.svg)
1. ¿Cómo empezó a crear integraciones de IA?
"Poco después del lanzamiento de ChatGPT, empecé a experimentar con la integración de IA utilizando la plataforma de integración de Alumio iPaaS). Los resultados con los primeros modelos de GPT no fueron muy buenos, pero viendo el potencial futuro, it utilicé inicialmente para apoyar mi proceso de creación de flujos de trabajo dentro de Alumio.
Mi primer proyecto de integración de IA surgió cuando aconsejé a un cliente que no utilizara una herramienta de traducción para su sitio web de comercio electrónico, ya que era demasiado técnica y problemática a largo plazo. En su lugar, propuse una alternativa basada en IA utilizando Alumio iPaaS, que ya estábamos utilizando para ayudarles a integrar Akeneo, su sistema PIM (Product Information Management).
Tras explorar varias soluciones de IA, acabé en la plataforma Vertex AI de Google y elegí sus modelos Gemini para el proyecto de integración. Traducir los productos del inglés o el neerlandés a otros idiomas con Gemini fue fácil y rápido. Utilizar eliPaaS Alumio para integrar la IA con el sistemaPIM Akeneo del cliente también fue relativamente sencillo y directo.
El flujo de integración que construimos dentro de Alumio implica:
a) Recuperar los datos de los productos (en inglés o neerlandés) delPIM Akeneo en Alumio.
b) Asignar los datos dentro de Alumio para enviarlos a la solución de IA de Gemini.
c) Enviar los atributos de los productos que deben traducirse al modelo de IA de Gemini a través de Alumio.
e) Recibir las traducciones de Gemini y guardarlas en el ámbito específico de ese idioma.
En aproximadamente 16 horas, tradujimos 12.000 productos con esta integración de IA. Ahorramos al cliente unos 500-600 euros en cuotas mensuales que la otra aplicación de traducción le habría costado. El retorno de la inversión se consiguió en solo tres meses".
2. ¿Cómo ayuda un iPaaS con las integraciones de IA?
"Cuando se utiliza un iPaaS como Alumio, añadir la IA al flujo de integración es relativamente sencillo y, de hecho, se ajusta bien al modo en que ya funciona el iPaaS . Normalmente, el iPaaS extrae datos de un sistema, it transforma en un formato estructurado y it envía a otro sistema. Cuando se introduce la IA, el proceso es casi idéntico: se obtienen los datos, se estructuran y mapean de la forma que espera la IA, it envían al modelo/caja negra de la IA, se recibe una respuesta y, a continuación, se procesa o se Route la respuesta en consecuencia.
Hay dos maneras de utilizar eficazmente la IA en combinación con un iPaaS: la primera es más difícil por ahora it y consiste en utilizar la IA para mejorar el propio desarrollo de la integración dentro del iPaaS, y la segunda consiste en integrar la IA para mejorar las capacidades del producto.
- Mejorar el desarrollo de la integración con la IA: En el primer caso de uso, proporciono a la herramienta de IA mis estrategias y plantillas para crear integraciones con Alumio. En respuesta, la IA ayuda a generar una implementación básica de estas estrategias, en la it no construirá el mapeo completo ni aplicará la lógica de negocio, it me dará la configuración básica. Por ejemplo, me dará la configuración de entrada para obtener los datos de Akeneo e incluirá la lógica para almacenar las marcas de tiempo. De este modo, en cada ejecución sólo se recuperan datos nuevos o actualizados. En otras palabras, ayuda a generar rápidamente un esqueleto para las rutas y esto puede acelerar las primeras etapas de la configuración de la integración.
- Integración de la IA con otras herramientas o aplicaciones: En lo que respecta a los productos, la integración de la IA a través de Alumio iPaaS puede ayudar a automatizar tareas complejas como la traducción de datos de productos (como se ha explicado en el ejemplo anterior). La IA es especialmente eficaz en la estructuración de datos no estructurados. Por ejemplo, una prueba de concepto que estamos realizando actualmente consiste en automatizar el procesamiento de pedidos de compra recibidos en formato PDF por correo electrónico. El cliente quiere importar automáticamente estos pedidos a su ERP. Mientras que algunos de sus proveedores envían datos EDI estructurados que se integran fácilmente con su ERP, muchos simplemente envían PDF por correo electrónico después de una orden verbal. Las herramientas tradicionales de OCR que podrían utilizarse para leer los PDF requieren una plantilla única para cada proveedor, que se rompe constantemente con los cambios de diseño. Para solucionarlo, creamos un sistema en el que los proveedores envían los PDF por correo electrónico a una bandeja de entrada específica. A continuación, creamos una integración para que Alumio iPaaS recuperara los pedidos en PDF de esta bandeja de entrada y it enviara a la herramienta Gemini AI, enriqueciendo al mismo tiempo la solicitud con datos contextuales del ERP (como, por ejemplo, el catálogo completo del proveedor). Gemini realiza referencias cruzadas con estos datos ERP ERP y, a continuación, extrae datos específicos del PDF, como los nombres de los proveedores o los detalles del pedido, lo que nos permite crear automáticamente pedidos de compra estructurados.
En general, aunque Alumio ya acelera la forma en que creamos integraciones y automatizamos procesos para nuestros clientes, añadir IA definitivamente ayuda a impulsar la eficiencia en ambos frentes."
3. Al crear integraciones de IA, ¿cuál es el margen de error?
"La mayoría de los errores de la IA generativa dependen de cuánta información contextual reciba la IA. Por ejemplo, en el ejemplo anterior, en el que utilizamos Alumio para crear una integración que enviara los PDF de los proveedores a Gemini para su enriquecimiento, también modificamos el intercambio de datos para incluir datos contextuales del ERP (catálogo completo de proveedores). Esto permite a la IA realizar asociaciones inteligentes al convertir los PDF de proveedores en pedidos de compra. Por ejemplo, si en un PDF aparece "BR Green" como proveedor, la IA puede entender it probablemente se refiera a "Brothers Green" en el ERP. Así que añadir más información contextual reduce definitivamente la posibilidad de error.
Para reducir el margen de error con la IA generativa, normalmente combinamos nuestras integraciones de IA con una interfaz de usuario, que muestra el contenido que genera la IA y permite a los usuarios it antes de permitir it se ponga en marcha. También configuramos Alumio para que realice comprobaciones en segundo plano, por ejemplo, marcando discrepancias si el precio del pedido no coincide con lo que espera el ERP . El nivel de supervisión depende del caso de uso, ya que algunas empresas pueden enviar los datos de los productos traducidos por IA directamente a su tienda virtual sin it. Otras insisten en la aprobación manual antes de publicarlos. Pero para procesos críticos como los pedidos de compra, en los que los errores pueden tener repercusiones financieras, es esencial validar lo que genera la IA".
4. ¿Cuáles son los mayores retos a la it de integrar la IA?
"El mayor reto ahora mismo es que la mayoría de los modelos de IA siguen basándose fundamentalmente en grandes modelos lingüísticos (LLM). Incluso en el lado de las API, están diseñados principalmente para interacciones tipo chatbot, que no es como solemos utilizarlos en las integraciones. Existen funciones como la llamada a funciones o las salidas estructuradas (que, por ejemplo, admite Gemini de Google). Sin embargo, a menudo seguimos recibiendo respuestas en texto plano que contienen un objeto JSON , en lugar de recibir directamente un JSON estructurado adecuado. Esto refleja cómo estos modelos siguen arraigados en el diseño conversacional, incluso cuando se utilizan para procesos backend.
Esto nos ha causado bastantes problemas, especialmente a la it de deserializar las respuestas. Los modelos pueden entender el código bastante bien, pero aún así it generan como texto sin formato. Esto significa que pueden olvidar una coma, omitir una llave o cometer otros pequeños errores de sintaxis que pueden romper un proceso. Manejar estas incoherencias requiere cierto trabajo al principio, pero los modelos están mejorando rápidamente y ya son mucho más fiables que hace un año."
.svg)
.svg)
.svg)
.svg)
.svg)
