Más inversión, menos retorno: por qué la inteligencia artificial aún no rinde cuentas
El uruguayo Máximo Gurméndez, senior VP de Ingeniería Global de Blend, habló sobre la relevancia de la inteligencia artificial en las empresas de hoy.
A pesar del entusiasmo corporativo y de los miles de millones invertidos en inteligencia artificial, el verdadero impacto financiero sigue siendo esquivo para la gran mayoría de las organizaciones.
Para analizar este fenómeno en profundidad, conversamos con Máximo Gurméndez, Senior VP de Ingeniería Global de Blend, quien advierte sobre los errores más graves al medir el Retorno de Inversión (ROI), el peligro de las métricas de vanidad y la hoja de ruta indispensable para evitar que la tecnología se convierta en un gasto corporativo sin rumbo.
El espejismo de la adopción tecnológica y la falta de madurez
Las empresas están invirtiendo cada vez más en inteligencia artificial, pero ¿realmente saben cuánto valor les está generando cada proyecto?
Hay estadísticas muy claras al respecto: menos del 6% de las empresas del sector enterprise adjudican más del 5% del EBITDA a los efectos reales de la inteligencia artificial. La realidad cruda es que se invierte mucho y se obtiene muy poco. Por un lado, existen inversiones que son genuinamente a largo plazo. Muchas organizaciones se dieron cuenta de golpe de que ni siquiera sabían dónde estaban sus datos, que los tenían desordenados, dispersos en distintos silos, y que carecían de la gobernanza necesaria para saber qué información se podía usar de forma legal y segura. Ordenar todo eso requiere tiempo, infraestructura y dinero. Pero, por otro lado, hay una inmadurez propia de una tecnología totalmente nueva donde la gente carece de experiencia. Las empresas se apuran por el pánico de quedarse atrás, y al tener el afán de decir "tengo que hacer check e implementar inteligencia artificial", caen una y otra vez en los mismos errores: no empiezan por definir el problema de negocio, no codifican su criterio diferencial ni su "salsa secreta" en la IA, gastan de más en procesos obsoletos y no se detienen a repensar esquemas operativos que antes eran estáticos y basados en reglas rígidas.
¿Por qué sigue pesando tanto esa estructura rígida del pasado frente a la agilidad que exige la tecnología actual?
Porque venimos de décadas de automatización tradicional basada en software determinista, donde las reglas se programaban a mano una por una. Hoy en día, la inteligencia artificial exige procesos dinámicos donde las reglas del negocio puedan definirse en tiempo real a medida que recibes nuevos datos y más insumos operativos. Si tratas de encajar la IA en un proceso estático antiguo, terminas desperdiciando el verdadero potencial de adaptación y escalabilidad que ofrece el modelo.
El laberinto de las métricas: cuando el KPI se vuelve un autoengaño
Teniendo en cuenta tu experiencia en sectores tan complejos y exigentes como la banca y la salud, ¿cuál ha sido el error más común al intentar medir el ROI de la inteligencia artificial?
Sin duda, el error más común es no elegir el KPI correcto. Muchas veces nos engañamos a nosotros mismos con las métricas porque no sabemos exactamente qué esperar o cómo medirlo. Entonces caemos en un facilismo peligroso: medimos cuántos agentes pusimos a disposición, cuántas repeticiones tiene el sistema, cuántas conversaciones atendió el chatbot de soporte a los vendedores, o cuántas consultas se hicieron al día. Cualquier analista te dirá que esas son métricas intermedias, de vanidad, pero no son métricas de negocio reales. Por eso, en contraste, menciono métricas que sí impactan la cuenta de resultados: ¿Cuánto se redujeron los costos operativos en una empresa de salud que financia accidentes de tránsito? ¿Qué tan preciso fue el proceso de análisis? ¿Cuánto más rápida se hizo una auditoría médica o financiera?
¿Cuál es el porcentaje real de EBITDA que surgió de nuevos productos o de una experiencia de cliente genuinamente superior gracias a la IA?
Ese es el verdadero KPI. El problema es que por la prisa de mostrarle al mercado que "somos innovadores y usamos inteligencia artificial", se adquiere la tecnología porque sí, poniendo la herramienta por delante en vez de anteponer el objetivo estratégico del negocio.
Mencionó que muchas inversiones actuales son a largo plazo y están muy atadas al ordenamiento de datos. ¿Qué tan crítico es este paso previo antes de ver retornos financieros reales?
Es absolutamente crítico. Gran parte de las empresas descubren tarde que sus bases de datos son un caos. No puedes construir un edificio inteligente sobre cimientos de arena. Si no limpias, clasificas y estableces una gobernanza estricta de tus activos de información, cualquier modelo que despliegues va a generar resultados erráticos o inseguros. Esa fase previa de estructuración consume recursos y frena temporalmente el retorno visible, pero es la diferencia entre un proyecto de IA sostenible y un costoso experimento fallido.
La anatomía de la ventaja competitiva: datos propietarios y arquitectura
Muchos directivos piensan que con contratar una licencia corporativa o montar una buena infraestructura en la nube ya tienen ganado el terreno. ¿Por qué esto es un mito?
Porque hoy en día todo el mundo tiene acceso exactamente a los mismos proveedores de nube que escalan de forma masiva y a los mismos modelos fundacionales de última generación. Esos modelos ya vienen precargados con conocimiento general, pero no tienen la menor idea de quién eres tú, cuál es tu historia corporativa ni cómo opera tu empresa. La verdadera salsa secreta, el momento en que realmente le sacas jugo a la inteligencia artificial, ocurre cuando combinas esa capacidad de cómputo con tus datos propietarios. Es cuando logras codificar tu negocio dentro del modelo. Además, esto va de la mano de elegir la arquitectura correcta para cada tarea específica: ni el modelo más caro y pesado del mercado por capricho, ni el más barato que no resuelve nada. Cada subtarea operativa merece la arquitectura exacta que optimice costo y rendimiento.
¿Cómo debe ser la dinámica interna de una compañía para que este proceso funcione de manera orgánica?
Tiene que generarse un entorno de colaboración absoluta y transversal. Esto no es algo que se le pueda delegar exclusivamente al departamento de tecnología (IT), ni es un mandato que se emite desde el directorio sin involucrar a nadie más. Requiere que los diseñadores de procesos de negocio, los expertos operativos y los líderes de cada área se unan. La organización entera tiene que aprender a hablar el idioma de la inteligencia artificial. Cuando logras que todos los actores colaboren en la codificación del negocio dentro del ecosistema de IA, es cuando la empresa se transforma por completo.
El círculo virtuoso y el valor de los socios estratégicos
Para finalizar, ¿qué deberían hacer hoy las empresas, especialmente en mercados dinámicos como los de nuestra región, para dejar de invertir a ciegas?
La clave está en entender el concepto del ciclo virtuoso. Quien arranca antes con una estrategia ordenada, refina su proceso de implementación, identifica rápidamente dónde se cometieron errores, detecta la subutilización de recursos y mejora paulatinamente esa codificación del negocio. Esa experiencia acumulada es lo que genera una ventaja competitiva imposible de copiar por la competencia, porque se basa en activos únicos de la empresa. Pero hay un atajo fundamental en este camino: apoyarse en partners externos especializados. Según los estudios del MIT, contar con un socio tecnológico externo duplica las probabilidades de que un proyecto de inteligencia artificial termine siendo exitoso. ¿Por qué? Porque los errores de principiante en esta materia son recurrentes y sumamente costosos; empresas como Blend ya hemos visto esos tropiezos en múltiples industrias y podemos acelerar el trayecto de cualquier organización. Entrar de la mano de un experto te permite sortear las trampas técnicas de la curva de aprendizaje, evitar gastar millones en callejones sin salida y asegurar que la tecnología se convierta en una palanca real de rentabilidad y no en un dolor de cabeza financiero.
