El 49% de las empresas en México pierden dinero en Inteligencia Artificial: no siempre es una solución

Para Paola Becerra, presidenta de SAP México, existe una falla de origen en esta carrera tecnológica en el país. “El tema no es hacer pilotos de IA y con eso pretender que ya se está obteniendo el valor que da esta tecnología; los clientes deben recorrer una jornada de transformación para realmente poder ver valor".

¿Por qué la IA no está moviendo la aguja del negocio en México ? La especialista observa una posible respuesta en que muchas compañías pretenden aplicar algoritmos avanzados sobre procesos de negocio que llevan 20 o 30 años operando de la misma manera sin rediseñarse.

“Implementar IA sobre un proceso ineficiente no lo corrige, lo amplifica y maximiza sus deficiencias”, advierte Becerra. “La tecnología actúa como un megáfono; si el proceso operativo de origen es caótico o desarticulado, el resultado automatizado será un caos a gran velocidad”.

Un síntoma de la falta de diseño de procesos en torno a la IA es el desorden de la información. Es decir, alimentar a los algoritmos con datos fragmentados en archivos, correos electrónicos o chats con proveedores no solo agota a los departamentos de tecnología que intentan unificarlos manualmente día con día, sino que perpetúa los vicios de la empresa, explica la especialista.

Hoy en día, más del 80% de las organizaciones reportan un uso activo de IA, pero menos del 13% tiene la calidad de datos para sustentarlo. “Están corriendo con herramientas avanzadas sobre una base de datos que no está lista para escalar”, señala el documento coordinado por Vincent Speranza, managing director de Endeavor México.

De hecho, esto explica el techo tan bajo de madurez en el uso de IA en el país, pues ninguna organización que participó en el estudio superó los 80 puntos y la infraestructura de datos fue el cuello de botella estructural que les impide cruzar ese umbral. “Sin datos confiables e integrados, la sofisticación operativa de la IA tiene un límite natural”, apunta el informe.

Los retos de implementar correctamente la IA en las empresas

Avanzar de la exploración a la implementación no requiere resolverlo todo de inmediato, apuntan los especialistas. Necesita que las áreas avancen en paralelo, es decir, datos, talento, integración operativa y gobernanza al mismo tiempo, no uno a la vez.

La consecuencia directa al negocio es significativa. Cifras del Foro Económico Mundial estiman que el uso de IA en la región podría generar un aumento de productividad entre el 1.9% y el 2.3% al año, creando un valor económico adicional entre 1.1 y 1.3 billones de dólares.

No obstante, el principal reto para las firmas nacionales, según los datos de Endeavor, es el ambiente normativo ambiguo y falto de líneas guía claras, lo cual exige a las empresas desarrollar un enfoque interno en riesgos de seguridad y gobernanza de sistemas de IA, pues el 64% de los encuestados percibe a la ciberseguridad y la privacidad como unos de los obstáculos más críticos en la implementación de la tecnología.

En este sentido Becerra es crítica, y señala que mientras la conversación pública se distrae con debates sobre si la IA extinguirá a la raza humana, el riesgo operativo real para los negocios en México ocurre a puerta cerrada.

La ausencia de un marco claro de gobernanza, autorización y trazabilidad abre brechas de seguridad críticas, apunta, y agrega que esa solo es la primera parte del problema, pues ante ese peligro, las empresas restringen el acceso por temor, paralizando la adopción y ahogando el valor que la tecnología podría aportar.

“Si como empresa no tengo la sensibilidad de los riesgos que hay, voy a dejar que cualquiera la use; si la tengo de más, voy a limitarla. Mientras la empresa no se sienta segura bajo un modelo de gobierno correcto, esa adopción va a estar limitada y no pasará de experimentos que generen brechas de seguridad”, sostiene Becerra.

¿El camino correcto? Ordenar la casa antes de automatizar

Para el mercado mexicano, la transformación no consiste en acumular pilotos de moda, sino en limpiar la arquitectura de datos, rediseñar los procesos operativos e integrar un modelo de gobierno estructurado con el ser humano al centro.

Invertir en herramientas de IA sin resolver primero la calidad e integración de datos es construir sobre arena, resalta el especialista de Endeavor en su informe, quien coincide en que la infraestructura de los datos no debe ser considerado un proyecto paralelo, sino un prerrequisito para su implementación.

“Solo ordenando la casa desde la base”, concluye la ejecutiva de SAP, “la inteligencia artificial dejará de ser una promesa costosa en las compañías para convertirse en un verdadero motor de competitividad en el país”.