La inteligencia artificial (IA) ya produjo resultados concretos dentro de algunas de las compañías más grandes del mundo: redujo costos, reemplazó procesos complejos y permitió ahorrar cientos de millones de dólares. Sin embargo, puertas adentro, los ejecutivos reconocen una dificultad que contrasta con el entusiasmo que rodea a esta tecnología: todavía no saben cómo aprovecharla a gran escala.
Esa fue una de las principales conclusiones de una reunión privada con altos ejecutivos de compañías del Fortune 500, organizada por Ed Nelson, cofundador y director de estrategia de la Cumbre de Infraestructura de IA. El encuentro se realizó bajo las reglas de Chatham House, que permiten divulgar lo discutido sin identificar a los autores de cada declaración.
La conversación dejó un dato significativo. Los ejecutivos no centraron el debate en cuál es el mejor modelo de IA generativa ni cuestionaron si la tecnología posee suficiente capacidad. La preocupación pasó por otro lugar: cómo incorporar estas herramientas al funcionamiento habitual de organizaciones enormes, con procesos, equipos y estructuras desarrollados durante años.
Nelson resumió esa limitación con una expresión: “metabolismo organizacional”. En otras palabras, la tecnología puede avanzar mucho más rápido que la capacidad de una empresa para modificar su manera de operar.
Índice de temas
La IA ya genera ahorros de cientos de millones de dólares
Los casos que funcionan permiten dimensionar el potencial económico. Nelson mencionó una compañía de software empresarial que sustituyó alrededor de 250 tableros de ventas, utilizados por 4.000 vendedores, por un único agente de IA.
El sistema procesa hasta 30.000 consultas semanales. El impacto financiero resulta considerable: apenas uno de los tableros que desaparecieron representaba un costo anual de US$ 3 millones.
Otra compañía recurrió a un agente de inteligencia artificial para mejorar el pago de impuestos y obtuvo ahorros por cientos de millones de dólares.
Un tercer caso apareció en el sector de la salud. La empresa utilizó IA generativa para analizar y resumir decenas de millones de llamadas de atención al cliente. El objetivo consistió en identificar qué mensajes conseguían que los usuarios optaran por tratamientos de menor costo.
Según Nelson, ese proyecto incrementó el margen en US$ 170 millones dentro de una parte del negocio. Además, la compañía trasladó otros US$ 200 millones en ahorros a sus clientes.
Los ejemplos muestran una característica común: los mayores beneficios aparecen cuando las compañías utilizan la IA para revisar tareas costosas y específicas, en lugar de sumar tecnología sobre procesos que permanecen prácticamente iguales.
Julio Martínez, CEO de Abacum, una empresa que desarrolla una plataforma de planificación financiera, describió esa diferencia con claridad: “el mayor error es suponer que automatizar el trabajo financiero crea una función financiera más estratégica. No es así. La IA puede agilizar drásticamente los procesos existentes, pero la verdadera oportunidad reside en decidir cuáles de esos procesos deberían desaparecer por completo y en qué debería invertir su tiempo el departamento financiero”.
Por qué las empresas del Fortune 500 todavía no pueden escalar la IA
Pese a esos resultados, los proyectos capaces de producir un impacto financiero cuantificable todavía representan casos puntuales. Los ejecutivos reunidos por Nelson reconocieron que sus compañías cuentan con iniciativas exitosas, pero la IA todavía no ocupa un lugar central en sus productos ni en la estrategia general del negocio.
Algunas organizaciones decidieron acelerar el aprendizaje incluso a costa de gastar mucho más dinero.
Una empresa de software empresarial creó cerca de 18.000 agentes de IA en un solo trimestre, aunque calculó que apenas unos cientos terminarían por resultar realmente útiles. La iniciativa llevó el gasto en servicios de nube muy por encima del presupuesto habitual.
El exceso, sin embargo, estaba previsto. La compañía buscó comprobar si una experimentación masiva permitía aprender más rápido que un programa piloto limitado. Según Nelson, algunas grandes empresas aplicaron después controles más estrictos sobre este tipo de desembolsos.
El dinero tampoco resuelve el principal obstáculo.
El problema de automatizar procesos que deberían desaparecer
Una empresa del sector de la salud tenía un procedimiento operativo compuesto por alrededor de 200 pasos. Sus directivos plantearon automatizar tres mediante inteligencia artificial. La respuesta que recibieron cambió el sentido de la discusión: con las nuevas herramientas, buena parte de los otros pasos directamente podía dejar de existir.
El caso refleja uno de los desafíos que enfrentan las grandes compañías. Automatizar una tarea ineficiente puede reducir costos, pero no necesariamente cambia la lógica con la que funciona una organización.
Para capturar una porción mayor del potencial de la IA, las empresas necesitan revisar procesos completos y decidir cuáles todavía tienen sentido.
Ese cambio excede a los departamentos de tecnología.
Los empleados podrían convertirse en gerentes de agentes de IA
Los agentes de IA pueden multiplicarse con enorme velocidad. Las organizaciones y sus trabajadores necesitan más tiempo para modificar hábitos, adquirir conocimientos y desarrollar confianza en las nuevas herramientas.
Las empresas ya prueban distintas estrategias. Una incorporó un objetivo relacionado con IA en la evaluación de desempeño de cada empleado. En otra, el director de tecnología pidió a los desarrolladores que pasaran de depender exclusivamente de las capacidades perfeccionadas durante una década a coordinar agentes capaces de escribir, revisar y modificar código.
Otra compañía armó equipos que combinaron pasantes familiarizados con herramientas de IA e ingenieros experimentados con un conocimiento profundo del negocio.
La transformación tampoco puede quedar únicamente bajo responsabilidad del CIO. Para los ejecutivos que participaron de la reunión, la adopción de inteligencia artificial implica revisar el modelo operativo de la compañía y requiere, por lo tanto, la participación del CEO y de las principales áreas del negocio.
El cambio también modifica qué capacidades pueden ganar peso dentro del mercado laboral. Si herramientas especializadas absorben una parte mayor del conocimiento técnico de cada industria, podrían adquirir mayor relevancia los profesionales capaces de conectar disciplinas, diseñar sistemas y resolver problemas que atraviesan distintas áreas.
El desafío que las empresas todavía no resolvieron
El trabajo cotidiano también empieza a modificarse. En lugar de completar manualmente cada etapa de un proceso, parte de los empleados tendrá que supervisar, validar y rediseñar el trabajo realizado por agentes de IA.
Eso abre un nuevo problema para las compañías del Fortune 500: preparar a miles de personas para administrar herramientas que evolucionan a una velocidad muy superior a los procesos tradicionales de capacitación.
Nelson participó de un panel dedicado específicamente a ese interrogante y su evaluación expuso la distancia que todavía existe entre las inversiones y la preparación de los trabajadores: “No escuché nada muy satisfactorio en lo que respecta a la capacitación”.
La experiencia de estas grandes compañías muestra así una brecha entre la capacidad técnica de la inteligencia artificial y la velocidad con la que las empresas pueden modificar procesos, responsabilidades y estructuras. Crear 18.000 agentes de IA puede llevar apenas un trimestre. Conseguir que una organización completa aprenda qué hacer con ellos plantea un desafío mucho más complejo.
