Cuando “tener IA” no basta: las empresas que confundieron moda con estrategia

Si en tu empresa alguien propone “ponerle IA a todo” este mes, detente un segundo. La promesa suena bien y el calendario aprieta, pero el coste de una mala adopción puede ser alto y duradero. Dos voces con experiencia, Gabriel Otero (Gosys) y Juan Pablo Di Tommaso (Centum), advierten que la trampa no está en los modelos, sino en cómo los usas.

Lo que están viendo hoy es claro: muchas compañías arrancan proyectos de inteligencia artificial sin ordenar sus procesos ni definir el problema. El resultado se repite, presupuestos inflados, pilotos eternos y equipos cansados. La parte curiosa es que la tecnología suele funcionar, pero aun así los proyectos no despegan. Falta un detalle que cambia todo y no es un “prompt” secreto.

Otero lo resume en una idea sencilla: si digitalizas un proceso desordenado, solo aceleras el desorden. El principal bloqueo no está en la inteligencia artificial como herramienta, sino en la adopción dentro de la organización. Se buscan resultados rápidos, pero sin un objetivo nítido terminas comprando piezas sueltas y poco alineadas con tus necesidades reales.

En paralelo, pesa la cultura. Muchas empresas aún dudan entre invertir en tecnología o contratar más gente, y escogen ampliar plantilla. A corto parece seguro, pero a medio plazo sale más caro. Incluso en grandes corporaciones, los procesos financieros siguen siendo manuales y repetitivos por no comprender qué significa de verdad digitalizar con inteligencia artificial.

También flota la idea de que la IA va a reemplazar personas. Otero lo rebate con una imagen útil y nada dramática: "La IA es un exoesqueleto para tu equipo, no un reemplazo". Si partes de ese enfoque, vas a poder liberar tiempo de tareas mecánicas y concentrar a tu equipo en decisiones con impacto.

Di Tommaso coincide y añade un aprendizaje práctico: usar tecnología “porque toca” suele ser un error. Hubo una oleada de plataformas de automatización con utilidad limitada, ruidosas y poco resolutivas para problemas reales. Cuando integras la inteligencia artificial en los procesos operativos, no como “addon”, aparecen los beneficios donde importan, en coste, tiempo y calidad.

En Centum empezaron con control de calidad y revisión de código, y más tarde incorporaron análisis de datos y automatización. La creación de conectores propios permitió que usuarios no técnicos diseñaran flujos, algo que democratiza capacidades y reduce cuellos de botella. En los últimos 12 meses, esa integración de inteligencia artificial se extendió a más áreas y mejoró los tiempos de respuesta con menos errores.

Cómo integrar la inteligencia artificial en tu empresa sin malgastar presupuesto

Si te preguntas por dónde empezar, el orden importa más que la herramienta. Define el objetivo, mide y escala con cabeza. Con todo, hay tres movimientos que reducen riesgo desde el día uno:

1. Diagnostica el proceso y el dolor exacto que quieres resolver.
2. Mide resultados por ciclos cortos (calidad, tiempo, coste) y ajusta.
3. Capacita al equipo y escala de forma gradual y trazable.

No todo debe automatizarse. La automatización indiscriminada puede ser contraproducente. La clave es usar inteligencia artificial donde reduce errores o acelera análisis, no donde añade fricción. Si lo comparas con la app móvil de tu banco, no pides todo a la vez, empiezas por pagos, pruebas, y luego amplías.

Errores comunes al adoptar inteligencia artificial y cómo evitarlos

• Entrar sin estrategia: ordena primero, luego digitaliza.
• Perseguir modas: prioriza problemas con impacto medible.
• Olvidar personas: comunica, forma y alinea liderazgo.

Queda un punto crítico: la seguridad. Subir documentos sensibles a un servicio web como ChatGPT desde la versión de escritorio sin controles claros es un riesgo real. Gosys opta por arquitecturas cerradas y entornos seguros, sin conexión al exterior, para evitar fugas. Los nuevos protocolos permiten que tú decidas qué datos usa la inteligencia artificial, habilitando o deshabilitando acciones específicas con trazabilidad.

No se trata de abrir todos los datos a la IA, sino de dar acceso mínimo necesario, con registro de uso y políticas de retención. Si ves propuestas sin gobierno del dato ni controles, es señal de alarma. Si, en cambio, incluyen permisos, auditoría y evaluación de impacto, vas por buen camino para integrar inteligencia artificial sin sobresaltos.

Mirando atrás, faltaba método: planificación escasa, objetivos difusos y equipos sin formación. Mirando adelante, el próximo paso será más pragmático. La inteligencia artificial se quedará donde aporte resultados concretos y medibles, no por promesas ni por moda. En Centum, por ejemplo, la IA libera a personas de tareas repetitivas para que decidan sobre lo complejo y valioso.