La inteligencia artificial ha dejado de ser una promesa de futuro para convertirse en una realidad presente. Cada semana, nuevas herramientas y plataformas aparecen en los titulares, y los consejos directivos preguntan: «¿Y nosotros, cuándo empezamos?» La presión por adoptar es real, pero esconde un problema estructural que pocas veces se reconoce: la mayoría de los proyectos no fracasan por razones tecnológicas, sino por falta de enfoque estratégico.
Vale la pena recordar aquí la advertencia del economista Daron Acemoglu: «la automatización no crea valor por sí misma». El valor depende de si la tecnología complementa las capacidades humanas o sustituye tareas que no generan valor. Tener presente esta distinción cambia radicalmente la forma de abordar los proyectos.
En Infini proponemos considerar seis factores clave para aplicar la IA en la empresa:
Factor 1 – Propósito antes que tecnología.
Iniciar la conversación con la solución en lugar del problema es el error más común. «Tenemos que hacer algo con la IA» no es un objetivo estratégico. Es necesario definir qué resultados de negocio se quieren alcanzar y cómo se medirá el éxito. Delegar esta decisión en IT condena el proyecto desde el inicio: es una decisión de negocio, no tecnológica.
Factor 2 – El conocimiento tácito es irrenunciable.
Los equipos de trabajo saben mejor que nadie dónde fallan los procesos reales. Sin su participación, la solución más sofisticada acabará sin ser adoptada. Por ejemplo, una clínica que automatizó la confirmación de citas por correo electrónico “porque todo el mundo lo hace” descubrió tarde que el 40% de sus pacientes preferían el contacto telefónico. La tasa de absentismo aumentó en lugar de disminuir.
Factor 3 – Analizar antes de automatizar.
Automatizar una operación ineficiente solo magnifica la ineficiencia. A menudo, la mejor solución es rediseñar o incluso eliminar el proceso. Una empresa logística que quería automatizar la gestión de reclamaciones descubrió, al mapear el flujo real, que el 60% de las incidencias provenían de un error evitable en el etiquetado. La solución no era IA: era un cambio de procedimiento que costó cero euros.
Factor 4 – La tecnología adecuada al problema, no al revés.
Ya se trate de un RPA, de un desarrollo a medida o de una solución SaaS, la elección debe derivar de una comprensión profunda del reto. Muchas organizaciones implementan LLM cuando un simple árbol de decisión habría resuelto el problema con menor coste y mayor control. Muchas ya han comprado licencias de Copilot sin saber para qué las quieren; el personal no las usa y el departamento de IT las limita por razones de privacidad y seguridad.
Factor 5 – Los datos no son el nuevo petróleo, son el amianto.
Sin datos fiables, ningún modelo de IA funcionará. Pero los datos mal gestionados generan más responsabilidades que beneficios: sesgos sistémicos, decisiones erróneas y riesgos legales. La calidad y la gobernanza de los datos no es un tema técnico secundario; es una condición de partida.
Factor 6 – Puentes entre negocio e IT.
El 70% de los proyectos de transformación digital fracasan por falta de comunicación efectiva entre ambas áreas. Equipos mixtos, objetivos compartidos y un lenguaje común no son buenas prácticas opcionales: son, en definitiva, lo que determina el éxito.
Los seis factores descritos no son una lista de tareas, sino una forma de pensar. Y como cualquier cambio real, empiezan con una pregunta honesta: ¿estamos preparados para hacerlo bien, o simplemente tenemos prisa por decir que lo hemos hecho?
La IA no es una solución en busca de problemas. Es un recurso poderoso que, bien orientado, puede transformar la manera en que operan las empresas. Mal orientado, consume presupuesto, genera frustración y deja un rastro de licencias sin usar y proyectos abandonados a medio camino.
Desde nuestra visión, las organizaciones que triunfarán no serán necesariamente las que adopten más tecnología, sino las que formulen las preguntas correctas antes de adoptarla. En un entorno donde todos tienen acceso a las mismas herramientas, la diferencia la marca la calidad del pensamiento previo: entender el problema, escuchar a las personas, sanear los datos y construir puentes internos.
