¿Estamos invirtiendo mal en Inteligencia Artificial?

Las organizaciones no enfrentan un problema de acceso a herramientas de inteligencia artificial, sino de preparación organizacional para convertirlas en impacto medible y sostenible.

Por Luis Battilana, Country Manager de Baufest México.

Durante los últimos dos años, la Inteligencia Artificial (IA) se convirtió en una prioridad estratégica para prácticamente todas las organizaciones. Las empresas han destinado millones de dólares a nuevos modelos, plataformas y proyectos de automatización con la expectativa de reducir costos, aumentar la productividad y transformar sus operaciones.

Muestra de ello es que las organizaciones planean invertir en promedio 186 millones de dólares en iniciativas de IA durante los próximos 12 meses, de acuerdo con el estudio Global AI Pulse de KPMG. Sin embargo, el entusiasmo inicial está comenzando a dar paso a una pregunta mucho más compleja: ¿dónde está el retorno de inversión? La misma investigación revela que, aunque el 64% de las empresas afirma haber generado algún valor con IA, muchas todavía enfrentan dificultades para medir su impacto, escalar sus iniciativas y traducirlas en beneficios tangibles para el negocio.

Hoy vemos un cambio en el discurso, mientras hace apenas un par de años se hablaba sobre la velocidad con la que la IA transformaría industrias completas y sustituiría grandes volúmenes de trabajo humano, actualmente la conversación es mucho más matizada e incluso Sam Altman, CEO de OpenAI, ha reconocido que el impacto de la IA sobre el empleo ha sido menor y más gradual de lo que inicialmente se anticipaba. Al mismo tiempo, empresas de prácticamente todos los sectores están descubriendo que implementar IA es mucho más complejo de lo que parecía.

Si bien muchas organizaciones no tienen problemas de acceso a la IA, la realidad es que la mayoría enfrenta un obstáculo de preparación para utilizar esta tecnología. La evidencia es contundente. De acuerdo con McKinsey, el 78% de las organizaciones ya utiliza IA en al menos una función del negocio, pero solo una minoría ha logrado escalar estas iniciativas de manera transversal y generar un impacto significativo en sus resultados. La brecha entre experimentación y transformación sigue siendo enorme.

¿Por qué ocurre esto? En mi experiencia, la respuesta está en que muchas compañías están invirtiendo primero en modelos, herramientas y licencias, cuando en realidad deberían comenzar por desarrollar su AI Readiness: la capacidad organizacional para preparar datos, arquitectura, procesos y equipos antes de escalar cualquier iniciativa de IA. 

La IA no opera en el vacío, necesita información de calidad, sistemas capaces de integrarse entre sí y procesos diseñados para incorporar decisiones automatiz