EscucharCuando las empresas estaban asimilando los cambios tecnológicos de la década anterior, profundizados por la pandemia en 2020 y 2021, se vieron obligadas a enfrentar un nuevo reto.
Desde 2015 se venía acelerando el comercio electrónico, de la mano de las aplicaciones y servicios de delivery.
La facturación electrónica se impuso en forma obligatoria.
El teletrabajo avanzaba, apoyándose en la práctica de las compañías más que en la ley aprobada.
Y las plataformas virtuales de videollamadas (Skype todavía vivía) o de educación virtual se hacían un espacio.
La pandemia y el confinamiento, el trabajo y la educación remota, las ventas mediante las apps de delivery y de redes sociales se aceleraron hace cinco años.
Las empresas tuvieron que correr para terminar de digitalizar operaciones y llevar a la nube lo que tenían en sistemas tradicionales.
Cuando las aguas estaban volviendo a su cauce normal, apareció la inteligencia artificial.
En realidad, ya se venía implementando desde años atrás en medio de las primeras advertencias sobre su impacto en el empleo. Ahora hacía eclosión.
Y las empresas y sus equipos de tecnología volvieron a enfrentar otro cambio digital.
Los grandes modelos de lenguaje (LLM, por sus siglas en inglés) no solo eran la base de los bots de IA generativa, como ChatGPT, Claude, Copilot, Gemini o Grok.
También se utilizan en numerosas aplicaciones y plataformas tecnológicas adoptadas por usuarios y compañías. Y sí, las adoptaron.
A la digitalización se agrega ahora un nuevo propósito: la automatización.
LEA MÁS: ¿Está lista su empresa y sus datos para soluciones de IA? En cuatro pasos puede subir de nivel
La adopción y adaptación, sin embargo, enfrenta desafíos.
Según un informe de la firma Loymark, el 78% de las compañías declara usar alguna forma de IA, pero menos del 1% lo hace de manera efectiva y escalable.
“La promesa de la IA no se está cumpliendo en la mayoría de las empresas de la región”, explicó Alberto Garnier, coautor del informe.
McKinsey reportó en 2024 que hay beneficios medibles en funciones específicas como mercadeo y tecnologías de información (TI). Sin embargo, la inexactitud permanece dominante y pocas compañías logran escalar exitosamente.
LEA MÁS: Me preguntan por dónde empezar con la IA: estas son algunas sugerencias
Hay otras advertencias.
Gartner proyecta que el 33% de las aplicaciones empresariales incorporarán IA generativa para 2028, con el 15% de las decisiones cotidianas automatizadas.
No obstante, más del 40% de los proyectos podrían descartarse debido a costos elevados y casos de negocio difusos.
Boston Consulting Group reporta que el 74% de las compañías declara dificultades significativas para lograr y escalar valor con sus iniciativas de IA. Los presupuestos se duplican, pero el valor tangible capturado permanece esquivo.
La brecha no es accidental.
Hay un patrón sistemático observado repetidamente: las empresas inician múltiples experimentos desconectados, cada uno con su propia tecnología, datos y objetivos.
Un departamento implementa un chatbot, otro prueba análisis predictivo y un tercero experimenta con visión por computadora.
Sin coordinación ni arquitectura común.
Las únicas métricas existentes sobre resultados se centran en “horas ahorradas” o “consultas procesadas”.
Las compañías rara vez pueden conectar estos números con impacto real en el estado de resultados.
El informe de Loymark propone evolucionar hacia un modelo de “inteligencia organizativa”.
Ahí se entiende la “inteligencia organizativa” como la capacidad integrada de una empresa para percibir cambios en su entorno, tomar decisiones informadas y ejecutar acciones coordinadas con impacto medible y sostenible.
“El reto no está en acceder a modelos más sofisticados, sino en lograr que las organizaciones cuenten con datos confiables, procesos coordinados y una gobernanza sólida para escalar con confianza”, dijo Joha Loría, otro de los autores y especialista en big data.
Esa estrategia tendría cinco capas:
—Datos confiables (información estructurada, accesible y de calidad).
—Servicios de inteligencia (uso de modelos de machine learning, recuperación aumentada de información y agentes especializados).
—Orquestación de procesos (integración fluida entre áreas, sistemas y flujos operativos).
—Supervisión humana (incorporación del criterio y la intervención humana en decisiones críticas).
—Gobernanza y control (marcos claros de responsabilidad, seguridad y ética para el uso de la IA).
Pero esto ya lo sabemos. Lo que sí está claro es que no hay tiempo de espera.
Las empresas tendrán que acelerar el paso, porque otro cambio tecnológico se asoma en el horizonte: la computación cuántica. Y sin derecho al cansancio.
