Casos de uso

Pregunta	Ejemplo de respuesta
¿Cuál es el objetivo principal o el criterio de éxito del caso de uso?	Para mejorar el tiempo de respuesta del servicio de atención al cliente, aumentar las conversiones de ventas y mejorar las recomendaciones de productos. Además: para mejorar la satisfacción del usuario, la tasa de finalización de las tareas, la calidad de la respuesta, etc.
¿Cómo se alinea este caso de uso con los objetivos estratégicos de su organización?	Esto se alinea con nuestro objetivo estratégico de mejorar la satisfacción del cliente mediante la reducción de los tiempos de respuesta en el servicio de atención al cliente.
¿Cuál es el volumen esperado de datos o solicitudes para el caso de uso?	500 transacciones por segundo (TPS).
¿Qué tipos de fuentes de datos se necesitan para respaldar sus cargas de trabajo generativas de IA?	Bases de datos estructuradas internas (registros de clientes, datos de ventas, etc.); datos de texto no estructurados de documentos, correos electrónicos y redes sociales; archivos de audio y vídeo para tareas de reconocimiento de voz e imágenes; datos de transmisión en tiempo real de dispositivos y sensores de IoT; conjuntos de datos públicos y APIs para su enriquecimiento.
¿Con qué frecuencia necesita actualizar o refrescar los datos de estas fuentes?	Bases de datos transaccionales: actualizaciones casi en tiempo real; repositorios de documentos: actualizaciones diarias por lotes; feeds de redes sociales: actualizaciones por hora; datos de sensores de IoT: transmisión continua en tiempo real; conjuntos de datos públicos: actualizaciones mensuales o trimestrales.
¿Qué formatos de datos requieren como entrada sus modelos de IA generativa?	Datos estructurados: tablas de bases de datos CSV, JSON y SQL; datos de texto: texto sin formato, PDF y HTML; datos de imagen: JPEG, PNG y TIFF; datos de audio: WAV y MP3; datos de vídeo: MP4 y AVI.
¿Cuáles son sus principales preocupaciones sobre la calidad de los datos para las cargas de trabajo generativas de IA?	Integridad: garantizar que no falte ningún campo crítico; precisión: verificar la exactitud de los datos y eliminar errores; coherencia: mantener formatos y valores uniformes en todas las fuentes; puntualidad: garantizar que los datos estén actualizados para poder inferirlos en tiempo real; relevancia: confirmar que los datos se alinean con la tarea específica de IA generativa.
¿Cuáles son los requisitos clave de rendimiento (por ejemplo, tiempo de respuesta, rendimiento y precisión)?	Precisión del 95%; tiempo de respuesta inferior a 500 ms; capacidad para gestionar 1000 solicitudes/seg. Alta precisión (95% +), precisión moderada (80-90%), mejor esfuerzo, etc.
¿Tiene alguna otra opción KPIs para medir el éxito de este caso de uso?	Entre las principales se KPIs incluyen la reducción de la tasa de errores, el ahorro de tiempo por transacción y las puntuaciones de satisfacción de los clientes.
¿Cuál es la precisión del modelo que se desea y cómo se equilibra con el coste?	Alta precisión (> 90%) con un coste moderado, precisión moderada (70-80%) con un coste bajo, etc.
¿Cuáles son los principales casos de uso o escenarios de la solución de IA generativa?	Chatbot de servicio al cliente, generación de contenido, recomendación de productos, etc.
¿Cuáles son los usuarios o personas objetivo del sistema de IA generativa?	Agentes de servicio al cliente, equipo de marketing, empleados, usuarios finales, etc.
¿Cuál es el volumen esperado de solicitudes o usuarios?	1000 solicitudes al día; 10 000 usuarios activos al mes.
¿Existen restricciones o requisitos específicos para cada caso de uso?	Respuesta en tiempo real, soporte multilingüe, privacidad de datos, etc.
¿Tiene un presupuesto asignado para desarrollar y mantener la solución de IA generativa?	El coste inicial de desarrollo se estima en 200 000$, con unos costes de mantenimiento anuales de 50 000$.
¿Cuáles son el retorno de la inversión (ROI) y el período de recuperación proyectados para este caso de uso?	Se espera un ROI del 150% en tres años, con un período de amortización de 18 meses.
¿Hay costes ocultos o posibles ahorros que deban tenerse en cuenta?	Los posibles ahorros incluyen la reducción de los costos de horas extra. Los costos ocultos pueden implicar una formación adicional para el personal.
¿Cuáles son las posibilidades de escalabilidad y expansión futura de esta solución de IA generativa?	La solución está diseñada para ampliarse con nuestras operaciones, con la posibilidad de expandirse a otros departamentos en el futuro.
¿Cómo puede garantizar la imparcialidad y mitigar los sesgos en sus modelos de IA generativa?	Planeamos mitigar los sesgos mediante una recopilación de datos diversa, auditorías periódicas de sesgos y la implementación de técnicas de mitigación de sesgos.
¿De qué procesos dispone para abordar las preocupaciones éticas o las consecuencias imprevistas?	Gestionaremos las preocupaciones éticas mediante un plan establecido de respuesta a los incidentes relacionados con la IA, evaluaciones éticas periódicas de los riesgos, un sistema de denuncias anónimas para los empleados, la colaboración con expertos en ética externos y la supervisión y el ajuste continuos de los modelos implementados en función de los comentarios.
¿Cómo aborda la priorización y la secuenciación de las evaluaciones generativas de la carga de trabajo de la IA en los diferentes proyectos y departamentos de su organización?	Mediante la realización de una encuesta de alto nivel en todos los departamentos para identificar posibles casos de uso de la IA generativa y evaluarlos en función de tres criterios clave: el impacto empresarial, la viabilidad técnica y las consideraciones éticas. Se da prioridad a los proyectos con un alto impacto potencial, menores barreras técnicas y preocupaciones éticas mínimas.