Estrategia, tecnología y negocio es un espacio que reúne a líderes de las áreas de IT de empresas del país para promover una interacción que permita comprender mejor los desafíos y necesidades estratégicas de las organizaciones. Propicia conversaciones sobre temas coyunturales y de interés, abordados desde la experiencia directa, incorporando tendencias, vivencias y buenas prácticas que se comparten e integran en las empresas. Es, en esencia, un diálogo vivo.
En esta ocasión, el encuentro se desarrolló en torno a la agenda “La Agenda Estratégica del CIO: IA, eficiencia y arquitectura para el crecimiento”, donde se abordaron temas como arquitectura tecnológica, aprovechamiento de tendencias, productividad, automatización y eficiencia.
En este espacio participaron Iván Pazmiño, Gerente de Sistemas de Andes Petroleum Ecuador; Eduardo Ruiz, Gerente de Sistemas de Banco ProCredit; Marco Díaz, Director de Tecnología de Laboratorios Siegfried; Diego Rivera, responsable de IT en Ecuador de Merck; Juan David Velandia, Head de IT & Digital de Nestlé Ecuador; Manuel Figueroa, Gerente de Finanzas, Comercial y Tecnología en OCP; Carlos Álvarez, Jefe de IT en Triboilgas; y Francisco Ordóñez, Gerente de Tecnología e Información de Unacem Ecuador.
Además, se incorporó la visión desde el lado de proveedor, con la participación de Digital Challenger, a través de Rodrigo González, Country Manager y Elizabeth Coello, Gerente Comercial.
En la conversación se evidenció que las organizaciones participantes ya están utilizando inteligencia artificial, principalmente en entornos controlados y en procesos donde el impacto puede medirse con mayor precisión. Su adopción responde a necesidades como mejorar la eficiencia, reducir costos, optimizar la operación y acelerar la toma de decisiones.
Los casos más recurrentes se concentran en operación y producción, automatización administrativa y soporte interno a los equipos. En estos entornos, la inteligencia artificial se integra sobre procesos existentes, aportando velocidad y capacidad de análisis sin requerir cambios radicales en la estructura operativa.
A nivel estratégico, su uso empieza a extenderse hacia decisiones comerciales y de planificación, aunque todavía mediante iniciativas puntuales. Existe una implementación progresiva, apoyada en pruebas controladas, esquemas híbridos y la atención en la gestión del dato.
A lo largo de la conversación también se marcó una diferencia importante entre el uso de herramientas de inteligencia artificial a nivel individual y su implementación dentro del negocio. Integrarla en la operación exige trabajar sobre datos, procesos y reglas que permitan sostener su uso en el tiempo.
Además, se señaló como punto de partida de cualquier iniciativa de IA es definir el problema a resolver. El nivel de madurez organizacional en términos de gobernanza, talento, cultura y capacidades internas— determina qué tan viable es avanzar y hasta dónde puede llegar cada iniciativa.
La conversación también dejó en evidencia que mejorar la eficiencia no es suficiente si ese tiempo o capacidad liberada por el uso de la inteligencia artificial no se traduce en resultados para el negocio.
Conclusiones y aprendizajes
La adopción de inteligencia artificial en entornos industriales está determinada tanto por la operación como por la cultura organizacional. No todas las empresas cuentan con las condiciones necesarias para avanzar, ya que factores como la gobernanza, el talento y las capacidades internas definen la viabilidad de estas iniciativas.
En varios casos, las iniciativas surgen desde la alta dirección sin un entendimiento claro del problema a resolver. Esto genera expectativas basadas en referencias aisladas, sin un análisis del contexto del negocio. Antes de implementar, es necesario definir el objetivo. No todos los casos requieren inteligencia artificial; en algunos escenarios, soluciones como RPA o machine learning básico pueden ser suficientes.
El desempeño de la inteligencia artificial depende directamente de la calidad y estructura de los datos. Incluso en entornos con analítica avanzada, es necesario realizar ajustes para que los modelos generen resultados útiles. Cuando se combinan datos operativos con conocimiento experto, es posible intervenir en procesos como el mantenimiento predictivo, optimizando costos y extendiendo la vida útil de los equipos.
La inteligencia artificial también comienza a integrarse en la operación diaria, resolviendo necesidades internas. El uso de agentes para consulta de información y automatización de tareas reduce tiempos y mejora la productividad de los equipos. A nivel más amplio, permite integrar datos operativos, comerciales y de mercado para apoyar decisiones en producción y ventas, con acceso a información en tiempo real.
En procesos administrativos y de atención, su aplicación avanza con mayor atención, especialmente en sectores regulados, donde intervienen factores como la confianza, la normativa y la adopción por parte de los usuarios.
El principal reto se encuentra en la gestión de expectativas y el cambio organizacional. Existe una diferencia entre el uso puntual de herramientas de IA y su implementación dentro del negocio, lo que implica integrar datos, procesos y capacidades internas.
El uso de inteligencia artificial conlleva responsabilidades sobre el tratamiento de datos. Procesar información sin cumplir con requisitos legales puede generar sanciones, incluso cuando los datos no son almacenados, lo que obliga a establecer controles y lineamientos en su uso.
