Entrevistas
Ajay Vasal, responsable global de datos e IA en Genpact — Serie de entrevistas

Puntos claveEl rediseño de procesos es la principal barrera para la adopción de IA agéntica, no el…
Ver más
- El rediseño de procesos es la principal barrera para la adopción de IA agéntica, no el rendimiento del modelo.
- El % de empresas aún utiliza métricas de productividad inadecuadas para sistemas de IA autónomos.
- Solo el 22% de las organizaciones confía en sistemas de IA con autonomía a nivel de dominio o amplia.
Ajay Vasal, responsable global de datos e IA en Genpact, es un ejecutivo con amplia experiencia en tecnología y estrategia. Cuenta con más de dos décadas de trayectoria en inteligencia artificial, estrategia de datos, transformación digital, fusiones y adquisiciones y consultoría empresarial. En su puesto actual dirige iniciativas que ayudan a las empresas a ampliar la adopción de IA y a pasar de sistemas de asistencia a sistemas más autónomos e integrados en las operaciones. Antes de incorporarse a Genpact, Vasal trabajó casi nueve años en Accenture, donde ocupó varios cargos de alta dirección, entre ellos responsable global de datos e IA para los sectores de consumo y director global del Centre for Data & Insights. A lo largo de su carrera ha ayudado a las organizaciones a obtener valor empresarial medible de los datos mediante la eficiencia operativa, el crecimiento de los ingresos y la reducción de riesgos. También ha dirigido inversiones estratégicas, iniciativas de fusiones y adquisiciones y programas de transformación basados en IA en diversos sectores.
Genpact es una empresa global de servicios profesionales y transformación digital especializada en datos, IA, analítica, automatización inteligente y modernización de las operaciones de grandes empresas. Nació dentro de General Electric (GE.TO ) y posteriormente se independizó. Hoy atiende a organizaciones de sectores como los servicios financieros, la sanidad, la fabricación, el comercio minorista y los bienes de consumo. La empresa se centra cada vez más en la transformación empresarial mediante IA y combina analítica, automatización y conocimiento sectorial para ayudar a modernizar los flujos de trabajo, mejorar las decisiones y desplegar sistemas de IA a gran escala de forma responsable.
Antes de asumir su puesto actual en Genpact, trabajó durante años en Accenture definiendo estrategias de datos e IA en diversos sectores. ¿Cómo ha influido esa experiencia en su visión de los motivos por los que las empresas siguen teniendo dificultades para obtener valor real de sus inversiones en IA?
Una de las principales lecciones de trabajar en distintos sectores es que la mayoría de las organizaciones no fracasa porque la tecnología sea débil. Las dificultades surgen porque intentan añadir IA a modelos operativos que nunca se diseñaron para la ejecución autónoma. Los resultados de nuestra investigación reciente lo confirman claramente. Aunque las empresas están adoptando IA con gran intensidad, muchas aún tienen dificultades para rediseñar los modelos operativos necesarios para la ejecución autónoma a gran escala. Esa brecha muestra cuántas empresas siguen resolviendo cuestiones de gobernanza, rendición de cuentas y preparación organizativa.
También vemos a organizaciones avanzar rápidamente antes de disponer de marcos de medición adecuados. El 71% de los ejecutivos cree que la IA agéntica ofrecerá un retorno de la inversión más rápido que cualquier ola tecnológica anterior, pero el 67% sigue utilizando métricas de productividad creadas para modelos de automatización más antiguos. Mi experiencia demuestra que adoptar IA con éxito nunca consiste solo en desplegar modelos. Exige rediseñar los flujos de trabajo, alinear la tecnología con las prioridades del negocio y ayudar a las personas a entender cómo evolucionan sus funciones junto a sistemas cada vez más autónomos.
Su informe reciente, Autonomy Requires Trust in AI, muestra que la mayoría de los ejecutivos cree que la IA agéntica transformará radicalmente las operaciones empresariales, pero la mayoría de los sistemas sigue bajo supervisión. ¿Dónde está la mayor distancia entre esa convicción y su ejecución?
Esa distancia gira enteramente en torno a la confianza. Los ejecutivos creen claramente que la IA agéntica cambiará la forma de trabajar, pero creer en la tecnología no implica sentirse seguros al delegarle autoridad para tomar decisiones. Nuestra investigación encontró que solo el 22% de las organizaciones se siente cómodo permitiendo que los sistemas de IA operen con autonomía en un ámbito concreto o con una autonomía amplia.
La mayoría de las empresas sigue usando con tranquilidad la IA como asistente capaz de recomendar, resumir o apoyar los flujos de trabajo. Las dudas aparecen cuando se espera que los sistemas actúen de forma autónoma de maneras que afecten a las operaciones, los clientes, el cumplimiento normativo o los resultados financieros. Por eso, muchas empresas mantienen una estrecha participación humana en la aprobación y la supervisión, incluso mientras buscan modelos operativos más autónomos.
Muchas empresas invierten intensamente en IA, pero no consiguen demostrar retornos significativos. ¿Cuáles son los errores más comunes al intentar medir el valor generado por la IA?
Un error importante es que muchas organizaciones siguen utilizando métricas de productividad diseñadas para anteriores olas de automatización. Los datos muestran que el 67% de las empresas aún depende de medidas de productividad que no reflejan por completo el valor de sistemas adaptativos cuyo funcionamiento se basa en la toma de decisiones. Esto crea una brecha real entre las expectativas y la forma en que se mide efectivamente el valor.
Otro problema es que muchas organizaciones aún no han definido métricas de éxito adecuadas a las características de la IA. Solo una pequeña parte de las empresas mide aspectos como la finalización autónoma de los flujos de trabajo, la reducción de los casos que deben elevarse a otras instancias o la gestión autónoma de excepciones. Si siguen centradas únicamente en reducir costes o ahorrar horas, pasarán por alto el impacto operativo más amplio que la IA agéntica está diseñada para producir.
El informe sugiere que la preparación organizativa es una barrera mayor que la propia tecnología. ¿Qué cambios estructurales concretos necesitan las empresas para aprovechar todo el potencial de la IA agéntica?
Las organizaciones necesitan reconsiderar cómo funcionan la rendición de cuentas, la responsabilidad sobre los flujos de trabajo y la toma de decisiones en toda la empresa. Una de las conclusiones más claras de la investigación es que la preparación organizativa se está convirtiendo en una barrera mayor que la propia tecnología. De hecho, el 33% de las empresas señaló la falta de preparación de los procesos de negocio para integrar IA agéntica como el principal obstáculo para su adopción.
Las empresas que más avanzan rediseñan los flujos de trabajo de principio a fin, de modo que los sistemas autónomos puedan operar dentro de límites y estructuras de supervisión claramente definidos. También encontramos que el 44% espera que la IA agéntica reduzca los niveles de gestión a medida que los sistemas asuman tareas de coordinación tradicionalmente realizadas por los mandos intermedios. Los empleados necesitan mucha más claridad sobre las responsabilidades de supervisión, los momentos de intervención y el papel del criterio humano en un entorno cada vez más autónomo.
Solo una pequeña parte de las organizaciones se siente cómoda concediendo autonomía real a los agentes de IA. ¿Qué hará falta para que las empresas confíen en estos sistemas hasta el punto de darles autoridad para tomar decisiones?
La confianza en la IA agéntica depende, en última instancia, de la rendición de cuentas y el control. Las empresas siguen siendo prudentes al delegar autoridad decisoria porque sus líderes quieren tener la certeza de que los sistemas autónomos pueden operar dentro de límites y estructuras de gobernanza claros.
Las empresas que avanzan diseñan sistemas con vías para elevar los casos a otras instancias, condiciones que activan intervenciones y controles de gobernanza integrados directamente en el modelo operativo. La mayoría de las organizaciones concede autonomía de manera gradual según el contexto empresarial y la tolerancia al riesgo, en vez de pasar repentinamente a una autonomía total. Las implantaciones exitosas les dan mayor seguridad y refuerzan la confianza, porque los líderes pueden ver con claridad cómo se toman las decisiones, quién responde por ellas y cómo se mantiene la supervisión humana.
Las empresas esperan ampliar rápidamente el uso de la IA agéntica, pero muchas siguen recurriendo a métricas de productividad obsoletas. ¿Cómo deberían ser unas métricas de desempeño más eficaces y adecuadas a las características de la IA?
Las métricas diseñadas para la IA deben medir ejecución y resultados, no solo actividad. Las medidas tradicionales de productividad observan si las personas trabajan más rápido. La IA agéntica cambia ese planteamiento porque el propio sistema empieza a asumir parte del trabajo operativo. Esto es importante porque muchas organizaciones siguen evaluándola desde una perspectiva de productividad concebida para olas anteriores de automatización, no para la ejecución autónoma.
Unas medidas más eficaces deberían centrarse en la finalización autónoma de los flujos de trabajo, la reducción de la tasa de casos elevados a otras instancias, la ejecución más rápida de las decisiones y la eficacia con que los sistemas gestionan excepciones con una intervención humana limitada. Estas métricas permiten ver con mucha más claridad si la IA realmente mejora la ejecución a gran escala.
Usted destaca que rediseñar los procesos es la principal barrera para la adopción. ¿Por qué transformar los flujos de trabajo es más importante que el rendimiento de los modelos en esta próxima fase de la IA?
Transformar los flujos de trabajo es importante porque ni siquiera los sistemas de IA más avanzados pueden ampliarse eficazmente dentro de procesos defectuosos o fragmentados. Nuestra investigación encontró que el 33% de las empresas identificó la preparación de los procesos como la principal barrera para adoptar IA agéntica.
La siguiente fase es diferente porque la IA agéntica está diseñada para ejecutar tareas a lo largo de los flujos de trabajo, no solo para prestar apoyo dentro de ellos. Las organizaciones deben rediseñar los procesos para la ejecución autónoma, aclarando la responsabilidad sobre las decisiones, eliminando traspasos innecesarios e integrando la gobernanza directamente en los flujos de trabajo. En muchos sentidos, ese rediseño es ahora la verdadera base para adoptar IA a gran escala.
El informe sugiere que la IA reducirá los niveles organizativos a medida que se automaticen las tareas de coordinación. ¿Cómo cree que evolucionarán los papeles de la dirección y los mandos intermedios?
A medida que la IA agéntica asuma más tareas de coordinación y supervisión operativa, las funciones de liderazgo probablemente pasarán de gestionar la ejecución rutinaria a orientar la estrategia, aplicar criterio y ejercer la gobernanza. Nuestra investigación encontró que muchas empresas esperan que la IA agéntica reduzca los niveles de coordinación de la organización cuando los sistemas autónomos asuman más responsabilidad sobre la supervisión operativa.
Los mandos intermedios han desempeñado históricamente un papel importante al dirigir las decisiones a las personas adecuadas y mantener la continuidad operativa entre equipos. Cuando los sistemas autónomos empiecen a asumir más de esas actividades, los líderes deberán centrarse más en la gestión de excepciones, la rendición de cuentas y la alineación de los sistemas con los objetivos empresariales. El liderazgo humano será aún más importante en los ámbitos donde más cuentan el contexto, la ética y el criterio.
Genpact se presenta como una empresa de soluciones de IA agéntica y tecnologías avanzadas. ¿En qué difiere su enfoque de la IA agéntica del de las empresas tradicionales de consultoría o tecnología?
El enfoque de Genpact se basa en la ejecución, los resultados y la solución de lo que a menudo llamamos el problema de la «última etapa» de la adopción de IA. Muchas organizaciones ya han demostrado que los modelos de IA pueden aportar información útil o mejorar la productividad. El verdadero desafío es integrar esas capacidades en los flujos empresariales que están realmente en funcionamiento, donde se lleva a cabo el trabajo. Ahí es donde se estancan muchas iniciativas de IA. Nos centramos en ayudar a los clientes a poner la IA agéntica en práctica hasta la última etapa de ejecución, para que los sistemas generen resultados medibles en finanzas, cadena de suministro, atención al cliente y otras funciones esenciales de la empresa.
Lo que distingue nuestro enfoque es combinar un conocimiento profundo de los procesos con capacidades en datos, tecnología e IA. No nos limitamos a desplegar modelos o crear proyectos piloto. Rediseñamos flujos de trabajo, integramos la gobernanza en las operaciones y ayudamos a las empresas a crear las estructuras de rendición de cuentas necesarias para la ejecución autónoma a gran escala. Como también hemos integrado la IA agéntica en nuestras propias operaciones, tenemos experiencia práctica sobre lo que hace falta para pasar de la experimentación a un impacto en toda la empresa.
De cara al futuro, ¿cree que la IA agéntica ampliará la brecha entre las empresas líderes y las rezagadas? ¿Qué deberían hacer ahora para evitar quedarse atrás?
Sí, creo que la brecha crecerá porque la IA agéntica acumula valor de forma distinta a las olas tecnológicas anteriores. Las organizaciones que rediseñen con éxito los flujos de trabajo, establezcan marcos de rendición de cuentas y construyan confianza en los sistemas autónomos obtendrán ventajas operativas difíciles de reproducir para sus competidores. Lo llamativo es la rapidez del cambio. El 29% de las empresas espera que la IA agéntica se extienda a todo el negocio en los próximos 12 meses.
Para las empresas que quieren seguir siendo competitivas, la prioridad ahora debería ser preparar el modelo operativo para la ejecución autónoma. Eso incluye rediseñar flujos de trabajo, definir estructuras de responsabilidad, crear marcos de medición adecuados a las características de la IA e invertir en la preparación de la fuerza laboral. Las organizaciones que comiencen pronto a construir esas bases estarán en una posición mucho mejor que las que aún abordan la IA como una iniciativa tecnológica aislada.
Gracias por esta interesante entrevista. Los lectores que deseen saber más pueden visitar Genpact.












