Por Álex Cabrera, CEO de Prevsis
La inteligencia artificial se presenta en las empresas como una necesidad y promesa transformacional, que resuelve muchos de los temas relacionados a la toma de decisión, mejora de procesos, y optimización de recursos. Todo esto suena muy bien al momento de realizar las demostraciones y presentaciones en los congresos, pero estudios recientes señalan que la realidad es bastante diferente. Un informe reciente del MIT revela algo que muchas organizaciones prefieren no compartir públicamente. Alrededor del 95% de los proyectos de IA no llega a buen término. Solo el 5% de las iniciativas logra generar un impacto real en los resultados de la empresa. Entender por qué pasa esto es crucial para cualquiera que esté considerando invertir o que al momento esté invirtiendo en IA, ya que el problema no está donde la mayoría cree.
Lo primero que tendemos a pensar es que, falla la tecnología, o que los algoritmos no funcionan o no son capaces de procesar información y que los datos están corruptos o que simplemente la IA aún no está lista. Sin embargo, la mayoría de estos proyectos no fracasan por razones técnicas. Fracasan porque las empresas no saben realmente cómo operar con estas tecnologías una vez que las tienen. La imprecisión de los modelos, es un factor clave al momento de abordar los proyectos.
Los algoritmos son tan buenos como los datos con los que se entrenan. Si esos datos están sesgados, incompletos o son de baja calidad, todo lo demás que construyas sobre ellos será poco confiable. Más que un problema técnico, es un cambio organizacional hacia una coordinación integral de los datos, con un alto nivel de gobernanza, lo que requiere de un cambio organizacional profundo, definiendo con claridad sobre la responsabilidad de tener estos actualizados, para asegurar su calidad y, sobre todo, cómo se revisan y verifican los resultados que genera el modelo. Sin esta estructura, incluso el mejor algoritmo se quedará corto.
Otro elemento de importancia es la transparencia. Una empresa no puede simplemente lanzar un algoritmo a operaciones y que este tome decisiones que afecten a sus empleados sin poder explicar el porqué.
La cuestión cultural
Pero quizás el reto más subestimado es el cultural. Integrar IA en una organización no es solo instalar una herramienta, es transformar la infraestructura completa de la empresa. Significa conectar datos de múltiples fuentes, readaptar procesos, y lo más importante, involucrar a las personas en ese cambio. Muchas implementaciones fallan no porque la tecnología sea mala, sino porque los colaboradores no entienden para sus implicancias, no confían en ella o simplemente no la usan como se esperaba. La resistencia al cambio es uno de los mayores obstáculos, pero es prevenible. Las empresas que logran éxito inician este proceso desde temprano a través de la cocreación, involucrando a diferentes áreas de la organización en el diseño, dejando que cuestionen, que participen, que sientan que la tecnología es suya y no algo que les impusieron. No se trata solo de capacitación en nuevas herramientas. Es crear una cultura que realmente abrace la colaboración entre humanos y máquinas.
Otro factor que se identifica en recientes estudios, es la falta de una estrategia clara a nivel directivo. Muchos proyectos de IA se inician sin que exista una visión definida de qué se quiere lograr, lo que genera poco o nulo apoyo en la operacionalización de la tecnología transversalmente en la organización, resultando en dispersión, abandono y finalmente dejando el proyecto como un piloto o demostración exitosa para una presentación o informe anual, sin embargo para que un proyecto de IA prospere, necesita una dirección clara, objetivos medibles y es fundamental una supervisión activa de la alta gerencia. Sin esto, la iniciativa puede que se convierta en un «nice to have», en algo que «estaría bien tener» pero que fácilmente se sacrifica cuando la presión llega. Para las organizaciones de hoy, eso debería ser un «must have», algo esencial para garantizar que la empresa siga siendo competitiva y sostenible a largo plazo.
La legislación también juega un papel cada vez más importante
Están surgiendo regulaciones que exigen más transparencia sobre cómo las empresas usan IA, especialmente en el ámbito laboral. Esto transforma la cuestión en algo que va más allá de lo legal. Es un tema de ética empresarial. Las organizaciones no solo deben cumplir con la ley, sino generar confianza con sus empleados y stakeholders explicando cómo y por qué usan estas tecnologías. Ese nivel de responsabilidad es lo que diferencia a las empresas que simplemente implementan IA de las que realmente la integran de manera sostenible.
Entonces, ¿por qué fracasa el 95% de los proyectos? La respuesta no es única, sino multifactorial. Es una combinación de factores como la faltan de datos de calidad, poca o nula gobernanza, alineación estratégica, transparencia en la toma de decisiones, incorporación de indicadores en la construcción y verificación de los resultados de la solución, direccionamiento y comunicación con los stakeholders, entre otros. Adicionado a la complejidad legal cada vez más exigente.
Las empresas que logran éxito tratan los proyectos de IA como un cambio integral, no solo como un proyecto de IT. En resumen, los proyectos IA generan transformación organizacional, que requiere buena gobernanza de datos, una cultura abierta al aprendizaje, estándares claros de transparencia y ética. Solo así la IA convertirse en la promesa de ser una herramienta que fortalece la sostenibilidad de las organizaciones y que les permite desplegar todo su potencial.
