La inteligencia artificial dejó de ser una apuesta experimental para convertirse en prioridad de negocio. Sin embargo, a medida que las empresas aceleran inversiones, emerge una paradoja incómoda: el entusiasmo crece más rápido que los resultados.
Según un relevamiento global de PwC, el 56% de los CEO asegura que su empresa todavía no vio mejoras concretas en ingresos o reducción de costos asociadas al uso de inteligencia artificial.
Al mismo tiempo, las organizaciones que logran escalar estas tecnologías registran mejoras de rentabilidad de entre el 10% y el 25%. La diferencia no parece estar en el acceso a la tecnología, sino en cómo se implementa.
“La mayoría de los problemas que vemos no tienen que ver con el modelo de IA, sino con el punto de partida. Muchas compañías arrancan porque alguien pidió usar IA, pero sin definir claramente qué problema quieren resolver o qué impacto esperan generar”, explicó Leonardo Tocci, data & applied AI practice head en Baufest.
Ese apuro, impulsado por la presión de no quedarse afuera de la tendencia, suele traducirse en proyectos aislados, pruebas piloto que no escalan y herramientas que terminan operando por fuera de los procesos reales del negocio.
Según McKinsey, casi dos tercios de las empresas todavía se encuentran en etapas experimentales de adopción.
Un síntoma de época: el negocio toma las riendas
Históricamente, la innovación tecnológica era una conversación que nacía de las áreas de sistemas. Hoy el escenario es radicalmente distinto: el flujo de pedidos de soluciones ya no proviene principalmente de IT, sino directamente de las unidades de negocio.
“Estamos interactuando con áreas que no eran las habituales para nosotros. El pedido llega desde marketing, legales o finanzas con un objetivo claro de optimización o para liberar tiempo de analistas clave”, comentó Tocci.
Esta democratización del interés tecnológico tiene una contracara: la urgencia. En muchos casos, las áreas de negocio acuden a especialistas externos porque sienten que sus departamentos internos de IT no responden con la velocidad que el mercado demanda, o porque han recibido directivas jerárquicas de adoptar IA sin un norte definido.
Ese cambio amplía el alcance, pero también introduce nuevos riesgos. Sin una coordinación clara, empiezan a proliferar desarrollos paralelos dentro de una misma organización, con distintos niveles de supervisión y sin una arquitectura común.
“La velocidad sin un esquema de gobierno claro termina jugando en contra. Hemos visto casos en los que, dentro de una misma compañía, se generan agentes en cinco unidades distintas y el área de IT solo sabe de la mitad. Cuando empiezan a operar e interactuar con sistemas reales, surgen problemas de seguridad, acceso a datos sensibles y falta de control”, advirtió Tocci.
A esa falta de integración se suma un problema más estructural: muchas compañías están intentando avanzar sobre inteligencia artificial sin haber resuelto cuestiones básicas como la calidad de los datos o el rediseño de procesos internos.
Según Bain & Company, esa postergación genera una deuda técnica que, con el tiempo, vuelve mucho más complejo y costoso cualquier intento de escalar.
La diferencia entre experimentar y capturar valor
Para los expertos, el diferencial ya no pasa por adoptar más herramientas, sino por tomar mejores decisiones sobre dónde aplicarlas.
“La clave muchas veces está en saber dónde no usar IA. No todos los problemas requieren este tipo de solución, y forzarla suele ser parte del problema”, resumió Tocci.
Las empresas que sí están logrando capturar valor comparten un patrón: parten de un objetivo concreto de negocio, revisan procesos internos y construyen esquemas claros de gobierno, datos y seguridad antes de escalar soluciones.
“El desafío ya no es elegir el modelo más nuevo. La pregunta real es si la organización está preparada para que esa tecnología funcione de manera confiable, segura y productiva”, concluyó.
En un contexto donde la presión por adoptar IA se acelera, el principal riesgo podría no ser quedarse afuera de la tendencia, sino entrar sin dirección. Porque sin un propósito claro, incluso la tecnología más prometedora puede terminar convirtiéndose en un experimento costoso.
