Después de la carrera por probar la inteligencia artificial, llega el momento de demostrar para qué sirve. Tras una primera etapa marcada por la experimentación con herramientas, pruebas de concepto y proyectos piloto, las compañías comienzan a entrar en una fase más exigente y es que la IA tiene que traducirse en resultados concretos para el negocio.
Ahorrar tiempo, reducir costes, automatizar tareas, mejorar procesos o facilitar la toma de decisiones empieza a pesar más que el simple hecho de incorporar la última tecnología disponible. Así lo están detectando desde zenital, consultora boutique especializada en datos e inteligencia artificial, a partir de su trabajo con empresas y de la formación impartida a más de 200 profesionales en IA durante el último año.
El cambio no significa que las compañías hayan dejado de experimentar, sino que las preguntas son diferentes. Frente al ‘¿qué podemos hacer con IA?’, empiezan a ganar terreno cuestiones como ‘¿qué proceso queremos mejorar?’, ‘¿cuánto tiempo podemos ahorrar?’, ‘¿qué coste tiene?’, ‘¿qué datos necesitamos?’ o ‘¿cómo vamos a medir si realmente funciona?’. A ellas se suma un reto cada vez más relevante como es el cómo garantizar que la adopción de la IA sea real, sostenible y transversal a toda la organización, y no quede limitada a iniciativas aisladas o a determinados equipos.
“Durante los últimos años ha habido una enorme curiosidad por la inteligencia artificial y eso ha sido positivo porque ha permitido que empresas y profesionales pierdan el miedo a experimentar. Pero estamos entrando en una segunda etapa. Ya no basta con decir que utilizamos IA. Hay que demostrar dónde aporta valor y qué resultado conseguimos con ella”, explica Manel Vericat, Data & AI Training Specialist de zenital.
CUANDO LA IA PASA DE LA PRUEBA AL PROCESO
La diferencia entre experimentar con una herramienta y conseguir que forme parte de un proceso empresarial se encuentra, precisamente, en la capacidad de medir su impacto. Un proyecto reciente desarrollado por zenital para automatizar la recogida y priorización de las necesidades formativas de un equipo permite poner cifras a ese cambio. Esta tarea requería inicialmente unas 240 horas de trabajo y, mediante la aplicación de IA, se estima que puede reducirse hasta las 80 horas, lo que supondría liberar alrededor de 160 horas de trabajo.
Más allá del ahorro económico, el ejemplo refleja uno de los principales cambios que zenital observa en las organizaciones y es la necesidad de vincular la implantación de inteligencia artificial a indicadores que permitan evaluar de manera objetiva si el proyecto está aportando valor. Para la consultora, el verdadero salto se produce cuando una compañía es capaz de identificar una tarea o proceso, establecer cuánto cuesta actualmente en tiempo, recursos o dinero y comparar ese punto de partida con el resultado obtenido tras introducir la tecnología.
“Una prueba de concepto (PoC) puede ser espectacular y, sin embargo, no resolver ningún problema real a la empresa, o aportar menos valor de lo que costaría la implantación y el consumo de tokens. El reto está en identificar dónde la IA aplicada al negocio ahorra costes sin restar fiabilidad ni control. A veces será para automatizar una tarea; otras, para que una persona pueda tomar una decisión con más información o dedicar su tiempo a actividades de mayor valor. Y habrá situaciones en las que la respuesta correcta será no utilizarla”, señala Manel Vericat.
EL RETO NO ES SOLO LA TECNOLOGÍA: CONOCIMIENTO, ORGANIZACIÓN Y DATOS
Conseguir una adopción efectiva de la inteligencia artificial no depende únicamente de disponer de las herramientas adecuadas. A partir de su experiencia con organizaciones y profesionales, zenital identifica cuatro obstáculos recurrentes: el desconocimiento de las herramientas disponibles, una comprensión limitada de la propia tecnología, la rigidez de las organizaciones y la velocidad a la que está evolucionando la IA.
La falta de conocimiento puede provocar, además, el efecto contrario al esperado: sobreestimar las capacidades de la inteligencia artificial y obviar sus limitaciones y riesgos. La rapidez con la que aparecen nuevos modelos, funcionalidades y formas de trabajar dificulta al mismo tiempo que empresas y profesionales consoliden conocimientos antes de que el escenario vuelva a cambiar.
A estos desafíos se suma la calidad de la información. La calidad y la gobernanza del dato adquieren especial importancia a medida que las compañías pasan de usos individuales de herramientas de IA generativa a aplicaciones conectadas con información y procesos corporativos.
Una IA puede ser tan sofisticada como permita la tecnología, pero, si trabaja sobre información incompleta, duplicada, desactualizada o mal estructurada, sus resultados estarán inevitablemente condicionados por la calidad de esa materia prima. En zenital lo resumen con una idea sencilla como es aplicar inteligencia artificial sobre datos de mala calidad no soluciona el problema, sino que amplifica el caos.
Por este motivo, desde la consultora destacan la importancia de auditar los datos antes de abordar la implantación de soluciones de inteligencia artificial, con el objetivo de evaluar su calidad, detectar posibles inconsistencias y determinar si la información disponible está realmente preparada para alimentar estos sistemas. Una necesidad que, según zenital, está ganando peso entre las organizaciones: la compañía está percibiendo recientemente un aumento de la demanda de este tipo de auditorías como paso previo a la incorporación de IA en sus procesos.
“La aparición o incorporación de la IA en procesos empresariales está haciendo que muchas organizaciones miren sus datos con otros ojos y empiecen a darse cuenta de que quizá toda esa información dispersa debería empezar a limpiarse. Es un proceso natural: intento resolver algo con IA, no funciona porque los datos no están bien, y entonces pongo el foco en los datos”, explica el especialista de zenital.
MÁS DE 200 PROFESIONALES FORMADOS: DE APRENDER A HACER PROMPTS A TRANSFORMAR PROCESOS
El cambio también está llegando a la formación empresarial. Durante el último año, zenital ha formado a más de 200 profesionales de alrededor de 15 empresas en inteligencia artificial, principalmente de las áreas de Ventas, Operaciones y Administración. Esta actividad está permitiendo a la consultora observar de primera mano cómo evolucionan las necesidades de las organizaciones. Si las primeras aproximaciones estuvieron muy centradas en conocer las herramientas y aprender a interactuar con ellas, el interés empieza ahora a desplazarse hacia una cuestión mucho más vinculada al negocio: cómo utilizar la IA para optimizar procesos.
Esto implica identificar qué tareas merece la pena automatizar, cómo trabajar con información corporativa, qué límites deben establecerse o cómo conseguir que la adopción no quede restringida a un pequeño grupo de empleados especialmente interesados en tecnología. “La formación empieza a cambiar porque las empresas ya no quieren únicamente que sus equipos sepan utilizar una herramienta. Quieren que entiendan cómo incorporarla a su trabajo con criterio. El objetivo no debería ser hacer con IA lo mismo que hacíamos antes un poco más rápido, sino revisar procesos y preguntarnos si podemos trabajar de una manera mejor”, apunta Manel Vericat.
DE LA IA GENERATIVA A LOS AGENTES: EL SIGUIENTE RETO PARA LAS EMPRESAS
Este cambio se produce mientras la tecnología continúa avanzando. La evolución de los modelos de IA generativa y el desarrollo de sistemas capaces de ejecutar tareas cada vez más complejas están abriendo nuevas posibilidades para las organizaciones, pero también elevan las exigencias en materia de seguridad, integración, gobernanza y control.
Dentro de este escenario, zenital está reforzando su especialización en Claude, la inteligencia artificial desarrollada por Anthropic. Actualmente, diez profesionales de la compañía cuentan con la certificación Claude Certified Architect Foundations y la consultora trabaja en diferentes casos de uso con esta tecnología, al tiempo que avanza en el proceso para convertirse en Claude Select Partner de Anthropic.
Para zenital, sin embargo, el reto va más allá de incorporar nuevas herramientas. La siguiente fase de adopción de la IA estará determinada por la capacidad de las organizaciones para identificar dónde aporta valor, integrarla en sus procesos, formar a sus equipos y establecer un marco de gobernanza que permita extender su uso de forma segura y efectiva.
2027: LA IA TENDRÁ QUE JUSTIFICAR LA INVERSIÓN
De cara a 2027, zenital prevé que la inteligencia artificial empresarial entre en una etapa de mayor madurez, en la que las pruebas de concepto convivirán cada vez más con exigencias de retorno, escalabilidad, seguridad y control. La adopción dejará así de medirse únicamente por el número de herramientas utilizadas o de proyectos lanzados y empezará a hacerlo por su impacto en indicadores concretos como horas ahorradas, costes reducidos, procesos automatizados, tiempos de respuesta, productividad o mejora de la capacidad de análisis y decisión.
“El hype ha forzado la entrada de la inteligencia artificial en la agenda de prácticamente todas las organizaciones. Ahora llega la parte difícil y, a la vez, la más interesante. Tenemos que separar lo que es técnicamente posible de lo que realmente tiene sentido para cada negocio. Las empresas que hagan bien ese ejercicio serán las que consigan convertir la IA en una ventaja y no simplemente en otra herramienta. Para conseguir esto son necesarias, por lo menos, dos cosas: capacitación y gobernanza”, concluye Manel Vericat.
