Innovación Sin Límites: El Plano para una Cultura Donde Cualquiera Puede Construir Agentes de AI

Soy el cofundador y CTO de Semble. He pasado un tercio de mi vida en París, un tercio de mi vida en Nueva York, un tercio de mi vida aquí, y todavía no puedo pronunciar palabras que tienen R-L-D seguidas. Entonces, ¿qué es Semble? Semble es un sistema clínico, y es uno de esos sistemas de los que la mayoría de la gente nunca ha oído hablar pero que impulsa una gran parte de la atención médica privada en este país. Si has visto a un médico privado en algún momento durante los últimos años en el Reino Unido, las probabilidades son que somos los guardianes de tus datos personales y de tus datos de salud.

Y como la mayoría de la gente en esta sala, durante los últimos dos años, alguien ha estado entrando en mi oficina o en mi escritorio, realmente no tengo una oficina, y ha estado diciendo... No sé por qué las diapositivas se mueven sin que yo toque nada, pero está bien. Alguien ha estado entrando en mi oficina y ha estado diciendo, Michael, eres el CTO, necesitas poner IA en todas partes. La IA es lo próximo. Nuestro negocio va a morir si no nos mantenemos a la vanguardia de la IA. IA, IA, IA. Y mi respuesta ha sido durante bastante tiempo que la tecnología para la IA ha sido bastante democratizada por los grandes. Como, para la mayoría de nosotros, algunos de nosotros hay una excepción, pero para la mayoría de nosotros, casi cualquier caso de uso que necesitamos entregar podría ser entregado a través de cosas que han sido puestas a disposición de nuestros equipos.

Pero encontrar el caso de uso, eso es realmente difícil. Y eso no es un problema tecnológico, es un problema organizacional. Y estoy en una posición rara de tener realmente dos sombreros. Soy cofundador, y también soy CTO. Y así, cuando hay un problema organizacional, simplemente cambio de sombrero e intento averiguar qué es lo que necesito hacer para resolver este problema. Ahora, nuestra misión es permitir que los profesionales de la salud amplifiquen su impacto. Y eso es un poco extraño cuando se trata de SaaS porque prácticamente todas las plataformas SaaS que hayas conocido o con las que hayas hablado o usado, su objetivo es maximizar el compromiso.

Quieren que uses su herramienta tanto como sea posible. Cuanto más la uses, más dinero ganan. Piensa en Facebook, Google, todas estas cosas. Están tratando de engancharte. Pero para nosotros, es lo contrario. Estoy tratando de minimizar el compromiso porque cada minuto que un médico, un cliente nuestro, no pasa en mi sistema. Lo pasan con su paciente. Lo pasan haciendo cosas para las que realmente fueron a la escuela en lugar de jugar con un sistema. Y así, si mi objetivo es minimizar el compromiso, entonces la IA es realmente una manera extraordinaria de hacerlo. Porque efectivamente, la IA puede hacer cosas en nombre de los médicos cuando entienden qué es lo que necesitan hacer. Pero soy un tecnólogo.

La mayoría de mi equipo son tecnólogos. No entienden los profundos dolores que nuestros usuarios experimentan cada día. Así que quiero presentarles a Claire. Claire está en nuestro equipo de customer success. Pasa la mayor parte de sus días con mis diapositivas moviéndose nuevamente por sí solas. Pasa la mayor parte de sus días con nuestros clientes más grandes. Y entiende los problemas de nuestros clientes de una manera que yo nunca entenderé. Entiende los pequeños problemas de nuestro software. Encuentra las más pequeñas molestias de nuestros clientes, y sabe cuáles son. Y toda su vida, al igual que todos nosotros, ha estado interactuando con SaaS, ya sea que se dé cuenta o no.

Y efectivamente, siempre que hay un problema que necesita resolver en el SaaS tradicional, todo lo que necesita hacer es decir, oh, conozco otra herramienta que hace esto de manera diferente. O hey, cuando uso Gmail, hay un botón allí. O cuando uso este otro sistema, o cuando uso este otro sistema cuando estaba en la escuela, había otra herramienta. Y así, su capacidad para idear ideas es realmente muy alta porque entiende lo que es lo que hace el SaaS tradicional. Cuando se trata de IA, ella no es una tecnóloga. No sabe cómo escribir código. Nunca ha interactuado con él, excepto tal vez por chat GPT.

Entonces, ¿cómo puedo esperar que entienda lo que hace la herramienta sin realmente capacitarla y sin realmente hacerle entender lo que un agente de IA realmente puede hacer? Así que este año, Claire realmente construyó su primer agente de IA. Lo construyó por su cuenta sin la ayuda de nadie. Simplemente fue y lo hizo. Lo que hace es tomar una carga de comunicación de sus clientes que proviene de un montón de diferentes canales. Los pone en este gran triturador de IA, y surge con ideas realmente fuertes que luego puede ir y discutir con su cliente. Ahora, cuando lo construyó, la parte importante es que realmente hizo la construcción. No es que le dijera a alguien en tecnología o le dijera a alguien en nuestros diversos equipos, oye, realmente necesito un agente de IA que haga eso. Por favor, ve y hazlo por mí. Ella realmente lo construyó ella misma. Usó sus propias dos manos. Y cuando haces eso, entiendes la fortaleza de la herramienta que estás usando. Entiendes sus límites.

Y así, mi objetivo y lo que siempre he creído es que las mejores ideas provienen de los lugares más inesperados de tu organización. Pero, ¿cómo puedo esperar que las personas que entienden profundamente el problema propongan soluciones si no entienden profundamente las herramientas? Y eso es en realidad una brecha de conocimiento cuando se trata de IA, no de otras cosas, pero cuando se trata de IA, la mayoría de nosotros en nuestras organizaciones probablemente lo sentimos. Tienes tecnólogos y desarrolladores y personas que entienden las herramientas.

Ahora, quiero ser muy claro. No estoy hablando de entender qué es un transformer o entender el último modelo de machine learning o lo que sea. Cuando nos subimos a nuestro coche para ir a la tienda por la mañana, no entendemos cómo los pistones se lubrican y cómo, para la mayoría de nosotros, no entendemos cómo funciona eso. Solo sabemos cuándo es que necesitamos usar un coche y entramos y lo usamos. Y ese es el entendimiento que quiero que todos en Semble tengan y entiendan realmente, realmente profundamente.

Y así, el problema que estoy resolviendo es que quiero que las personas más cercanas al problema entiendan la tecnología, y quiero que el conocimiento viva en una sola persona. Y eso es lo que sucedió en Semble, pero no sucedió por accidente. Fue un trabajo arduo. Y la forma en que lo hicimos posible es este enfoque de cuatro frentes. No tiene sentido leer la diapositiva, porque hay mucho texto allí. Pero efectivamente tuvimos que hacer cuatro cosas. La primera cosa es que tuvimos que elegir una plataforma que efectivamente nos permitiera construir las condiciones para que esa transformación sucediera.

Y así, la plataforma necesitaba ser realmente simple de usar. Necesitaba poder ser utilizada por alguien que no es tecnólogo, por alguien que no necesita entender qué significa orquestar agentes o cómo los datos realmente ingresan a los agentes en primer lugar. Pero efectivamente, necesitaba ser una herramienta que alguien en su día a día pudiera usar. Y así compramos un sistema off-the-shelf diseñado para usuarios no técnicos, no para un desarrollador, y efectivamente cualquiera con una gran idea y suficiente curiosidad podría realmente usarlo para construir un pequeño agente seguro que se conecte de manera segura a nuestros datos.

El objetivo no era producción. El objetivo no era llevar cosas a nuestra aplicación. El objetivo era que la gente comenzara a aprender haciendo en Semble. Y vaya que funcionó. Tenemos algo así como más de 200 agentes internamente en este momento. Más de 103 de ellos son realmente utilizados intensamente casi a diario.

Lo segundo es que necesitábamos llevar a cabo una campaña intencional para impulsar la adopción. Eso no sucedió por sí solo. Así que lo que tuvimos que hacer fue tener campeones internos. Así que teníamos un grupo centralizado en toda la empresa que eran campeones de IA internos. Comenzó en Slack con seis personas. Y ahora creo que hay como 80 personas en ese canal. No todos son campeones, pero están haciendo preguntas a los campeones. Hay un campeón de IA en cada equipo. Así que alguien que es curioso, alguien que está interesado, alguien, de nuevo, que no necesita entender algoritmos, pero alguien que necesita entender cómo la herramienta puede ayudar a su equipo específico.

Así que si es en marketing, tal vez sea para escribir algún contenido. Si es en legal, tal vez sea para resumir las noticias, las noticias legales o lo que sea que la gente haga en legal. Y necesita ser... Así que teníamos campeones. Luego teníamos demostraciones fáciles de seguir. Así que tenemos reuniones en toda la empresa cada dos semanas. Cada dos semanas, mostramos un agente, las personas que lo construyeron. Celebramos sus logros. Realizamos masterclasses cortas que muestran ejemplos simples y reales. Así que cualquiera puede venir. Es un poco como horas de oficina. Puedes venir y ver lo que otros equipos están construyendo y cómo lo están usando.

Y alentamos a las personas a contactar a los creadores de los agentes específicos. Y podemos crear documentación realmente, realmente simple. Queremos que la primera interacción de las personas con un agente sea simple, rápida y gratificante. Y la idea aquí es como cualquier otra cosa. Cuanto más rápido aprendas algo, más te gusta, más probable es que vayas y lo uses. Y luego, como cualquier cosa que hagas en casi cualquier empresa, necesitas invertir en la gestión del cambio.

La gente no va a experimentar si no se siente segura. Así que nos enfocamos en diseñar un espacio que permitiera que la curiosidad prosperara. Y nos aseguramos de que las personas estuvieran profundamente, profundamente apoyadas durante todo el proceso. Y así lo que hicimos fue dar una orientación realmente, realmente clara. Como manejamos datos médicos, no podemos jugar. Pero dimos una orientación realmente clara a las personas, qué es seguro, qué no es seguro. La herramienta nos permitió dar acceso a las cosas correctas para asegurarnos de que los agentes que las personas estaban construyendo no pudieran acceder a datos aleatorios a los que no queríamos que accedieran.

Creamos entornos de prueba donde las personas podían cometer tantos errores como quisieran. Dejamos muy claro desde el liderazgo que estaba bien dedicar tiempo a aprender cómo funcionaba esto. Y realmente alentamos a las personas a compartir prototipos tempranos, no obras maestras terminadas. Solo muéstranos algo tan pronto como esté listo. Solo ven y muéstralo a todos, y celebraremos ese logro. Celebraremos los hitos.

Y lo que hemos hecho básicamente es que hemos normalizado la experimentación. Es normal experimentar en Semble con estas tecnologías. Y luego, lo último es que el apoyo tiene que venir de todos los niveles de la organización. Ahora, cada vez que vas a conferencias de CTO, siempre hay una charla sobre cómo gestionas a los cofundadores cuando eres un CTO. Y tengo suerte en ese sentido de que pude convencer al cofundador de que tenía sentido realmente invertir tiempo en esto.

Pero si no viene desde arriba, si no puedes convencer a quien sea la persona clave en tu organización de que vale la pena dedicar tiempo a esto, será muy, muy difícil. Así que efectivamente, cuando los ejecutivos dicen que esto importa, la gente presta atención. Cuando los gerentes dicen, haz tiempo para probar esto, la gente tiende a probarlo. Y efectivamente, cuando otras personas comienzan a mostrarte lo que han construido y cómo han mejorado su problema específico, entonces la gente tiende a ir y probar cosas.

Y así, lo que sucedió como resultado es que comprender las herramientas llevó a mejores ideas de productos. Entonces, cuando las personas usaban las cosas todos los días para resolver sus propios problemas, entonces comenzaron a construir cosas que ni siquiera habíamos... Lo siento, comenzaron a sugerir cosas a nuestro equipo de producto que ninguno de nosotros había pensado. Así que pensamos en formas de resumir cartas o resumir notas médicas, las cosas que lees en el periódico que todos pensaron. Pero personas como Claire comenzaron a tener ideas realmente pequeñas sobre cómo puedes mostrar conocimientos proactivos realmente específicos a los clínicos. Así que cosas que a este clínico en particular le van a importar, y quieres mostrar eso en la parte superior porque sabes que todos los días lo buscan. Hemos automatizado la identificación de flujos de trabajo inactivos. Así que cuando los médicos omiten el paso en el camino clínico, podemos identificar eso. Triaje más inteligente. Todas estas son cosas que ninguno de nosotros en producto o ninguno de nosotros en tecnología había pensado. Y todos vinieron de varios lugares en la empresa que no eran las personas cuyo trabajo era oficialmente proponer ideas.

Y la clave aquí no es, creo que probablemente todos aquí hemos tenido a alguien que venga y diga, ¿puede la IA, ya sabes, hacer que me duela menos la espalda? Porque no tienen idea de lo que hace la herramienta. Pero para nosotros, no eran ideas de cielo azul. Eran cosas que estaban basadas en el dolor real del cliente que las personas ven todos los días, emparejadas con esta comprensión de la que he estado hablando. Y efectivamente, lo que terminó sucediendo fue que no solo Claire comenzó a producir agentes, sino que comenzó a producir ideas. Pero vino de todas partes, de toda la empresa. Y efectivamente, en el momento en que este conocimiento se comparte en todo, entonces la empresa se vuelve verdaderamente inteligente, en lugar de solo tener un departamento que posee inteligencia.

Ahora, siempre ha habido un miedo. Lo siento, sigo. Así que siempre ha habido un miedo de que la IA reemplace a SAS. No sé cuántas veces he escuchado eso en los últimos dos años. Es como, oh, SAS está muerto. Y la verdad es que algunas cosas van a cambiar, van a cambiar radicalmente. Si lo piensas de una manera tecnológica, ¿qué es SAS? Es básicamente una base de datos con alguna capa de negocio en la lógica encima de ella, y luego alguna capa de IA realmente delgada para que los clientes interactúen con ella. Y algunas partes de este stack probablemente van a cambiar radicalmente, lo más probable es que el lado de UI UX de ello. Como, si piensas que no habrá formas más rápidas de interactuar con la IA y completar formularios de la manera en que lo hemos estado haciendo durante 20 años, creo que estás realmente equivocado. Pero lo que estamos viendo es que si emparejas la IA correctamente con tu pieza existente de SAS, entonces no reemplaza el software, solo revela nuevas posibilidades para él. Es mucho más rápido interactuar con él. Y así, ¿cómo detectas estas habilidades más rápido? Lo haces cuando las personas que entienden mejor al cliente son capaces de idear ideas. Y así, ahora mismo, la experimentación interna se ha convertido en nuestro verdadero motor de I+D.

Ahora, si quieres una verdadera innovación, no comienzas con los ingenieros. Comienzas con las personas que poseen el conocimiento, les das las herramientas que necesitan, los apoyas, yo ahora decidí no seguir adelante, para guiarlos, y los defiendes. Porque cuando alguien que conoce al cliente mejor y entiende lo que la IA puede hacer, ellos pueden juntar dos y dos de una manera mucho, mucho mejor que tú. Así que las ideas no vienen de la jerarquía, no vienen de hojas de ruta complejas, no vienen del conocimiento, efectivamente, vienen del conocimiento encontrando capacidades, usualmente cuando todo está en la misma persona. Y para nosotros, ahí es cuando comenzaron las innovaciones sin límites en Semble. Las ideas que la gente está generando ahora son de una calidad mucho más alta que las cosas que han estado produciendo, han estado sugiriendo en el pasado. Y así, para nosotros, ha sido un gran éxito.

Y supongo que mi última diapositiva ahora se ha ido, de alguna manera. Muchas gracias. Porque estabas trabajando en un entorno sensible a los datos, ¿verdad? Entonces, ¿cómo regulas y proteges tus datos altamente regulados? Así que en este momento, nuestros datos altamente regulados no pueden ser accedidos por ninguna IA o cualquier modelo, en este momento. Y lo que estamos construyendo es, de hecho, hemos pasado mucho tiempo, de hecho, asociándonos con AWS, han sido invaluables en ese frente, ayudándonos a construir un motor de seguridad clínica que se va a sentar, o que ahora va a comenzar a sentarse entre, efectivamente, nuestros almacenes de datos y nuestros agentes de IA. Y así es lo que esperarías. Es la clásica plataforma de evaluación, pero también es un módulo de seguridad clínica personalizado, que de hecho prueba y verifica cada cambio que hacemos a cualquier IA. ¿Cómo impacta eso en la seguridad clínica del producto?

Y tenemos a nuestro oficial de seguridad clínica que de hecho escribe en inglés simple qué pruebas quiere que el marco ejecute y para asegurarse de que sea clínicamente seguro. Así que esa es la próxima frontera para nosotros. Wow, eso es impresionante. Y solo para aclarar, para cualquiera que pueda habérselo perdido, ¿qué plataforma usaste para hacer esto? Es una plataforma llamada Dust, pero hay como 50 en el mercado. Pero Dust nos ha servido muy bien. Y una de las cosas que realmente me gusta es que utiliza tus credenciales para cualquier sistema que tengas dentro de tu empresa. Así que tiene toda la seguridad incorporada de manera nativa. Así que puedes conectarlo a HubSpot, por ejemplo. Y si pides información sobre un cliente, solo te dará información sobre un cliente si tu usuario que ha iniciado sesión en Dust también tiene acceso a ese cliente en HubSpot. Así que tiene la seguridad bastante profundamente integrada desde el primer día. ¿Y es por eso que decidiste ir con esa plataforma en particular? ¿Cómo llegaste a esa decisión? Sí. Así que para mí, el criterio número uno era lo fácil que era de usar para no desarrolladores. Esa era la principal preocupación. Y tenía que hacer eso sin sacrificar la seguridad y la protección. Así que es realmente, realmente intuitivo de usar.

Y la seguridad es realmente de primera categoría. Así que la forma en que puedes segregar datos, la forma en que puedes dar acceso a los datos a algunas personas pero no a otras, tienen un concepto de espacio de trabajo, que realmente permite una segregación afinada. Así que sí, ese fue uno de los criterios principales.

Así que supongo que tuviste un período de prueba con personas no técnicas y viste cómo se desenvolvieron en la plataforma. Sí. OK, encantador. Fueron parte del proceso de decisión de compra. OK, sí. Eso suena genial.

Entonces, ¿cómo manejaste la transición de un prototipo interno a algo que escala a producción, que escala a nivel de producción y seguridad? Así que no reinventamos la rueda en ese aspecto. Así que somos una tienda de AWS. Parece que estoy haciendo publicidad para ellos. Pero seguimos sus mejores prácticas. De hecho, nos prestaron ingenieros para asegurarse de que estuviera listo para producción. Hicimos una masterclass con ellos, un bootcamp con ellos durante el verano donde un grupo de nuestros ingenieros fue a sus oficinas para, creo que fue un programa de tres semanas. Y realmente nos ayudaron mucho a llevar las cosas a producción en el... Usamos Bedrock. Así que en AWS Bedrock. Así que sí, así es como lo hicimos. Wow, impresionante.

OK. Así que esto es solo para aclarar también. Entonces alguien dijo que mencionaste que tu colega estaba construyendo su propio motor de AI. ¿Tu colega hizo esto por su cuenta? ¿O cómo lograste que el resto de las personas en tu empresa lo adoptaran y no solo usando chatJPT? Sí. Así que siento que adoptar cosas está un poco ligado a confiar en ellas. Y está muy relacionado con cómo comienza cualquier startup, donde tendrás algo increíblemente difícil de usar que no está conectado a nada. Y tienes algunos locos primeros adoptantes que de alguna manera están apasionados por ello. Y dicen, oh Dios mío, siempre deseé poder entender qué es esta cosa. Y efectivamente, son tus pioneros. Y mejoran sus vidas en un cierto porcentaje, y no dejan de hablar de ello. Y luego la siguiente persona dice, oh, soy escéptico sobre esta cosa, pero trabajo con ella todos los días, y la conozco muy bien. Así que en realidad voy a... Quiero saber de qué se trata esto. Y el escepticismo se derrite lentamente paso a paso. Si entras, y tal vez podamos pensar en lo que nos pasó en el lado del desarrollo, en realidad lo hicimos mal. Entramos y dijimos, cursor va a cambiar todo. Aquí está cursor, estamos pagando cien mil por ello. Tienes que usarlo. Y vamos a medir qué tan bien lo usas. Y te vamos a dar capacitación. Y por supuesto, eso no funcionó muy bien. Pero si luego tomamos este nuevo enfoque, que tomamos con el resto, y comenzamos a mostrar, bien, esto es lo que he hecho con cursor, y esto ha cambiado mi opinión. Y si quieres seguir usando tu forma antigua, puedes. Pero esta es una mejora medible que ha tenido en mi proceso de desarrollo. Y así es como derretimos el escepticismo allí también. Así que realmente es derretir el escepticismo con micro momentos de alegría que experimentas con la tecnología. Micro momentos de alegría. Realmente me gusta eso como concepto. Michael, se nos acabó el tiempo, pero muchas gracias por hacer esto. Gracias. Segmento maravilloso.