El mayor obstáculo para el éxito de la inteligencia artificial no es la tecnología, sino las organizaciones
- angiecantillo1
- hace 6 minutos
- 3 Min. de lectura
Las empresas invierten miles de millones en inteligencia artificial, pero la mayoría todavía no logra traducir esa inversión en resultados concretos. Estudios recientes revelan que el problema no está en los modelos, sino en la infraestructura, los datos y la gestión del cambio dentro de las organizaciones.
La inteligencia artificial vive un momento de entusiasmo corporativo casi sin precedentes. Directorios y ejecutivos hablan de productividad, automatización y nuevos modelos de negocio impulsados por algoritmos.
Sin embargo, cuando se observa lo que ocurre dentro de las organizaciones, la realidad es menos espectacular. Muchos proyectos de IA siguen sin pasar de la fase experimental.
Una investigación citada por Network World muestra que casi el 80 % de las empresas han retrocedido en iniciativas de inteligencia artificial después de que sus proyectos no cumplieran los objetivos previstos. En concreto, 79% de las organizaciones encuestadas volvió a procesos centrados en humanos tras experimentar problemas de rendimiento, integración o habilidades técnicas.
El dato proviene de un estudio de CompTIA realizado en septiembre con más de 1.100 empresas estadounidenses.
La paradoja es evidente: mientras la expectativa es enorme, los resultados aún son inciertos.
En el mismo estudio, 82 % de los líderes corporativos afirma esperar ganancias medibles de productividad gracias a la IA, pero 52 % señala que el bajo rendimiento de los sistemas ha sido el principal motivo de fracaso. Además, 50 % dice tener dificultades para escalar la tecnología a tareas complejas, y 47 % enfrenta problemas para integrarla en flujos de trabajo existentes.
El verdadero cuello de botella: datos, infraestructura y personas
El imaginario popular suele asociar el éxito de la IA con modelos más potentes o con más GPUs. En la práctica, los obstáculos suelen ser mucho menos glamorosos.
Uno de los principales problemas es la calidad y disponibilidad de los datos. Diversos estudios citados por analistas de la industria coinciden en que los problemas de datos son el mayor inhibidor de proyectos de IA, desde inconsistencias hasta silos de información que impiden alimentar adecuadamente a los modelos.
La infraestructura también se ha convertido en un punto crítico. Un informe reciente sobre entornos de IA indica que 65 % de las organizaciones considera que su infraestructura de IA es demasiado compleja de gestionar, mientras 54 % ha retrasado o cancelado iniciativas en los últimos dos años debido a estos desafíos.
Incluso en empresas que avanzan rápido, la distancia entre adopción y valor sigue siendo amplia.
El índice de preparación para IA de Cisco, por ejemplo, identifica a un pequeño grupo de compañías denominadas “pacesetters” que sí logran resultados consistentes. Representan apenas 13 % de las empresas, pero comparten rasgos clave: datos centralizados, infraestructura actualizada y procesos claros para escalar casos de uso.
La dimensión humana de la IA
Más allá de los problemas técnicos, la implementación de inteligencia artificial también revela tensiones culturales dentro de las organizaciones.
La adopción de nuevas herramientas suele generar resistencia, falta de capacitación o incluso sabotaje interno. Una encuesta a trabajadores del conocimiento encontró que 31 % de los empleados admitió haber saboteado activamente iniciativas de IA en sus empresas, a menudo por temor a perder sus puestos o por desconfianza en la tecnología.
Ese choque cultural tiene consecuencias en el mercado laboral. Según el informe de CompTIA, 38 % de las empresas afirma haber tomado decisiones de personal relacionadas con la IA, desde reasignaciones internas hasta nuevas contrataciones. Los trabajadores más afectados suelen ser los de niveles junior o intermedio.
Del hype a la madurez
La inteligencia artificial sigue avanzando a una velocidad notable, pero el ciclo de adopción corporativa es más complejo que el entusiasmo tecnológico.
Integrar IA no significa simplemente conectar un modelo generativo a una base de datos. Implica rediseñar procesos, modernizar infraestructura, ordenar datos y formar a la fuerza laboral.
En otras palabras, el verdadero desafío no es construir sistemas inteligentes, sino transformar organizaciones que durante décadas fueron diseñadas para funcionar sin ellos.
La IA puede ser la tecnología definitoria de esta década. Pero su éxito dependerá menos de algoritmos revolucionarios que de algo mucho más difícil: cambiar cómo trabajan las empresas.
Comentarios