Inteligencia Artificial: de la moda al valor que realmente tiene

El desembarco de la inteligencia artificial generativa avanzó con una velocidad sin precedentes en la historia de la tecnología. En cuestión de semanas, millones de personas y organizaciones en todo el mundo incorporaron estas herramientas para redactar correos, sintetizar documentos extensos o formular consultas de rutina. 

Sin embargo, detrás de ese deslumbramiento inicial se esconde una paradoja evidente: mientras el uso individual y recreativo se expande rápidamente, la capacidad real de generar mejoras de fondo en la productividad de las organizaciones permanece prácticamente estancada.

La consultora internacional Gartner proyecta que más del 70% de las iniciativas empresariales de inteligencia artificial y agentes autónomos fracasarán hacia 2029. La causa central de este tropiezo no radica en las limitaciones del algoritmo, sino en la falta de orden interno, la ausencia de datos preparados y la incapacidad de conectar la tecnología con problemas concretos de los procesos de trabajo.

En la mayoría de las empresas y centros educativos, esta tecnología se utiliza como una novedad aislada. Se adquieren licencias o se prueban plataformas sin alterar los métodos de trabajo existentes. Esto produce un verdadero espejismo de productividad: una sensación de modernidad que ahorra minutos en tareas superficiales, pero que deja intactos los cuellos de botella y las ineficiencias de fondo.

La consultora internacional Gartner proyecta que más del 70% de las iniciativas empresariales de inteligencia artificial y agentes autónomos fracasarán hacia 2029"

Para salir de la trampa del entusiasmo pasajero y lograr un impacto medible y sostenible, pienso que la incorporación de estas soluciones debe gestionarse con una mentalidad de producto, estructurada en cuatro pasos fundamentales que propongo a continuación:

1.    Entender el problema: No se debe empezar preguntando qué cosas puede hacer la tecnología, sino qué cuello de botella puntual se necesita resolver. Esto implica analizar los circuitos de trabajo diarios, identificar las fricciones operativas y definir metas específicas y medibles bajo criterios claros.

2.    Trabajar en equipo: La inteligencia artificial no es un asunto exclusivo del área de sistemas o informática. Requiere articular una tríada indispensable: el profesional que conoce el proceso cotidiano, el especialista técnico y el responsable de la gestión que coordina la solución.

El algoritmo castiga a quien no se esfuerza

3.    Instrucciones claras y datos propios: La interacción con los sistemas no puede quedar librada a la improvisación. Mediante técnicas de diseño de instrucciones (Prompt Engineering) y sistemas de consulta a bases de datos internas (RAG), la herramienta responde sobre la realidad documental de la propia organización, evitando alucinaciones o respuestas inventadas y protegiendo la confidencialidad.

4.    Probar antes de escalar: El despliegue debe realizarse siempre mediante pruebas piloto acotadas y prototipos simples. Al mismo tiempo, los líderes deben mostrar casos prácticos en vivo para derribar temores, legitimar la experimentación y guiar a sus equipos en la adopción.

Para las Pymes, así como para las Universidades de Argentina, este camino abre una oportunidad estratégica. Permite transformar el aula en un espacio de simulación y transferencia tecnológica, preparando al "Ingeniero Aumentado": profesionales con criterio metodológico, capaces de convertir la tecnología en una herramienta cotidiana, invisible, sostenible y de alto impacto operativo.

*Ing. profesor del Postgrado Especializacion en Gestion de Sistemas de Información, Facultad de Ingeniería – Universidad del Salvador (USAL)