Cuando la inteligencia artificial deja de ser un asistente y pasa a ejecutar tareas operativas reales dentro de una empresa, el cambio ya no es técnico: es estructural. La velocidad de la operación se multiplica, la dinámica interna se modifica y los procesos que antes marcaban el ritmo del negocio pierden sentido. Sobre esa transformación concreta —la que impacta en la administración, en los equipos y en la toma de decisiones— giró la conversación con Innovación Digital 360 de Sebastián Rinaldi, fundador de Laburen.
La startup argentina trabaja con compañías de la región y desarrolla agentes de IA que no quedan en la etapa de prueba, sino que intervienen de manera directa en procesos productivos. En la entrevista, Rinaldi explicó por qué el 95% de las iniciativas de IA fracasa, qué hacen distinto las empresas que sí alcanzan resultados medibles y cómo se reorganizan los equipos cuando la automatización deja de ser una promesa y pasa a convertirse en un “empleado” más dentro de la organización.
Además, analizó las dudas más frecuentes que aparecen en el mercado, la diferencia entre herramientas de uso masivo y agentes corporativos, y el desafío de construir lo que define como “empresas híbridas”. A continuación, la entrevista completa.
Índice de temas
¿Qué es lo primero que cambia en una empresa cuando la IA pasa de ser un asistente a ejecutar tareas por sí sola?
Lo que primero cambia es la dinámica y la velocidad de la operación. Y cuando me refiero a la dinámica, me refiero a que vos quizás esperás que ciertas cosas pasen en cierto tiempo y ahora esas cosas pasan diez veces más rápido y como que te descoloca un poco. Porque esas cosas activan otra cosa. Te pongo un ejemplo: si vos en la administración tardabas diez días en dar de alta a un proveedor y ahora se hace instantáneo, bueno, ya cuando negociás con ese proveedor, sabés que la negociación tiene que ser de otra manera y que te puede entregar mañana y va a depender de él y no de tu alta administrativa. Entonces, primero cambia la dinámica de cómo uno se relaciona con las personas y con los procesos en los negocios, y después la velocidad. La velocidad cambia mucho.
¿Cómo se reorganiza un equipo de trabajo cuando la IA empieza a hacerse cargo de los procesos operativos reales?
Acá podemos diferenciar entre lo ideal y lo que ocurre realmente en las empresas que asesoramos. Lo ideal sería que cada persona pudiera elegir su área de especialización o interés y dedicara el tiempo recuperado, gracias a un agente de IA, a invertirlo en algo valioso para el negocio. Sin embargo, en la realidad, las empresas siempre tienen trabajo pendiente.
Siempre falta algo o hay una oportunidad de mejora que se está descuidando. Lo que termina sucediendo es un cambio de funciones: dejás la tarea que antes te consumía tiempo para ocuparte de una nueva que, muy probablemente, no se estaba haciendo, se hacía mal o era insuficiente. La dinámica inmediata es que, al encontrarte con menos carga de trabajo, buscas un nuevo problema o desafío para resolver.
¿Por qué crees que hay tantas iniciativas de IA que se quedan en el camino y no logran escalar?
Existe un reporte del MIT muy esclarecedor que indica que el 95% de los prototipos y casos de uso de IA generativa no dieron un retorno positivo; es decir, hicieron perder dinero a las compañías. Es interesante porque el reporte desglosa que, aunque todo el mundo intenta hacer cosas, el 95% lo está haciendo muy mal, catastróficamente mal; mientras que el otro 5% está obteniendo una ventaja competitiva enorme que los demás no tienen.
Si estás dentro de ese 5%, convertís ese éxito en una ventaja competitiva en tu segmento. El problema es que mucha gente —y en general la industria, los divulgadores y los clientes— pensó en la IA como si fuera un software tradicional: lo compro, lo instalo y lo uso.
Creen que con solo poner “un poquito de IA” todo funcionará bien, pero la realidad es que esto es un factor determinante. Vos, por ejemplo, no podés mantener a las mismas personas en administración si las vas a reemplazar con IA; hay que cambiar ese proceso. Tenés que explicar que ahora se necesita que una persona valide lo que hace la IA, pero se requiere una sola persona, no seis.
Hay que transformar múltiples capas de procesos, equipos y política interna, además de integrar la IA con el software que ya existe en la organización. Imaginá una empresa de 100 empleados que de repente contrata otros 100. Duplicás tu capacidad de producción en términos humanos y no podés esperar que todo funcione igual; tenés que optimizarlo todo. Y con este ejemplo te digo que hoy podés tener 100 personas y por cada persona un “empleadito” de IA. Pero, para el 2030, la proporción será de 1 a 3; y a partir de 2030, de 1 a 7 o incluso 1 a 20 más cerca de 2040. Por cada persona, vos vas tener tres agentes de IA trabajando en paralelo dentro del a compañía, o el equivalente a tres personas en términos de tiempo, y con los años va a ser cada vez más.
Entonces, si pensáramos a tu empresa en porcentaje, el 80% de la mano de obra de tu empresa será hecha por empleados de IA. Por lo tanto, pensar que esos empleados de IA se van a adaptar perfectamente a una organización humana ineficiente, es un error. Como dice el reporte del MIT, es pensar que esto se resuelve solo pagando una suscripción mensual es un error. Se trata de un proceso de transformación industrial doloroso que no se soluciona simplemente instalándolo.
Y también tenía marcada esta pregunta que un poco ya le empezamos a hablar, o por lo menos es del porcentaje, ¿qué están haciendo distinto las empresas que sí están logrando resultados medibles invirtiendo en inteligencia artificial?
Hay dos etapas clave. Primero, experimentar es algo natural, pero hay que entender que la innovación es, por definición, ineficiente; no es siempre capital eficiente y algunos proyectos saldrán muy mal. Sabiendo esto, hay que elegir muy bien los proyectos: no hay que poner a la IA a hacer tareas triviales, sino a cambiar el negocio, de modo que si sale bien, el impacto sea tremendo.
Lo segundo es elegir un proveedor tecnológico serio que no solo brinde tecnología, sino también la parte humana. La IA es la tecnología más humana de la historia porque, al instalarla, alguien la va a usar e interactuará con gente, ya sea en ventas o administración. Hay una capa organizacional que no se resuelve solo con programadores o herramientas generales.
Nosotros llevamos cuatro años creando agentes y fuimos la primera empresa de Argentina en hacerlo. Al principio nos enfocamos solo en solucionar el problema técnico, que funcionara, pero luego entendimos que, además de funcionar, hay que enfocarse en que se adopte, que se use mucho y que el impacto sea alto y medible.
Es un proceso continuo de mejora basado en los datos recolectados. No se puede automatizar toda la empresa de la noche a la mañana. Si implementás IA en soporte o post-venta, no esperes que automatice el 100% de los chats el primer día. Empieza con un 40% o 50% y, a medida que el sistema aprenda y se recopilen más datos, te acercarás a ese 100% mientras vas ampliando las capacidades del sistema.
¿Cuáles son las dudas más frecuentes que tienen las empresas que se acercan a ustedes cuando a usted le hablan de agentes de IA? Las inquietudes.
Más allá de las cuestiones básicas sobre dónde está, cómo se entrena o cómo se hace, la duda más grande es cómo lograr un impacto real en la empresa. Muchos usan ChatGPT para cosas pequeñas, pero no saben cómo convertir eso en una solución empresarial. También preguntan por la diferencia entre ChatGPT y un agente corporativo, buscando evitar las alucinaciones y la falta de confiabilidad de los grandes proveedores generales. Que son herramientas distintas.
Al mercado aún le cuesta diferenciar entre una solución para usuarios finales y una solución empresarial. ChatGPT no sirve para el trabajo autónomo, no se puede reentrenar fácilmente y tiene una tasa de error del 25%; es decir, una de cada cuatro veces te miente. En el día a día no importa si falla en la temperatura ambiente, pero si le pedís que concilie una cuenta o diga cuánto debe un cliente, un error es inaceptable.
Hablas de herramientas como ChatGPT o Gemini que usamos a diario, ¿no?
Exacto, modelos como ChatGPT o Gemini tienen cerca de un 24% de alucinación. Los modelos base tienden al error no por falta de inteligencia, sino porque carecen de contexto del mundo real. Si le preguntas por qué se rompió tu auto, hay muchas chances de que se equivoque porque no sabe qué auto tienes ni qué kilometraje tiene. Se requiere un contexto ultra específico que estos modelos generales no poseen.
Sobre el tema de la capacitación, ¿cómo es el proceso? ¿Cómo se baja el conocimiento al resto del equipo que no está familiarizado con la tecnología para que lo sepa usar bien? ¿Ustedes colaboran en eso?
Para capacitar hay dos vertientes: primero hay que capacitar a la IA y luego a la gente. Ambos pasos ocurren en simultáneo. El primero es muy difícil y la mayoría lo hace mal porque requiere un nivel técnico muy alto para lograr que la alucinación esté por debajo del 1%. Nosotros construimos una plataforma donde una IA entrena a otra IA, automatizando nuestro propio trabajo. Con nuestro equipo técnico sumamos datos sintéticos para mejorar el entrenamiento de ese agente.
El segundo paso es donde la organización empieza a convertirse en lo que llamamos “empresas híbridas”. Fuimos pioneros en este concepto en Latinoamérica. Se trata de hibridizar procesos: no ser 100% independientes de los humanos al inicio; quizás la IA se encarga del 30% o 40% del proceso administrativo y, con el tiempo, se lleva a una situación más autónoma donde el humano interviene solo en casos raros o por reglas de negocio específicas.
Esto obliga a redefinir el rol de la persona. Si quien hacía la facturación ahora solo controla facturas marcadas como “raras” por la IA, su trabajo diario cambia totalmente. Es indispensable rediseñar el puesto de trabajo y capacitar al empleado en el uso de la IA en ese momento. De lo contrario, el sistema le resulta ajeno, no sabe cómo interactuar con su “nuevo compañero” y surgen preocupaciones innecesarias. Este es el aspecto más duro y el que más tiempo lleva porque es una cuestión puramente humana.
