AI Landscape
AI Landscape es una herramienta de taller basada en un lienzo que sirve para encontrar los puntos de un servicio existente en los que se podría incorporar IA. El equipo dispone las fases del servicio, los actores y las interacciones visibles para el cliente (front stage) y las internas (back stage), marca dónde están los problemas y luego genera oportunidades de IA para esos puntos, clasificadas según si la IA aumentaría las capacidades de las personas, las asistiría o automatizaría una tarea. La herramienta está publicada por el estudio oblo en Service Design Tools.
Guion de facilitación
- 1
Enmarcar la sesión: qué servicio, qué límites y para qué se usará el resultado. Explicar los tres tipos de rol de la IA (aumentar, asistir, automatizar) con un ejemplo cotidiano de cada uno.
10 min - 2
Mapear el servicio actual en el lienzo: las fases como columnas y luego, para cada fase, los actores y las interacciones de front stage y back stage.
30 min - 3
Añadir los problemas y las áreas de mejora de cada fase en notas de otro color. Marcar los tres a cinco pasos que el grupo considera más problemáticos.
20 min - 4
Generar oportunidades de IA para los pasos marcados, una idea por nota, primero escritas de forma individual y luego compartidas. Clasificar cada una como aumentar, asistir o automatizar.
30 min - 5
Revisar las oportunidades. Para cada grupo de ideas, conversar sobre impacto, riesgo y esfuerzo, incluidos los datos necesarios y la consecuencia de un resultado erróneo. Seleccionar las más prometedoras.
20 min - 6
Registrar las oportunidades seleccionadas, asignar un responsable a cada una y enumerar las preguntas que hay que responder antes del siguiente paso.
10 min
Consejos
No acortar el mapeo del estado actual para llegar antes a las ideas de IA; las oportunidades solo son tan buenas como la imagen compartida que tiene el grupo de cómo funciona hoy el servicio.
Contar en la sala con al menos una persona que sepa lo que los sistemas de IA actuales pueden y no pueden hacer de forma fiable, y con otra que haga el trabajo del que se está hablando.
Cuando una idea cae en la fila de automatización, preguntar quién revisa el resultado y con quién habla el cliente cuando está mal.
Errores comunes
Partir de las capacidades de la IA y no de los problemas del servicio, lo que produce ideas que suenan impresionantes pero están asociadas a pasos que funcionaban bien
Mapear solo los pasos de cara al cliente: muchas de las oportunidades viables están en el trabajo de back stage y nunca aparecen en el lienzo
Tratar toda oportunidad como automatización, de modo que el grupo pasa por alto las opciones más baratas y de menor riesgo en las que la IA apoya a una persona que sigue siendo responsable
Seleccionar por entusiasmo sin hablar de datos, consecuencias de los errores y responsabilidad, de modo que las ideas elegidas se estancan en la primera revisión de viabilidad
Realizar la sesión sin las personas que hacen el trabajo, lo que lleva a oportunidades que eliminan las tareas equivocadas y encuentran resistencia más adelante
Variaciones
En remoto: construir el lienzo en una pizarra compartida, mapear el estado actual en una sesión y hacer la ronda de oportunidades en una segunda, para que las personas puedan verificar datos entre una y otra. Versión corta (90 minutos): llevar un mapa de recorrido o un service blueprint ya terminado y empezar en el paso de los problemas. Grupos más grandes: dividir por fase del servicio, dejar que cada subgrupo genere oportunidades para su fase y luego revisar todas las fases en plenaria. Un mazo de tarjetas de capacidades de IA, como el juego de tarjetas complementario de la misma fuente, puede sugerir opciones cuando al grupo se le acaban las ideas.
Casos de uso
Cuándo usarlo
La dirección ha preguntado «¿dónde deberíamos usar IA?» y el equipo necesita una respuesta basada en cómo funciona el servicio, no una lista de herramientas
Las personas de negocio, de servicio y de tecnología tienen cada una una imagen distinta del servicio y de lo que la IA podría hacer en él
Existen varios pilotos de IA aislados y nadie ha mirado cómo encajan a lo largo de todo el servicio
Se está al inicio de un proyecto de estrategia o de descubrimiento de IA y se necesita un primer backlog de oportunidades para evaluar
Un punto de dolor conocido sigue atrayendo la sugerencia «que lo haga la IA» y el grupo necesita compararla con otras opciones
Cuándo no usarlo
El servicio todavía no existe o nadie en la sala sabe cómo funciona: mapearlo primero con un Service Blueprint o entrevistar a quienes lo operan
La decisión de construir una funcionalidad de IA concreta ya está tomada: pasar al trabajo de concepto y prototipo en lugar de hacer una exploración amplia de oportunidades
Ninguna de las personas presentes puede juzgar la viabilidad técnica o la disponibilidad de datos: el resultado será una lista de deseos, así que conviene invitar a esas personas o posponer la sesión
El problema real es que los pilotos de IA existentes no se están adoptando: mirar los obstáculos para escalarlos en lugar de generar más oportunidades
Métodos relacionados
Preguntas frecuentes
¿Qué es AI Landscape?▾
AI Landscape es un lienzo de taller para encontrar dónde se podría integrar IA en un servicio existente. Un equipo mixto mapea las fases, los actores y las interacciones del servicio, marca los problemas y genera oportunidades de IA para los pasos más problemáticos. Cada oportunidad se clasifica como aumentar las capacidades de las personas, asistirlas o automatizar una tarea, y después el grupo selecciona las más prometedoras.
¿Quién debería participar en una sesión de AI Landscape?▾
Lo ideal son de cuatro a diez personas que en conjunto cubran tres tipos de conocimiento: cómo funciona el servicio en el día a día, qué necesita de él el negocio y qué pueden hacer los sistemas de IA con los datos disponibles. Conviene incluir al menos a una persona que haga el trabajo de primera línea o de back office. Sin esa mezcla, la sesión produce ideas poco realistas o ideas que nadie quiere.
¿Cuál es la diferencia entre aumentar, asistir y automatizar?▾
Los tres términos describen qué parte de la tarea asume la IA. En la práctica, aumentar significa que una persona puede hacer algo mejor o algo nuevo con apoyo de la IA; asistir significa que la IA se ocupa de parte de una tarea mientras la persona sigue al mando; y automatizar significa que la tarea se ejecuta sin que una persona la haga. Clasificar las ideas de esta manera obliga al grupo a hablar de la responsabilidad y el riesgo de cada una.
¿En qué se diferencia AI Landscape de un Service Blueprint?▾
Un Service Blueprint documenta cómo se presta un servicio en el front stage y en el back stage. AI Landscape usa una visión general parecida como punto de partida y luego añade un paso de ideación y selección centrado en la IA. Si ya existe un blueprint, se puede llevar a la sesión y ahorrar la mayor parte del tiempo de mapeo.
¿Qué ocurre después de la sesión?▾
El resultado es una lista corta de oportunidades, no un plan. Cada una necesita una comprobación de viabilidad en cuanto a datos, costo y riesgo, y por lo general un pequeño prototipo o una prueba antes de cualquier compromiso. Conviene asignar en la sala un responsable por oportunidad para que la lista corta no se quede en el lienzo.
Planifica tu próximo taller con IA
Workshop Weaver te ayuda a combinar métodos como AI Landscape en una agenda completa y cronometrada en minutos.
Probar gratisMethod descriptions on Workshop Weaver are original content written by our team, based on established facilitation practices. This method was inspired by work from oblo (Service Design Tools).