Publicado en: Worklab.
Cuando Derek Shirk llegó a Levi Strauss & Co. la pasada primavera, pensó que entendía su misión. Como diseñador principal de producto UX, había sido contratado para ayudar a reinventar la experiencia de pago en la app de la empresa, un problema en apariencia sencillo de interfaz y flujo. Lo que resultó menos sencillo fue encontrar la información que necesitaba para hacerlo. Durante más de 170 años, Levi’s había construido una mina de oro de inteligencia minorista, desde los patrones de venta de vaqueros 501 hasta los que las chaquetas Trucker estaban en auge en Seúl. Sin embargo, los conocimientos estaban dispersos a lo largo de un laberinto de estudios de usabilidad, encuestas a clientes e informes de campo. «Esta increíble base de conocimiento estaba allí», dice Shirk, «pero encerrada en cientos de PDFs y presentaciones de diapositivas.»
Multipliquen esa complejidad por 50.000 minoristas en 120 países y el reto de navegar por los datos crece de manera exponencial. Solo el Programa de Recompensas de Lealtad Red Tab de Levi’s cuenta con 40 millones de miembros, cada uno con preferencias de tamaño, historiales de compra y afinidades de estilo distintas. Si a eso le sumamos un siglo de cambios en los gustos, lo que emerge es un vasto pozo de sabiduría de marca en gran parte inexplorado. Pero este tesoro necesitaba una renovación radical. Desde 1853, Levi’s ha construido su imperio sobre la comprensión del tejido y el ajuste, no sobre algoritmos.
«Lo que nuestros productos significaban para los mineros hace siglo y medio no es lo mismo que significa para nuestra cultura hoy», dice Jason Gowans, director digital y tecnológico de Levi’s. Por eso Levi’s se asoció hace dos años con Microsoft y Copilot para crear agentes que unifican datos en más de 400 sistemas tecnológicos, desde la sala de ventas hasta la alta dirección. En RRHH, finanzas, UX y más allá, los equipos crean agentes para modernizar flujos de trabajo y descubrir conocimientos que antes estaban fuera de su alcance. «Desde el diseño de un producto hasta el momento en que aparece en las estanterías, la IA y los agentes abordarán cada paso de nuestra transformación digital», dice Gowans. «Desbloquea un ritmo de innovación que antes no era posible.»
Al ver una oportunidad, Shirk se dispuso a probar algo nuevo. Un viernes por la tarde de mayo pasado, construyó un agente de aduanas en Copilot Studio. La llamó Minerva, en honor a la diosa romana de la sabiduría, y la entrenó primero en un puñado de informes de satisfacción del cliente, o CSAT, por sus siglas en inglés. Shirk dio a Minerva unas directrices en el propio lenguaje de Levi: llamar a los clientes «fans» y a los empleados de la tienda «estilistas». Ancla todas las respuestas de los datos de Levi. Nunca adivines: siempre cita la fuente con un enlace fiable. Lo que surgió fue como un archivo viviente fluido en la historia, sistemas y lenguaje de Levi, listo para responder en cualquier momento.
La recompensa fue inmediata. ¿Cómo han evolucionado las puntuaciones del CSAT en los últimos dos años? Minerva devolvía las tendencias con fuentes de confianza adjuntas. ¿Qué mejoras en la revisión hemos probado antes que no hayan funcionado? Encontró experimentos olvidados, como una pantalla de registro de fidelidad que resultó infructuosa. ¿En qué se diferencia la experiencia en tienda entre Levi’s en EE. UU. y Levi’s en Europa? Minerva comparó estudios regionales sobre horas punta, personal y preferencias de tamaño.
Antes de Minerva, responder a esas preguntas significaba descargar PDFs individuales, revisar presentaciones y esperar que nadie se hubiera perdido una idea crucial en la diapositiva 47. Ahora Shirk podría consultar meses de datos y recibir respuestas citadas en segundos. «Como alguien recién incorporado, esto fue un impulso instantáneo de eficiencia y una forma de adquirir conocimiento más rápido», dice. «Fue un momento en verdad impresionante.»
Así es como era una Empresa Frontera en sus primeros días. No es tanto un despliegue pulido de cinco años presentado desde la sala ejecutiva, sino un laboratorio viviente donde la experimentación surge de forma orgánica en toda la organización. El liderazgo de Levi desplegó Copilot a nivel de empresa y se tomó un paso atrás para observar lo que los empleados crearían cuando se les empoderara para resolver sus propios desafíos. Cada iniciativa comienza de manera modesta, demuestra su valor y se expande mediante el boca a boca. Aunque agentes autónomos por completo que gestionen flujos de trabajo completos aún están en el horizonte, hoy se siente un entusiasmo palpable sobre cómo estas herramientas pueden dotar a una marca histórica de la agilidad de una startup en IA.
«A lo largo de 170 años, nuestros productos han evolucionado», dice Gowans. «La forma en que trabajamos también tiene que evolucionar.»
Copilot desentierra la mina de oro de datos de Levi
Una mirada entre bastidores al agente Minerva.
Un objetivo de 10.000 millones de dólares apoyado por IA agéntica
Pasear por la sede global de Levi’s en Levi’s Plaza en San Francisco y la transformación es algo difícil de perderse. En varios departamentos, los agentes analizan qué productos compran juntos los fans de Levi’s, e incluso ajustan el manual del empleado: RRHH habla de un nuevo asistente de incorporación llamado Ask Ben (en referencia a beneficios).
Cada uno de estos pequeños avances eleva hacia una ambición mayor: llevar a Levi’s de 6.500 a 10.000 millones de dólares en ingresos anuales. Pero alcanzar ese objetivo requerirá más que vender más vaqueros. Significa reconfigurar una empresa nacida durante la Fiebre del Oro—una que ha vestido a todo el mundo, desde Albert Einstein hasta Beyoncé—para que cada decisión, desde automatizar facturas hasta predecir la demanda, se tome con la misma precisión y arrogancia que definieron su estilo en primer lugar.
Y la innovación surge en lugares inesperados. Como vicepresidenta de Finanzas de Levi’s para EE. UU. y Canadá, Lisa Stirling nunca imaginó que diseñaría su propia fuerza laboral digital. Cuando se incorporó a la empresa hace una década como subdirectora de contralora para la región de las Américas, las finanzas funcionaban como siempre: controladas, auditadas, metódicas. El cambio era difícil porque la precisión era sagrada. «No experimentabas con procesos que los auditores examinarían», dice Stirling.
El pasado septiembre, tras escuchar a sus colegas compartir sus logros en IA y ver cómo el liderazgo fomentaba la experimentación, Stirling decidió probar si la IA podía identificar oportunidades de automatización ocultas en la extensa colección de procedimientos operativos estándar del departamento—los manuales paso a paso que regulan desde la coincidencia de facturas hasta el cierre de fin de mes. Ella misma eligió cinco SOPs y pasó dos días leyéndolos, unas 15 horas en total, para buscar tareas que los agentes pudieran manejar. Era un trabajo tedioso: analizar capturas de pantalla, seguir árboles de decisión, determinar si los pasos requerían juicio humano o simplemente seguir las normas.
«Lo difícil no es la tecnología— es estar abierto a dónde puede llevarte.»
Derek Shirk, diseñador principal de producto UX, Levi’s
Luego pidió a un agente que hiciera el mismo análisis en los 1.100 SOP de la biblioteca del departamento de finanzas. Fue entonces cuando ocurrió algo sorprendente. En un solo día, el agente abordó lo que antes habría llevado casi un año a varias personas completar, dice Stirling. Catalogó 18.000 tareas individuales, las clasificó por complejidad, identificó cuáles podían automatizarse y generó un panel con gráficos circulares que desglosaban el trabajo manual, las aprobaciones y las decisiones. En lugar de temer que este tipo de automatización llegara para su trabajo, Stirling vio los resultados y pensó: Ahora tengo mucho trabajo por delante. «El agente acababa de valorar una oportunidad que yo asumía imposible de cuantificar», dice.
Desde entonces, Stirling ha estado replanteándose cómo deberían abordar su trabajo las divisiones financieras. Ha comenzado a organizar una cumbre interna de finanzas donde reunirá a los equipos con todos sus informes para que puedan demostrar lo que la IA puede hacer en directo. La cuestión es plantear una pregunta fundamental: ¿Cómo pueden los agentes agilizar el trabajo que impide a los profesionales financieros hacer lo que fueron contratados para hacer en primer lugar?
«Lo que me encanta de los agentes es que no estás agotado de datos cuando llegas al ‘¿qué salió mal aquí?’ o ‘¿dónde está la oportunidad?'», dice Stirling, que ahora crea sus propios agentes. De manera reciente montó uno de la noche a la mañana tras oír a un compañero mencionar el suyo, entrenándolo para digerir informes semanales de ventas a nivel de tienda y patrones de spot. «Tener la perspectiva limpia de un agente te mantiene súper ágil. En lugar de hacer trabajo manual, haces las cosas, no te atascas, te centras en apoyar el negocio.»
Muchos agentes, una barra de búsqueda
En Levi’s, el éxito es generar más éxito. Los agentes avanzan más allá de la recuperación hacia la toma de decisiones real. Uno supervisa el inventario y activa en automático el reabastecimiento. Otro mide la demanda regional y ajusta los precios en tiempo real. Otro detecta problemas de calidad en los envíos de los proveedores antes de que los productos lleguen siquiera a la distribución.
Pero a medida que el número de agentes se multiplica, surge otro desafío: recordar qué agente hace qué. Levi’s ahora está en proceso de desarrollo de un superagente—una interfaz que gestiona el enrutamiento entre bastidores y sirve como primera parada para cualquier tarea asistida por IA. «Los empleados hacen su pregunta en un solo lugar, y se conecta con los agentes adecuados y devuelve la respuesta», explica Michael Womack, veterano responsable de infraestructura global y servicios para usuarios finales de Levi’s. «Nuestro objetivo es eliminar toda la complejidad de TI para tener datos al alcance de la mano y movernos más rápido que nunca.»
Hoy en día no hay un manual para la IA. Es una nueva frontera. Pero están comenzando a surgir patrones. Las Empresas Frontera no superponen IA sobre trabajos existentes; reconsideran cómo se hace el trabajo desde los cimientos hacia arriba. Descubren cuellos de botella ocultos, rastrean lo que importa y construyen sistemas que aprenden a partir de la evidencia, no de las suposiciones. Así es como la IA deja de ser un complemento llamativo y se convierte en un motor de agilidad y crecimiento sostenible.
Llámenlo legado bajo demanda. Lo que empezó con pantalones vaqueros hechos para durar se ha convertido en un negocio pensado para el futuro. Derek Shirk —el diseñador que creó Minerva— ya ha comenzado a esbozar lo que viene después: un agente que lee miles de entrevistas a clientes y saca a la luz las frustraciones más comunes. Un agente que compara datos de encuestas entre continentes y detecta mensajes de error confusos antes de que lleguen a los compradores.
Es una reinvención desde cero de cómo se realiza el trabajo, todo ello realizado con pulsaciones inteligentes de teclas. «Cuando oyes términos como interfaz agente, suena complejo», dice Shirk. «Pero poner en marcha un agente fue más fácil de lo que esperaba. Lo difícil no es la tecnología, sino estar abierto a dónde puede llevarte.» Para Levi’s, eso es una expresión práctica de cómo una marca del siglo XIX se adapta al siglo XXI.