Brecha IA: Innovación rápida, adopción lenta

Por Juan Pablo Neveu / Columnista en InfoHuella

En #Argentina y Latinoamérica, los datos respaldan este dinamismo:

•  Adopción en PyMEs: Según el informe “IA en las PyMEs: tendencias, desafíos y oportunidades” de Microsoft, el 31% de las pequeñas empresas argentinas ya han invertido en IA, y un 78% planea destinar recursos a esta tecnología en el futuro próximo.
• Incremento en productividad: Gracias al uso que dan las PyMEs a la IA, el 87% de las empresas encuestadas consideran positivo el impacto de la IA en la productividad. Esto se ha traducido en un incremento promedio del 43% de la productividad de dichos negocios.
• Principales usos de IA en las PyMEs de Latinoamérica : Se evidencia que el 59% de las organizaciones utilizan asistentes virtuales de atención al cliente, el 47% para ahorro de tiempo en el trabajo y el 36% para generación de imágenes y contenidos.

Estos indicadores subrayan la magnitud del cambio y la urgencia de que las organizaciones no se queden rezagadas en un mercado que se digitaliza a pasos agigantados.

Desafíos para la adopción organizacional

Pese al potencial transformador, existen obstáculos importantes que frenan la integración efectiva de la IA en las empresas argentinas:

• Escasez de talento IA y capacitación insuficiente:
  El 53% de las empresas consideran que la escasez de personal capacitado en IA es el principal reto.
• Cambio cultural y liderazgo:
  Adoptar la IA no se trata únicamente de capacitar al personal. Es indispensable generar un cambio cultural que supere el miedo a la automatización y la desconfianza en la tecnología. En palabras de Juan Corvalán, cofundador y director del Laboratorio de Innovación e Inteligencia Artificial de la UBA, "la automatización excesiva puede ampliar la desigualdad laboral, dejando rezagados a quienes no se adapten a la IA" (La Nación, 28/02/2025).
• Inestabilidad económica:
  Factores como la inflación, la devaluación y la volatilidad del mercado generan incertidumbre, lo que lleva a que muchas empresas prioricen la supervivencia a corto plazo en detrimento de inversiones en innovación tecnológica.
• Diferencia entre capacitación y adopción real:
  Mientras la capacitación proporciona conocimientos teóricos y habilidades básicas, la adopción efectiva implica integrar la IA en los procesos operativos y transformar la cultura organizacional.

Espacios de experimentación: clave para la transformación

La verdadera transformación digital se logra a través de la experimentación continua. La creación de laboratorios de innovación es fundamental para reducir la brecha entre el potencial de la IA y su aplicación práctica en el día a día de las organizaciones, donde se puedan probar, ajustar y escalar soluciones.

Elementos esenciales para impulsar la innovación:

• IA Labs:
  Espacios dedicados exclusivamente a la experimentación y al desarrollo de soluciones basadas en IA pueden adaptarse a microescala para que incluso pequeñas empresas puedan explorar y aplicar tecnologías innovadoras sin requerir grandes inversiones iniciales.
• Comunidades de práctica:
  Grupos multidisciplinarios que se reúnen de forma regular para compartir experiencias, identificar casos de uso y fomentar la colaboración. Este enfoque colectivo facilita la integración gradual de la IA en diferentes procesos.
• Sandboxes regulados:
  Entornos aislados y controlados en los que se pueden probar nuevas aplicaciones con datos reales, sin poner en riesgo la operatividad de la organización. Estos espacios permiten experimentar de forma segura y aprender a partir de los errores.

Recomendaciones prácticas para potenciar la adopción de la IA:

1. Establecer alianzas estratégicas:
   Colaborar con universidades y centros de investigación para acceder a talento y recursos, como lo demuestran iniciativas conjuntas en proyectos de mantenimiento predictivo entre YPF e ITBA.
2. Fomentar la capacitación continua:
   Implementar programas de mentoría, hackatones internos y “Tech Talks” que mantengan a los equipos actualizados sobre las últimas tendencias y herramientas.
3. Asignar recursos:
   Destinar un porcentaje del presupuesto anual a la creación y mantenimiento de espacios de innovación, asegurando la sostenibilidad de las iniciativas de IA.
4. Medir y ajustar en forma constante:
   Definir indicadores de desempeño para evaluar el impacto de las aplicaciones de IA y ajustar las estrategias en función de los resultados.

Ejemplos concretos a microescala

La experimentación en IA no es exclusiva de las grandes corporaciones. Diversos ejemplos demuestran cómo organizaciones pequeñas pueden comenzar a transformar sus procesos:

• Startups y pequeñas empresas:
  Una agencia de marketing puede utilizar herramientas de IA generativa, como ChatGPT o Copy.ai, para automatizar la redacción de contenido y mejorar la atención al cliente, reduciendo tiempos y costos.
• Sector minorista:
  Un comercio minorista puede implementar plataformas de análisis predictivo para gestionar inventarios de forma más eficiente y anticiparse a las tendencias de consumo mediante soluciones en la nube.
• Consultorías y estudios jurídicos:
  Pequeños estudios pueden integrar asistentes virtuales para agilizar la gestión documental y utilizar análisis de texto para revisar grandes volúmenes de información legal.
• Centros de formación docente y talleres escolares:
  Instituciones educativas pueden establecer “laboratorios de IA” a microescala, equipados con recursos básicos, para que docentes y estudiantes experimenten con proyectos prácticos y desarrollen competencias en tecnologías emergentes.

Si bien en Argentina crece el interés por la adopción de la inteligencia artificial, aún persiste la brecha entre el avance tecnológico y su integración en las organizaciones. Cada vez más PyMEs, comercios, estudios jurídicos e instituciones educativas, entre otras organizaciones, reconocen en la IA un tsunami de transformación cultural que demanda nuevas estrategias basadas en capacitación continua, experimentación y pensamiento crítico.

(*) Autor del artículo / Juan Pablo Neveu: Apasionado de la tecnología y la educación, Licenciado en Tecnología Educativa (UTN) y Diplomado en Análisis de Datos (UBA), ha coordinado proyectos nacionales y provinciales de educación digital y brindado talleres sobre Inteligencia Artificial generativa desde un perspectiva humana centrada en el desarrollo del pensamiento crítico para aprender a pensar con y sobre tecnologías. Actualmente brinda asesorías y capacitaciones a instituciones educativas, empresas y organizaciones como profesional independiente.

MÁS ARTÍCULOS DEL AUTOR:

Descarga cognitiva en la Inteligencia Artificial: ¿Riesgo u oportunidad para el pensamiento crítico en la educación?

¿𝐄𝐬𝐭𝐚𝐦𝐨𝐬 𝐩𝐫𝐞𝐩𝐚𝐫𝐚𝐝𝐨𝐬 𝐩𝐚𝐫𝐚 𝐭𝐫𝐚𝐛𝐚𝐣𝐚𝐫 𝐜𝐨𝐧 𝐞𝐧𝐭𝐢𝐝𝐚𝐝𝐞𝐬 𝐜𝐨𝐠𝐧𝐢𝐭𝐢𝐯𝐚𝐬 𝐧𝐨 𝐡𝐮𝐦𝐚𝐧𝐚𝐬?

77% menos de tiempo

Nuevos escenarios laborales en la era de la Inteligencia Artificial

PROMPTING: Generar ideas con IA mediante el despliegue de nuestro pensamiento

¿DeepSeek llega a las aulas?

Los desafíos de la educación en tiempos de Inteligencia Artificial Generativa