Parker Conrad identifica a los empleados que valen la inversión en inteligencia artificial y asegura que Rippling también puede ser de ayuda.

Parker Conrad destaca la importancia de identificar empleados clave para maximizar la inversión en inteligencia artificial y resalta el papel de Rippling como una solución integral.

Parker Conrad propone que una gran parte del análisis de datos debería estar integrada en los sistemas de gestión del capital humano, una afirmación que posiciona a Rippling, originalmente una empresa de software de recursos humanos, como competidor directo de herramientas de inteligencia empresarial.

La propuesta sugiere que la actual pila de datos, un conjunto de herramientas que las empresas ensamblan de múltiples proveedores, puede ser consolidada en un único sistema. La transferencia de datos desde diversos sistemas empresariales a un almacén ya es una industria en sí misma, con empresas dedicadas a ello. Posteriormente, se requiere un lugar para almacenar y consultar esos datos, como Snowflake, así como herramientas para transformarlos y limpiarlos, como dbt Labs, y finalmente, una capa de visualización, como Tableau.

Conrad argumenta que Rippling integra todos estos elementos en un solo sistema, ofreciendo un entendimiento profundo de la organización, su estructura de reportes en constante evolución y las métricas que impactan en su rendimiento. El lanzamiento de Rippling Data Cloud está diseñado precisamente para abordar estas necesidades.

Durante una demostración, Conrad comparte su pantalla desde su oficina en San Francisco, mostrando cómo Rippling ha aplicado su producto en su propia fuerza laboral. Relata un caso donde un empleado utilizaba la inteligencia artificial para analizar su calendario y correo electrónico, generando un plan, lo que representaba un costo de $30,000 al año. Aunque nadie estaba cometiendo errores, el retorno de inversión no era el esperado, un hallazgo que muchas empresas no tienen la capacidad de identificar.

Conrad presenta un panel en vivo que construyó al solicitar a la IA de Rippling que analizara el ciclo más reciente de revisión de compensaciones, desglosando distribuciones de calificaciones de desempeño, tasas de promoción por departamento y ratios salariales a nivel individual. También muestra un panel que cruza el volumen de tickets de soporte de Salesforce con datos de programación de empleados, permitiendo identificar de manera clara qué equipos están sobrecargados y cuáles no. Observa que el equipo de inscripciones está severamente subdotado, mientras que el equipo de viajes tiene más del doble de tickets no resueltos que el equipo de plataforma.

Uno de los ejemplos que más entusiasma a Conrad es el análisis del gasto en tokens de inteligencia artificial. Presenta un panel que combina datos de uso de Anthropic, solicitudes de extracción de GitHub y calificaciones de desempeño de Rippling, para evaluar qué ingenieros están obteniendo valor de sus herramientas de IA y cuáles están incurriendo en gastos sin resultados significativos.

Conrad señala que los ingenieros de alto rendimiento tienden a gastar más, como era de esperarse, pero el panel también identifica a aquellos con alto gasto y bajas calificaciones en revisiones de código, sugiriendo que podrían estar generando trabajo de baja calidad. Esta información ha llevado a Rippling a ajustar los límites de gasto para ciertos empleados y a implementar alertas para gerentes, o incluso a desactivar automáticamente el acceso cuando se superan ciertos umbrales de gasto.

En cuanto al impacto en los márgenes de Rippling cuando los clientes exceden sus asignaciones de tokens, Conrad se muestra reservado, indicando que es aún temprano para determinarlo, pero asegura que la empresa no está subsidiando el uso de sus clientes. "No estamos perdiendo dinero", afirma, enfatizando el objetivo de mantener la solución "tan asequible como sea posible para los clientes".