MADRID 29 Abr. (AGENCIA REFORMA) -
La adopción de inteligencia artificial (IA) entre las empresas es impresionantemente alta, pero la mayoría tiene dificultades para ponerla en buen uso. Intuyen que la IA es esencial para su futuro. Sin embargo, la intuición por sí sola no les permitirá descubrir el potencial de la IA, y no tienen claro cuál es el secreto de ello.
El año pasado, el 78% de las empresas afirmó utilizar inteligencia artificial en al menos una función, en comparación con el 55% en el 2023, revela la encuesta "Estado de la IA" realizada por la consultora de administración global McKinsey y publicada en marzo. Las empresas en general afirmaron obtener ahorros de costos de menos del 10% y aumentos de ingresos inferiores al 5% gracias a esos esfuerzos.
Aunque el rendimiento financiero medible es limitado, el sector empresarial está apostando por completo a la IA, revela el reporte Índice de IA 2025 publicado en abril por el Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano. El año pasado, la inversión privada en IA generativa alcanzó los 33.9 mil millones de dólares a nivel mundial, 18.7% más que en el 2023.
Las cifras reflejan una "paradoja de la productividad", en la que las mejoras masivas en las capacidades de IA no se han traducido en un aumento correspondiente de la productividad a nivel nacional, de acuerdo con Erik Brynjolfsson, economista y profesor en la Universidad de Stanford que trabajó en el Índice de IA. Mientras que algunos proyectos específicos han sido enormemente productivos, "muchas empresas están decepcionadas con sus proyectos de IA".
Resolviendo la paradoja de la productividad
Para que las empresas aprovechen al máximo sus esfuerzos de IA, Brynjolfsson aboga por un análisis basado en tareas, en el que la empresa es dividida en tareas específicas o "unidades atómicas de trabajo" que se evalúan para determinar la posible asistencia de la IA.
A medida que se aplica la IA, los resultados se miden contra indicadores clave de desempeño (KPIs). Brynjolfsson cofundó Workhelix, una startup que aplica estos principios.
Las empresas deben procurar determinar primero un resultado y luego encontrar el modelo que les ayude a lograrlo, afirma Scott Hallworth, director de datos y análisis y responsable de soluciones digitales en HP.
Orquestando y escalando la IA
Un reporte por separado de McKinsey, publicado en enero, ayuda a explicar por qué la adopción de la IA supera con creces las ganancias de productividad asociadas, de acuerdo con Lareina Yee, socia principal y directora del McKinsey Global Institute. Solo el 1% de las empresas estadounidenses que han invertido en IA afirma haber escalado su inversión, mientras que el 43% reporta aún encontrarse en la fase piloto. "No puede esperar uno aumentos significativos de productividad a nivel piloto y ni siquiera a nivel de unidad de la empresa. Para lograr mejoras significativas de productividad es necesario alcanzar una mayor escala", afirmó.
Ryan Teeples, director de tecnología en 1-800Accountant, coincide en que "dividir el trabajo en tareas basadas en IA y alinearlas con los KPIs no sólo genera un rendimiento a la inversión medible, sino que también crea una mejor experiencia para el cliente al revelar información crítica con una rapidez superior a la que podría jamás lograr un humano".
Esta empresa privada con sede en Nueva York ofrece servicios de impuestos, contabilidad y nóminas a 50 mil clientes activos, con especial atención a las pequeñas empresas. La empresa no es cliente de Workhelix.
Además, Teeples afirma que las empresas deberían mirar más allá del uso individualizado de la IA, donde los empleados utilizan chatbots GenAI o herramientas de productividad con IA para optimizar su trabajo. "La verdadera adopción empresarial involucra la orquestación y el escalado a nivel organización. Muy pocas organizaciones han alcanzado realmente este nivel, e incluso esas apenas están comenzando", afirmó.
El uso de la IA en 1-800Accountant inicia con una evaluación para determinar si la tecnología mejora la experiencia del cliente. Si la IA proporciona a los clientes respuestas tan buenas, mejores o más rápidas que las de un humano, es un buen caso de uso, de acuerdo con Teeples. Anteriormente, la empresa programaba citas de una hora con asesores que respondían preguntas sencillas de los clientes, como el estado de su declaración de impuestos.
Ahora, la empresa utiliza un agente de IA conectado a fuentes de datos curados para atender el 65% de las consultas de los clientes, con el 30% programando una llamada con un humano. (El 5% restante abandona el proceso de consulta por diversas razones). La empresa utiliza Agentforce de Salesforce para manejar las consultas de los clientes y su plataforma Einstein para la orquestación en el modo administración de 1-800Accountant.
Teeples afirmó que la empresa está ahorrando dinero en el costo de asesores humanos. "El rendimiento de la inversión (ROI) en este caso fue más que claro", afirmó.
Orquestar la IA en toda la empresa requiere la infraestructura correcta, particularmente en lo que respecta a los datos, dice Gabrielle Tao, vicepresidenta senior de nube de datos en Salesforce. Es importante, afirmó, armonizar los datos al crear, por ejemplo, una forma consistente de referirse a conceptos empresariales como "pedidos" y "transacciones", independientemente de la fuente de datos subyacente.
Walter Sun, director global de inteligencia artificial en SAP, dice que las implementaciones de IA deben centrarse en tareas que son frecuentes y generalizables. Tareas poco frecuentes y altamente específicas, como una campaña de mercadotecnia para un evento único, podrían beneficiarse de la IA, pero aplicarla a tareas que ocurren con regularidad logrará un rendimiento de la inversión más consistente, afirmó.
Ya hemos visto esto
Históricamente, el mundo ha tardado años en descubrir qué hacer con tecnologías revolucionarias de uso general, como la máquina de vapor y la electricidad, de acuerdo con Brynjolfsson. No es inusual que los modelos de propósito general sigan una "curva en J", en la que se produce una caída en la productividad inicial, al tiempo que las empresas le encuentran la cuadratura, seguida de un aumento gradual en la productividad.
Dice que las empresas están empezando a superar la curva en J de la IA.
La transformación podría ocurrir más rápido que en el pasado porque las empresas -bajo gran presión de los inversionistas- están trabajando para justificar rápidamente la enorme cantidad de capital invertido en la IA