La discusión sobre inteligencia artificial en las empresas ya no pasa por la compra de herramientas. El verdadero problema aparece después, cuando los directorios intentan saber si esa inversión generó más productividad, redujo costos o mejoró la calidad del trabajo. Para Matías Hilaire, Co-Founder y CEO de The App Master, muchas compañías miran el dato equivocado y, por eso, sacan conclusiones apresuradas.
El ejecutivo parte de una idea que ganó espacio en reuniones de negocio. Según esa lectura, un estudio del MIT sostuvo que el 95% de las inversiones en IA no tuvo retorno. Hilaire advierte que esa interpretación instala una alarma que puede llevar a la inacción. La diferencia, remarca, está en qué se mide y cómo se mide.
“El estudio del MIT realmente señala es que el 95% de las inversiones en IA no tienen un retorno medido”, sostuvo Hilaire. La frase cambia el eje de la discusión. No habla de fracaso tecnológico, sino de falta de medición. Para las compañías, esa distancia puede definir si la IA queda como un gasto difícil de justificar o si pasa a ser una palanca concreta de eficiencia.
En muchas organizaciones, la adopción se limitó a comprar licencias de ChatGPT, Gemini, Claude o Copilot. Ese movimiento suele presentarse como una señal de modernización, pero Hilaire plantea que no alcanza.
La IA se trata, en esos casos, como el correo electrónico o WhatsApp, servicios que todos usan y cuyo valor se da por descontado. El problema aparece cuando nadie puede probar cuánto impactó en los tiempos, la calidad o los resultados comerciales.
Índice de temas
El error de medir presencia y no impacto
Para Hilaire, la frontera entre las empresas que avanzan y las que solo prueban herramientas está en la integración. Las primeras conectan la IA con procesos centrales del negocio y definen indicadores concretos. Las segundas se quedan en pruebas aisladas, sin responsables claros ni objetivos financieros.
El retorno, bajo esa lógica, no se mide por la cantidad de usuarios internos con acceso a una herramienta. Se mide por menos horas manuales, ciclos de trabajo más cortos, una estructura con mayor capacidad de escala y mejores conversiones comerciales. Es decir, por resultados que se pueden comparar antes y después de cada cambio.
En la Argentina y América Latina, el desafío suma condiciones propias. Hilaire identifica tres barreras. La primera es el talento, escaso y caro, pese al buen nivel técnico local. La segunda es la calidad de los datos, porque ningún modelo funciona bien si la información está desordenada, incompleta o encerrada en silos. La tercera es cultural. Muchas compañías aún toman decisiones con criterios informales, mientras la IA exige procesos claros y métricas estables.
Según el ejecutivo, el presupuesto perdió peso como excusa. El costo de la tecnología bajó, pero la inversión más difícil está en modificar rutinas, roles y formas de trabajo. La resistencia no aparece solo en los equipos técnicos. También surge en las áreas de negocio, que deben aprender a pedir, revisar y validar resultados generados con asistencia de IA.
Los sectores con mayor volumen de interacción ya muestran beneficios más rápidos. Retail, consumo masivo, e-commerce y áreas comerciales de salud aparecen entre los espacios con retorno más visible.
En la región, Hilaire menciona a fintech, legaltech y agroindustria como actividades donde la IA ya tuvo usos concretos. Mercado Libre, Ualá y estudios jurídicos de gran tamaño la usan para scoring crediticio, detección de fraude y revisión automatizada de contratos. En el campo, la tecnología ayuda a procesar imágenes satelitales y optimizar riego.
Productividad, privacidad y el rol humano
El caso de Reddit sirve como referencia internacional. Según Hilaire, la compañía redujo en 84% el tiempo de resolución de ciertos flujos de soporte con agentes de IA. La mejora llevó consultas que demandaban casi 9 minutos a poco más de 1 minuto. El dato muestra por qué la conversación sobre retorno no puede quedar atrapada en percepciones generales.
The App Master también registró cambios internos. De acuerdo con Hilaire, procesos de presupuestación técnica que antes requerían 10 horas de trabajo senior ahora se completan en menos de 2 horas con agentes entrenados. El CEO rechaza que ese salto de eficiencia deba leerse como sustitución automática de personas. “La IA acelera, el equipo decide”, resume.
La frase condensa una visión sobre el futuro del trabajo. La IA puede acelerar la investigación, producir versiones iniciales y ordenar información, pero el criterio queda en manos humanas. Validar, corregir, elegir y tomar decisiones seguirá como una tarea central de los equipos. Por eso, el liderazgo que viene no dependerá solo de saber programar. También exigirá capacidad para distinguir una respuesta plausible pero incorrecta de una solución realmente útil.
El avance, además, trae un punto sensible. Hilaire advierte que la privacidad se convirtió en una amenaza estratégica para muchas empresas. Según los datos que cita, de los 800 millones de usuarios de OpenAI reportados recientemente, apenas el 5% usa licencias que garantizan privacidad de la información. El resto puede exponer estrategias, contratos y datos confidenciales en modelos públicos.
Las compañías más maduras reducen ese riesgo con despliegues privados, APIs bajo contratos claros y validación humana para evitar sesgos o respuestas falsas. Para las pymes, la oportunidad también existe. Herramientas como ManyChat, Make o Notion AI permitieron que equipos pequeños accedan a capacidades antes reservadas para grandes corporaciones.
La ventaja, plantea Hilaire, ya no depende solo del tamaño del presupuesto. Depende de la velocidad para llevar la IA a procesos concretos, medir resultados y corregir rápido. En esa carrera, la productividad no será una promesa de marketing, sino una cifra verificable. Fuente base:
