IA en las empresas: advierten sobre la falta de estrategia, métodos y datos de calidad al implementarla
La inteligencia artificial dejó de ser una promesa lejana y pasó a ocupar un lugar central en la agenda de las empresas. Sin embargo, los resultados no siempre acompañan el entusiasmo. Para el consultor Axel Jutoran, especialista en IA aplicada a negocios, el principal obstáculo no es técnico sino estratégico: muchas organizaciones avanzan sin un plan claro, sin procesos documentados y sin datos de calidad.
“El error más común es sobreestimar el impacto inmediato y subestimar la complejidad operativa”, explica. Según su diagnóstico, numerosas compañías incorporan herramientas de IA con la expectativa de que resuelvan desordenes estructurales previos. “Creen que la tecnología va a arreglar procesos que nunca estuvieron definidos. Pero la IA no corrige el caos: lo acelera”, advierte.
La falta de un norte estratégico es, para Jutoran, uno de los factores centrales del fracaso. Cuando la adopción responde a la presión del mercado y no a objetivos concretos y medibles, las implementaciones suelen volverse dispersas. En esos casos, el uso queda librado a la iniciativa individual de los empleados, sin un marco común ni métricas claras. El resultado es frustración y la percepción de que “la IA no funciona”.
A esto se suma un problema clave: la calidad de los datos. “La IA necesita contexto y estructura. Si los datos de entrada son deficientes, el valor agregado será nulo o incluso negativo”, señala. Sin información confiable y bien organizada, cualquier sistema automatizado reproduce errores a gran escala. “Automatizar un proceso mal diseñado es escalar el error”, sintetiza.
Los antecedentes internacionales refuerzan la advertencia. Un concesionario vinculado a Chevrolet debió intervenir cuando un chatbot aceptó vender autos por un dólar, mientras que Air Canada fue obligada a respetar una política de reembolsos que su propio sistema automatizado había informado de manera incorrecta a un pasajero. Para el especialista, estos casos exponen la necesidad de controles humanos y mediciones constantes.
Frente a este escenario, Jutoran propone un enfoque gradual: primero mapear y documentar los procesos existentes; luego optimizarlos; incorporar asistentes que acompañen el trabajo humano; avanzar en implementaciones específicas; y recién en una etapa final automatizar de manera integral. La conclusión, afirma, es menos tecnológica que organizacional: sin estrategia, método y datos de calidad, la inteligencia artificial difícilmente cumpla las expectativas que hoy despierta en el mundo empresarial.