En NVIDIA, ChatGPT Work está ayudando a convertir tareas repetitivas y exceso de información en tiempo para tomar decisiones. La compañía asegura que sus equipos de ventas, marketing y arquitectura de soluciones ya lo utilizan para organizar procesos, analizar novedades de inteligencia artificial y crear prototipos con mayor rapidez.
Menos trabajo manual para preparar GTC
Will Daney trabaja con los equipos globales de ventas, desarrollo de negocios y productos de NVIDIA. Una de sus responsabilidades es apoyar la planificación de GTC, la conferencia global de inteligencia artificial de la compañía.
Antes, preparar el evento implicaba reunir listas de cuentas, revisar registros y ayudar a los equipos a decidir qué acciones tomar con clientes y socios. Buena parte de ese análisis se hacía manualmente en hojas de cálculo y podía consumir cerca del 40% de su tiempo.
Ahora, Will convirtió gran parte del proceso en un flujo de trabajo automatizado con ChatGPT Work que se ejecuta dos veces por semana. Durante las 12 semanas de planificación de GTC, el sistema ahorra aproximadamente 16 horas de trabajo semanal.
La ganancia no consiste solo en hacer más rápido una tarea. También permite que Will dedique más tiempo a conversar con los equipos de campo y a ayudarlos a mejorar la experiencia de los clientes.
Una ventaja importante es que Will puede ajustar el flujo de trabajo por su cuenta cuando cambian las necesidades del evento. No tiene que esperar la compra, implementación o mantenimiento de una nueva herramienta.
Además, el proceso puede compartirse con otras regiones. Equipos de San José, Taipéi, Europa y Washington D. C. recibieron sus flujos de trabajo y los adaptaron a sus propias operaciones. Es una muestra de cómo el conocimiento de una persona puede convertirse en un proceso reutilizable para toda una organización.
De leer novedades a encontrar señales útiles
Rachita Jain forma parte del equipo de operaciones de inteligencia artificial dentro del área de marketing de NVIDIA. Su desafío es seguir el ritmo de una industria en la que aparecen nuevos modelos, benchmarks e investigaciones prácticamente todos los días.
El problema no es encontrar información. El verdadero reto es saber qué desarrollos son relevantes para NVIDIA y cómo se relacionan con sus proyectos, conversaciones y prioridades internas. ¿De qué sirve leer decenas de noticias si ninguna se convierte en una decisión concreta?
Para resolverlo, Rachita creó con ChatGPT Work un flujo que revisa fuentes externas confiables junto con información interna de la compañía. El sistema identifica coincidencias importantes y resume entre 25 y 40 novedades de IA por semana en 5 a 8 señales accionables.
La idea es pasar de una lectura pasiva a una inteligencia activa: no solo saber qué ocurrió, sino entender por qué importa y qué podría hacerse al respecto.
Prototipos en días, no en semanas
El mismo entorno también ayuda a desarrollar nuevas ideas. Rachita puede explorar un concepto, evaluar diferentes enfoques, trabajar con código, corregir errores y mejorar el resultado sin saltar constantemente entre herramientas desconectadas.
En un caso, pasó de una idea inicial a un prototipo funcional en aproximadamente 3 a 5 días. Antes, estimaba que construir los componentes manualmente y unirlos desde distintas aplicaciones habría tomado entre 2 y 3 semanas.
Esto no significa que la IA elimine el trabajo técnico. Significa que reduce la fricción entre las etapas: investigar, programar, probar y corregir. Cuando esas tareas están mejor conectadas, una iniciativa que antes podía quedarse como experimento tiene más posibilidades de convertirse en un producto funcional.
El conocimiento se vuelve reutilizable
La apuesta de NVIDIA va más allá de ahorrar horas a empleados individuales. La compañía busca convertir conocimientos especializados en flujos de trabajo que otros equipos puedan adaptar para diferentes funciones, eventos y regiones.
Este enfoque mantiene a las personas cerca del proceso. Los trabajadores que conocen la operación pueden modificar las instrucciones, ajustar los criterios y decidir cómo evoluciona la automatización. La IA funciona como una capa de apoyo, no como una caja negra que nadie puede cambiar.
La meta es que los equipos pasen menos tiempo reuniendo información y más tiempo interpretándola, colaborando y ayudando a los clientes.
El caso de NVIDIA muestra una forma práctica de incorporar IA en una empresa grande. No hace falta empezar con una transformación total. A veces, el primer paso es identificar una tarea que se repite cada semana, convertirla en un flujo claro y medir cuánto tiempo puede recuperar el equipo.
Cuando esos procesos se comparten y se adaptan, la experiencia de una persona deja de estar aislada. Puede convertirse en una herramienta para que más empleados trabajen con menos carga operativa y se concentren en decisiones de mayor valor.