Por Mauro Avendaño (*)
En un extremo, observamos empresas que se encuentran en etapas iniciales de implementación, enfocándose en soluciones que incrementan la productividad individual. Estas incluyen herramientas de comprensión de documentos, búsqueda inteligente de información, generación de resúmenes de reuniones y creación automatizada de contenido, entre otras.
En el otro extremo, existen compañías que han integrado la IA de manera más profunda y sostenida en sus operaciones. En estos casos, la tecnología no solo optimiza procesos, sino que habilita transformaciones significativas en el modelo de negocio, ya sea por mejoras en eficiencia o por escalabilidad. Los casos más avanzados abarcan el análisis de datos operativos, procesamiento de imágenes y videos, detección de patrones de comportamiento, y automatización casi total de tareas y flujos de trabajo.
Entre ambos extremos, se encuentra un amplio grupo de empresas que, habiendo superado la etapa de adopción inicial, comienzan a aplicar la IA en procesos no centrales del negocio con el objetivo de optimizar y automatizar tareas específicas. Aquí se destacan iniciativas como la implementación de agentes conversacionales (chatbots), automatización inteligente mediante lectura de documentos y audios, y el uso de copilotos digitales que ofrecen sugerencias y contenido contextual relevante.
La inteligencia artificial no es una tendencia uniforme, sino una tecnología que se adapta a las necesidades, capacidades y estrategias de cada organización. Su impacto depende del enfoque con el que se la incorpore: como herramienta de productividad, como motor de eficiencia operativa, o como catalizador de innovación y transformación.
Definir el objetivo
Si bien no existe un criterio único para la adopción de inteligencia artificial, sí se observan patrones naturales en los procesos de inversión y despliegue tecnológico. El primer paso fundamental consiste en comprender que la incorporación de IA no debe responder a una moda o impulso tecnológico, sino a una necesidad estratégica claramente definida. La pregunta clave es: ¿para qué implementar inteligencia artificial?
Una primera motivación, cada vez más frecuente, es la mejora de la productividad individual. En este enfoque, la IA se integra como una herramienta más dentro del ecosistema digital del empleado, complementando sus tareas cotidianas y potenciando su eficiencia. El retorno de inversión (ROI) se mide en términos de productividad personal y representa el primer escalón hacia una adopción más profunda de la tecnología en la organización.
Una segunda motivación responde al posicionamiento estratégico en el mercado. Las compañías buscan comunicar que han adoptado IA como parte de su transformación digital, enviando mensajes como: “Nuestra empresa ha incorporado inteligencia artificial y ahora somos capaces de…”. Este tipo de comunicación cumple una doble función. Por un lado, proyecta una imagen de modernidad y competitividad; por otro, refleja una intención evolutiva de adaptar el negocio a los nuevos modelos operativos de la industria. En este caso, el ROI puede estar vinculado al impacto reputacional, la diferenciación en el mercado y los logros tangibles que respaldan el mensaje.
Una tercera perspectiva se centra en la inversión tecnológica como mecanismo de evolución o escalabilidad del negocio. Aquí, la IA se implementa para reemplazar tecnologías obsoletas, reducir costos operativos, mejorar la toma de decisiones o aumentar la capacidad de procesamiento de transacciones. El objetivo es lograr eficiencia operativa, y el retorno se mide a través de indicadores clave de desempeño (KPIs) que reflejan mejoras concretas en los procesos.
Dilemas complejos
A medida que las organizaciones avanzan en la adopción profunda de inteligencia artificial, surgen nuevos desafíos vinculados a la estrategia y gobernanza de las soluciones, plataformas y desarrollos implementados. Esta etapa de madurez tecnológica exige una visión integral que contemple tanto aspectos técnicos como organizacionales, éticos y operativos.
Uno de los principales retos es establecer un marco estratégico que permita coordinar y escalar las iniciativas de IA de manera ordenada. En este contexto, emergen temas críticos como la gestión de datos e información, la seguridad, la mitigación de riesgos, y la necesidad de respuestas éticas y transparentes. Estas disciplinas conforman la base del gobierno corporativo de la IA, y son esenciales para garantizar su uso responsable y sostenible.
Desde el punto de vista técnico, las compañías enfrentan dilemas complejos: ¿centralizar el uso de un único modelo de IA o adoptar múltiples modelos según el caso de uso? ¿Desarrollar infraestructuras propias o migrar a soluciones en la nube? Para aquellas organizaciones con mayor trayectoria en el desarrollo de soluciones de IA, se vuelve prioritario optimizar el ciclo de vida de los productos de datos e inteligencia, fomentar la reutilización de módulos, y automatizar el registro de pruebas.
En este último punto es importante recordar que los modelos generativos no son deterministas, sino probabilísticos: una misma pregunta puede generar respuestas distintas en distintos momentos, y todas pueden ser válidas -o no-. Por ello, se vuelve indispensable contar con una base de observabilidad unificada que permita monitorear, auditar y mantener la calidad de las respuestas generadas por los sistemas de IA.
En definitiva, adoptar inteligencia artificial va mucho más allá de invocar una API de un modelo de lenguaje externo. Requiere una transformación cultural que incorpore la IA como un componente esencial del negocio. En organizaciones con culturas más curiosas o que han avanzado tempranamente, aparece otro desafío: el gobierno distribuido. Diversas áreas comienzan a desarrollar o incorporar sus primeras soluciones sin una estrategia común, lo que puede derivar en una proliferación de iniciativas aisladas, dificultando su mantenimiento y evolución.
El rol de la regulación
Las regulaciones, en general, deben aportar una concientización de uso ético, responsable y seguro de las tecnologías, y la inteligencia artificial también es una de ellas. El marco regulatorio debería aportar una mirada transversal, pero no detallada, de los componentes de soluciones de inteligencia artificial necesarios para garantizar esas buenas prácticas. Un marco de gobierno y observabilidad, un marco de trazabilidad y alerta, entre otros.
Claramente tiene que haber una diferenciación en los sectores en que se aplican estas soluciones. Algunas pueden ser más críticas, o de impacto para la sociedad, como salud, sector público, o educación, por ejemplo.
En este contexto, la regulación no debe ser vista como una barrera, sino como una herramienta habilitadora que permite a las organizaciones avanzar con confianza en la adopción de IA, alineando sus objetivos de negocio con los valores éticos y las expectativas de la sociedad.
Modelos de negocio
En las últimas décadas hemos visto modelos de negocio disruptivos, en los que los datos y su correcto uso son una pieza clave para impactar el mercado. En lo que respecta a las compañías y negocios que dependen primariamente de usuarios finales, la experiencia y la satisfacción son una brújula primordial, donde la inteligencia artificial ha llegado para potenciar todas esas interacciones.
Y no solo interacciones entre distintos negocios, que antes no habíamos logrado analizar o ver. Los procesos que sostienen los modelos necesitan ser repensados, hoy tenemos una capacidad que hace al menos cinco años no teníamos, y los procesos de las compañías deben actualizarse. Ya no existen muchas barreras que antes teníamos, como capacidad de cómputo escalable y elástica, posibilidad de procesar cualquier tipo de información (texto, audio, video, documento escrito, etc.), resguardo encriptado, vínculo entre compañías y entre industrias mucho más abierto, identidad digital, capacidad en tiempo real, entre otras.
El liderazgo necesario
La incorporación de inteligencia artificial ha abierto una oportunidad significativa para el desarrollo de nuevos productos y servicios, así como para la transformación de procesos, haciéndolos más ágiles, distintos, disruptivos e incluso automáticos. Sin embargo, este potencial no se materializa sin una visión abierta sobre cómo vincular estratégicamente toda esta tecnología disponible.
Es en este punto, se vuelve esencial el ejercicio del liderazgo, orientado a definir y focalizar una estrategia clara, así como a conformar equipos diversos. La inclusión de múltiples perspectivas, disciplinas y voces resulta clave para enriquecer el propósito final de cada iniciativa.
Asimismo, se requiere una actitud curiosa y creativa para combinar las piezas disponibles -y las que surgen constantemente- en una receta que, aunque nunca perfecta, permita diseñar soluciones efectivas y adaptadas al contexto. Este nuevo capítulo en el desarrollo de soluciones tecnológicas ya no sigue una lógica lineal, sino exponencial, y la velocidad de esa curva genera tanto aciertos como desaciertos.
En este escenario, la tolerancia al error y a la frustración se vuelve indispensable para mantener el rumbo, encontrar salidas viables -aunque no perfectas- y alcanzar resultados satisfactorios con la tecnología disponible y los objetivos definidos. Y la flexibilidad y la capacidad de adaptación se consolidan como competencias fundamentales.
(*) Socio de Tecnología de KPMG Argentina
