Por Canuto  

La inteligencia artificial avanza hacia operaciones agénticas, pero las empresas descubren que sus mayores desafíos ya no son tecnológicos: son económicos, organizacionales y humanos.
***

  • Las compañías empiezan a administrar los tokens como un gasto operativo recurrente y asignan modelos según el valor de cada tarea.
  • Una política de Clay contra la escritura perezosa propone usar IA sin abandonar el pensamiento, la responsabilidad ni el respeto por el tiempo del lector.
  • Ejecutivos y consultoras advierten sobre la pérdida de habilidades críticas, la insuficiente capacitación y una posible erosión colectiva del juicio profesional.

La conversación empresarial sobre inteligencia artificial cambió radicalmente en el último año. El debate dejó atrás la pregunta sobre si la tecnología tendría un impacto real y pasó a concentrarse en cómo desplegarla sin desperdiciar recursos, inundar las organizaciones con contenido mediocre o debilitar las capacidades que todavía necesitan supervisar sus resultados.

El video How People Are Fixing AI’s Problems, de The AI Daily Brief: Artificial Intelligence News, describe esta transición como el paso desde la primera ola de adopción hacia una etapa marcada por agentes capaces de ejecutar tareas y coordinar flujos de trabajo. Esa evolución ofrece oportunidades considerables, pero también obliga a diseñar nuevas reglas para el uso de modelos, la gestión de costos, la capacitación y la responsabilidad humana.

La productividad no llega de inmediato

Uno de los conceptos que empiezan a perder fuerza sostiene que la IA generará de inmediato un auge generalizado de productividad. Un análisis de EY recuerda que las grandes revoluciones tecnológicas tardaron décadas en reflejarse plenamente en los indicadores económicos: la máquina de vapor necesitó casi un siglo en Gran Bretaña, la electricidad alrededor de cinco décadas y la informática cerca de una década antes de producir mejoras medibles en la productividad agregada.

La primera etapa de una transformación tecnológica suele concentrarse en construir la infraestructura que la hace posible. Para la IA, eso incluye centros de datos, semiconductores, generación eléctrica, capacidad de cómputo en la nube, infraestructura digital y el talento necesario para implementar y administrar esos sistemas antes de que sus beneficios se extiendan ampliamente.

Dentro de las empresas, el efecto tampoco aparece de manera uniforme. Algunas tareas muestran ganancias inmediatas y visibles, mientras otras permanecen atadas a procesos tradicionales, porque integrar agentes con supervisión humana, nuevos controles y responsabilidades claras genera una cantidad adicional de trabajo que puede absorber temporalmente el tiempo ahorrado.

Esto no significa que la productividad vaya a resultar neutral, sino que las organizaciones atraviesan una fase de transición desordenada. Las compañías que han tomado en serio la IA parecen aceptar que deben resolver cada desafío por separado, en lugar de esperar un reemplazo automático de trabajadores por agentes que transforme todos los procesos de un día para otro.

El costo de los tokens cambia la ecuación

Otro supuesto en retirada es que la IA funciona casi gratis después de contratar una suscripción. A diferencia del software empresarial tradicional, cada consulta consume tokens, cómputo y electricidad, por lo que la adopción de agentes convierte una inversión tecnológica inicial en un gasto operativo recurrente que crece con el uso.

Varias empresas descubrieron que sus presupuestos anuales de IA podían agotarse en pocos meses cuando los empleados utilizaban los sistemas por encima de las previsiones. Como respuesta, algunas implementaron presupuestos de tokens, límites de uso y esquemas de gobernanza más estrictos, mientras los modelos de razonamiento más capaces elevaban el consumo y los costos operativos.

Durante los primeros años posteriores a ChatGPT, muchas organizaciones podían calcular el valor de la IA como una suscripción de software: empleados multiplicados por el costo mensual de cada asiento y por doce meses. La IA agéntica modifica esa fórmula, porque su funcionamiento se parece menos a una herramienta estática y más a una nueva clase de trabajo que requiere recursos cada vez que se ejecuta.

Sin embargo, los límites de uso no representan necesariamente una reacción improvisada. Las organizaciones más serias están construyendo arquitecturas con distintos modelos y niveles de inteligencia para problemas diferentes, además de vías para solicitar más presupuesto cuando un equipo demuestra que puede generar valor con recursos adicionales.

Escritura de IA y nuevas reglas profesionales

La producción masiva de textos generados por IA creó un problema de saturación en redes sociales, plataformas de publicación y entornos corporativos. La facilidad para producir documentos extensos y aparentemente convincentes incentivó a muchas personas a delegar el proceso completo de escritura, incluso cuando el resultado añadía poco valor y trasladaba el costo de revisión a los lectores.

Las respuestas institucionales empiezan a multiplicarse mediante detectores, mecanismos para señalar contenido de baja calidad y normas profesionales más explícitas. El objetivo no consiste necesariamente en prohibir la IA, sino en reducir el incentivo a utilizarla de forma perezosa y recuperar la responsabilidad de quien firma, comparte o aprueba un documento.

Clay adoptó una política de escritura con IA que comenzó en ingeniería y después se extendió a toda la empresa. Sus principios establecen que cada autor debe respaldar sus ideas y oraciones, comprobar que el documento represente sus propios pensamientos, entender la escritura como una forma de pensamiento y dedicar más tiempo a redactar que el lector a consumir el resultado.

La política también advierte que un texto más largo no es necesariamente mejor. Si un documento nace de una instrucción breve y solo repite adornos sin contenido, la recomendación puede ser compartir directamente la instrucción, una postura que busca respetar el tiempo ajeno sin convertir el uso de IA en una falta moral.

Medir el valor más allá del consumo

Sarah Frier, directora financiera de OpenAI, explicó que construir una función financiera nativa de IA exige ambiciones diferentes a acelerar tareas existentes. Su equipo busca un cierre de día cero, con una visión financiera en tiempo real, conciliada y trazable, además de pronósticos automatizados y continuamente actualizados que permitan observar cómo cambia el negocio y qué decisiones pueden alterar su resultado.

Ese objetivo obliga a abandonar hojas de cálculo estáticas, búsquedas manuales de registros de respaldo y presentaciones aisladas para trabajar con herramientas vivas conectadas al contexto y a los datos del negocio. Frier sostiene que la transformación requiere rediseñar el trabajo alrededor de las decisiones importantes, permitir la experimentación, asignar responsabilidades claras y medir el trabajo confiable que la IA completa.

Entre sus recomendaciones figura dar acceso a todos y, al mismo tiempo, crear razones concretas para utilizar la tecnología. La exploración individual debe combinarse con experimentos estructurados sobre problemas reales, de modo que la estrategia descendente de la dirección conviva con iniciativas ascendentes, incluidos hackatones internos orientados a resultados.

Frier también observa que profesionales de distintas áreas se están convirtiendo en constructores de herramientas junto con sus especialidades. Una investigación de OpenAI indica que el 40% del uso especializado de IA entre profesionales de finanzas corresponde a trabajo fuera de las finanzas tradicionales y que el 22% involucra tareas relacionadas con ingeniería, mientras los equipos crean paneles y aplicaciones personalizadas con ChatGPT y Codex.

La evaluación, según la ejecutiva, debe centrarse en el valor por unidad de inteligencia y no en la cantidad de asientos contratados o tokens consumidos. Cada flujo de trabajo debería responder si la IA completó una tarea importante, cuánto costó considerando revisión y retrabajo, si el resultado fue suficientemente bueno y si permitió avanzar más rápido o tomar una decisión mejor.

Un arnés propio para una tecnología cambiante

Greg Shove, director ejecutivo de Section, recomienda que las compañías no intenten maximizar ni minimizar mecánicamente el consumo de tokens. A su juicio, los líderes deben realizar apuestas importantes, aceptar que la fotografía completa del retorno puede tardar entre uno y dos años y evitar recortar la inversión antes de que aparezcan los beneficios de una transformación más profunda.

Una de sus propuestas consiste en elegir un equipo y multiplicar por diez la inversión para convertirlo en un grupo faro. Mientras muchos programas de capacitación cubren a toda la organización con poca profundidad, un equipo concentrado puede experimentar más rápido, generar resultados visibles y ofrecer un modelo práctico para el resto de la empresa.

El reto posterior es evitar el estancamiento del segundo año, cuando desaparece la emoción inicial, surgen dudas sobre el retorno y los usuarios avanzados ya no bastan para sostener la adopción. En lugar de caer en el escepticismo general, Shove plantea identificar qué equipos están bloqueados, entender las causas e intentar rediseñar la forma en que trabajan.

La pregunta de los ejecutivos también está cambiando, según Rich Leser, presidente global de BCG. Antes preguntaban qué modelo debían utilizar, pero ahora quieren saber si están comprometiéndose demasiado pronto con un ecosistema que todavía evoluciona, una inquietud que desplaza el foco desde el proveedor hacia la arquitectura completa de la organización.

BCG describe esa arquitectura como un córtex empresarial compuesto por propiedad intelectual, datos esenciales, reglas de negocio, información propietaria y conocimiento sobre la relación entre procesos, estrategia, propósito y valores. Las empresas necesitan controlar el arnés donde viven esos elementos, para poder combinar modelos, herramientas, habilidades, salvaguardas y sistemas de gobernanza sin quedar atadas a una sola opción tecnológica.

El riesgo de perder habilidades críticas

La discusión empieza a mirar más allá de los costos y la calidad de los textos para anticipar daños menos visibles. Un análisis de BCG advierte que, cuando todos utilizan IA, las compañías pueden sufrir una descalificación distribuida: una erosión silenciosa del juicio, el pensamiento crítico y la capacidad de plantear problemas, aunque los paneles de adopción muestren cifras positivas.

La mitad de los líderes consultados dijo que ya observa ese riesgo y más del 60% espera que se convierta en una amenaza real durante los próximos tres a cinco años. El problema resulta especialmente delicado porque las capacidades que podrían debilitarse coinciden con las habilidades que las empresas consideran necesarias para la próxima década.

La confianza aparece como un indicador más útil que el consumo de tokens. Menos de uno de cada cinco empleados se siente confiado al usar herramientas de IA y aproximadamente dos de cada tres afirma que estaría más dispuesto a apoyar el cambio si la organización reconociera el esfuerzo necesario para utilizarlas correctamente.

KPMG encontró una brecha similar entre inversión tecnológica y desarrollo del talento. Los ejecutivos tienen el doble de probabilidades de aumentar el gasto en nueva tecnología que de invertir en capacitación, aunque entre los líderes que elevaron su inversión en la fuerza laboral, el 37% reportó un crecimiento de ingresos de al menos 20% durante los últimos tres años, frente al 25% del conjunto empresarial.

La capacitación no se resuelve con un curso en video ni con una certificación para un perfil profesional. Requiere tiempo, adaptación de procesos, práctica contextual y acompañamiento de los equipos, porque la adopción sostenible depende de que las personas aprendan a extender su experiencia con herramientas nuevas, no solo de que tengan acceso a ellas.

La experiencia que la IA podría consumir

Un debate emergente plantea la llamada tragedia de los bienes comunes cognitivos. Verificar una salida de IA exige conocimiento profundo, pero ese conocimiento suele formarse mediante años de trabajo básico y roles junior, precisamente las tareas que las empresas pueden intentar automatizar primero.

El riesgo colectivo consiste en que cada compañía actúe de forma racional al reducir posiciones iniciales, mientras la profesión completa pierde el proceso mediante el cual formaba expertos. Si esa tendencia se consolidara, dentro de quince años podría resultar más difícil encontrar personas capaces de detectar errores sofisticados en sistemas que todavía requieren supervisión profesional.

La hipótesis no debe aceptarse como una predicción inevitable, pero sí merece análisis e incentivos concretos. La experiencia profunda no tiene por qué desarrollarse exactamente como en el pasado, aunque las empresas deberán diseñar nuevas rutas de aprendizaje para que los trabajadores puedan practicar, equivocarse, recibir retroalimentación y asumir responsabilidades crecientes.

La conclusión que emerge es menos espectacular que la promesa de reemplazo masivo, pero más útil para la gestión. La IA está llevando a las organizaciones desde preguntas simples sobre adopción hacia decisiones complejas sobre costos, modelos, datos, talento, supervisión y confianza, y el éxito dependerá de resolverlas de forma abierta y acumulativa.

El cambio también modifica la responsabilidad de los líderes. No basta con comprar el modelo más potente ni con celebrar el número de tokens utilizados, porque la ventaja competitiva dependerá de integrar inteligencia artificial, conocimiento interno y criterio humano en flujos de trabajo que produzcan resultados confiables.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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