Según un estudio del MIT, la IA no está generando retorno de inversión en el 95% de las organizaciones

Cada era emerge con nuevos avances, que marcan un rumbo y tendencias a seguir en distintos ámbitos. Hoy, incorporar inteligencia artificial es importante en cualquier industria. Ya no se trata solo de “seguir una moda”: quienes no la adopten, corren el riesgo de perder competitividad y quedarse muy en desventaja frente a otros. Pero, en medio de la euforia, late de fondo una inquietud: ¿la inteligencia artificial está generando resultados económicos medibles en las empresas?

Esta misma pregunta se hicieron en el Instituto Tecnológico de Massachusetts (MIT). Según una investigación del organismo, a pesar de una inversión empresarial de entre US$30.000 y US$40.000 millones en GenAI (inteligencia artificial generativa, es decir, la que, como señala su nombre, “genera” contenido, como imágenes o textos) el 95 % de las organizaciones no obtiene todavía ningún retorno. Entre los beneficios que sí reportaban el 5% restante figuraban desde una optimización en los costos externos, ya que ahorran gastos en procesos para los que antes contrataban a agencias externas (como tareas administrativas que hoy resuelve la inteligencia artificial), a una mejora en la retención del cliente y en la conversión de ventas que implementan IA.

Lo curioso es que las herramientas de inteligencia artificial, como ChatGPT y Copilot, están siendo adoptadas: según el estudio, más del 80% de las organizaciones las han explorado y casi el 40% asegura que las han implementado. Sin embargo, solo el 20% de las organizaciones alcanzaron la etapa piloto y tan solo el 5% llegó a implementarlas en su producción. En otras palabras, la adopción es alta, pero la transformación es baja.

“En una compañía, uno resuelve, en gran parte del tiempo, con lo que tiene a mano, no necesariamente con lo que necesitamos. ¿Cuál fue el gran trigger con la IA? La aparición de una herramienta con una interfaz ‘universal’ como el ChatGPT, con la simplicidad que tiene para manejarlo; nos allanó el camino para dialogar con tecnologías que no dominábamos; nos hizo suponer que, su implementación en procesos críticos, sería igual de simple. Tenemos que forzarnos a cuestionar una lógica tipo IA first y permitirnos priorizar bajo una lógica de IA fit, preguntarnos bien dónde encaja y agrega valor concreto”, explica Juan Pablo Cosentino, profesor asociado y director académico del área Operaciones y Tecnología de IAE Business School, la escuela de negocios de la Universidad Austral. Agrega que “las mismas consultoras que hace dos años pedían apostar todo por la IA, ahora sugieren medir el ROI con lupa”.

“Algunas industrias están muy avanzadas en la adopción de inteligencia artificial y en generar retorno de inversión, mientras que otras creían que con pagar ChatGPT a los colaboradores iba a bastar. Pero no se trata solo de dar herramientas con esta tecnología, con eso no alcanza, sino que hay que cambiar la cultura”, señala Juan Pablo Chemes, director de Innovación y director ejecutivo de Accenture, y detalla que prefiere hablar de reinvención, en lugar de transformación: “Hay que reinventar todas las áreas y servicios, es una redefinición completa y el retorno de inversión va a llegar cuando se logre eso”.

Ahora bien, si la implementación y la euforia por incorporarla es alta, se asoma una pregunta central: ¿por qué aún no se reflejan los beneficios? El estudio explica que la barrera principal para la escalabilidad no es la infraestructura, la regulación o el talento. Es el aprendizaje. En otras palabras, las soluciones personalizadas de IA que hacen las propias empresas, fallan porque no aprenden del contexto, les falta memoria y personalización para poder adaptarse, retener la retroalimentación e integrarse correctamente a los procesos internos de las empresas. Funcionan más como un elemento externo que llega y tiene que implementarse, como una aplicación nueva que uno simplemente descarga en el celular. Pero tal como dice el informe del MIT, al querer incorporarla a los procesos, a los flujos de trabajo de las empresas, se dieron cuenta de que requerían otro orden, previsibilidad, y que no eran capaces de adaptarse a eso.

Los colaboradores preferían seguir usando sus propias herramientas de IA a utilizar las de su compañía. Ahora bien, “ChatGPT hoy puede recordar y aprender de las interacciones, pero no es lo mismo sostener contexto para una persona que hacerlo a escala de una gran empresa. En ese escenario, debe hablar con miles de personas (clientes y equipos internos), conservar referencias de cada relación y responder de forma imparcial y consistente en todas las áreas y procesos críticos. Lo que funciona en un 1 a 1 no alcanza en un entorno grande y complejo: ahí el desafío es escalar el contexto y la coherencia sin perder claridad”, explica Cosentino.

El informe suma otro dato revelador para el análisis: “Los compradores que tienen éxito exigen una personalización específica del proceso y evalúan las herramientas en función de los resultados comerciales. Esperan sistemas que se integren con los procesos existentes y mejoren con el tiempo. Los proveedores que cumplen estas expectativas están asegurando implementaciones multimillonarias en cuestión de meses”. En otras palabras, vivirlo como una reinvención de todos los procesos, no como un añadido más a la compañía.

Y lo interesante es quiénes fueron las empresas que ya lograron hacer esto. Las compañías definidas como empresas con más de US$100 millones en ingresos anuales, lideran en el recuento de proyectos pilotos de inteligencia artificial; pero esas mismas organizaciones informan las tasas más bajas de conversión de piloto a escala. Ahora bien, “las empresas del mercado medio” se movieron más rápido y tuvieron más éxito en la adopción. En números: tardaron tan solo un promedio de 90 días desde el piloto hasta la implementación completa. Las empresas de mayor tamaño, en comparación, tardaron nueve meses o más.

En ese sentido, el Dr. e Ing. Carlos Arana, profesor de UCEMA y consultor, explica que esto se da por varias razones: “Las empresas medianas carecen de sistemas heredados tan complejos y anquilosados, lo que les permite rediseñar procesos directamente o implementar tareas de reingeniería para adaptarse a la IA sin necesidad de encajarla en estructuras rígidas. Además, su toma de decisiones es más ágil, con menos controles y burocracia, lo que acelera el paso de la prueba piloto a la puesta en marcha”.

Cosentino coincide con el análisis y señala que “la cantidad de procesos involucrados en una organización de gran tamaño es mayor. En cambio, en una empresa chica, donde existen menos áreas y, por ende, menos procesos, puedo probar esto a un bajo costo”. Además, agrega que, para hacer un cambio de esa magnitud, hace falta contar con cuatro dimensiones preparadas: una estructura organizativa, tener la cultura lista para afrontarlo y contar con los sistemas y los recursos humanos y tecnológicos.

El estudio muestra que, en numerosas ocasiones, fueron los propios empleados quienes tomaron con frecuencia la delantera en la implementación de estas herramientas. Aunque solo el 40% de las empresas dicen que compraron suscripciones de LLM, los trabajadores de más del 90% de las empresas que encuestaron informaron el uso regular de herramientas personales de IA para tareas laborales. Mientras tanto, las iniciativas oficiales de IA de sus empresas permanecían estancadas en la fase piloto.

Ahora bien, vale aclarar que los usuarios mostraron que prefieren ChatGPT para tareas simples, pero lo abandonan cuando se trata de trabajos de misión crítica. El estudio cita el caso de una abogada, que trabaja en una empresa que invirtió US$50.000 en una herramienta especializada de inteligencia artificial para el análisis de contratos. Aunque aseguraba que prefería usar ChatGPT, en lugar de la IA de su organización, había casos en los que también dejaba de lado a esta última: “Es excelente para la lluvia de ideas y los primeros borradores, pero no retiene el conocimiento de las preferencias del cliente ni aprende de las ediciones anteriores. Repite los mismos errores y requiere una amplia entrada de contexto para cada sesión. Para el trabajo de alto riesgo, necesito un sistema que acumule conocimiento y mejore con el tiempo”.

Lo que falta son sistemas que se adapten, recuerden y evolucionen. Los sistemas de IA que necesitan las organizaciones son IA que no solo generan contenido (Gen AI), sino que aprendan y mejoren dentro de su entorno. “Las startups exitosas construyen sistemas que aprenden de la retroalimentación (el 66% de los ejecutivos lo desea), retienen el contexto (el 63% lo exige) y se personalizan en profundidad para flujos de trabajo específicos”, señala el estudio.

Pero el MIT no se conforma con dar estos porcentajes; va más allá y se anima a lanzar una solución disruptiva: “La próxima evolución, más allá de los agentes de IA individuales, es una web agentic donde los sistemas autónomos pueden descubrir, negociar y coordinar en toda Internet”. En otras palabras, no es una IA que necesita de una instrucción y de acompañamiento, sino de un propósito. Cosentino señala que así logra autonomía, ya que, si le das una tarea, como “quiero ir a cenar hoy en Pilar”, inmediatamente puede cumplir el objetivo: “consigue todas las opciones que en este momento tienen disponibilidad de reserva en Pilar para hoy y te trae la reserva hecha. Ya no le doy instrucciones como un prompt, sino que se vuelve autónomo en el proceso completo”, explica.

“Si las empresas realmente lograran incorporar la inteligencia artificial de forma profunda, el impacto sería enorme”, apunta Arana. “Le sacás más provecho a la inteligencia artificial cuando las implementás a nivel organizacional y cambiás la forma de trabajar. La eficiencia mayor va a venir de pensar áreas completas, procesos completos”, agrega Chemes.

“Tenemos que pasar de un modelo de instrucción a un modelo de autonomía. Con lo que hoy tenemos no podemos resolver los procesos existentes en empresas", añade Cosentino y explica que ese cambio va a ser radical, “porque hoy pensamos linealmente los procesos, buscamos que todo cumpla un flujo ordenado e inteligible, pero con la llegada de un agente autónomo, todo cambiaría”.

El tiempo irá mostrando el rumbo que adopta esta tecnología. “El informe aporta datos interesantes, pero pasó poco tiempo desde que se incorporó; además, la IA tiene algo muy diferente a otras tecnologías: todas las semanas hay un modelo nuevo que supera ampliamente al anterior. Hay que tener gimnasia, flexibilidad, para implementar todo el tiempo lo nuevo. Nos tenemos que reinventar con IA, si no perderemos competitividad frente a otras empresas y seremos el próximo kodak, que, en su momento, quedó atrás por no digitalizarse y por no entender hacia dónde iba el mercado”, concluye Chemes.

Por María Josefina Lanzi

• FuturIA
• Inteligencia artificial

---

---

Conforme a