Por Damián Sztarkman (*)
Lo interesante es que la curva de adopción se aceleró con la irrupción de la IA generativa. Pasamos de escenarios de prueba a implementaciones más regulares, especialmente en áreas como Marketing, Ventas, Producción o Tecnología. La discusión ya no es si conviene usar IA, sino en cómo hacerlo de manera ordenada, con foco en generar valor y evitando caer en la trampa de proyectos parecen tener alto valor, pero que no escalan. Y, por supuesto, cuidando la privacidad y la seguridad en el manejo de los datos.
Más allá de la expectativa y el ruido, lo cierto es que las empresas que avanzaron en la implementación de IA ya empiezan a ver resultados concretos. En muchos casos se trata de eficiencias claras, como reducción de costos en tareas repetitivas, análisis de datos que antes demandaban semanas y hoy se resuelven en horas, o automatización de procesos internos que liberan tiempo de los empleados, quienes pueden ocuparse en actividades de mayor valor. Por el lado de la creatividad, los resultados se manifiestan tanto en la generación de contenidos para promocionar o dar a conocer su propuesta de valor de las marcas, hasta la optimización de campañas de marketing.
Y comienza a verse el impacto de la tecnología en el crecimiento, con mayor personalización en la relación con clientes, mejoras en la experiencia de usuario y, en algunos sectores, la posibilidad de acelerar el desarrollo de productos permiten medir el retorno sobre la inversión en estas iniciativas puntuales. Son beneficios tangibles que muestran que la IA no es solo una promesa, sino una palanca que ya está transformando el día a día del negocio.
El gran desafío hoy no pasa tanto por “probar” la IA, sino por escalarla de manera que genere impacto real y sostenido en el negocio. Porque muchas compañías logran implementar pilotos interesantes, pero cuando intentan llevarlos a producción aparecen las trabas: datos desordenados o incompletos, falta de talento especializado, ausencia de marcos claros de gobernanza y un nivel de madurez organizacional que todavía no acompaña. A esto se le suman preocupaciones sobre sesgos, regulaciones inciertas y el riesgo de apostar a proyectos que no logran mostrar un retorno claro en el corto plazo.
En definitiva, la dificultad no es la tecnología en sí, sino la capacidad de las empresas para integrarla en su estrategia, procesos, toma de decisiones y cultura.
Un profundo cambio de hábitos
Uno de los puntos más complejos -y a la vez más subestimados- de la implementación de IA en una organización es el cambio cultural que requiere. No alcanza con incorporar una herramienta o contratar expertos. La verdadera transformación sucede cuando la empresa revisa sus hábitos, la forma en que toma decisiones y la manera en que se relaciona con la tecnología. La IA obliga a soltar viejas certezas, aceptar que los datos y los algoritmos pueden complementar (y a veces cuestionar) la intuición de los líderes, y promover una cultura más abierta a la experimentación y al aprendizaje continuo. Esto implica romper con silos, fomentar la colaboración entre áreas que nunca habían trabajado juntas y, sobre todo, generar confianza en que la tecnología es un aliado para potenciar capacidades humanas. El cambio cultural, en definitiva, es la pieza clave que diferencia a las empresas que logran capturar valor de aquellas que se quedan atrapadas en pilotos sin impacto real.
En mi perspectiva los principales desafíos que enfrentan las empresas hoy a la hora de implementar la IA son:
- Madurez y escala: aunque muchas hacen pilotos, pocas logran llevarlos a producción con impacto continuo.Diferentes estudios muestran que son contadas las organizaciones que creen haber alcanzado un nivel alto de madurez en IA.
- Gestión de datos: calidad, acceso, integridad y gobernanza siguen siendo problemas críticos. A esto se suman la privacidad, el cumplimiento legal, los sesgos y la propiedad intelectual.
- Talento y capacidades internas: falta de personas con experiencia en IA, machine learning y manejo de modelos a escala.
- Riesgos, ética y regulaciones: preocupaciones sobre confianza, sesgos algorítmicos y explicabilidad, sobre todo en IA generativa. Riesgos crecientes de ciberseguridad y uso malicioso de la tecnología. Marco regulatorio incierto en muchos países.
- Retorno de inversión (ROI) y métricas: muchas iniciativas aún están en evaluación, con métricas poco claras o expectativas infladas. Costos ocultos de integración, mantenimiento, adaptación de procesos y cambios culturales.
Para finalizar, creo que el próximo paso será avanzar de pilotos aislados a una adopción estratégica, con foco en automatización y toma de decisiones, y, sobre todo, trabajar mucho en desarrollar una cultura preparada para el cambio. Las compañías que logren dar ese salto no solo capturarán eficiencias, sino que abrirán la puerta a nuevos modelos de negocio, mayor innovación y diferenciación en un mercado cada vez más competitivo. La oportunidad está ahí. Ahora el desafío es animarse a jugar en serio.
(*) Director de la Maestría en Negocios Digitales y profesor Transformación Digital del Negocio de la Universidad de San Andrés.
