Cómo Hexaware usa Elastic AI Assistant para reducir el tiempo de formación de ingenieros en un 75%

Hexaware ha apostado su posicionamiento competitivo por ser genuinamente primero en IA, no sólo reclamando la etiqueta. Con el 80% de su plantilla certificada en habilidades avanzadas de IA y 1.300 millones de dólares en ingresos anuales, la empresa india de servicios de TI gestiona infraestructuras y aplicaciones complejas para clientes empresariales de todo el mundo. La escala de ese compromiso hizo que las brechas en sus operaciones diarias fueran aún más visibles: lograr que los nuevos ingenieros fueran productivos llevaba hasta 18 meses, y monitorizar los entornos de los clientes requería atención constante del personal senior.

El problema central era la densidad del conocimiento institucional necesario para gestionar los servicios. Los ingenieros recién llegados de la universidad tenían que memorizar cientos de códigos de error, navegar por decenas de paneles para evaluar la salud de los sistemas cliente y depender de ingenieros líderes para orientarse en incidentes complejos. Este cuello de botella era costoso en tiempo y en talento senior, y ralentizaba la capacidad de Hexaware para incorporar nuevas contrataciones de forma efectiva.

Hexaware colocó a Elastic en el centro de su hoja de ruta operativa de IA, desplegando Elastic Observability para la detección de anomalías y la gestión de alertas, y Elastic AI Assistant como capa de IA generativa que permite a los ingenieros consultar datos del sistema en lenguaje natural. El AI Assistant extrae contexto de datos operativos en tiempo real, de modo que cuando un ingeniero hace clic en un código de error desconocido, el sistema muestra causas, contexto y próximos pasos recomendados, sin necesidad de memorizar manuales técnicos.

El cambio más notable se produjo en la incorporación de talento. A través de su Programa Mavericks, Hexaware ahora incorpora recién graduados universitarios y los tiene trabajando en proyectos de clientes en tres meses, en lugar de los 12 a 18 anteriores. La dependencia de los ingenieros líderes se redujo hasta un 90% para las consultas rutinarias. Al mismo tiempo, los equipos que monitorizan entornos de clientes vieron mejorar la eficiencia operativa un 50%: en lugar de revisar decenas de paneles, un ingeniero puede preguntar en lenguaje llano cómo funcionó un servicio durante la noche y recibir una respuesta estructurada en segundos. En un despliegue de Elastic Observability, las alertas de falsos positivos semanales bajaron de 1.000 a 244.

De cara al futuro, Hexaware está extendiendo estos patrones a más trabajo con clientes. En un despliegue para una empresa europea de energía, el modelo de recuperación semántica ELSER de Elastic ayudó a reducir el tiempo medio de resolución en un 40% al hacer coincidir automáticamente los incidentes entrantes con casos históricos. Un proveedor de salud de EE. UU. vio un patrón similar: el procesamiento de consultas potenciado por ELSER mejoró la precisión al 90% y redujo los tiempos de consulta un 40%. La apuesta de Hexaware es que la IA generativa integrada en la infraestructura de observabilidad reducirá progresivamente la demanda de agentes humanos en call centers y contextos de soporte.