Y, si transformáramos los ahorros que ofrece la IA en beneficios…Entonces sí conseguiríamos un avance definitivo

A diario nos tomamos con múltiples informaciones relacionadas con la Inteligencia Artificial, resaltando sus ventajas y previsiones impresionantes. La constante introducción de nuevos productos por parte de las empresas tecnológicas lo demuestra claramente. La IA es la tecnología que se ha integrado con mayor rapidez, y la mayoría de los usuarios la emplean como una herramienta auxiliar en sus tareas diarias. Sin embargo, resulta paradójico que muy pocas compañías logren obtener ahorros de costes sustanciales que puedan reflejarse en sus resultados financieros.

Ha sido el MIT quién en un reciente análisis ha revelado que únicamente el 7% de las empresas han logrado convertir la IA en ahorros de costes, mientras que la mayoría se ha limitado a realizar proyectos piloto, con resultados que varían en éxito. En España, estos resultados son aún menores. La mayor parte de los usuarios (más del 88%) utilizan la IA como una herramienta, pero su uso se restringe a buscar información, elaborar resúmenes y comparativas o asistir en presentaciones. Aunque estos usos ahorran horas de trabajo en las organizaciones, no se traducen en ahorros reales, ya que falta un plan definido sobre en qué aplicar esas horas ahorradas lo mismo que no se consideran otras tareas del puesto laboral.

Dichos informes señalan igualmente que los modelos de IA ya están lo suficientemente avanzados como para reemplazar el 12% de las tareas que en la actualidad se realizan en las empresas. Está claro que ya nadie duda de la utilidad y el potencial de la IA, y la mayoría de los CEOs consideran que la supervivencia del negocio depende de su adopción.

Es por ello inevitable plantearse el por qué las organizaciones no están materializando ya los ahorros que la IA puede ofrecer.

Quizá pudiera ser porque los avances tecnológicos son rápidos, pero los cambios en la en la sociedad y en la economía no lo son tanto. Los seres humanos necesitamos tiempo para asimilar y adoptar de manera masiva una innovación tecnológica, comprender sus implicaciones y aceptarla en el entorno general.

Son, y han sido, muchos los proyectos piloto desarrollados por las empresas que carecían de metas transformacionales. En muchos casos, se buscaba obtener resultados a corto plazo y con los más espectaculares logros posibles, con el fin de facilitar la aceptación interna de la nueva tecnología y sensibilizar sobre su importancia. Sin embargo, estos proyectos no estaban diseñados para escalarse ni para generar ahorros sustanciales; en ocasiones, ni siquiera se pensaba en cómo medir los beneficios económicos.

Sería necesario pasar de la experimentación a la transformación o reinvención si queremos obtener resultados efectivos. Para implementar IA requiere un proyecto empresarial que genere ahorros en los resultados financieros. Este proceso implica inversiones sostenidas, identificación clara de las áreas donde la IA puede ser más eficaz y la decisión de los altos directivos de llevar a cabo transformaciones reales mediante ciclos interactivos que se alimenten de los resultados obtenidos. Como en cualquier proceso de gestión del cambio, es imprescindible contar con gobernanza, medición y seguimiento de los avances, formación especializada en las áreas de cambio y, sobre todo, liderazgo. Igualmente, es fundamental entender y combinar las capacidades tecnológicas de la IA con la estrategia empresarial, gestionando un proceso de cambio complejo.

Entre todos los departamentos, son los de tecnología los que están adoptando la IA con mayor rapidez y logrando resultados tangibles. La principal razón es que los proveedores de herramientas de IA las están implementando internamente, y su actividad principal es el desarrollo de software y tecnología. En estos ámbitos, ya no se trata solo de ser innovador, sino de no quedar rezagado en una transformación acelerada y en la mejora de productividad que se está produciendo con la incorporación de la IA en el desarrollo de software. La magnitud de los cambios y las mejoras en productividad superan incluso a las que se lograron con las optimizaciones de DevOps en los años anteriores.

Tal y como ocurre en cualquier iniciativa estratégica, es esencial medir, tanto los costos incurridos como los ahorros logrados en cada aspecto de la operación. Los proyectos de IA conllevan gastos en licencias y suscripciones que pueden incrementarse en el futuro, por lo que se debe contemplar esta posibilidad y optar por arquitecturas que reduzcan la dependencia de proveedores.

Da igual si se trata de tareas relacionadas con desarrollo de software u otras funciones, es imprescindible evaluar los resultados y la calidad del trabajo realizado. Esto permite determinar si se están alcanzando los objetivos previstos y planificar las mejoras futuras. Además, es importante compararse con organizaciones similares; en algunos casos, podemos estar muy satisfechos con una mejora del 20% en productividad, mientras que la competencia logra avances del 40% o más.

Una opción válida consiste en establecer un sistema que cuantifique la productividad. En el ámbito del desarrollo de software, es fundamental medir objetivamente la calidad del producto. Se debe verificar si los tiempos de entrega se han reducido, si los resultados cumplen con las especificaciones y necesidades, y si la calidad del software ha mejorado junto con la optimización de los costos. Estas métricas son clave para tomar decisiones informadas y definir ciclos de mejoras incremental.

Por último, señalar, que un recurso fundamental es el benchmarking, que facilita la comparación del rendimiento de equipos, tecnologías y procesos en relación con los estándares del sector o con resultados históricos propios. En este contexto, el benchmarking ofrece una clara visión del impacto de la implementación de la IA en la productividad.