La mayoría de las organizaciones ya usa IA en producción. Casi ninguna la usa donde realmente importa: en experiencias de cara al cliente, decisiones críticas para el negocio o procesos con mínima supervisión humana. En esa brecha se gana o se pierde la ventaja competitiva.
La barrera suele ser la confianza, no la capacidad. Al implementar IA en contextos de alto riesgo, esa confianza surge al cumplir cuatro criterios específicos.
Estos criterios abarcan cómo se prueba el comportamiento de la IA, cómo se crean y gobiernan soluciones a escala empresarial y si el liderazgo comprende de verdad por qué esto importa.
Cumplir estos criterios de confianza genera experiencia práctica y responsabilidad, y reduce los motivos para evitar implementar IA que produzca cambios significativos. Sin esa confianza, la IA queda limitada a ahorrar algunas libras en usos periféricos, sin cambiar sustancialmente el funcionamiento de la organización.
Hace un año —décadas en tiempo de IA—, la mayoría de las empresas estaba en el “purgatorio de las pruebas de concepto de IA”: tenía muchas pruebas interesantes que mostraban lo que la IA podía hacer, pero no lograba llevar ninguna a producción. Un año después, muchas organizaciones ya tienen al menos algunas soluciones de IA en producción, lo cual representa un gran avance.
Sin embargo, la IA suele aplicarse a procesos periféricos: es más fácil, un equipo de Innovación puede desarrollarla junto con un usuario de negocio entusiasta y, si algo sale mal, “no es el fin del mundo”. El proceso no es realmente importante, existe un proceso manual de respaldo o hay varias personas involucradas para limitar las consecuencias negativas.
El resultado de este enfoque comprensible pero conservador es un impacto igualmente limitado: es poco probable que haya mejorado de forma notable las oportunidades de crecimiento, la experiencia del cliente o la estructura de costos.
Esto separa a quienes ganarán en el futuro del resto: las empresas progresistas invierten en aprovechar la IA donde influye en el desempeño del negocio.
Las rezagadas también “usan IA”, pero no donde tendrá un impacto significativo en el negocio.
Y sí, incorporar IA en decisiones de inversión, la experiencia del cliente, el desarrollo de productos, la investigación y el diseño, o las “automatizaciones sin intervención humana” parecerá más arriesgado, pero allí están las verdaderas recompensas.
Es posible que el mercado aún no identifique a las empresas que están tomando la delantera, pero cuando lo haga, la brecha ya será considerable. Además, su mayor velocidad para implementar IA hará que siga ampliándose mientras las rezagadas descubren en qué se equivocaron todo este tiempo.
Entonces, la pregunta es: ¿qué necesita una organización para aplicar con confianza la IA en los procesos que realmente importan?
Primero, supongamos que ya avanzó de “Tenemos una herramienta de IA como ChatGPT” a “Tenemos pruebas de concepto” y luego a “Tenemos 10 soluciones sencillas de IA en funcionamiento”. Si no es así, debe resolverlo cuanto antes. Esos primeros pasos pueden parecer triviales, pero son esenciales para comenzar a desarrollar conocimientos de IA en toda la empresa, generar mejores casos de uso y aclarar los pasos internos necesarios para llevar cualquier IA a producción.
En este punto, la organización debería ser más ambiciosa y avanzar hacia “soluciones relevantes de IA aplicada con supervisión humana” y, después, al factor diferenciador: “aplicamos IA en nuestros procesos centrales y experiencias del cliente”.
Estos últimos avances rara vez se ven limitados por la tecnología; el obstáculo suele ser la confianza de la organización. Porque siempre hay un motivo para postergar o evitar lo difícil:
“¿Qué pasa si ofrece conclusiones equivocadas?”, “¿Qué pasa si se comporta mal y terminamos en las noticias?”, “¿Qué pasa si calcula mal y tomamos una decisión equivocada?”, “¿Qué pasa si maltrata a los clientes?”, “¿Qué pasa si el modelo deja de estar disponible?”, “¿Cómo damos soporte a sus actualizaciones?”, “¿Qué pasa si cambia la regulación?”, “¿Deberíamos esperar al nuevo modelo?”, etc.
En nuestra opinión, suelen existir cuatro condiciones que brindan la confianza necesaria para pulsar el botón “Poner en producción” en un cambio de alto impacto basado en IA.
El porqué: ¿la organización y, en particular, la alta dirección creen realmente en la idea de “por qué la IA es importante para el éxito de nuestro negocio”? De no ser así, es más probable que la organización encuentre motivos para evitar las decisiones difíciles.
La habilitación: ¿existe un equipo de Cambio, Transformación o Habilitación de IA que apoye a la organización mientras evoluciona con esta tecnología? Ese equipo debe encargarse de la adopción, la capacitación, las regulaciones, las nuevas formas de trabajo, el cuestionamiento de supuestos, el financiamiento necesario y otros aspectos. La IA no es un cambio que se pueda dejar “en manos de Tecnología”, como ocurrió a menudo con las iniciativas de nube o digitales. Debe estar liderado por el negocio y contar con el apoyo adecuado.
El cómo: ¿existe una arquitectura empresarial y de soluciones establecida para la IA aplicada? Aunque este ámbito evoluciona constantemente, definir un enfoque obliga a reflexionar y ampliar los conocimientos sobre las barreras de protección, los costos, la observabilidad, los controles, el acceso a modelos y otros aspectos adecuados. Esto comienza a generar credibilidad interna en que la organización “sabe lo que hace” con la IA y evita que surjan múltiples formas dispares de crear soluciones.
La prueba de confianza para la puesta en producción: los responsables de una solución pueden aplazar indefinidamente la respuesta a “¿es suficientemente buena para entrar en producción?”. Las pruebas tradicionales realizadas por los equipos de control de calidad no ofrecen esa confianza ni ese sentido de responsabilidad ante un sistema de IA no determinista. Las evaluaciones sí.
Revisemos estos criterios en orden inverso, porque es el orden más cercano a la toma de decisiones sobre la confianza para pasar a producción.
Durante décadas, las organizaciones han confiado en el equipo de control de calidad para decidir si una versión es suficientemente buena. En teoría, las partes interesadas del negocio realizaban las pruebas; en la práctica, las hacía el equipo de control de calidad. El resultado era aprobado o reprobado, según innumerables reglas del tipo si esto, entonces aquello. Era mucho trabajo, pero sencillo.
Eso no funciona con la IA, cuyo comportamiento debe evaluarse.
Las evaluaciones permiten medir cualitativamente el comportamiento de la IA. En lugar de aprobar o reprobar, se definen criterios —como corrección, tono, anclaje en hechos y comportamiento de rechazo— y se asignan puntuaciones. Al seguir esas puntuaciones durante el proyecto mientras mejora las instrucciones, los modelos, las barreras de protección y otros elementos, obtiene información sobre la cual el equipo del proyecto, los comités de cambio y los líderes del negocio pueden actuar con confianza: por ejemplo, una puntuación de corrección que pasó de x a y durante el proyecto.
Ese número cumple dos funciones. Primero, genera confianza al demostrar una mejora sostenida y ofrecer a las partes interesadas evidencia tangible de que el sistema se comporta de manera fiable y coherente dentro de las expectativas establecidas.
Segundo, establece responsabilidades. Pueden señalar esas cifras y el historial de las evaluaciones. Un conjunto documentado de evaluaciones, probado en una gama bien definida de escenarios, es el equivalente en IA al informe de pruebas que demuestra al comité de aprobación que se actuó con la debida diligencia: ¿hace únicamente lo que debe hacer y solo de la manera en que debe hacerlo?
Por supuesto, esas cifras solo son significativas si los criterios de evaluación son suficientemente completos. Esto exige un cambio en el modelo operativo que la mayoría de las organizaciones aborda mal al principio: el “negocio” debe ser responsable de los criterios, no el equipo de tecnología ni el de control de calidad, y tampoco se deben delegar a un único usuario sin experiencia. Los responsables de producto y especialistas comprenden el ámbito, los casos extremos, el tono deseado, los tipos de interacciones que pueden plantear los usuarios, los pasos de razonamiento adecuados, las modalidades de falla, los pares correctos de preguntas y respuestas, y otros aspectos. Quienes usan e implementan la solución deben decidir qué significa que sea buena.
Esto significa que, si necesita aprobar una solución que aplica IA en el centro mismo de la experiencia del cliente, solo debe formular dos preguntas:
(1) ¿quién diseñó los criterios de evaluación? y
(2) ¿el desempeño de las evaluaciones mejoró frente a esos criterios con el tiempo y ya superó el umbral mínimo?
Si la respuesta es “el equipo de tecnología los creó, pero estamos satisfechos con los resultados”, la aplicación no está lista. Si la respuesta es “sí, hicimos una prueba la semana pasada y la aprobó”, probablemente no exista la madurez de evaluación necesaria para inspirar confianza, pues es poco probable que las evaluaciones hayan sido el punto de partida del desarrollo.
Pero si el responsable de producto del negocio ha definido, revisado y perfeccionado las evaluaciones durante todo el desarrollo, y puede mostrar una trayectoria de desempeño que avanza en la dirección correcta, tiene algo que vale la pena aprobar.
Otra fuente de confianza es la alineación con los principios y estándares de arquitectura de IA. Aunque para las primeras cinco aplicaciones de IA bastaba con construirlas de cualquier forma adecuada para empezar, al buscar escala y una implementación rápida, segura y bien gobernada en toda la organización, se vuelve necesario adoptar un enfoque más estructurado, con arquitecturas de referencia y una plataforma empresarial de IA.
Todos los equipos de ingeniería deben poder “heredar” rápidamente el acceso a modelos, las barreras de protección, la observabilidad, el escalamiento, la gestión de costos y otros elementos, para poder concentrarse en desarrollar la solución.
Contar con un enfoque para la plataforma empresarial de IA y su arquitectura, aunque dure poco debido al rápido ritmo de cambio, refuerza la confianza interna en que la organización puede implementar IA de forma segura en sistemas críticos. Esto significa que alguien habrá considerado todos los factores clave y elegido una ruta óptima de implementación, lo que también genera confianza en que la solución respaldará esos procesos importantes.
No se trata de “hacer lo mismo, pero con acceso a una herramienta de IA”. Aunque suene trillado, la transformación implica rediseñar procesos, replantear la oferta de productos, mejorar la experiencia del cliente y cambiar las formas de trabajo y, muy probablemente, las estructuras de los equipos.
Esto no ocurre como una actividad secundaria ni puede estar impulsado solo por Tecnología (y no, tampoco por su equipo de “Innovación” de tres empleados de tiempo completo). Además, si adopta el enfoque de “ya se resolverá solo”, no alcanzará el ritmo de cambio que pueden lograr sus competidores ganadores.
Asimismo, para descubrir casos de uso que realmente “cambien las reglas del juego” y obtener apoyo para ellos, se requieren conocimientos sólidos de IA en toda la empresa y una actitud positiva hacia ella.
Por eso, la transformación con IA necesita personas que sepan qué requiere la organización, cómo facilitar el cambio y cómo funciona la IA. La junta directiva debe darles el mandato de concretarla y aportar coordinación, energía, financiamiento, influencia, gobernanza, priorización y toma de decisiones.
Especialmente en las primeras fases, funciona bien una unidad central como un Centro de IA, un equipo de Transformación con IA o una Oficina de IA. Este equipo central genera confianza en que la organización tiene una estrategia ejecutable, puede tomar y distribuir rápidamente las grandes decisiones y puede establecer controles de calidad para la transformación con IA. Sin este equipo, el enfoque corre el riesgo de fragmentarse demasiado y generar inconsistencias en las decisiones, la elección de productos o soluciones y la calidad, lo que termina socavando la confianza necesaria para implementar IA en áreas de alto riesgo.
Como señalamos antes, las empresas que obtengan una verdadera ventaja competitiva de la IA serán las que desarrollen la experiencia, los conocimientos y la confianza necesarios para implementarla frecuente y rápidamente en el centro de los procesos y experiencias importantes que mejoran la experiencia del cliente, el desempeño de los productos, la velocidad de producción y otros aspectos.
Todo esto requiere buenas prácticas de evaluación, una arquitectura adaptable y escalable, y una gestión de la transformación con actitud resolutiva que ayude a la organización a aprender, adaptarse y establecer nuevas formas de trabajo.
Sin embargo, nada de esto tendrá éxito si se impulsa “desde abajo”. Los cambios y sus consecuencias son demasiado rápidos y significativos para eso. Tampoco basta con la “aprobación de la junta” ni el “apoyo de la gerencia”.
Si los empleados no comprenden claramente por qué los cambios son necesarios, qué implican para ellos —para bien o para mal— y qué obtendrán, la transformación ocurrirá de manera encubierta y causará muchos daños colaterales.
Por eso, el cuarto elemento para obtener una ventaja real al adoptar IA es que el liderazgo comprenda y crea de verdad que invertir en ella es esencial para el éxito continuo de la empresa. Debe ser la estrategia de IA de ellos, incorporada en la misión y los objetivos; una estrategia que promuevan constantemente y que respalden con decisiones y acciones visibles.
Esto brinda a los equipos de toda la organización los incentivos, el apoyo y la urgencia necesarios para desarrollar nuevas habilidades y tomar esas decisiones importantes y algo incómodas que permiten elegir el camino más difícil, pero también más gratificante. Da la confianza necesaria para pulsar “Poner en producción” en una experiencia del cliente o un proceso de decisión de inversión impulsados por IA.
Las empresas que triunfen con la IA en los próximos dos años no serán las que tengan más implementaciones. Serán las que logren que la IA funcione en sistemas y procesos importantes, críticos para el negocio, orientados al cliente y capaces de influir en decisiones, y que desarrollen la capacidad empresarial para hacerlo de forma sistemática y segura.
¿Qué debe hacer ahora? Si su organización “usa IA”, pero esta no influye en el éxito de la empresa, intente responder estas preguntas:
¿Está claro qué función cumple la IA para alcanzar la misión de su empresa? ¿Considera que el liderazgo realmente cree que adoptar IA es esencial para el éxito futuro de la empresa?
¿Existe una unidad central que impulse la agenda de IA, capacite a toda la empresa y coordine las actividades?
¿El equipo de tecnología está desarrollando los conocimientos, la capacidad y los patrones necesarios para crear soluciones de IA con mayor rapidez y seguridad?
¿Las versiones llegan a producción sin obstáculos causados por preguntas sin responder sobre el comportamiento de la IA?
Si respondió “no” a alguna, ya sabe por dónde comenzar a reforzar la confianza de la organización en que puede implementar IA de forma rápida y coherente para obtener una ventaja competitiva en las áreas que realmente importan.