La IA no es la transformación

La mayoría de las organizaciones no fracasarán con la inteligencia artificial por falta de tecnología, sino por exceso de entusiasmo. Nunca habíamos tenido una tecnología con un potencial tan extraordinario para multiplicar capacidades humanas. Precisamente por eso merece algo más que entusiasmo.

Dentro de unos años no recordaremos qué modelo de IA utilizaba cada empresa, sino qué organizaciones supieron convertir sus datos en decisiones. Y sospecho que muchas lo lograron gracias a los proyectos que decidieron no hacer.

Hablo desde la experiencia. En mi doble papel como CIO y responsable de Transformación, apenas pasa una semana sin que esta conversación aparezca, ya sea en mi organización, en encuentros con colegas o en cualquier foro. Adopta formas distintas, pero casi siempre empieza igual: “¿Qué estamos/estáis haciendo con IA?”. Preguntas legítimas que yo también me he hecho pero que, formuladas así, empiezan por la herramienta y no por el problema. Y ahí nace buena parte del ruido en el que vivimos.

Vivimos una obsesión colectiva por la inteligencia artificial. Se multiplican los pilotos y las pruebas de concepto que deslumbran en una demo y nunca llegan a producción. O, si llegan, lo hacen sin haber considerado todos los aspectos necesarios para convertirse en algo útil, que genere valor y que sea lo suficientemente seguro. Se lanzan iniciativas cuyo principal objetivo es poder decir que existen, que estamos innovando. La presión es totalmente comprensible: todos queremos ser más eficientes y nadie quiere ser la organización que se quedó atrás.

Pero estamos confundiendo adopción con transformación. Usar IA no es transformarse, igual que comprar una bicicleta no te convierte en ciclista. La tecnología es la condición necesaria, pero está lejos de ser suficiente. Y cuando se convierte en un fin en sí misma, consume presupuesto, talento y, sobre todo, credibilidad, que es lo más difícil de recuperar.

El papel del CIO siempre ha consistido en impulsar. Siempre he huido del CIO del no, el que frena por sistema. Sin embargo, hoy siento que la utilidad de nuestra función consiste también, y con la misma importancia, en filtrar, en cuestionar, en retar. Y ese filtro, paradójicamente, no es tecnológico, pues diría que casi nunca fracasa un proyecto de IA porque el modelo no sea lo bastante bueno, sino por carencias mucho menos “sexy”. Por eso, antes de decir que sí, conviene hacerse tres preguntas.

La primera: ¿para qué? Qué problema concreto resuelve la iniciativa y quién la echaría de menos si no existiera. Si la respuesta honesta es “queremos ver qué puede hacer la IA”, estamos ante una exploración. Es legítima, pero debe llamarse así, tener un presupuesto acotado y una fecha de caducidad. Lo que no puede es disfrazarse de transformación.

La segunda: ¿con qué datos? Esta es la parte menos vistosa y la más decisiva: la IA no corrige el desorden, lo amplifica, más rápido y con más aplomo. Un modelo alimentado con datos incompletos o contradictorios devuelve respuestas incompletas o contradictorias, pero con una seguridad impecable. Durante años ha sido difícil defender inversiones en gobierno del dato porque no lucen en una presentación. Sin embargo, hoy se han convertido en el requisito previo de cualquier iniciativa seria de IA. Antes de construir modelos, hay que saber qué datos tenemos, quién responde de ellos y hasta qué punto son fiables.

La tercera: ¿quién va a cambiar su forma de trabajar? Si nadie quiere hacerlo, el proyecto fracasará, aunque la tecnología funcione a la perfección. El cambio no se impone por decreto ni llega con la licencia. Se consigue cuando las personas comprueban que la herramienta les resuelve algo a ellas, y no solo al cuadro de mando. Eso exige involucrarlas desde el principio, formarlas, rediseñar tareas y aceptar que la supervisión humana no es un peaje, sino parte del valor. Es el problema clásico de la adopción de la tecnología, corregido y aumentado.

Propósito, datos y personas. Si falta cualquiera de los tres, lo que tenemos no es innovación. Es ruido con presupuesto.

Alguien objetará, con razón, que decir que no tiene riesgos: el de llegar tarde, el de desmotivar a quien propone, el de ser percibido como un freno. Son riesgos reales, y no conviene despacharlos a la ligera.

Pero la alternativa es peor. Decir que sí a todo equivale a repartir recursos finitos entre diez iniciativas difusas, sin que ninguna reciba el patrocinio, el tiempo y la paciencia que exige una transformación de verdad. Decir que no a ocho es precisamente lo que permite decir que sí, con toda la fuerza, a las dos que sí pueden cambiar el negocio. No es inmovilismo, es concentración.

Además, el “no“ rara vez es definitivo. Casi siempre es un ”todavía no”, porque faltan los datos, o un “así no”, porque falta el propósito o faltan las personas adecuadas. Bien explicado, un no es una hoja de ruta: dice exactamente qué hay que resolver para que la respuesta cambie.

Un ejemplo de esto que puede resultar familiar en muchas organizaciones: un área solicita un desarrollo de IA que responda a las consultas internas sobre algún ámbito documental, pongamos procedimientos, normativa o políticas internas. La demo es brillante, pero al revisar la documentación aparecen tres versiones del mismo procedimiento, sin responsable claro de cuál es la vigente. La respuesta ha de ser un “todavía no”, para dedicar el tiempo adecuado en el trabajo de fondo, aunque sea algo mucho menos glamuroso: depurar los documentos, asignar un propietario a cada uno y definir cómo se actualizan. Cuando la solución llega, lo hace con un alcance más modesto que el de la demo, pero con respuestas fiables. Y la gente lo usa porque puede confiar en él.

La conversación sobre IA en nuestras organizaciones tiene que cambiar de pregunta. Ya no se trata de qué podemos hacer con IA, porque la respuesta es casi cualquier cosa (cualquier hackatón o concurso de ideas en cualquier compañía arroja cientos de buenas ideas de procesos mejorables con IA), sino de qué merece la pena hacer para obtener un resultado observable y cuantificable. Y esa pregunta no la responde ningún modelo. La responden las personas que conocen el negocio, que saben qué datos lo sostienen y que están dispuestas a trabajar de otra manera.

La tecnología seguirá avanzando más rápido de lo que podemos absorberla, y eso no va a cambiar. La ventaja competitiva no estará en tener el modelo más reciente, sino en tener claro para qué lo queremos, datos en los que confiar y equipos que quieran usarlo.

Y eso, para un CIO y para cualquier líder, no significa solo incorporar inteligencia artificial; significa asegurarse de que la organización no malgasta sus recursos en iniciativas que no aportan suficiente valor, sino que invierte en lo que realmente transforma el negocio.

La IA no es la transformación. Es un acelerador de aquello que ya hacemos, para bien o para mal.