Por Canuto  

La IA puede acelerar el trabajo y extenderse por toda una empresa, pero el éxito inicial también trae costos crecientes, más revisión humana y nuevas dependencias. Arthur Azizov, CEO y fundador de B2BROKER Group y B2BINPAY, propone una segunda etapa de despliegue para decidir dónde conviene usar estas herramientas y bajo qué reglas.
***

  • Arthur Azizov reporta que la velocidad interna de desarrollo se multiplicó por cinco en seis meses, mientras el gasto en IA aumentó unas 15 veces.
  • El mayor uso no garantiza valor: los resultados de IA pueden trasladar trabajo a quienes deben revisarlos, corregirlos o validarlos.
  • La segunda etapa recomendada contempla elegir modelos según la tarea, definir controles humanos y preparar alternativas ante fallas de proveedores.

El éxito de la IA puede elevar los costos y crear una nueva carga de trabajo

Una adopción amplia no garantiza que la IA genere valor empresarial: también puede disparar el gasto, multiplicar las tareas de revisión y dejar procesos críticos atados a proveedores externos.

La incorporación de inteligencia artificial en una compañía suele comenzar con pruebas limitadas y herramientas para algunos equipos, pero puede extenderse hasta involucrar áreas muy distintas. Arthur Azizov, CEO y fundador de B2BROKER Group y B2BINPAY, plantea que, una vez superada esa etapa inicial, las empresas necesitan revisar cómo usan la tecnología, cuánto les cuesta y qué controles requieren sus resultados.

En un artículo de opinión publicado por Unite.AI, Azizov relata que su primer experimento con una suscripción paga, iniciado hace unos tres años, evolucionó hasta un despliegue que alcanzó desarrollo, finanzas, legal, marketing y soporte. La experiencia le mostró una paradoja: la productividad y el gasto pueden crecer al mismo tiempo, de modo que medir cuántas personas usan la IA no basta para saber si la inversión rinde.

Más uso no equivale a más valor

Azizov cuenta que la velocidad interna de desarrollo aumentó aproximadamente cinco veces en unos seis meses, mientras el gasto en IA se multiplicó alrededor de 15 veces. La brecha no significa, por sí sola, que la tecnología haya fracasado; sí expone que una mejora operativa puede venir acompañada de costos que las métricas de adopción no muestran con claridad.

Durante el primer despliegue, explica, indicadores como los usuarios activos, la frecuencia de uso y el tiempo que los empleados creen ahorrar ayudan a entender si las herramientas se están incorporando al trabajo. Pero, cuando el acceso se vuelve generalizado, esos datos pierden fuerza como medida de resultados: contabilizan actividad, no necesariamente tareas completadas con valor para el negocio.

El ejemplo más sencillo que ofrece Azizov es que algunos empleados empezaron a consultar a la IA qué hora era en Nueva York. La anécdota ilustra cómo el uso puede extenderse a consultas de escaso valor comercial, mientras el consumo de instrucciones y tokens sigue aumentando; por eso, la cantidad de interacciones no demuestra que la herramienta esté reduciendo costos o mejorando resultados.

Azizov también señala la experiencia de Shopify, donde el agente interno River redacta hasta la mitad de las solicitudes de extracción de código de producción, según la descripción del ejecutivo. El CEO de Shopify, Tobi Lütke, advirtió sobre las «granadas de basura»: resultados generados por IA que alguien envía sin revisarlos adecuadamente y que después obligan a otra persona a comprobarlos, corregirlos o resumirlos.

La productividad puede trasladar el cuello de botella

El aumento de la velocidad de producción no elimina necesariamente el trabajo que viene después, advierte Azizov. En el caso del desarrollo, la IA permite generar más código en el mismo tiempo, pero ese código todavía requiere revisión antes de llegar a producción, además de pruebas y decisiones humanas sobre su calidad.

La revisión automatizada puede ayudar, según el ejecutivo, aunque afirma que aún no confía ciegamente en ella. Así, los desarrolladores dedican menos tiempo a escribir cada línea desde cero, pero deben atender una mayor cantidad de material para comprobar; la tarea no desaparece, sino que cambia de lugar dentro del flujo de trabajo.

Ese cambio vuelve menos concluyente la cifra de una velocidad de desarrollo cinco veces mayor. Si el volumen de código que necesita atención humana también crece, la empresa debe sumar al cálculo el tiempo de revisión, prueba y evaluación de confiabilidad, en vez de presentar la rapidez de generación como una reducción equivalente de la carga total.

El mismo razonamiento puede aplicarse a otros resultados de IA que necesitan validación antes de utilizarse. Cuando un empleado recibe un texto, un análisis o una propuesta generada por un modelo, todavía debe decidir si puede confiar en ella y si hace falta corregirla; esa labor también forma parte del costo real de un proceso asistido por IA.

La segunda etapa requiere reglas y alternativas

Azizov propone que las empresas distingan entre un primer despliegue, centrado en abrir acceso, encontrar casos de uso y observar dónde la tecnología ayuda, y una segunda etapa de gobierno y rediseño. Tras varios meses de experiencia práctica, sostiene, la organización dispone de datos propios sobre costos, resultados por equipo y tiempo destinado a revisar las respuestas de IA.

Una de sus recomendaciones es asignar modelos de acuerdo con la tarea. Las solicitudes rutinarias podrían dirigirse a opciones más pequeñas y económicas, mientras que las labores complejas podrían reservarse para modelos cuyo mayor costo esté justificado; el objetivo es no pagar precios de vanguardia por trabajos de bajo valor.

También plantea definir en qué situaciones la aprobación humana es obligatoria, en especial para código de producción, documentos legales y otros resultados de alto impacto. A eso suma reglas claras sobre datos sensibles, para que los empleados sepan qué información pueden compartir con cada modelo y cuáles herramientas no deben recibirla.

El tercer frente es preparar un plan de respaldo cuando un flujo crítico depende de un proveedor externo. Azizov recomienda documentar las instrucciones, integraciones, flujos de datos y dependencias específicas del modelo con suficiente detalle para que la carga de trabajo pueda migrar a otro proveedor si surge una emergencia.

Auditar antes de volver a escalar

El ejecutivo aconseja no continuar ampliando el despliegue durante otro año sin detenerse a revisar lo que la empresa construyó. Propone realizar una auditoría después de aproximadamente 90 a 180 días de uso real, un plazo que permitiría evaluar el desempeño observado en lugar de basar nuevas decisiones únicamente en expectativas o cifras de adopción.

La revisión debería medir resultados empresariales aceptados y relacionar el modelo utilizado y su costo con el valor de cada tarea. También tendría que identificar dónde la supervisión humana sigue siendo necesaria y qué procesos podrían acercarse más a una automatización completa, sin asumir que todas las actividades requieren el mismo nivel de control.

El planteamiento no descarta ampliar el uso de IA ni cuestiona que pueda acelerar procesos. Su argumento es que las empresas deben evitar confundir esa velocidad con una reducción automática del gasto o del trabajo, especialmente cuando la generación de resultados exige revisiones adicionales o cuando más equipos incorporan herramientas de proveedores externos.

En síntesis, la primera etapa responde dónde puede usarse la IA; la segunda, qué usos convienen, con qué reglas y a qué costo. Para Azizov, esa distinción permite que la compañía conserve los beneficios de la adopción sin dejar que el aumento de actividad se transforme en gastos innecesarios, acceso descontrolado a información o dependencias que el negocio no eligió de manera consciente.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados