En DecisionRules, siempre hemos sido un poco "de la vieja escuela". Construimos nuestros cimientos sobre la democratización de la tecnología de nivel empresarial y seguimos manteniendo un enfoque firme en los fundamentos. Antes de crear, preguntamos: ¿Por qué? ¿Cuál es la razón? ¿Cuál es el ahorro? ¿Hay algún beneficio medible para el cliente?
El año pasado, aplicamos esta perspectiva pragmática al entusiasmo por la IA y presentamos el Asistente de IA de DecisionRules - una herramienta diseñada para guiar a los usuarios a través de las complejidades inherentes a las plataformas modernas de gestión de decisiones. Creamos nuestro asistente para resolver el cuello de botella en la creación de reglas.
Las siguientes líneas detallan nuestro enfoque de "crear y medir", describiendo la metodología y los resultados reales y medibles que hemos logrado al mejorar la experiencia de usuario tras introducir el Asistente de IA.
El experimento: Creación de reglas manual frente a asistida
Para el experimento, proporcionamos especificaciones / requisitos para dos tablas de decisión (reglas) típicas:
- Tabla de decisión 1: Complejidad lógica media con entre 15 y 20 condiciones (filas de datos)
- Tabla de decisión 2: Cálculo de complejidad media que puede resolverse mediante varios enfoques.
Nuestro objetivo era cuantificar el tiempo necesario para crear dos reglas nuevas desde cero - primero manualmente y después usando el asistente - y comparar los resultados. El experimento evaluó el desempeño de tres grupos de prueba con distintos niveles de experiencia:
- Principiante: Usuario nuevo sin experiencia previa con la herramienta
- Profesional: Usuarios con conocimientos prácticos de la herramienta
- Experto: Usuarios experimentados
Asistente de IA de DecisionRules: Los resultados
| Nivel de experiencia | Creación manual de reglas | 1. Elaboración de la regla por AIA | 2. Revisión de la solución de AIA | Creación de reglas con AIA | Diferencia |
|---|---|---|---|---|---|
| Experto | 90 mins | 20 mins | 10 mins | 30 mins | -66.7% |
| Profesional | 120 mins | 30 mins | 15 mins | 45 mins | -62.5% |
| Principiante | 240 mins | 60 mins | 60 mins | 120 mins | -50.0% |
El uso del asistente redujo el tiempo de creación de reglas en aprox. 60%, lo que representa un aumento de 3x en la productividad diaria. Sin embargo, este cambio reveló un nuevo fenómeno que debe tenerse en cuenta.
Brecha de comprensión
El término "vibe modeling" toma prestado el concepto ahora popular de "vibe coding" - en el que los desarrolladores describen lo que quieren en lenguaje natural y dejan que la IA genere el código. Aplicamos el mismo principio a la lógica de decisión: los usuarios describen el requisito de negocio de forma conversacional y el asistente lo convierte en una estructura de reglas funcional. Es rápido e intuitivo - pero implica una contrapartida que conviene entender.
Aunque las mejoras de velocidad son evidentes, nuestros hallazgos revelaron un cambio cognitivo significativo que llamamos brecha de comprensión.
Cuando los usuarios utilizan la IA para dar vida a sus soluciones mediante "vibe", inevitablemente se encuentran con una falta de comprensión del diseño interno. Esto no es un defecto del diseño impulsado por IA, sino una consecuencia natural de esta automatización:
- El asistente "analiza" automáticamente las conexiones complejas y las ramas lógicas
- En cambio, durante el proceso manual, una persona aprende el "por qué" al equivocarse, iterar y conectar las piezas. Cuando la IA completa automáticamente la estructura, se omite esa fase manual de "mapeo mental".
Aunque el ahorro de tiempo fue impresionante, ¿qué ocurre con la calidad? El Asistente de IA no solo pudo crear tablas con funciones más complejas, sino que también identificó y extrajo fórmulas preexistentes de Excel para recrearlas en una tabla de decisión mediante operadores básicos distribuidos en varias filas. Desde la perspectiva del aseguramiento de la calidad, esto se considera una de las ‘mejores prácticas’ para las tablas de decisión y produce una tabla más fácil de gestionar, modificar y comprender.
Lógica de decisión más compleja
El Asistente de IA es muy eficaz al crear reglas de hasta tamaño mediano y complejidad media, pero hasta ahora tiene dificultades para crear tablas grandes con múltiples condiciones (filas). Aun así, puede crear correctamente las estructuras lógicas subyacentes para que el usuario introduzca después los datos mediante la interfaz de usuario o la función de importación/exportación de Excel. Cuando la lógica compleja consta de múltiples funciones integradas, se recomienda aprovechar la función Function Expression del asistente, que puede formular funciones muy complejas para insertarlas en celdas específicas.
| Nivel de experiencia | Creación manual de reglas | Creación de reglas con AIA | Diferencia | Costo/Hora | Ganancia de productividad por hora (€) | Reglas creadas por MD - Manual | Reglas creadas por MD - AIA | Productividad relativa (%) |
|---|---|---|---|---|---|---|---|---|
| Experto | 90 mins | 30 mins | -66.7% | € 120/ hour | € 240/ hour | 5 | 16 | 300% |
| Profesional | 120 mins | 45 mins | -62.5% | € 60/ hour | € 100/ hour | 4 | 11 | 267% |
| Principiante | 240 mins | 120 mins | -50.0% | € 30/ hour | € 30/ hour | 2 | 4 | 200% |
Conclusión
Al tratar la IA como una herramienta práctica en lugar de una fuerza mística, hemos reducido con éxito la distancia entre el planteamiento de un requisito de negocio y una decisión funcional en producción. Nuestro asistente no sustituye al experto humano; elimina el trabajo manual tedioso, permitiéndote concentrarte en el Por qué mientras se ocupa del Cómo.
Actualización: El Asistente de IA ha evolucionado significativamente desde la publicación de este artículo. Hoy puede crear y trabajar con tablas de decisión, reglas de scripting, tablas de búsqueda y flujos de decisión, además de generar datos de prueba y funciones, explicar la lógica existente y ayudar con flujos de trabajo más complejos para la creación de reglas.
Ondřej Brejla trabaja en DecisionRules, donde ayuda a las empresas a diseñar e implementar soluciones de automatización de decisiones que sacan las reglas de negocio de sistemas con lógica codificada y las transforman en un formato que los equipos de negocio pueden gestionar directamente. Se enfoca en reglas de negocio, integraciones de sistemas y en ayudar a los equipos tecnológicos a diseñar procesos en los que los usuarios de negocio puedan asumir la propiedad de partes de las aplicaciones.
