En un mundo donde la digitalización avanza a pasos agigantados, la Inteligencia Artificial (IA) ha dejado de ser una promesa futurista para convertirse en una realidad tangible en las empresas. Pero, ¿es realmente una tecnología ya consolidada en el mercado o aún se encuentra en una fase de exploración y adopción? ¿Se observa como un estándar o aún se percibe como una innovación en desarrollo?
A juicio de Carlos Álvarez, CEO de Technologies, “la IA generativa y los modelos de lenguaje fundacionales, como GPT en 2022, han acelerado significativamente la adopción de la Inteligencia Artificial. Hoy sorprende que muchos profesionales hablan de IA refiriéndose únicamente a herramientas como ChatGPT, cuando en realidad su alcance es mucho más amplio. Por ello, cada empresa debe comunicar claramente en qué área o rama se especializa y cómo la está aplicando”.
La IA Generativa lo que hace es acercar al usuario final a la tecnología volviéndose muy maleable y flexible, explica Romina Picollo, Directora de Servicios en Acid Labs. “Y eso abre la creatividad y el espacio para encontrar casos de uso y poder experimentar a nivel de usuario final de una manera muy fácil. Hoy las organizaciones están comenzando a preguntarse cómo la gestionan y gobiernan y cómo conectan un ‘outcome’ técnico con uno de negocio y ahí pueden demostrar valor”, agrega.
Muchas empresas ya están empezando a pensar que es un “desde” y probablemente en cinco o diez años más muchas no subsistirán si no es por la IA y las ventajas comparativas que se irán generando. Así lo destaca Rafik Masad, Socio y Cofundador de Nursoft, quien agrega que “surge, además, el reto de la auditabilidad de los modelos. Si una máquina funciona como una ‘caja negra’ tomando decisiones automatizadas basadas en género, raza u otros factores discriminatorios, el riesgo es grande. Y es que no todas las herramientas sirven para lo mismo, se debe elegir la IA adecuada para cada problema”.
Para Guillermo Treister, Gerente Técnico Cloud de IBM Chile, “si bien la IA no es algo nuevo, todavía estamos tocando solo la superficie, lejos del potencial que realmente tiene. El boom de los últimos años ha hecho que se acerque justamente a quienes toman la decisión más estratégica de la empresa, que antes no veían en esta tecnología una potencialidad”. Como proveedores existe un rol evangelizador, añade, para guiar sobre dónde conviene comenzar a usar distintas herramientas. Y es que la coherencia que debe tener el modelo es muy importante, por lo cual es importante conocerlo antes de aplicarlo a distintos procesos. Hay procesos que sí pueden tolerar un grado de imprecisión y otros directamente no. Entonces, no todo siempre es IA Generativa.
Índice de temas
El avance de la inteligencia artificial en las empresas y los cambios por venir
“Hay compañías que dicen ‘quiero IA para no quedarme atrás porque mi competencia lo tiene’, pero hay diferentes grados de madurez: organizaciones preparadas para sacar provecho de la IA con los datos y analítica, y otras que no están en esa fase todavía, y que requieren pasos anteriores, por ejemplo, no tienen una experiencia con la nube, etc.”, comenta Javier Milla, Team Leader | Customer Success Unit Latam de Noventiq.
En esto el acompañamiento del proveedor es crucial hoy en día. “No se trata solo de hacer una prueba de concepto por moda, sino de que el cliente pueda alinear la estrategia de IA con la estrategia operacional, definiendo principios clave y comunicando claramente su uso y limitaciones en la empresa”, expresa.
Además, muchas compañías aún muestran resistencia por preocupaciones sobre la seguridad de sus datos, como compartir información con OpenAI, detalla Aníbal Espinoza, CTO de Technologies.
“Una correlación clave para facilitar la adopción de estas tecnologías es la madurez de la empresa. Una empresa que tiene datos, procesos y un plan de mejora obviamente tiene mucha más facilidad para adoptar nuevas tecnologías en general y en particular IA”, explica el profesional de Nursoft.
Hoy, sin duda, hay muchas expectativas de lo que se podría alcanzar. Pero, la realidad del mercado todavía va un poco más lento de lo esperado. “Por ejemplo, en EE.UU. solo el 5% de las empresas a nivel general han implementado algún tipo de solución con inteligencia artificial“, precisa Leticia Heise, CEO de Manyness AI Solutions, y agrega que necesitamos comprender que cualquier proceso de incorporación dentro de una empresa, ya sea de un agente virtual o una automatización, requiere de una motivación, control de calidad, metodología y entrenamiento previos. Por ende, hay que regular las expectativas.
En muchos aspectos, lo que estamos viviendo en las empresas con la Inteligencia Artificial se asemeja a lo que ocurrió con la transformación digital. “En su momento, digitalizar un negocio no era solo instalar un CRM o migrar procesos a plataformas digitales, sino transformar estratégicamente las áreas clave de la empresa mediante herramientas TI. Aquellos que lo hicieron bien lograron cambios significativos en su modelo de negocio”, explica Andrés Alcalde, Socio de Moov Media Group.
Para 2025, a su juicio, el gran tema será el impacto de los agentes de IA, tanto internos como externos. Procesos que antes eran largos y requerían de personal dedicado hoy pueden automatizarse, lo que traerá transformaciones radicales en roles transaccionales y en la interacción con los clientes.
Hay modelos de automatización, como los usados en reclutamiento, que se están extendiendo a áreas como operaciones, ventas y postventa, transformando múltiples capas del negocio. Según adelanta, el siguiente gran cambio ocurrirá en la relación directa con el cliente. “Existe una expectativa creciente de evolución en los servicios, lo que llevará a una reestructuración profunda de las propuestas de valor, la estructura de costos y hasta la manera en que se cobra por productos o servicios”, complementa el profesional.
Los desafíos y barreras para implementar inteligencia artificial en las empresas
Uno de los principales retos, destaca el profesional de IBM, es que muchas empresas asumen que tienen la “casa ordenada”, pero cuando se enfrentan a este tipo de proyectos tienen problemas con la calidad de los datos, que es la base para este tipo de iniciativas. “Si yo quiero una IA que responda o actúe correctamente, es indispensable tener datos correctos”, enfatiza. Además, es esencial, a su juicio, la responsabilidad en cada proceso donde se implemente IA. En la industria financiera, por ejemplo, es clave garantizar la trazabilidad de las decisiones, por lo que la gobernabilidad será un tema central: será importante saber por qué se tomó una decisión y en qué parte del proceso interviene la IA.
El costo tampoco es un tema menor. “Hay que evaluar dónde realmente conviene implementar IA, porque los modelos muy grandes requieren mucha capacidad de procesamiento y pueden ser demasiado caros para el beneficio que aportan”, indica el ejecutivo.
Por último, la preparación es clave. Antes de integrar IA, la empresa debe tener datos y procesos bien definidos para asegurarse de que esta tecnología realmente ayude y no genere errores por falta de contexto o información.
Otra de las barreras claves es la falta de alineación estratégica, según precisa la ejecutiva de Acid Labs. En este sentido, explica que es fundamental definir cuál es la estrategia de la organización y la visión detrás del desarrollo de la IA o del camino hacia una cultura data driven. Esto implica conectar la ambición con la operación, determinando en qué área se concentrará el foco de implementación. “Entre las principales dificultades en proyectos basados en datos se encuentra la falta de claridad en la gobernanza y en la gestión de riesgos. Por ello, es esencial abrir conversaciones que permitan comprender cómo la IA puede generar valor real para el negocio”, afirma.
En este sentido, el rol de quienes actúan como evangelizadores resulta crucial para guiar y facilitar estos diálogos, ya que muchas organizaciones aún están en proceso de descubrimiento en cuanto a cómo integrar estrategia, visión y operación de manera efectiva.
A juicio del profesional de Noventiq, el primer desafío es comprender a fondo el problema y el recorrido completo del proceso, sin temer a descubrir ineficiencias en este que requieran replantear la operación para optimizarla. Desde el área técnica el riesgo apunta al manejo de la data, considerando aspectos como el acceso y la seguridad en la nube. Por otro lado, desde el punto de vista del usuario, existe una barrera cultural: la percepción de que la IA podría desplazar puestos de trabajo, lo que genera fricción y resistencia al cambio. “Para superar estas barreras, es fundamental fomentar conversaciones abiertas y procesos de capacitación que permitan a todos comprender que la meta es mejorar y optimizar, no reemplazar”, enfatiza el ejecutivo.
En cuanto al retorno de la inversión, muchos modelos de IA buscan reemplazar personal, “sin embargo, en Estados Unidos, por ejemplo, los salarios son mucho más altos, lo que justifica la inversión en estas aplicaciones. En contraste, al evaluar el ROI en Chile y Latinoamérica, a veces se podría concluir que es más rentable mantener personal para tareas manuales”, enfatiza Mauricio Castro, Gerente de Operaciones de Magnet.
“Otra barrera interesante que hemos visto es el desconocimiento de los tomadores de decisión: no saben lo que se puede hacer y no están buscando realizar estos proyectos, ni siquiera están en su cartera de proyectos para el año”, añade.
Asimismo, es crucial trabajar con Recursos Humanos y la alta dirección para internalizar y democratizar estas tecnologías. “Muchas grandes empresas ni siquiera tienen documentados sus procesos, lo que complica una buena implementación. Además, preocupa el costo oculto del procesamiento en las licencias, ya que a largo plazo puede ser un problema si la tecnología no es escalable ni fácilmente reemplazable, especialmente considerando que en 10 años podrían existir soluciones muy distintas”, complementa la ejecutiva de Manyness.
Nuevos roles y reconversión
En este contexto, muchas empresas están generando nuevos cargos o roles mixtos que combinan habilidades técnicas con conocimiento del negocio. Por ejemplo, están surgiendo con fuerza los prompt engineers, encargados de “hablarle” a la IA generativa para lograr que responda de forma correcta o cree contenido de valor. También se están valorando perfiles como el Chief AI Officer, responsable de alinear los proyectos de IA con la estrategia organizacional, así como los científicos de datos con foco en ética, privacidad o gobernanza.
Esta transformación no solo implica contratar nuevos perfiles, sino también reconvertir a los actuales colaboradores. “Desde el punto de vista humano, el impacto no tiene por qué ser negativo”, plantea la experta de Acid Labs. “Hoy muchas empresas enfrentan brechas de talento digital y necesitan reconvertir a sus equipos. La inteligencia artificial bien implementada en las empresas puede automatizar procesos tediosos o rutinarios, permitiendo que las personas se dediquen a tareas más estratégicas y creativas”.
En la misma línea, el ejecutivo de IBM plantea que automatizar procesos con IA puede liberar capacidades humanas valiosas. “No hay que pensar en despidos masivos, sino en cómo mejorar la eficiencia. Por ejemplo, automatizando la generación de reportes, el análisis de grandes volúmenes de datos o la atención de consultas repetitivas, como ya se hace con chatbots en muchos casos”.
Para que esto sea posible, el experto de Noventiq considera clave formar equipos multidisciplinarios, que integren perfiles técnicos, de negocio y operativos, capaces de entender la operación, traducirla en requerimientos para la IA, y luego interpretar sus resultados para generar valor. Además, sostiene que es vital definir desde el principio los indicadores de éxito del proyecto, así como los niveles de madurez organizacional y cultural para poder integrar la solución con éxito.
Un ejemplo lo entrega el Gerente de Magnet, quien explica que sus proyectos de automatización e IA han permitido liberar a personas del área de cobranzas de tareas repetitivas como el envío de correos, permitiéndoles concentrarse en funciones que requieren más interacción humana y capacidad analítica.
Finalmente, desde Manyness destacan que el aprendizaje continuo será esencial para enfrentar este cambio. “Lo más importante es que las personas entiendan que deben reentrenarse constantemente. La inteligencia artificial cambia rápido, y quien no se actualiza, queda fuera. Es una carrera que recién comienza”, concluyen.
Usos actuales y próximos pasos
Hoy las empresas están utilizando inteligencia artificial en múltiples ámbitos, desde la atención al cliente con chatbots, hasta la automatización de procesos internos, el análisis predictivo, la segmentación de clientes, la personalización de contenidos y la detección de fraudes. El ejecutivo de Magnet comenta que una aplicación especialmente útil ha sido la implementación de modelos de IA que permiten analizar patrones de comportamiento para anticiparse a problemas de cobranza.
Desde Noventiq añaden que otro caso recurrente es el uso de modelos predictivos para estimar la demanda y mejorar la gestión del inventario, así como el uso de modelos generativos para crear propuestas comerciales más atractivas o desarrollar rápidamente borradores de contenido para marketing.
En el ámbito del soporte TI, la IA generativa también se está usando para automatizar respuestas, escalar tickets y acelerar la resolución de problemas. “No reemplaza a los humanos, pero sí mejora la eficiencia”, destaca el experto de Acid Labs.
A futuro, el desafío será avanzar desde estos casos de uso puntuales hacia una estrategia de IA integral en la organización. Para eso, los expertos consultados coinciden en que es clave definir una gobernanza de IA, que asegure un uso responsable, transparente y alineado con los objetivos del negocio.
Esto incluye establecer políticas de uso, resguardar la privacidad de los datos, asegurar la calidad de los modelos y capacitar adecuadamente a quienes van a utilizarlos. “La madurez de una empresa en IA no se mide solo por la tecnología que usa, sino por su capacidad de adoptarla de forma ética, segura y alineada a su propósito”, concluyen desde Manyness.
