Por qué tantas empresas compran inteligencia artificial y tan pocas consiguen usarla de verdad
Algo está pasando ya en empresas de todos los tamaños, en todos los sectores y en prácticamente todos los países. Os planteamos un muy posible escenario.
Alguien en dirección lee un artículo.Asiste a una conferencia.Ve lo que está haciendo la competencia… toma una decisión:
“Nosotros también vamos a implementar IA.”
Y a partir de ahí todo parece seguir un camino lógico.
Se compra la herramienta,se contrata al proveedor, se hace una presentación interna con diapositivas bien diseñadas.
El equipo de IT instala lo que haya que instalar,y se envía un email corporativo anunciando la novedad para que todos estén al tanto y a ser posible entusiasmados.
Durante unas semanas parece que la empresa ha dado un paso importante hacia el futuro. Al fin y al cabo, se trata de IA, todos hablan de ello, ya no es el futuro, es el presente, “hay que estar ahí”…
Pero digamos que pasan tres meses y entonces,casi nadie la usa.
Seis meses después, ya nadie habla de ella.
Y por ejemplo un año después, alguien en una reunión dice:
“Probamos IA, pero aquí no funcionó.No era para nuestra empresa/proyecto”
¿Qué piensas de esta situación?
Porque no es una excepción. Observamos en conversaciones con clientes, que ya están pasando casos así.
Y desde JTS llegamos a la conclusión de que la mayor parte de las empresas no fracasan al implementar inteligencia artificial.
Simplemente nunca llegan a adoptarla de verdad. Creen que han “hecho lo correcto pero no funcionó”
Y en verdad no les funcionó pero no porque la tecnología no funcione. Sino porque muchas organizaciones están tratando la inteligencia artificial como si fuera un software más. Como si fuera un CRM, un ERP o una nueva herramienta de gestión de proyectos.
Pero la IA no funciona así. Porque no se “instala” sino que se aprende, se adopta y se integra.
Y eso requiere algo más profundo y detallado, y que no viene en ninguna licencia de software: tiempo, cambio cultural y rediseño de procesos.
Exploremos esto juntos.
El tiempo de aprendizaje que nadie presupuesta
Cuando una empresa decide implementar una herramienta de inteligencia artificial suele hacer un cálculo bastante simple.
Empieza probablemente incluyendo el coste de la licencia, el proveedor, quizá una formación inicial de unas horas y un plazo de implementación técnica.
Y ahí termina el cálculo.
Lo que no suele incluir ese presupuesto es el verdadero aprendizaje que necesita la empresa para que la herramienta funcione. Y ese aprendizaje tiene al menos tres capas que casi siempre se subestiman. Vamos a verlas.
A. Aprender a formular las preguntas correctas
Esto parece trivial, pero no lo es. Hacer las preguntas adecuadas en cualquier proceso es clave.
Y la mayoría de herramientas de IA (especialmente las basadas en modelos de lenguaje) dependen enormemente de la calidad de la instrucción que reciben.
Por lo tanto no sirve solo saber que la herramienta existe.
Tenemos que saber:
- qué pedirle
- cómo pedirlo
- con qué contexto
- y con qué nivel de detalle
Un profesional puede llevar veinte años en su sector y tener un conocimiento profundo de su área. No hay duda en eso.Pero eso no significa necesariamente que sepa traducir ese conocimiento en instrucciones útiles para una IA.
Para él es una habilidad nueva, y como cualquier habilidad nueva requiere práctica, errores e iteración.
Sin embargo, muchas empresas esperan sin darse cuenta que todo el mundo sepa usar IA desde el primer día. Y eso simplemente no ocurre.
B. Aprender a interpretar los resultados
La IA no produce verdades absolutas, lo que sí produce son respuestas.
Algunas pueden ser brillantes, otras no tanto. Y otras directamente erróneas.
La clave está en saber interpretar lo que devuelve.
Aquí aparece una paradoja: la IA no reduce la necesidad de conocimiento experto. En muchos casos, la aumenta.
Porque ahora no solo tienes que saber hacer tu trabajo. Sino que también tienes que saber evaluar si la IA lo ha hecho bien.
Por ejemplo:
Un abogado que usa IA para revisar contratos necesita saber más de derecho, no menos.
Un analista financiero que usa IA para generar informes necesita más criterio, no menos.
La IA amplifica la capacidad del experto. Pero también amplifica los errores del inexperto.
C. Aprender a integrar la herramienta en el trabajo diario
Este es probablemente el punto donde más implementaciones fracasan y no porque la gente no quiera usar la IA, sino porque nadie les ha explicado en qué momento de su día a día encaja.
Las preguntas suelen ser muy simples:
- ¿La uso antes de empezar una tarea?
- ¿Después?
- ¿En lugar de algo que ya hago?
- ¿Además de lo que ya hago?
Cuando estas preguntas no tienen una respuesta clara, la IA se convierte en una capa adicional de trabajo en lugar de una herramienta que lo simplifica. Es un extra añadido a lo que ya toca hacer y por eso confunde o genera cierto rechazo.
Y cuando algo añade trabajo en vez de quitarlo, la gente lo abandona. Lógico.
Entonces: la IA no falla por falta de tecnología, sino por falta de aprendizaje.
2. Los cambios culturales que muchas empresas evitan
Vemos que el aprendizaje es el primer obstáculo. Y también que la cultura suele ser el segundo.
Cada empresa tiene una forma de funcionar que se ha construido durante años, a veces durante décadas. Y muchas veces eso no está escrito ni documentado en ningún manual.
Está en los hábitos, rutinas, jerarquías muchas veces informales, en lo que se valora y lo que no…
Y claro, cuando la IA entra en ese ecosistema,nos empezamos a cuestionar muchas de esas dinámicas.
Por ejemplo en cómo se toman decisiones. En muchas organizaciones las decisiones se apoyan en la experiencia acumulada de ciertas personas. Oímos cosas como estas:
“Juan sabe de esto porque lleva quince años aquí.”
“María siempre ha gestionado este proceso.”
Cuando una IA puede analizar datos y ofrecer recomendaciones en segundos, el peso de esa experiencia cambia. No es que desaparezca, es que ahora se redefine. Y también cambia quién tiene el conocimiento.
En muchas estructuras tradicionales la información es poder. Y hay personas que son valiosas porque saben cosas que otros no saben.Tienen acceso a datos, procesos o contactos que dominan en exclusiva.
La IA democratiza parte de ese acceso. Y eso, aunque suena muy bien en una presentación, puede ser profundamente desestabilizador dentro de una organización.
3. El rediseño de procesos que casi nadie hace
Aquí aparece una de las grandes trampas de la adopción de IA.
Muchas empresas intentan hacer algo que parece lógico pero que rara vez funciona y es “poner” la IA encima de los procesos que ya tienen.
El razonamiento puede ser perfectamente algo así:
“Tenemos un proceso que funciona. Le añadimos IA para que vaya más rápido.”
Pero la mayoría de los procesos actuales fueron diseñados para ser ejecutados por personas. Están pensados para un mundo donde buscar información lleva tiempo, donde el análisis requiere horas y donde generar un documento es un proceso manual.
Cuando introduces IA en ese tipo de proceso, lo que obtienes no es necesariamente un proceso mejor.Muchas veces obtienes un proceso viejo con una capa tecnológica encima.
Pero un proceso diseñado para IA es diferente.
Por ejemplo, en la generación de informes:
-En un proceso tradicional una persona busca los datos, los analiza, extrae conclusiones y redacta el informe.
-En un proceso diseñado para IA el flujo cambia: la IA recopila datos, genera un primer análisis y produce un borrador.
La persona entra después, para validar, aportar criterio y tomar decisiones.
El resultado final puede parecer similar.Pero el proceso es completamente distinto.
Y rediseñar procesos requiere tiempo y todo esto además nos hace replantearnos:
¿Por qué hacemos las cosas como las hacemos?
4. El factor que casi nadie menciona: el miedo
En JTS también percibimos un elemento que muchas empresas ignoran en la adopción de IA.
El miedo. Y no hablamos aquí de un miedo abstracto o tecnológico. Sino de un miedo personal.
Ejemplos:
-El miedo a perder el trabajo.
-El miedo a perder relevancia.
-El miedo a no entender la tecnología.
Cada vez que un empleado ve una demostración de lo que la IA puede hacer, una parte de su cerebro está probablemente pensando: “¿Esto significa que yo sobro?”
Cuando estos miedos no se abordan de forma explícita aparece algo muy dañino para cualquier proyecto de innovación. Algo que llamamos sabotaje silencioso.
-Herramientas que se instalan pero nunca se usan.
-Proyectos piloto que siempre necesitan “un poco más de tiempo”.
-Reuniones donde todos asienten pero nadie se compromete.
En definitiva, la resistencia pasiva disfrazada de prudencia.
Este es, probablemente, el mayor destructor de proyectos de IA. Porque no aparece en ningún dashboard. Simplemente las cosas no avanzan.
La conclusión que muchas empresas todavía no quieren escuchar
Todo lo que hemos visto aquí apunta a una misma idea. Y es que la adopción de IA no es un proyecto tecnológico.
Es un proyecto de transformación organizativa. El software se compra fácilmente en una semana pero la transformación cultural puede tardar años.
Las empresas que entienden esto tienen una ventaja enorme y no porque tengan mejor tecnología, sino porque entienden que la tecnología sin transformación es solo gasto.
Y las que no lo entienden seguirán repitiendo la misma historia:comprar herramientas, hacer presentaciones bonitas y preguntarse un año después por qué nadie las usa.
La IA no es el futuro. Ya es el presente.
Así que la pregunta que planteamos desde JTS es otra:
¿Estamos preparados para aprender a trabajar con ella de verdad?
Entiende por qué muchas empresas implementan IA pero nunca llegan a aprovecharla de verdad