Durante el evento “El estado de la IA”, Edgar Vázquez, fundador de Academia de Inteligencia Artificial, abordó la evolución de esta tecnología desde tres dimensiones: las fuerzas que están cambiando la economía y la sociedad; los errores que están cometiendo las organizaciones al implementarla; y las nuevas capacidades que surgen con los agentes de inteligencia artificial.
Antes de automatizar procesos o desplegar agentes, las organizaciones deberán revisar la calidad de sus datos, la madurez de sus procesos, su modelo de gobernanza y la capacidad de sus líderes para conducir el cambio.
La inteligencia artificial se vuelve accesible
Uno de los factores que está acelerando esta nueva etapa es la reducción del costo de procesamiento.
Durante su exposición, Vázquez señaló que el costo de utilizar inteligencia artificial se ha reducido alrededor de un 99,8% en los últimos años, mientras aparecen nuevos modelos con mayor capacidad y menor precio.
Si diferentes organizaciones pueden utilizar modelos con capacidades similares, el verdadero diferencial estará en otra parte: los datos propios, el conocimiento del negocio, los procesos, la cultura y la capacidad para desarrollar soluciones que respondan a la realidad específica de cada empresa.
Vázquez comparó esta evolución con lo ocurrido con otros recursos tecnológicos que terminaron convirtiéndose en servicios ampliamente disponibles.
América Latina enfrenta una brecha de adopción
La velocidad de adopción, en América Latina enfrenta una brecha de adopción. Durante la conferencia se presentaron cifras que muestran una diferencia significativa entre Estados Unidos y América Latina tanto en utilización individual como empresarial.
Vázquez señaló que alrededor del 56% de los adultos en Estados Unidos utiliza inteligencia artificial, frente a cerca del 17% del promedio global. En adopción corporativa, la diferencia también es considerable.
Uno de los principales obstáculos es cultural. Las empresas suelen abordar la IA como un nuevo proyecto de tecnología cuando en realidad requiere modificar comportamientos, capacidades y formas de trabajar.
La tecnología no debería ser el punto de partida
Una de las reflexiones más relevantes para los líderes empresariales estuvo relacionada con el orden en que deben tomarse las decisiones.
“La visión constituye la responsabilidad número uno de cualquier liderazgo”, sostuvo Vázquez.
A partir de esa visión, el líder debe construir el equipo, definir los procesos y establecer los objetivos. La tecnología aparece después, como un habilitador.
Su planteamiento cuestiona una práctica frecuente dentro de las organizaciones: comenzar una iniciativa preguntando qué plataforma comprar.
En inteligencia artificial, esa lógica puede conducir a inversiones aisladas que no generan impacto empresarial.
Para Vázquez, primero debe definirse qué problema se quiere resolver, cómo se medirá el resultado y qué capacidades necesita la organización.
El nuevo rol del CIO
El CIO seguirá siendo responsable de elementos fundamentales como arquitectura, seguridad, integración, gobierno de datos, continuidad y protección de la información.
Pero la adopción de inteligencia artificial ya no puede recaer exclusivamente sobre Tecnología.
Áreas como Talento Humano, Cultura, Finanzas, Operaciones, Marketing o Comercial deberán participar directamente en la identificación de oportunidades y en la adopción cotidiana de estas herramientas.
Tecnología deberá convertirse cada vez más en un orquestador de capacidades empresariales de inteligencia artificial, estableciendo las condiciones para que las distintas áreas puedan innovar sin comprometer seguridad, privacidad o gobierno.
Antes de implementar, diagnosticar
Uno de los errores que Vázquez identificó con mayor frecuencia es comenzar iniciativas de IA sin conocer el nivel real de preparación de la empresa.
Para reducir ese riesgo propone evaluar lo que denomina Índice de Madurez de IA, basado principalmente en tres dimensiones:
liderazgo, cultura e infraestructura.
El diagnóstico busca determinar si existe gobernanza, si los directivos realmente utilizan estas herramientas, si los colaboradores están preparados para adoptarlas y si la empresa cuenta con datos suficientemente organizados y accesibles.
La inteligencia artificial necesita información para funcionar. Cuando la información está dispersa, duplicada, desactualizada o carece de responsables claros, la capacidad de automatización también se deteriora.
Para Vázquez, comenzar sin ese diagnóstico es uno de los principales motivos por los cuales numerosos proyectos no logran resultados.
Shadow AI: cuando la adopción ocurre sin la empresa
Según los datos presentados durante la conferencia, una proporción importante de trabajadores ya utiliza IA sin informar a sus superiores, muchas veces por temor a que automatizar determinadas tareas termine reduciendo la percepción de valor de su trabajo.
Desde la perspectiva tecnológica, esta práctica introduce riesgos importantes.
Un colaborador puede cargar contratos, datos de clientes, información financiera, documentos internos o propiedad intelectual en plataformas públicas sin que la organización tenga trazabilidad sobre esa información.
La respuesta, sin embargo, no debería limitarse a bloquear herramientas.
El desafío consiste en establecer políticas, capacitación, plataformas corporativas seguras y reglas claras sobre qué información puede utilizarse y bajo qué condiciones.
Tres prioridades para los primeros 90 días
Para las organizaciones que están comenzando, Vázquez propone concentrarse durante los primeros 90 días en tres componentes:
- La gobernanza define las reglas.
- La capacitación crea capacidades.
- Y los denominados quick wins permiten demostrar que la tecnología puede generar beneficios concretos.
Una de las metodologías planteadas para encontrar estas oportunidades consiste en estudiar “un día en la vida” del colaborador.
El análisis busca identificar cuánto tiempo dedica una persona a buscar información, preparar reportes, revisar documentos, consolidar datos, ingresar información manualmente o realizar otras actividades repetitivas.
Muchas de esas tareas pueden convertirse en primeras oportunidades de automatización.
La diferencia está en no automatizar simplemente por automatizar.
El objetivo es liberar tiempo para actividades que requieren análisis, criterio, creatividad, negociación o relación con clientes.
De conversar con IA a delegarle objetivos
La evolución hacia los agentes fue uno de los temas centrales de la tercera parte del encuentro.
La primera generación de inteligencia artificial generativa estuvo basada principalmente en la interacción: el usuario realiza una pregunta y la IA genera una respuesta.
Los agentes cambian esa dinámica.
Vázquez definió un agente como un sistema al que se entrega contexto, un objetivo, habilidades específicas y conexiones con otras herramientas.
La diferencia es sustancial.
El agente no solamente responde: puede actuar.
Puede buscar información, revisar archivos, consultar un sistema empresarial, analizar datos, preparar documentos, actualizar registros e incluso ejecutar determinadas acciones siguiendo reglas previamente definidas.
Para explicar esta arquitectura, Vázquez presentó una pirámide compuesta por cuatro elementos:
contexto, habilidades, conexiones y agentes.
El contexto incorpora el conocimiento de la empresa.
Las habilidades reproducen capacidades específicas.
Las conexiones permiten interactuar con aplicaciones o bases de datos.
Y los agentes combinan estas capacidades para cumplir objetivos.
Finanzas: de revisar documentos a generar análisis
Uno de los ejemplos presentados estuvo relacionado con procesos financieros.
Un sistema de IA puede revisar extractos bancarios en PDF, compararlos con facturas emitidas y recibidas e identificar discrepancias.
También puede detectar retiros sin soporte, cargos bancarios sin factura o inconsistencias contables.
A partir de esos documentos puede preparar estados de resultados, balances o flujos de efectivo y posteriormente analizar indicadores como EBITDA, liquidez, margen bruto o concentración de clientes.
Para las áreas financieras y tecnológicas, esta capacidad cambia significativamente la naturaleza de la automatización.
Ya no se automatiza únicamente una operación mecánica.
Se automatizan partes del proceso de análisis.
Operaciones: convertir reuniones en ejecución
Otro caso presentado fue la integración de inteligencia artificial con plataformas como Zoom.
Un agente puede recuperar automáticamente la transcripción de una reunión, generar una minuta, identificar compromisos, responsables y fechas, y transformar la conversación en tareas.
Esta capacidad podría solucionar uno de los problemas frecuentes de muchas organizaciones: la distancia entre tomar una decisión y ejecutarla.
Vázquez sostuvo que la IA incluso puede actuar como una especie de coach de ejecución, realizando seguimiento a indicadores, compromisos y sesiones de retroalimentación.
Marketing: contenido producido a escala
Las demostraciones también incluyeron creación de contenido.
A partir de una estructura de instrucciones basada en rol, acción, formato y antecedentes, la IA puede actuar como estratega de contenidos, guionista o analista.
Herramientas de generación de avatares permiten crear versiones digitales de una persona a partir de fotografías o videos y posteriormente producir contenido en diferentes idiomas manteniendo características de voz.
Otros sistemas pueden editar automáticamente videos, incorporar música, transiciones y subtítulos.
Pero nuevamente, la herramienta no fue presentada como el elemento central.
El valor está en diseñar correctamente el proceso.
Ventas: agentes que atienden, cotizan y clasifican clientes
Uno de los casos más cercanos a una operación empresarial completa apareció en ventas.
Vázquez presentó ejemplos de agentes capaces de mantener conversaciones masivas mediante WhatsApp, conectarse con sistemas de inventario y generar cotizaciones sin intervención humana.
En uno de los casos, la inteligencia artificial utiliza visión para analizar una fotografía enviada por un cliente e identificar las características de un neumático.
Con esa información consulta inventario y puede responder inmediatamente sobre disponibilidad y precio.
Además, mediante análisis de intención, el sistema puede determinar si una persona es un prospecto, está interesada o no desea continuar el proceso.
Únicamente cuando identifica intención de compra o necesidad de intervención especializada deriva la conversación a un asesor humano.
El objetivo no es necesariamente eliminar al vendedor.
Es hacer que intervenga en el momento en que su capacidad genera mayor valor.
El desafío de construir capacidades internas
Para Vázquez, depender exclusivamente de proveedores externos puede limitar la capacidad competitiva de una empresa.
Una de sus propuestas consiste en crear pequeños equipos internos de innovación capaces de desarrollar soluciones y realizar ciclos cortos de experimentación por departamento.
La lógica detrás de este enfoque es estratégica.
Un software comercial puede ser utilizado también por los competidores.
Una capacidad desarrollada sobre datos, procesos y conocimiento propios es mucho más difícil de replicar.
Por eso, el desarrollo interno de determinadas aplicaciones o agentes puede convertirse en una fuente de diferenciación.
Para los CIO, esto implica desarrollar nuevas capacidades dentro de los equipos de tecnología.
No necesariamente construir grandes plataformas desde cero, sino aprender a combinar modelos existentes, APIs, datos corporativos y procesos propios.
Los datos vuelven al centro
La expansión de agentes vuelve a colocar al gobierno de datos en un lugar central.
Un modelo que únicamente responde preguntas puede cometer un error.
Un agente conectado a procesos empresariales puede ejecutar ese error.
Mientras mayor sea la autonomía del sistema, mayor debe ser la calidad de la información que utiliza y más estrictos los mecanismos de supervisión.
Esto plantea preguntas que probablemente empezarán a formar parte habitual de los comités tecnológicos:
¿Qué información puede consultar un agente?
¿Qué decisiones puede tomar?
¿Hasta qué monto puede ejecutar una operación?
¿Qué acciones necesitan aprobación humana?
¿Cómo se registra lo que hizo?
¿Quién es responsable cuando una decisión automatizada es incorrecta?
La gobernanza de inteligencia artificial comienza así a converger con disciplinas como seguridad, identidad, gestión de riesgos, cumplimiento, arquitectura empresarial y gobierno de datos.
La IA también tiene límites físicos
Otra dimensión que muchas veces queda fuera del análisis empresarial es la infraestructura.
La inteligencia artificial consume enormes cantidades de capacidad de procesamiento.
Eso significa centros de datos, chips, electricidad, conectividad y agua.
Durante la conferencia, Vázquez presentó diferentes ejemplos del impacto que esta expansión está teniendo sobre la infraestructura mundial y las inversiones que están realizando las grandes compañías tecnológicas.
La discusión ya no gira únicamente alrededor del software.
Empieza a involucrar capacidad energética, disponibilidad de chips y ubicación geográfica de los centros de procesamiento.
¿Qué ocurrirá con el trabajo?
La evolución hacia agentes y automatización abre otra discusión inevitable: el empleo.
Durante el encuentro se presentaron estudios que anticipan un impacto significativo sobre tareas administrativas y posiciones de entrada.
La Organización Internacional del Trabajo, según las cifras expuestas por Vázquez, estima que una proporción relevante de empleos experimentará algún nivel de impacto como consecuencia de la inteligencia artificial.
Esto no necesariamente significa que todas esas posiciones desaparecerán.
Muchas serán rediseñadas.
El problema más complejo puede aparecer en los niveles iniciales de las organizaciones.
Durante décadas, los profesionales desarrollaron criterio realizando tareas operativas: analizar información, preparar informes, revisar documentos o acompañar a profesionales más experimentados.
Si muchas de esas funciones desaparecen, las empresas tendrán que diseñar nuevas formas para formar talento.
La conversación que debería estar teniendo el CIO
Para los líderes IT, la etapa que comienza es considerablemente más compleja que decidir entre ChatGPT, Gemini, Claude, Copilot u otro modelo.
La discusión se traslada hacia preguntas estructurales.
- ¿Qué procesos vale la pena rediseñar?
- ¿Qué datos deben gobernarse primero?
- ¿Dónde debe existir supervisión humana?
- ¿Qué capacidades conviene desarrollar internamente?
- ¿Qué agentes pueden conectarse a sistemas corporativos?
- ¿Cómo se controla lo que ejecutan?
- ¿Cómo se mide su impacto?
- ¿Y qué nuevas habilidades necesita desarrollar la organización?
La inteligencia artificial puede analizar información, generar escenarios y ejecutar cada vez más tareas.
Pero la responsabilidad sobre el propósito, las decisiones y sus consecuencias continúa dentro de la organización.
La principal conclusión que deja “El estado de la IA” no está relacionada con una herramienta específica sino en construir empresas capaces de combinar visión, liderazgo, datos, gobernanza, talento y velocidad de ejecución.
Porque a medida que la inteligencia artificial se vuelve más accesible, la tecnología por sí sola será cada vez menos diferenciadora.
La ventaja estará en la capacidad de cada organización para convertirla en una competencia propia.
