Ciudad de México,
Sergio F Cara
Crédito foto: Sergio F Cara (NotiPress/Composición)
Cada vez más empresas incorporan inteligencia artificial (IA) en sus operaciones, pero muchas fracasan al hacerlo por no transformar su estructura interna ni definir objetivos concretos. Expertos consultados por NotiPress advirtieron que el problema no está en la tecnología, sino en cómo se aplica sin una estrategia clara ni preparación organizacional.
Haig Hanessian de Cognition, explicó que uno de los errores más frecuentes ocurre cuando las empresas instalan sistemas de IA sin revisar su modelo de decisiones. "¿Cuál es tu modelo de toma de decisión? Porque si tu modelo de toma de decisión no cambia, la IA no te va a cambiar nada", afirmó.
Además, abundó en que muchas organizaciones adoptan la tecnología sin comprender el problema que buscan resolver. "No se trata de tirar IA en una organización y que mágicamente eso se vuelva eficiente o mejor. Hay algo de transformación organizacional muy profundo", explicó durante la entrevista con NotiPress.
Fernando Leibowich Beker, CEO de Lidd AI, coincidió con esta evaluación y cuestionó las expectativas desmedidas en torno a la automatización. "No le pidas a la IA cosas que no le podés pedir ni a un humano. Ni a un buen humano. No la pongas a resolver el propósito de tu empresa si vos no sabés cuál es", indicó.
Ambos expertos también alertaron sobre la falta de condiciones mínimas en muchos entornos empresariales, como datos estructurados, arquitectura adecuada o gobernanza interna. "No tiene sentido largarse a armar cosas con IA sin tener las condiciones mínimas para que funcione. Es una inversión innecesaria y una frustración segura", declaró Hanessian .
Aunque la IA puede escalar operaciones, analizar grandes volúmenes de datos o automatizar tareas, su implementación requiere rediseñar procesos y capacitar al personal. En ausencia de esos factores, las iniciativas tecnológicas suelen quedar en fases piloto sin impacto operativo real.
Además de las fallas estructurales, los especialistas identificaron barreras internas relacionadas con la resistencia al cambio. Áreas como calidad, auditoría y fiscalización suelen rechazar la automatización por temor a perder control o visibilidad dentro de la empresa. En ese sentido, Leibowich afirmó que "hay personas que no entienden, pero no pueden decir que no entienden porque su ego no los deja".
Una investigación publicada en agosto de 2024 por RAND Corporation determinó que más del 80 por ciento de los proyectos de IA fracasan, una tasa doble respecto de los proyectos de tecnología tradicionales. Las causas, explica el documento "The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed" incluyen falta de claridad sobre qué problema resolver, insuficiencia de datos, infraestructura inadecuada y expectativas desalineadas respecto al rol real que la IA debería cumplir.
Según la encuesta global 2025 de McKinsey, The state of AI in 2025: Agents, innovation, and transformation, aunque 88 por ciento de las empresas usa IA en al menos una función, la mayoría aún se encuentra en etapas piloto. Solo una fracción logró escalar sus iniciativas hasta generar un impacto empresarial real. El análisis advierte que cruzar de experimentación a implementación a escala sigue siendo uno de los desafíos más persistentes.
El avance de la inteligencia artificial en el sector privado requiere más que infraestructura. La clave, según los especialistas, está en alinear propósito, modelo operativo y capacidades técnicas, antes de iniciar cualquier implementación. Sin esos componentes, la IA podría aumentar la desconfianza empresarial frente a futuros proyectos, además de evaporarse la eficacia.