Inteligencia artificial: por qué muchas empresas no están preparadas para incorporarla

Para Marcelo De Luca, cofundador de The App Master, buena parte del problema comienza cuando las organizaciones buscan incorporar la tecnología antes de identificar con claridad qué necesidad del negocio pretenden resolver.

Según explica, el temor a quedarse fuera de la tendencia está llevando a algunas compañías a confundir innovación con utilidad y a intentar construir soluciones avanzadas sobre procesos y estructuras que todavía presentan deficiencias.

El riesgo de automatizar las ineficiencias

Uno de los principales riesgos, según De Luca, es considerar a la inteligencia artificial como una solución capaz de corregir por sí misma problemas preexistentes.

Si los procesos internos están mal diseñados, la incorporación de nuevas herramientas no necesariamente los mejora. Por el contrario, puede hacer que los errores se reproduzcan con mayor velocidad y escala.

“La IA no tiene criterio propio para corregir la lógica defectuosa de un negocio”, sostiene De Luca, quien advierte que automatizar un proceso ineficiente no elimina el problema, sino que puede extenderlo a toda la operación.

En ese sentido, uno de los indicadores que permiten detectar una implementación apresurada es la falta de objetivos y métricas concretas. Si una compañía quiere adoptar IA, pero no puede determinar previamente qué KPI busca mejorar –por ejemplo, reducir costos o tiempos de atención–, el proyecto corre el riesgo de responder más a una tendencia que a una necesidad empresarial.

La calidad de los datos como gran condicionante

La calidad de la información disponible constituye otro de los puntos centrales. De Luca señala que existen organizaciones que buscan desarrollar modelos predictivos mientras todavía administran información estratégica mediante planillas desconectadas, registros manuales o sistemas aislados entre diferentes áreas.

En esos casos, la tecnología se encuentra con una limitación estructural. Para el ejecutivo, una IA solo puede generar resultados confiables si dispone de información igualmente confiable.

La existencia de datos incompletos, fragmentados o desactualizados puede conducir a resultados erróneos y limitar la capacidad de la tecnología para encontrar patrones que tengan una aplicación concreta en el negocio. (Google compra los datos de Spirit Airlines: por qué es una jugada estratégica)

“Una IA es tan inteligente como los datos con los que se alimenta”, resume De Luca, quien agrega que los procesos también deben tener estabilidad y criterios definidos para que los algoritmos puedan aprender a partir de ellos.

No todos los problemas de una empresa se resuelven con IA

El avance de la tecnología también puede llevar a interpretar como problemas tecnológicos situaciones cuyo origen es organizacional o humano.

Para ejemplificarlo, De Luca menciona el caso de una compañía que buscaba utilizar IA para abordar dificultades relacionadas con la rotación de personal, la captación de talento, el onboarding y la cultura interna.

El problema, explica, aparece cuando las causas de esas dificultades se encuentran en aspectos como el clima laboral, los salarios o la capacidad de liderazgo. En esos escenarios, un algoritmo puede ayudar a analizar información o automatizar determinadas tareas, pero no puede solucionar el origen del conflicto.

“La tecnología puede automatizar un proceso de selección, pero nunca podrá automatizar la cultura de una empresa”, sostiene el ejecutivo.

Qué se necesita antes de invertir

Antes de avanzar con proyectos de IA, De Luca plantea una serie de condiciones básicas:

• Disponer de datos limpios, estructurados, actualizados y centralizados que funcionen como una única fuente de información para la organización.
• Madurez de los propios procesos. Para el ejecutivo, la inteligencia artificial difícilmente pueda optimizar aquello que todavía no está correctamente definido, documentado o digitalizado.
• Invertir en reingeniería de procesos, software e infraestructura para preparar a la compañía para que una futura inversión en IA pueda ser escalable y aportar resultados.

De Luca propone incluso una pregunta que las empresas deberían hacerse antes de avanzar: si se eliminara hoy la posibilidad de incorporar IA, ¿los procesos actuales serían suficientemente sólidos, ordenados y eficientes por sí mismos?

Si la respuesta es negativa, considera que la prioridad debería estar en solucionar esos problemas antes de avanzar hacia herramientas más sofisticadas.

La conclusión sintetiza el planteo de fondo: la inteligencia Artificial puede convertirse en una herramienta transformadora, pero no reemplaza los cimientos tecnológicos y operativos de una empresa. Implementarla sobre una organización preparada puede generar valor; hacerlo sobre procesos desordenados puede terminar convirtiendo la innovación en un gasto.

¿Y el turismo?

El planteo de De Luca adquiere especial relevancia para la industria turística, donde la incorporación de inteligencia artificial avanza sobre diferentes áreas del negocio, desde la atención al cliente y la comercialización hasta el análisis de datos y la automatización de procesos. (Expedia anuncia despidos por el avance de la IA en su plataforma)

Trasladada al sector, su advertencia plantea un interrogante para agencias de viajes, operadores, hoteles y aerolíneas cuánto valor puede aportar la IA cuando la información todavía se encuentra dispersa entre diferentes sistemas, existen tareas manuales o los procesos internos no están suficientemente ordenados y digitalizados.

En ese escenario, el desafío no pasa únicamente por incorporar nuevas herramientas, sino por determinar si la organización cuenta con los datos, procesos e infraestructura necesarios para aprovecharlas.

Para las empresas del turismo, por lo tanto, la discusión sobre IA también debería comenzar antes de elegir una herramienta: qué problema concreto se busca resolver, qué información existe para hacerlo y si los procesos sobre los que actuará la tecnología funcionan correctamente. Es allí donde la innovación puede dejar de responder a la presión por adoptar IA y comenzar a vincularse con una necesidad real del negocio.