Por qué la inteligencia artificial aún no logra el salto de productividad que viene prometiendo
Expertos explican qué falta para que las empresas experimenten las mejoras previstas por la integración de herramientas de IA en sus procesos
7 minutos de lectura'
Una de las principales promesas de la inteligencia artificial generativa (GenAI) fue mejorar considerablemente la productividad de las organizaciones. Sin embargo, ahora que las empresas la vienen usando desde hace un tiempo, nuevas investigaciones en todo el mundo empiezan a mostrar un panorama distinto: el impacto existe, pero no es automático ni homogéneo, y en muchos casos está lejos de las expectativas esperadas.
Por ejemplo, un estudio de la OECD dice que, si bien la IA mejora la productividad individual, sobre todo en tareas repetitivas, administrativas, analíticas y de redacción, no hay todavía evidencia sólida de que estas mejoras a nivel individual se traduzcan automáticamente en productividad organizacional. Y agrega que es probable que la promesa todavía no se cumpla a nivel organizacional porque la mayoría de los proyectos están en fase piloto; falta escala, así como también datos de calidad, habilidades específicas de los colaboradores y rediseño real de procesos.
La paradoja de la IA
En esta línea, Julián Herman, managing director y socio, líder para Iberia y Sudamérica de la práctica de tecnología de BCG, lo explica de la siguiente manera: “Estamos ante la paradoja de la IA, que consiste en que esta tecnología promete un fuerte salto de productividad, pero en la mayoría de las organizaciones ese salto todavía no se está viendo. La tecnología existe y funciona, pero el impacto real no aparece si no hay rediseño de procesos, medición y capacitación”. En tal sentido pone el énfasis en explicar que el principal error que se está cometiendo es incorporar la IA “como una herramienta más”, sin revisar cómo funciona la organización.
Los documentos que mencionan esta paradoja se multiplican en todo el mundo. Otro caso es el Informe de 451 Research, de S&P Global que, tras analizar a entrevistar a 1006 ejecutivos y managers de todo el planeta, subrayó que es baja la proporción de empresas que ven impacto positivo de la IA en eficiencia, costos y crecimiento. “El 46% no logra impacto fuerte en ningún objetivo de negocio, incluida la productividad”, dice el informe, y agrega que el 42% de los proyectos de IA se abandonan antes de producción. Con estos y otros hallazgos, concluye: “La GenAI no está mejorando la productividad de forma sistemática, salvo en organizaciones muy enfocadas”.
Herman suma un punto clave para entender esta aparente contradicción: “Ir más rápido no significa necesariamente que una empresa entregue más valor”.
Más productividad, pero hay que estar preparado
Por último, con mayor optimismo, pero con los mismos recaudos, la investigación publicada en enero de este año (The Next Great Divergence) explica que la IA sí aumenta productividad, pero solo donde ya hay capacidades. Entonces, la productividad se concentra en países ricos de forma tal que se está ampliando la brecha global. “La productividad de la IA no es automática ni neutral, depende de infraestructura, skills e instituciones”, además, “La verdadera cuestión no es la naturaleza de la tecnología, sino la geografía de su impacto”, asevera el documento.
A esta distancia entre expectativas y resultados se suma un efecto menos visible, pero muy relevante: el costo económico de implementar mal la IA. “Muchas organizaciones no solo no logran mejoras de productividad, sino que terminan perdiendo dinero por iniciativas impulsadas por moda y no por necesidades concretas del negocio”, explica a Gonzalo Airoldi, vicepresidente senior y director para América Latina en Aditi Consulting. En ese sentido, señala que la falta de métricas claras, el escaso rediseño de procesos y una débil gestión del cambio explican por qué numerosos proyectos quedan en fase piloto o se abandonan antes de llegar a producción, sin generar impacto real.
Cómo lograr la productividad deseada
“Lo que está sucediendo se debe a que la productividad organizacional no es la suma directa de productividades individuales”, explica Wanda Dahir, Directora de la Carrera de Recursos Humanos en la Universidad de Morón. Y se explaya: “Todo depende de cómo se articulan los procesos, la cultura, los incentivos, los sistemas de evaluación y la toma de decisiones. La IA puede acelerar al individuo, pero si la organización no revisa sus estructuras y su forma de operar, el sistema sigue funcionando con la misma lógica. Desde mi mirada, el desafío no está en la herramienta, sino en la capacidad de las organizaciones para rediseñarse, absorber ese nuevo potencial y convertir eficiencia individual en valor colectivo”.
El informe de la OCDE ya citado destaca que muchos proyectos de IA fracasan o no escalan debido a problemas estructurales en la calidad y disponibilidad de los datos, así como a la fragmentación de los procesos. El documento de S&P Global refuerza esta idea al mostrar que una parte significativa de las iniciativas de IA se detienen antes de llegar a producción porque no logran integrarse de manera efectiva a los flujos de trabajo existentes. Y las páginas del The “Next Great Divergence” agregan que las brechas de capacidades institucionales y humanas amplifican estos problemas, especialmente cuando no hay inversión sostenida en habilidades.
Dahir sostiene que cuando los datos son incompletos, desactualizados o poco confiables, la IA reproduce y amplifica errores. “Cuando los procesos no están bien definidos o integrados, la tecnología acelera la desorganización. Y cuando las personas no cuentan con las habilidades técnicas y humanas necesarias, la IA se usa de forma superficial o se desaprovecha”, comenta, y explica que la productividad es un fenómeno sistémico, que requiere datos correctos, procesos claros e integrados, y personas preparadas para ejecutarlos.
Saber qué se quiere lograr
Los entrevistados coinciden en que el mayor desafío no es tecnológico, sino lograr que estos personas, procesos y tecnología estén alineados al mismo tiempo. Por eso, Airoldi sostiene que un error frecuente es subestimar la gestión del cambio.
Sobre este punto, Herman remarca que medir productividad es un paso ineludible: “Primero hay que medir cuánto se tarda en hacer las cosas sin IA, porque no se puede gestionar lo que no se mide. Luego hay que fijar un objetivo claro y, a partir de ahí, ir midiendo en el camino para detectar desvíos”. En paralelo, subraya la importancia de acompañar ese proceso con entrenamiento y capacitaciones continuas.
Los entrevistados sostienen que la alfabetización digital y en IA aparece como una base indispensable. Comprender, aunque sea a nivel conceptual, cómo funcionan los algoritmos, cuáles son sus límites y qué tipo de sesgos pueden tener permite usar la tecnología con mayor criterio. En este sentido, un punto central en esta brecha es la habilidad de formular buenas preguntas. “El llamado prompting no es una destreza técnica aislada, sino una combinación de pensamiento estructurado, claridad conceptual y comprensión de cómo “piensa” la IA. Saber promptear se construye con práctica y experimentación, y marca una diferencia concreta en la calidad de los resultados obtenidos”, dice Dahir.
Sin embargo, ninguno de estos avances técnicos genera impacto real si no están acompañados de ciertas habilidades socioemocionales como adaptabilidad, pensamiento crítico e inteligencia emocional. Dicho esto, los estudios citados mencionan que las organizaciones que no invierten en este conjunto de competencias ven afectada no solo su productividad, sino también su potencial de crecimiento.
Dicho esto, Dahir recomienda a las personas mantenerse abiertas al aprendizaje continuo. Esto implica Incorporar habilidades digitales y aprender a formular buenas preguntas a la IA. Y Herman, concluye: “Todo tiene que ver con las personas”, sintetiza, y comparte una regla interna de BCG que ilustra este enfoque: “El 10% de la complejidad está en los algoritmos, el 20% en la tecnología y el 70% del esfuerzo es para la gente”.
Más leídas de Tecnología
1Veneno digital: 100 muestras falsas bastan para sabotear diagnósticos médicos con IA
2Cómo es Blindsight, el chip de Neuralink que promete devolverle la visión a los ciegos
3Los “espejos de IA” en los que personas ciegas pueden hacerse idea de sus caras
4Elon Musk fusiona SpaceX y xAI para crear un gigante tecnológico valuado en US$1,25 billones
