La adopción de la Inteligencia Artificial avanza entre las empresas mexicanas, pero incorporar herramientas de IA no necesariamente significa obtener beneficios económicos. Para Catalina N’haux, directora general de Qualtop, uno de los principales desafíos está en pasar de la experimentación a proyectos con objetivos claros, datos suficientes y resultados que puedan medirse.
El uso de herramientas como ChatGPT, Gemini y otros sistemas de Inteligencia Artificial ya forma parte de las actividades cotidianas de muchas personas y organizaciones. Sin embargo, N’haux advierte que utilizar estas plataformas de manera individual es diferente de desarrollar una estrategia empresarial capaz de generar ingresos, reducir costos o abrir nuevas oportunidades de negocio.
- EL DATO: LAS STARTUPS registraron una tasa de adopción de Inteligencia Artificial del 52%, ubicándose por encima del promedio regional en América Latina, que es del 38%.
De acuerdo con el análisis de KPMG compartido por Qualtop, el porcentaje de organizaciones en México que se encuentra en una fase activa de adopción de IA pasó de 17 a 26 por ciento en un solo trimestre. A pesar de este crecimiento, únicamente siete por ciento ha conseguido consolidar un retorno de inversión claro.
Durante una entrevista con La Razón, N’haux señaló que una de las dificultades se encuentra en la propia cultura de las organizaciones. Muchas iniciativas de Inteligencia Artificial llegan al área de tecnología sin que exista suficiente coordinación con las áreas de negocio, que deberían definir el problema que se busca resolver.
Por ejemplo, una empresa puede plantearse incorporar un chatbot generativo a su plataforma de comercio electrónico para mejorar las recomendaciones de productos o impulsar ventas adicionales. Sin embargo, para que el proyecto tenga sentido, las áreas de tecnología y negocio necesitan trabajar conjuntamente desde el principio y definir qué solución utilizará realmente el cliente.
Otro obstáculo radica en la dificultad para establecer una línea de referencia. Antes de implementar un agente o asistente de IA, explicó la directiva, las compañías necesitan conocer cuánto tiempo, dinero o recursos consume actualmente el proceso que quieren automatizar.
Sin esa medición inicial, resulta complicado determinar posteriormente si la Inteligencia Artificial produjo un beneficio concreto. Por ello, N’haux plantea que las organizaciones deben reducir la presión por implementar tecnología rápidamente y comenzar por definir qué quieren medir y cuál será el resultado esperado.
La industria financiera aparece como uno de los sectores donde Qualtop observa mayor movimiento. La consultora señaló que alrededor de 90 por ciento de su negocio relacionado con la industria corresponde a la banca y los seguros, por lo que su experiencia está particularmente concentrada en estos sectores.
N’haux explicó que las instituciones financieras están incrementando la inversión en inteligencia artificial no solamente para procesos internos. También comienzan a utilizarla en servicios dirigidos a los clientes, como la atención, las recomendaciones de productos, la prevención de fraude y la detección de operaciones relacionadas con el lavado de dinero.
En estos sectores, además, la seguridad forma parte de las primeras evaluaciones antes de incorporar una nueva solución. La ejecutiva indicó que las instituciones financieras suelen revisar desde el inicio aspectos como la seguridad, la arquitectura tecnológica, el talento necesario y los recursos que consumirá una implementación.
- EL TIP: UNA DE LAS MEJORES opciones implementa cadenas automatizadas que aceleren el tiempo del mercado.
Otro de los puntos abordados que resaltó fue el impacto de la IA en el trabajo. Frente al temor de que estas herramientas sustituyan a determinados perfiles, N’haux señaló que uno de los principales objetivos que actualmente observa entre las compañías mexicanas es incrementar la productividad.
La expectativa, explicó, está relacionada con hacer más utilizando los equipos y recursos que las organizaciones ya tienen: crecer con mayor rapidez, mantener los costos bajo control y, al mismo tiempo, aumentar la capacidad de entrega.
En el caso de los analistas de datos, la Inteligencia Artificial también podría modificar sus actividades sin eliminar necesariamente la necesidad de estos perfiles. La interpretación de la información continúa requiriendo conocimiento del negocio para determinar qué datos utilizar, cómo estructurarlos y qué indicadores son relevantes.
Para N’haux, el desarrollo de capacidades será otro de los retos. Encontrar profesionales con experiencia para desarrollar, implementar, medir y gobernar sistemas de IA todavía resulta complicado, debido a que se trata de una tecnología relativamente nueva.
Por ello, considera necesario que las empresas contribuyan a formar talento, tanto entre quienes están comenzando su carrera como entre los profesionales con experiencia. Utilizar Inteligencia Artificial sin conocer adecuadamente sus riesgos puede generar problemas para las organizaciones.
La regulación también ocupa un lugar importante. La directiva considera que México necesita reglas para el uso empresarial de la Inteligencia Artificial, pero advierte que una regulación excesiva podría ralentizar la adopción. Su propuesta es avanzar de manera gradual, medir los resultados y ajustar las reglas conforme aumenten el conocimiento y los casos de uso.
Apple cambia las reglas del iPhone: el plegable ya es una realidad
