Palla y Garza resumen que lo que no se está aprovechando de la IA es su capacidad por no tener claro qué se quiere con esa integración y limitarse afirmar que se usa IA como muestra de estar en tendencia.
Pero incluso para las empresas que tienen claro cuál quieren que sea el uso de esta tecnología en su flujo de trabajo, para medir el avance se requiere un insumo que aún escasea: datos de calidad.
Los datos son esenciales, pues dan sentido, precisión y valor a la implementación de IA, sin ellos resulta inútil porque no tiene de qué aprender ni cómo generar respuestas útiles.
Garza explica que muchas empresas mexicanas enfrentan ese obstáculo: cuentan con montones de información dispersa y desorganizada, lo que impide nutrir adecuadamente los modelos de IA. En sus palabras, la calidad y estructura de los datos determinan el éxito o fracaso de una estrategia de inteligencia artificial, ya que de ahí depende la capacidad de medir, mejorar y ofrecer experiencias que realmente respondan a las necesidades de cada organización.
En última instancia, la tecnología solo puede avanzar al ritmo de las personas que la operan. Los datos son fundamentales, pero sin criterio humano que los interprete y oriente hacia un propósito, pierden sentido. Tanto Palla como Garza coinciden en que la inteligencia artificial necesita del juicio, la empatía y la creatividad de quienes la implementan para transformarse en un verdadero motor de cambio.
En palabras de Garza, la IA “no está para sustituir a las personas, sino para elevarlas”; su función es liberar tiempo y energía para que los equipos se enfoquen en lo que sigue siendo insustituible: la capacidad de pensar, conectar y decidir.
Tanto Palla como Garza concuerdan en que el futuro de la tecnología en México no depende de cuánto se invierta en inteligencia artificial, sino de cómo se conecten las capacidades humanas y tecnológicas en torno a objetivos claros.
Para tener claros dichos objetivos, algunas recomendaciones son:
-Analizar la situación actual: Revisar procesos, resultados y desafíos del negocio para identificar áreas de oportunidad o problemas que realmente impactan en el rendimiento. Esto incluye recolectar datos cuantitativos (ventas, tiempos de respuesta, costos) y cualitativos (satisfacción del cliente y experiencia del empleado).
-Priorizar necesidades clave: No todos los problemas merecen ser abordados de inmediato. La empresa debe seleccionar aquellos que tengan mayor impacto de acuerdo a la revisión del punto anterior.
-Traducir problemas en objetivos concretos y medibles: Cada objetivo debe ser específico, alcanzable y cuantificable. Por ejemplo, en lugar de “mejorar la atención al cliente”, se puede establecer “reducir el tiempo promedio de respuesta de 48 a 24 horas en seis meses” o “incrementar la resolución en primer contacto de 60% al 80%”.
-Asignar responsables y recursos: Quién será responsable de cada objetivo, qué tecnología o herramientas se necesitarán y cómo se medirá el progreso, así como cuántas personas participaron y con qué presupuesto se cuenta.
-Revisar y ajustar periódicamente: Los objetivos deben ser dinámicos. A medida que se implementan cambios u obtienen resultados, es importante evaluar si los objetivos siguen siendo relevantes y ajustarlos según nuevas oportunidades o aprendizajes.
“Delegamos tanto en la IA que a veces olvidamos lo más poderoso que tenemos: la capacidad de crear, de planificar y de conectar con otros. Si dejamos que la tecnología marque el ritmo, corremos el riesgo de desalinearnos de nuestra visión”, señala Palla.
