La ruta del dinero IA: por qué las inversiones no logran el impacto esperado
Las empresas latinoamericanas están apostando cada vez más fuerte al desarrollo de proyectos propios con la nueva tecnología pero por el momento pocas iniciativas generan retorno; cuáles son los obstáculos
9 minutos de lectura'
Nadie duda de que las inversiones deben hacerse. Pero a la hora de pagar las cuentas, llegan las preguntas. La situación se repite en las empresas líderes de Latinoamérica con fuertes apuestas por la inteligencia artificial generativa, según surge del estudio anual de CEO de IBM, en el que se entrevistó a 2000 ejecutivos de todo el mundo.
En Latinoamérica, casi dos tercios de los encuestados (62%) afirman que sus organizaciones priorizan casos de uso de inteligencia artificial (IA) basados en el retorno de inversión (ROI, por sus siglas en inglés). Sin embargo, solo el 24% de las iniciativas de IA han entregado el ROI esperado en los últimos años, y solo el 17% se han escalado a nivel empresarial.
Esto ocurre en un contexto de una multiplicidad de modelos de lenguaje y el avance de aplicaciones de la IA que aceleran y escalan procesos a una velocidad nunca vista. Pero la demanda por las inversiones tampoco frena y todos los días hay avances. Si en 2022 y 2023 los chatbots dominaban el imaginario, hoy lo hacen los agentes, las automatizaciones propias y de terceros que concretan operaciones sin intervención humana. Mucho vértigo y dinero en danza que necesitarán mecanismos de repago.
IA, muéstrame el dinero
El argentino Luis Fernando Padilla, managing partner de IBM Consulting Latinoamérica, tiene una hipótesis sobre por qué se pierde la ruta del dinero: la falta de foco. Es una situación derivada de lo que inglés se llama Fear of Missing Out, o FOMO, el miedo a perderse algo. Es sencillo. La IA está en todo y aterra y fascina por igual por sus promesas de reconvertir todos los negocios. Pero el todo es inabarcable.
El ejecutivo ve a este escenario más como una oportunidad que como una carencia. Hay mucho por hacer y, si se hace lo correcto, habrá buenos resultados. “Creo que el miedo a focalizarse ha sido una de las limitantes para avanzar. Vimos casos donde se ha avanzado en crear valor y llegar a otros niveles de productividad. Pero eso requiere dejar el FOMO y pasar a una mayor focalización”, dijo. “Sobre todo en aquellos casos de uso que van a darme más productividad o más creación de valor, y voy más a fondo ahí, antes que tratar de estar haciendo pilotos, que a veces son vistosos pero no crean un valor significativo desde el punto de vista del ROI”, agregó Padilla durante un evento organizado por IBM en Chile.
Los CEO latinoamericanos lo intentan. Según el estudio, casi la mitad (46%) dice que su organización obtiene valor de las inversiones en IA generativa más allá de la reducción de costos. Y el 68% reporta que tienen métricas claras para medir el ROI de la innovación de manera efectiva. Las apuestas están en marcha.
El gran déficit de los datos propios
Un hecho que no pasa desapercibido del reporte es la falta de uso de los datos propios al momento de implementar estrategias de IA. El panorama es frustrante. Las implementaciones de IA generativa usan solo el 1 por ciento de esos datos. ¿Cómo se pueden tomar decisiones basadas en datos, ofrecer personalización, y aprovechar el diferencial de años de servicio si no se utilizan?
¿Por qué ocurre esto? Así lo explicó a LA NACION el brasileño Joaquin Campos, VP de Software de IBM: “Número uno, porque realmente no hay todavía una arquitectura de datos que sea adecuada para acceder a toda esta información, con una adecuada gobernanza de esos datos. Y número dos, porque todavía las empresas tienen un poco de recelo de avanzar con más velocidad. También tiene que ver con habilidades: es un reto importante en todo el mercado conseguir especialistas de datos, y eso de alguna forma también retrasa la adopción”.
Dilema cultural
Campos consideró que hay estrategias muy concretas para ponerse en marcha. “Es un tema cultural; un tema de habilidades; y un tema de organización y gobierno de datos dentro de las corporaciones. Son los tres puntos más críticos con base en muchas de las experiencias”, explicó. La cultura es la más difícil de abordar, ya que “esta transformación que viene con la IA implica cambiar modelos de negocios y cambiar la forma en la que las empresas operan para obtener resultados de impacto en la experiencia de clientes o de eficiencia operativa”.
Para lograrlo, “se puede pensar una estrategia para ayudar a las personas a tomar conciencia sobre la importancia de esos datos dentro de las organizaciones. Y también se requiere un liderazgo desde arriba para asegurar que la compañía realmente entienda la importancia de avanzar con velocidad”, señaló Campos.
El punto de las habilidades y el talento es clave, también. Según el reporte de IBM, los CEO latinoamericanos admiten que al menos un tercio (32%) de la fuerza laboral requerirá recapacitación o actualización de habilidades en los próximos tres años, mientras que el 61% dice que su organización utilizará automatización para abordar las brechas de habilidades. Y el 50% afirma que están contratando para roles relacionados con IA que no existían hace un año.
Por su parte, Padilla sugirió adoptar una estrategia balanceada en la gestión del talento, distribuida en las cuatro “b”: build, buy, borrow, bot (desarrollar, adquirir, colaborar, automatizar). “La velocidad que se necesita para tener una ventaja competitiva y una diferenciación a veces no me permite avanzar solamente por una estrategia, como desarrollar internamente. Además, un tercio del talento va a requerir en los próximos años algún tipo de reentrenamiento y de refuerzo en nuevas tecnologías”, dijo.
Esto se vincula también con definir qué se compra y qué se toma del ecosistema. “También requiere que la gente aprenda a trabajar en entornos mixtos, liderar equipos y trabajar con agentes autónomos”, subrayó Padilla.
Agentes y equipos híbridos
¿Qué son los agentes? Según la definición oficial de IBM, un agente es “un sistema que realiza tareas de forma autónoma diseñando flujos de trabajo con las herramientas disponibles”. En definitiva, son automatizaciones que hacen ciertas operaciones o transacciones con otros sistemas, propios o de terceros.
A nivel de usuarios individuales, el caso típico del que suele hablarse es el de la compra de pasajes de avión. Una persona carga los datos del traslado que necesita, los horarios y niveles de gasto, y el agente encuentra la mejor opción y hace la compra por su cuenta. Otro caso es el de un agente que usa nuestra computadora para ejecutar una tarea de principio a fin (como agendar citas o navegar sitios web y hacer un reporte). Esta opción comenzó a popularizarse desde julio pasado con ChatGPT, por ejemplo.
En el caso de las corporaciones o empresas, los agentes propios pueden resolver problemas que un consumidor informó a través de un chatbot y conectarse con la base de datos de distintos softwares, como un CRM (sistema de gestión de relaciones con los clientes), para tener más contexto y luego dialogar con el agente de otro software para producir una solución.
Esas plataformas de terceros también tienen sus propios agentes y lo harán cada vez más. ¿En qué tipo de tareas ganarán espacio? Se estima que se concentrarán primero en el servicio al cliente; recursos humanos; marketing y ventas; adquisiciones y el desarrollo de soluciones.
Tantos agentes involucrados necesitan una coordinación (y una nueva inversión): los orquestadores de agentes, ya que, en palabras de Campos, “no operan solos, lo hacen como equipo”.
Es una tendencia creciente. Para 2028, un tercio de las interacciones de IA generativa utilizarán agentes autónomos, según la previsión de IBM.
En principio, su implementación puede eliminar posiciones de trabajo de personas, que dejan de aportar valor en este nuevo esquema. Pero, según los especialistas de IBM, se necesitan nuevos profesionales que puedan diseñar los procesos para “agentificar” las compañías y para supervisarlos y aportar “explicabilidad” cuando se requiere entender el desenlace de una operación. Otro beneficio que se espera es el de la posibilidad de incrementar el volumen del negocio gracias a una mayor eficiencia y mejora del pricing point.
Nuevas prioridades
Más allá de la irrupción con fuerza del proceso de “agentificación”, si se observan los distintos reportes anuales de IBM, se destaca un cambio en las prioridades de los CEO del mundo, especialmente en 2025. “Precisión del pronóstico” se convirtió en la Nº1, cuando en 2023 estaba en la posición 15. Es un cambio que parece lógico ante tanta incertidumbre derivada de la disrupción tecnológica.
“Productividad o rentabilidad” es la segunda prioridad, que sigue estando entre las principales. Y se mantiene entre las más importantes, aunque ahora en el tercer puesto, “innovación en productos y servicios”.
También cambiaron los principales desafíos que detectan los CEO. “Optimizar la cadena de suministro” es la número uno, seguida por el “reclutamiento y retención de talento”, dos variables que estaban mucho más postergadas en encuestas anteriores. Pero si el corte del último estudio se hace en Latinoamérica, el principal dilema es el de la gestión del talento (elegido en el 37% de las respuestas).
Por ahora, en el camino hacia el retorno de la inversión, las empresas luchan por llegar a buen puerto, pero lo tienen en la mira. Para 2027, el 89% espera que sus inversiones en eficiencia y ahorro de costos mediante IA escalada generen un ROI positivo, mientras que el 79% espera ver un retorno positivo de sus inversiones en crecimiento y expansión con IA escalada. “Es difícil pensar en que estoy listo para transformarme si no tengo las fundaciones sólidas hoy, y por eso hay que invertir mucho en los datos”, concluyó Padilla.
Más leídas de Negocios
