Por qué la IA empresarial se estanca y qué se necesita para escalar más allá del piloto

Hace tres años, la mayoría de los líderes empresariales estaban en negación respecto a la IA. La visión predominante era que se trataba de ruido del mercado, o simplemente de un juguete ingenioso, pero no de una tecnología de nivel empresarial. “Alucinación” era la palabra que rondaba en la mente de todos. En el último año, ese escepticismo se ha invertido casi por completo. Las expectativas ahora están en su punto máximo, con los consejos de administración convencidos de que la IA transformará cada puesto y cada proceso.

Sin embargo, ambos extremos pierden el punto. La IA no es una moda pasajera ni una varita mágica. Es la transformación más abarcadora que ha visto la industria; más grande que la nube, que se centraba fundamentalmente en la eficiencia y la flexibilidad. La IA es una transformación empresarial. Eso explica precisamente por qué tantas organizaciones, tras ejecutar pilotos deslumbrantes, se quedan estancadas.State of AI encuesta de McKinsey & Company captura la magnitud del problema: casi dos tercios de los encuestados afirman que sus organizaciones aún no han comenzado a escalar la IA en toda la empresa.

El verdadero cuello de botella no es la capacidad

Es tentador culpar a la tecnología, pero eso sería incorrecto. En esta etapa, los modelos de frontera poseen una capacidad enorme. La dificultad radica en incorporar la IA en procesos empresariales reales para ofrecer resultados medibles.

La investigación de IDC encontró que el 88 % de las pruebas de concepto de IA no llegan a la implementación en producción, lo que significa que de cada 33 lanzadas, solo cuatro lo logran. La razón rara vez es la propia tecnología. Un piloto demuestra lo que es posible; escalar exige que una organización cambie la forma en que realmente se realiza el trabajo. Eso es una tarea mucho más elaborada de lo que la mayoría de los líderes anticipa. Involucra gestión del cambio, fricción entre funciones, ciclos presupuestarios nunca diseñados para este tipo de inversión, y la difícil tarea de rediseñar los flujos de trabajo de extremo a extremo. Por eso el camino desde prueba de concepto a producción lleva más tiempo de lo que sugiere el bombo: las empresas son complejas, y la complejidad resiste los atajos.

Los líderes deben resistir el reflejo de “adoptar IA ahora” que genera experimentos dispersos y desconectados. En su lugar, comiencen definiendo el problema específico y el resultado esperado, por ejemplo, reducir los tiempos de resolución de servicios, recuperar conocimientos más rápido, acortar el ciclo de desarrollo. Cuando la IA se diseña en torno a un flujo de trabajo definido, el impacto se vuelve medible, y el impacto medible gana el derecho a escalar.

Lo visible y lo invisible

Los agentes son la forma en que la IA cobra vida dentro de una empresa, y se dividen en dos clases. Primero, los agentes asistente son ayudantes visibles que resumen correos electrónicos o ayudan a un desarrollador a escribir código. Segundo, los agentes se integran invisiblemente en los flujos de trabajo, conciliando cuentas, ejecutando cadenas de aprobación y señalando fraudes. Estos deben ser verdaderamente de nivel empresarial: escalar al volumen, ofrecer precisión, proporcionar trazabilidad completa y operar dentro de los límites de IA responsable.

Los titulares que anuncian “recuentos de agentes” significan poco, ya que no existe una forma estándar de contar un agente. Lo que importa es el trabajo que logra la combinación humano‑agente. La productividad liderada por agentes podría ahorrar un millón de dólares; reinventar el proceso empresarial con equipos de personas‑más‑agente puede generar cien millones con el mismo esfuerzo, que es a lo que los líderes deben prestar atención.

Gobernanza, confianza y la prueba del día lluvioso

La propiedad del resultado es fundamental para garantizar el éxito. Es fácil desplegar IA cuando se toleran diez errores; es otra cosa cuando el proceso debe funcionar a la perfección a gran escala. El principio rector es una prueba del día lluvioso: cuando la IA se niega a cooperar, pero el negocio sigue funcionando. Por lo tanto, la gobernanza no es la enemiga de la velocidad, sino su facilitadora. Mientras tanto, la flexibilidad sin gobernanza produce caos, y la gobernanza sin flexibilidad asfixia la innovación. Lo que finalmente frena a la IA es el miedo, la confianza, la seguridad y el control sobre sus propios datos. Estas inquietudes deciden si una empresa escala o se congela.

Dimensionar adecuadamente la arquitectura

De manera crucial, para entre el 80 % y el 90 % de los casos de uso empresarial, un modelo de frontera no es necesario. Un modelo de lenguaje pequeño construido con los propios datos de la organización, a menudo trabajando junto a un modelo de frontera, es la respuesta más inteligente. Los costos por token están disminuyendo exponencialmente, pero los modelos de razonamiento y la ampliación de las ventanas de contexto están incrementando el consumo de forma pronunciada, lo que convierte la optimización de tokens en una oportunidad significativa por sí misma.

Construyendo para la próxima ola

En cada ola tecnológica, el valor se materializa en la práctica cuando las empresas realmente utilizan la tecnología. El gasto actual se sitúa en la capa de infraestructura, como siempre ocurre al inicio de un ciclo tecnológico. La siguiente ola, más grande, es la adopción a gran escala.

Los líderes empresariales deben observar que la IA empresarial no se estanca porque la tecnología sea débil. Se estanca porque las organizaciones tratan una transformación empresarial como un proyecto tecnológico. Los ganadores convertirán la IA en un proceso empresarial confiable, repetible y responsable, y tendrán la paciencia necesaria para escalarla y surfear la ola mayor que se avecina.