El desembarco de la inteligencia artificial generativa avanzó con una velocidad sin precedentes en la historia de la tecnología. En cuestión de semanas, millones de personas y organizaciones en todo el mundo incorporaron estas herramientas para redactar correos, sintetizar documentos extensos o formular consultas de rutina. Sin embargo, detrás de ese deslumbramiento inicial se esconde una paradoja evidente: mientras el uso individual y recreativo se expande rápidamente, la capacidad real de generar mejoras de fondo en la productividad de las organizaciones permanece prácticamente estancada. La consultora internacional Gartner proyecta que más del 70% de las iniciativas empresariales de inteligencia artificial y agentes autónomos fracasarán hacia 2029. La causa central de este tropiezo no radica en las limitaciones del algoritmo, sino en la falta de orden interno, la ausencia de datos preparados y la incapacidad de conectar la tecnología con problemas concretos de los procesos de trabajo.
Esto no les gusta a los autoritarios
El ejercicio del periodismo profesional y crítico es un pilar fundamental de la democracia. Por eso molesta a quienes creen ser los dueños de la verdad.
En la mayoría de las empresas y centros educativos, esta tecnología se utiliza como una novedad aislada. Se adquieren licencias o se prueban plataformas sin alterar los métodos de trabajo existentes. Esto produce un verdadero espejismo de productividad: una sensación de modernidad que ahorra minutos en tareas superficiales, pero que deja intactos los cuellos de botella y las ineficiencias de fondo. La consultora internacional Gartner proyecta que más del 70% de las iniciativas empresariales de inteligencia artificial y agentes autónomos fracasarán hacia 2029" Para salir de la trampa del entusiasmo pasajero y lograr un impacto medible y sostenible, pienso que la incorporación de estas soluciones debe gestionarse con una mentalidad de producto, estructurada en cuatro pasos fundamentales que propongo a continuación: 1. Entender el problema: No se debe empezar preguntando qué cosas puede hacer la tecnología, sino qué cuello de botella puntual se necesita resolver. Esto implica analizar los circuitos de trabajo diarios, identificar las fricciones operativas y definir metas específicas y medibles bajo criterios claros. 2. Trabajar en equipo: La inteligencia artificial no es un asunto exclusivo del área de sistemas o informática. Requiere articular una tríada indispensable: el profesional que conoce el proceso cotidiano, el especialista técnico y el responsable de la gestión que coordina la solución. El algoritmo castiga a quien no se esfuerza 3. Instrucciones claras y datos propios: La interacción con los sistemas no puede quedar librada a la improvisación. Mediante técnicas de diseño de instrucciones (Prompt Engineering) y sistemas de consulta a bases de datos internas (RAG), la herramienta responde sobre la realidad documental de la propia organización, evitando alucinaciones o respuestas inventadas y protegiendo la confidencialidad. 4. Probar antes de escalar: El despliegue debe realizarse siempre mediante pruebas piloto acotadas y prototipos simples. Al mismo tiempo, los líderes deben mostrar casos prácticos en vivo para derribar temores, legitimar la experimentación y guiar a sus equipos en la adopción. Para las Pymes, así como para las Universidades de Argentina, este camino abre una oportunidad estratégica. Permite transformar el aula en un espacio de simulación y transferencia tecnológica, preparando al "Ingeniero Aumentado": profesionales con criterio metodológico, capaces de convertir la tecnología en una herramienta cotidiana, invisible, sostenible y de alto impacto operativo. *Ing. profesor del Postgrado Especializacion en Gestion de Sistemas de Información, Facultad de Ingeniería – Universidad del Salvador (USAL)
