Es difícil encontrar a un ejecutivo de una empresa de la lista Fortune 500 que admita en público que su compañía tiene dificultades para escalar la IA. En privado, bajo las reglas de Chatham House, que permiten utilizar la información de una reunión sin revelar quién hizo cada declaración, esa es más o menos la situación de la mayoría.

Hace poco hablé con Ed Nelson, cofundador y director de estrategia de la Cumbre de Infraestructura de IA. Antes del evento principal de este mes, Nelson organizó una reunión privada con ejecutivos de empresas del Fortune 500, todos integrantes del comité ejecutivo o ubicados apenas un nivel por debajo. El encuentro tuvo un objetivo concreto: analizar en qué se destinó realmente el dinero invertido en IA y qué necesitaban las compañías para ampliar su uso.

A Nelson le llamó la atención que nadie quisiera discutir qué modelo era el mejor ni si la tecnología estaba a la altura de las exigencias. La conversación giró en torno a la capacidad real de las empresas para incorporar estas herramientas a su funcionamiento cotidiano. La principal limitación, según sus propias palabras, es el "metabolismo organizacional".

Implementar la IA a gran escala todavía representa un obstáculo

Varias empresas ya pusieron en marcha proyectos de IA con buenos resultados. Nelson cita el caso de una compañía de software empresarial que reemplazó unos 250 tableros de ventas, utilizados por 4000 vendedores, por un solo agente de IA. Esa herramienta procesa ahora hasta 30.000 consultas por semana. Uno de los tableros que la empresa eliminó costaba US$ 3 millones al año. Otra compañía utilizó un agente para optimizar el pago de impuestos y consiguió ahorros por cientos de millones de dólares.

Una tercera empresa del sector de la salud utilizó IA generativa para resumir decenas de millones de llamadas de atención al cliente y detectar qué mensajes lograban que los usuarios eligieran un tratamiento de menor costo. Según Nelson, la iniciativa mejoró el margen en US$ 170 millones en una parte del negocio y permitió trasladar otros US$ 200 millones en ahorros a los clientes. 

En mi propia empresa ocurrió algo similar. Recurrimos a agentes de IA para verificar si cumplíamos con las normas de datos de cada país. Recién después advertimos cuánto tiempo nos ahorró esa tarea y hasta qué punto amplió nuestras capacidades.

También hablé sobre este tema con Julio Martínez, CEO de Abacum, una empresa que desarrolla una plataforma de planificación financiera para compañías. Martínez me comentó que "el mayor error es suponer que automatizar el trabajo financiero crea una función financiera más estratégica. No es así. La IA puede agilizar drásticamente los procesos existentes, pero la verdadera oportunidad reside en decidir cuáles de esos procesos deberían desaparecer por completo y en qué debería invertir su tiempo el departamento financiero".

Sin embargo, estos casos todavía parecen ser la excepción. Cuando se les pidió a los ejecutivos de empresas del Fortune 500 que describieran la situación en sus propias compañías, la mayoría reconoció que contaba con algunos proyectos en los que la IA generaba un valor concreto y cuantificable. Aun así, su uso todavía no formaba parte central de los productos ni de la estrategia del negocio. Entonces, ¿por qué la IA todavía no tiene una presencia más amplia en el funcionamiento cotidiano de estas empresas?

Empresas que malgastan dinero deliberadamente

Algunas compañías intentan resolver el problema con más dinero. Nelson cita el caso de una empresa de software empresarial que creó cerca de 18.000 agentes en solo un trimestre, aunque esperaba que apenas unos pocos cientos sean realmente útiles. La compañía superó ampliamente su presupuesto para servicios en la nube, pero ese gasto adicional ya estaba previsto. La idea era probar que a gran escala podía acelerar el aprendizaje mucho más que un programa piloto cuidadosamente administrado.

La estrategia plantea una pregunta válida: ¿se trata de disciplina o de un gasto excesivo? Según Nelson, algunas grandes empresas empezaron a mostrar posteriormente un mayor control sobre esos desembolsos.

De todos modos, el principal desafío pasa por la forma de pensar. Nelson menciona el caso de una empresa del sector de la salud que tenía un proceso operativo de unos 200 pasos. Los directivos propusieron automatizar tres, pero el ejecutivo sostuvo que, con la IA, la mayoría de esos pasos dejarían de ser necesarios. Automatizar procesos ineficientes no transforma a una empresa.

Todos se convierten en gerentes de agentes

Los agentes pueden multiplicarse en segundos. Las personas, no. La tecnología avanza semana tras semana, pero las empresas no pueden cambiar al mismo ritmo. La velocidad de esa transformación depende, en gran parte, del comportamiento, la confianza y las capacidades de sus empleados.

Según Nelson, muchas compañías ya buscan formas de superar esa resistencia. Una de ellas exige que cada empleado incluya un objetivo relacionado con la IA en su evaluación de desempeño. En otra, el director de tecnología les pidió a los ingenieros de software que dejaran de apoyarse únicamente en las habilidades que perfeccionaron durante 10 años y pasaran a coordinar agentes de programación, herramientas de IA capaces de escribir, revisar o modificar código. Otra empresa, en cambio, formó equipos con pasantes acostumbrados a usar IA e ingenieros experimentados que conocían a fondo el negocio, con la expectativa de aprovechar las fortalezas de ambos perfiles.

Sin embargo, ninguno de estos ejecutivos consideró suficiente que el área de tecnología impulsara el cambio por sí sola. Nelson recuerda la advertencia de un ejecutivo a los responsables de TI que asumen por sí solos la tarea de implementar IA en toda la compañía: si sos la única persona en ese camino, mejor empezá a preparar tu currículum. 

Define este proceso no como "menos una agenda de implementación del CIO", sino como una cuestión vinculada al modelo operativo. El CIO es el máximo responsable de la tecnología de una compañía. Por eso, la discusión también involucra la estrategia del negocio y, en consecuencia, al CEO.

Los consejos para quienes ingresan al mercado laboral apuntan en la misma dirección. Según Nelson, la idea se repite entre los ejecutivos. Si la IA especializada asume buena parte del conocimiento específico de cada sector, los perfiles más amplios podrían ganar protagonismo. Entre ellos aparecen arquitectos, pensadores creativos, diseñadores y profesionales capaces de conectar distintas áreas en lugar de limitarse a una sola especialidad.

La forma de trabajar también cambia. Las personas dejan de ejecutar cada paso de un proceso y pasan a supervisar, validar y rediseñar las tareas que realizan los agentes. En ese escenario, muchos empleados podrían convertirse en gerentes de agentes. La pregunta, entonces, es si los líderes empresariales saben cómo preparar a su personal para supervisar la IA. La respuesta que encontró Nelson no fue alentadora. Después de dirigir un panel dedicado específicamente a ese tema, fue tajante: "No escuché nada muy satisfactorio en lo que respecta a la capacitación".

Durante años sostuve que el principal límite de la IA radica en la capacidad de las organizaciones para adaptarse a ella. Crear 18.000 agentes es una forma de poner esa idea a prueba. Y, desde luego, no es barata.

*Esta nota fue publicada originalmente en Forbes.com.