La mayoría de las empresas está usando IA para ir más rápido hacia el lugar equivocado

Automatizando tareas que nunca se detuvo a rediseñar. Y con la IA agéntica, ese error se paga más caro.

Durante los últimos años casi todas las compañías siguieron el mismo camino con la inteligencia artificial: compraron herramientas, lanzaron pilotos, capacitaron equipos y celebraron algunas horas ahorradas en el camino.

Pero automatizar tareas no es lo mismo que transformar una empresa.

La llegada de la IA agéntica hace que esta diferencia sea todavía más importante. Ya no hablamos solo de asistentes que redactan un correo o resumen una reunión. Hablamos de agentes capaces de analizar información, tomar decisiones, ejecutar acciones y coordinarse con personas y otros agentes.

Y eso no se resuelve agregando una nueva herramienta al organigrama actual.

La IA está volviendo barata la inteligencia. Lo que sigue siendo caro es la organización capaz de convertirla en decisiones, y las decisiones en acción.

Y esa organización no viene armada.

El verdadero cuello de botella no es tecnológico

En poco tiempo, casi todas las empresas tendrán acceso a modelos y agentes con capacidades similares. Por eso, la ventaja estará en haber respondido antes preguntas mucho más incómodas:

• ¿Qué decisiones puede tomar un agente?
• ¿Cuáles deben seguir en manos humanas?
• ¿Quién responde por el resultado?
• ¿Cómo se conectan los agentes con los datos y procesos reales?
• ¿Cómo aprende el sistema de sus errores?

La mayoría de las organizaciones todavía intenta incorporar IA dentro de estructuras diseñadas para una fuerza laboral completamente humana.

Ventas implementa un asistente. Finanzas automatiza algunos análisis y Recursos Humanos instala un chatbot que casi nadie usa. Operaciones prueba un agente. Cada área mejora una parte, pero el proceso completo sigue igual de fragmentado.

El cliente sigue pasando de un equipo a otro, las decisiones siguen acumulando aprobaciones y los datos siguen repartidos entre sistemas que no se hablan, sin que nadie responda por el resultado de punta a punta.

El riesgo es terminar haciendo más rápido un trabajo que nunca nos detuvimos a rediseñar.

Ya vimos esta película, y duró cuarenta años

Cuando la electricidad llegó a las fábricas, la ganancia de productividad no apareció. Durante décadas.

No fue un problema de la tecnología. El economista Paul David lo reconstruyó en un trabajo que se volvió referencia obligada sobre la paradoja de la productividad: las fábricas reemplazaron la máquina de vapor por un motor eléctrico y mantuvieron todo lo demás igual. Conservaron el mismo eje central, las mismas máquinas dispuestas alrededor de ese eje y el mismo flujo de trabajo.

La productividad recién apareció cuando alguien se atrevió a rediseñar la planta completa alrededor de la nueva fuente de energía.

Misma tecnología. Cuarenta años de diferencia. Y la diferencia fue arquitectura, no ingeniería.

Hoy la mayoría de las empresas está poniendo un motor eléctrico en una fábrica de vapor.

Y no hace falta ir tan atrás

Lo mismo pasó, en chico, con la analítica avanzada.

Vi equipos construir modelos de forecast muy buenos, mejores que la persona que hacía ese forecast antes. Y la ganancia terminó siendo bastante más chica de lo que prometía el business case.

No porque el modelo estuviera mal. Porque el modelo hacía exactamente lo que hacía la persona, un poco mejor y un poco más rápido, dentro del mismo proceso, con las mismas reuniones de revisión, los mismos ajustes manuales al final y las mismas discusiones de siempre sobre el número.

Con los bots de automatización pasó igual. Un bot que reemplaza los pasos que alguien hacía a mano ahorra tiempo, y ese ahorro es real. Pero es un ahorro acotado por diseño, porque el bot hereda el proceso completo, incluidos los pedazos que no deberían existir.

Automatizamos lo que ya hacíamos, en vez de preguntarnos por qué lo hacíamos así. La eficiencia fue real, pero quedó chica, y quedó chica por decisión propia.

De herramientas aisladas a una capa operativa

La idea más útil que leí en los últimos meses viene de MIT Technology Review: pensar la IA no como una colección de aplicaciones, sino como una capa operativa de la empresa.

Esa capa define dónde se aplica la inteligencia, a qué información puede acceder, qué acciones puede ejecutar y qué límites debe respetar. Y define, sobre todo, quién supervisa sus decisiones y cómo mejora con el uso.

Cuando una empresa compra una herramienta aislada, obtiene una capacidad que sus competidores también pueden comprar. Cuando construye esta capa operativa, cada interacción genera aprendizaje. Cada corrección humana mejora el siguiente resultado. Cada nueva implementación reutiliza capacidades ya desarrolladas.

Cualquier competidor puede comprar la misma herramienta. Ninguno puede comprarte la organización que aprendió a usarla.

Y eso cambia la unidad de diseño. Las empresas suelen organizar el trabajo empezando por los cargos. Primero definen puestos, después distribuyen responsabilidades y al final conectan a las personas con reuniones, procesos y aprobaciones. Con IA conviene invertir esa lógica y empezar por el resultado.

No se trata de instalar IA en atención al cliente. Se trata de repensar cómo debería resolverse un reclamo de principio a fin si personas y agentes trabajaran juntos desde el comienzo. No se trata de automatizar un reporte de ventas, sino de rediseñar cómo la empresa detecta un problema comercial, decide qué hacer y ejecuta la respuesta.

La trampa que casi nadie está viendo

Esa capacidad de aprender es, entonces, lo único que no se puede comprar. Y hay una decisión, en apariencia muy sensata, que la está erosionando ahora mismo.

Esta semana, más de 200 economistas e investigadores de IA, entre ellos dieciséis premios Nobel, firmaron un llamado a prepararnos ahora para el impacto económico de la IA. El texto dice que la IA puede volverse radicalmente más poderosa en los próximos diez años, que eso podría desencadenar una transformación económica mayor que la Revolución Industrial pero en un plazo mucho más corto, con riesgos como el desplazamiento masivo de empleo, y que hay que actuar ahora para construir los incentivos, los resguardos y las instituciones que orienten la IA a complementar a las personas.

El dato que a mí me quedó dando vueltas está en otra parte, en un paper de uno de los economistas que lo organizó.

Erik Brynjolfsson, junto a Bharat Chandar y Ruyu Chen, cruzaron datos de nómina del mayor proveedor de payroll de Estados Unidos. Desde la adopción masiva de IA generativa, los trabajadores de entrada, de 22 a 25 años, en las ocupaciones más expuestas a IA registran una caída relativa de 16% en el empleo, mientras que sus colegas más senior, en esas mismas ocupaciones, no caen.

La puerta de entrada se está cerrando, y nadie lo anunció.

Ahorrarse esas contrataciones suena eficiente. Y es, probablemente, una de las decisiones más caras que una empresa puede tomar hoy.

Porque los juniors no son mano de obra barata. Son el mecanismo por el que una organización transmite lo que sabe y fabrica el criterio senior de la próxima década.

Una empresa que corta la base para optimizar headcount está destruyendo, con su propia mano, la capacidad de aprendizaje que iba a ser su ventaja cuando todos tengan la misma IA.

Ahorra un costo este trimestre. Se queda sin organización en diez años.

La pregunta estratégica cambió

Durante los próximos años veremos agentes cada vez más poderosos, más baratos y más accesibles. Nadie sabe con qué velocidad va a pasar esto, y desconfío de quien diga que sí. Pero la dirección es clara: la tecnología se democratiza rápido, y lo que no se democratiza con la misma facilidad es la capacidad de rediseñar una organización alrededor de ella.

Algunas empresas acumularán herramientas sobre procesos antiguos y obtendrán mejoras de productividad. Otras revisarán cómo toman decisiones, cómo distribuyen responsabilidades, cómo coordinan el trabajo y cómo aprenden.

Las primeras harán lo mismo, un poco más rápido. Las segundas construirán una nueva forma de competir.

Y nada de esto implica que todo lo que puede automatizarse deba automatizarse. En algunas actividades, la velocidad y la escala serán decisivas. En otras, la confianza, el juicio, la creatividad o la empatía humana seguirán siendo parte central del valor.

La pregunta ya no es qué puede hacer la IA por la empresa que tenemos. Es qué empresa necesitamos construir para aprovechar de verdad lo que la IA puede hacer.

Porque la inteligencia va a ser abundante. Lo escaso va a ser una organización diseñada para usarla.

Y eso no se compra. Se diseña.