente de la nada.
¿Qué tan plausible o válida es esa preocupación en el contexto de una investigación profunda, que por supuesto no es el mismo modelo que la gente normalmente imagina cuando piensa en LLMs?
Es el mismo modelo, pero la cuestión es que, como regla, cuando realiza una investigación profunda, se le indica al LLM que vaya a buscar la información en la web. Así que aquí estamos de nuevo, los LLMs no son bases de datos de hechos y fragmentos de conocimiento. Se entrenaron con eso, se entrenaron, pero si preguntas, “¿Cuál es la altitud exacta del Monte Everest?” Ellos recordarán más o menos, pero si pueden buscar la información en línea, será mucho más fácil para la herramienta estar absolutamente seguro.
Así que, en mi experiencia, la cantidad de confabulación o alucinación al usar la investigación profunda de OpenAI es bastante baja. Realmente puedes ver que el modelo está aprovechando la información que existe en la página para construir su propia evaluación, y por lo tanto no le estás pidiendo al modelo que simplemente invente o recuerde todo lo que sabe sobre proveedores oscuros. Ni siquiera lo intenta.
Simplemente diría, “Está bien, aquí está la lista de páginas que he recuperado de este proveedor. ¿Qué me están diciendo esas páginas?” Así es como funciona. Todavía es posible que el LLM se invente cosas, pero diría que en un grado mucho menor que un ser humano real. Sabes, un ejemplo de error sería que en la página del proveedor dice, “Tenemos más de mil clientes,” y luego el LLM en el informe diría, “Afirman tener 1,000 clientes.”
Es una aproximación sutil; en un caso decían “más de 1,000,” y se distorsionó a exactamente 1,000. Bien, nuevamente, esa es una distorsión menor en mi experiencia. Las distorsiones son poco frecuentes, y cuando existen, son relativamente insignificantes, en contraposición, por ejemplo, a inventar un proveedor entero de la nada y simplemente atribuir cualidades y debilidades a ese proveedor de la nada. Esto no sucederá.
Esto no sucederá. El 100% de los proveedores tendrá un sitio web con fuentes que se enumeran y todo. No he visto un informe en el que se inventen cosas de la nada de manera extravagante. Ocurrió, pero fue sutil y, a veces, estás incluso al límite de la inferencia. Sabes, parece que tienen esto, y simplemente tomas un atajo y dices que tienen esto, pero no está completamente claro. Cuando miras la documentación, está implícito, y el LLM se dejó engañar.
Conor Doherty: Bueno, sí, por supuesto. De nuevo, incluso si pagaras a una firma de consultoría para producir un informe, presumiblemente aún lo leerías y evaluarías tú mismo. Así que no es como si la afirmación aquí fuera: simplemente usa el resultado de los deep researchers y tómalo al pie de la letra como si fuera absolutamente perfecto. Aún tienes que interrogarte a ti mismo.
Joannes Vermorel: Interrogarte a ti mismo, sí, exactamente. Quiero decir, nuevamente, no puedes suspender tus juicios. Necesitas hacer uso de eso. Y de nuevo, creo que lo que realmente destaca de esas herramientas es que puedes iterar a un ritmo que es simplemente imposible, incluso con los mejores consultores. Es como si pudieras repetir un estudio de un mes — algo que tomaría un mes a un humano — pero realizado a mano en 30 minutos. Es extremadamente impresionante. Quiero decir, nuevamente, estamos hablando de producir un informe de 20 páginas, súper estructurado, completamente hecho a la medida de tu solicitud, en 30 minutos. Cambia totalmente las reglas del juego en lo que respecta a tu capacidad de iterar.
Efectivamente, puedes terminar haciendo 20 estudios de mercado seguidos, cada uno iterando sobre el anterior para que estés cada vez más enfocado en lo que realmente deseas.
Conor Doherty: Bueno, hablaste hace un momento sobre hacer inferencias. ¿Es razonable que alguien que escuche pueda inferir que ves el papel del consultor de mercado y de las firmas de consultoría, etc., volviéndose redundantes o ya habiéndose vuelto redundantes como resultado de esta tecnología?
Joannes Vermorel: Si hablamos en términos de entregable y asumes que el entregable es un estudio de mercado, entonces, de hecho, muchas, si no la mayoría, de las firmas de investigación de mercado y consultores que ofrecen este tipo de servicio se vuelven completamente obsoletos, a menos que realmente puedan demostrar que son capaces de hacer un análisis mejor que lo que una máquina puede hacer. Comienza con tener personas ampliamente capaces a nivel técnico para producir un análisis más inteligente que el que puede hacer el LLM.
Existe, pero va a ser súper nicho, simplemente porque no hay muchas personas de ese calibre en este tipo de industrias y, en la actualidad, son más lentos y costosos. Sí, estamos hablando de algo en lo que, sí, va a ser mucho más lento. Esos proveedores de software empresarial no están comprando estudios de mercado de ellos; lo que están comprando es publicidad. Así que, mientras que los proveedores de software empresarial estén dispuestos a gastar dinero en esas firmas de investigación de mercados, las firmas de investigación de mercado funcionarán perfectamente, lo cual no tiene nada que ver con la existencia de LLM capaces de producir estudios de mercado.
Eso no es por lo que esos proveedores de software empresarial están pagando; están pagando por la publicidad. Es solo un canal. Alternativamente, podrían gastar el dinero en anuncios de Google; simplemente deciden gastarlo en algunas firmas de investigación de mercados o una fracción de su presupuesto en esta área.
Para los consultores, mi opinión es que muy, muy frecuentemente, lo que las empresas o, en realidad, los ejecutivos están pagando realmente es por compañía o apoyo moral, y esto no es algo que el LLM te dará. Parece un poco tonto cuando lo dices de esa manera, como: “Oh, ¿por qué pagaste esa misión de $100,000?” “Me sentía solo, me sentía inseguro, necesitaba a alguien que me respaldara, así que simplemente los contraté. Son buena gente; me apoyan.” Eso suena un poco ridículo, pero sí, creo que, en gran medida, eso explica este tipo de actitud, explica la mayor parte del negocio de consultoría.
El hecho de que estés comprando un estudio de mercado es solo la pretensión de enmarcar una misión de una forma que no suene tan ridícula como “Estoy buscando un coach corporativo.” Pero quiero decir, aparte de eso, por eso creo que podría no cambiar nuevamente. La existencia de LLMs y su capacidad puede no cambiar tanto en este sentido, porque en última instancia esto no era lo que ya se estaba comprando. El informe era una pretensión para algo más. No era lo que justificaba, realmente a los ojos de la dirección, pagar a los consultores en primer lugar.
Conor Doherty: Así que, nuevamente, leyendo entre líneas, habiendo escuchado todo eso, ¿sería razonable decir que no ves a las firmas de consultoría de mercado teniendo una experiencia valiosa para aplicar directamente en la investigación del mercado? Así que su experiencia no radica en ese ámbito, ni ahora ni históricamente, se podría incluso argumentar, pero eres muy escéptico de que un consultor—un consultor profesional—pueda aportar una experiencia valiosa, esa cualidad intangible, entre estos 8 mil millones de humanos y probablemente un millón, ya sabes, de consultores en todo el mundo.
Joannes Vermorel: Sí, claro, debe haber docenas, cientos de personas que sean capaces de hacer eso. Ahora la pregunta es, ¿cuántos realmente son capaces de hacerlo? ¿Cuál es el porcentaje? Mi opinión es que el porcentaje de personas que son capaces, entre los círculos de consultoría, de realizar este tipo de evaluación en lo que respecta al software empresarial, mejor que los LLM, es simplemente ínfimo.
Y éticamente o sin sesgo, sí, exactamente. Quiero decir, ambos. Pero creo que el sesgo es mayor en las firmas de investigación de mercados. Para los grupos de consultoría, pienso que la mayoría no tiene el problema en la misma magnitud; tienen el problema, pero es un problema relativamente pequeño. El problema mucho mayor es simplemente las habilidades y la competencia para siquiera realizar esta evaluación en primer lugar.
Y nuevamente, esto se debe a que, como consultor, sigues haciendo cosas que son increíblemente diversas. Sabes, es muy difícil. Hoy te piden que seas un experto en software de gestión de inventarios; mañana, que seas un experto en el ratio de rendimiento para una línea de producción química. La cantidad de diversidad de misiones es simplemente abrumadora, y por lo tanto no es muy realista que tengas personas que sean muy competentes en este tipo de cosas.
Conor Doherty: Entonces, Joan, es interesante porque al escucharte a ti y esta discusión sobre las firmas de consultoría de mercado, recuerdo que hace aproximadamente un año y medio, dos años—y nuevamente, corrígeme si me equivoco—aunque fui yo quien realmente escribió el artículo, revisamos un artículo de la Harvard Business School, creo que se llamaba “Navigating the Jagged Technological Frontier.” Y fue producido de manera interesante, si mal no recuerdo, con BCG Boston Consulting Group.
En él, y lo voy a resumir masivamente, y señalo que cualquiera puede comentar si me equivoco, nuevamente, lo estoy recordando en tiempo real, que las personas que recibieron entrenamiento con LLMs o AI generativa rindieron mejor en ciertas tareas, tanto cualitativas como cuantitativas, que las personas que no tuvieron este entrenamiento. Entonces, mi pregunta para ti ahora es, cualquiera que esté escuchando esto podría decirte con la misma facilidad, “Bueno, Joannes, si simplemente le damos estas herramientas que han mejorado en los 18 meses intermedios a consultores altamente capacitados, ¿no producirán ellos los mejores informes de consultoría del mundo?”
Joannes Vermorel: Sí, lo harían. Quiero decir, ciertamente, en manos de consultores, se podrían producir informes fantásticos. Pero ahora la cuestión es que es un modelo de negocio de las consultorías. No puedes cobrar a una gran firma de consultoría como BCG o McKinsey por dos horas de trabajo, así que eso desafía un poco el modelo de negocio. Pero nuevamente, si volvemos a la idea de que el informe es realmente lo que se está adquiriendo, realmente desafío esta suposición.
Mi opinión es que no es por lo que se está pagando, así que la disponibilidad de la tecnología es irrelevante porque no es lo que se está comprando para la casi totalidad de esas misiones de consultoría.
Conor Doherty: Una de las cosas con las que tendería a estar de acuerdo, en el sentido de que cuanto más tiempo he trabajado en este espacio y más he escuchado, más he hablado con profesionales en ferias comerciales, en convenciones, más me he dado cuenta de que los avales de grandes nombres son el impertómetro que la gente generalmente busca. Como una forma de resumir un poco la conversación, hay una frase, “Es mejor fracasar convencionalmente que tener éxito de manera no convencional,” que en las grandes empresas existe la percepción, “Bueno, no quiero ser la empresa que se arriesga con esta compañía oscura que podría ser, en papel, según un consultor o un LLM, la mejor opción. Prefiero quedarme con el menú más corto de nombres establecidos y exitosos.” ¿Qué opinas al respecto?
Joannes Vermorel: Soy, de nuevo, todo es relativo. La mayoría de las compañías de software empresarial no son completamente nuevas; incluso si hablamos de Lokad, estamos hablando de una compañía que tiene 15 años de vida. No es exactamente super joven. Mi opinión es que el problema es más bien que necesitas tener algo que sea, de alguna manera, convincente.
Y el problema típico que quizá enfrente la alta dirección es que terminan con mensajes de sus subordinados que son completamente poco claros, y las habilidades de escritura pueden ser deficientes, el análisis de problemas puede ser deficiente. Los consultores entregan un PowerPoint interminable de 80 diapositivas que no tiene pies ni cabeza o tiene poco sentido, y es un dolor de cabeza para la alta dirección. Tienen que tomar una decisión, y entonces recurren a algo que no se siente demasiado arriesgado.
Pero nuevamente, no creo que la mayoría de las personas que logran ascender entre las filas de altos ejecutivos sean idiotas. Si hay algo que es convincente, que está explicado de manera ordenada, simplemente lo aceptarán. No es así, y donde creo que los LLM están haciendo algo revolucionario es en la capacidad de producir una argumentación de muy alta calidad por escrito para respaldar el caso de esta opción frente a aquella opción.
Esto es algo que, si observo a la mayoría de las grandes empresas, las habilidades de escritura típicas son bastante bajas. Algunas empresas, como Amazon, son notoriamente conocidas por que sus gerentes pueden escribir memorandos de cinco páginas de alta calidad. Es muy raro, y creo que gran parte del éxito de Amazon se debe a esta capacidad de abordar problemas por escrito, no con PowerPoints, y realmente pensar en profundidad sobre algo. Aquí, lo interesante de los LLM es que de repente hace este ejercicio mucho más accesible para las personas que no poseen todas esas habilidades de escritura. Obviamente, tener habilidades de escritura te hará aún mejor, pero en general, es simplemente un facilitador inmenso.
Conor Doherty: Entonces, como pensamiento final y un consejo, ¿abogarías por aprovechar los LLM para, al menos, crear una comunicación más significativa?
Joannes Vermorel: Diría que si estás pensando en algo que sea como la investigación de mercados, comienza con estas capacidades de investigación profunda con media docena de proveedores de chatbot AI que soportan esta capacidad de investigación profunda. Esto probablemente será una experiencia revolucionaria para ti, y te darás cuenta de que puedes hacer en horas lo que de otro modo te habría llevado meses y costado mucho dinero, y además será muy barato.
Sí, será muy barato. Eso es todo; solo míralo por ti mismo y te sorprenderás gratamente. Luego, el siguiente paso es simplemente recurrir a la asesoría en investigación de mercados, que también es muy ligera, pero estamos hablando de algo que podría tomar quizá varios días, no solo varias horas.
Conor Doherty: Muy bien, Joannes, no tengo más preguntas. Muchas gracias por tu tiempo y por compartir buenas ideas, y muchas gracias por vernos. Nos vemos la próxima vez.
