La inteligencia artificial (IA), y en particular la IA generativa, se está convirtiendo con rapidez en una solución útil para aumentar la productividad en cualquier empresa. Sin embargo, todavía existen varias barreras comunes que impiden su éxito.
Cuanto antes los responsables de TI identifiquen y superen estos problemas, más pronto podrán sus organizaciones obtener más valor de los sistemas basados en IA.
A continuación, analizamos algunos de los obstáculos más difíciles que deben superar las empresas y de qué manera pueden acometerlos sus responsables de TI.
Mala calidad de los datos
Una reciente encuesta de ID patrocinada por Lenovo en la que han participado 2.920 responsables de la toma de decisiones empresariales y de TI a nivel mundial, revela que los problemas de calidad de los datos son el principal obstáculo que impide que los proyectos de IA cumplan las expectativas.
Para afrontar este obstáculo, un tercio de los encuestados afirma que sus organizaciones tienen previsto dar prioridad a la mejora de sus capacidades de gestión de datos.
Sathish Muthukrishnan, director de información, datos y digitalización de Ally Financial, aborda este problema rompiendo los silos y haciendo hincapié en la gobernanza de los datos.
En su opinión, “la IA depende en gran medida de los datos que procesa, por lo que gestionamos cuidadosamente los retos y riesgos relacionados con el uso generalizado de los datos”.
“Hemos consolidado el 98% de nuestros datos en una base de datos centralizada y nativa de la nube —prosigue—, lo que nos permite aprovechar todo el potencial de los datos. Hemos implementado procesos diseñados para garantizar una sólida seguridad de los datos, una privacidad robusta de los clientes y una rigurosa revisión de los riesgos de los modelos antes de su implementación, así como una supervisión continua de los resultados”.
Por su parte, John Thompson, vicepresidente senior y director de la consultora de IA The Hackett Group, quiere destacar que los problemas de calidad de los datos son una preocupación y una barrera reales para la adopción de la IA. A su juicio, el problema es mucho mayor que el debate tradicional y típico sobre la calidad de los datos en entornos transaccionales o analíticos”.
Además, también afirma que “el 100% de los datos, documentos, vídeos, políticas, procedimientos y demás elementos de una organización están disponibles para su uso activo gracias a la IA generativa. Se trata de una cuestión mucho más amplia que la calidad de los datos en sistemas tales como la planificación de recursos empresariales (ERP) o la gestión de las relaciones con los clientes (CRM)”.
Si lo que desean las organizaciones es abordar la cuestión de los datos para la IA generativa, Thompson les recomienda cargar la información en la IA generativa y preguntar, consultar y solicitar activamente para encontrar dónde está la información precisa y actualizada y dónde carece de precisión, relevancia y claridad, en lugar de controlar la calidad de los datos antes de introducir la IA.
“La IA genérica es la herramienta para descubrir dónde hay que mejorar la información”. Destaca este especialista. Y añade: “La forma correcta de ejecutar este proceso consiste en incorporar la IA genérica y descubrir cómo solucionar la calidad de los datos, y no al revés”.
Falta de experiencia interna
La American Management Association, una organización de desarrollo profesional, encuestó en marzo de 2025 a más de 1.100 profesionales de Norteamérica, y descubrió que el 57% de los encuestados siente que no están al día en materia de IA. Menos de la mitad (el 49%) ha recibido formación en IA.
Muthukrishnan, de Ally, destaca que las organizaciones necesitan contar con la infraestructura necesaria para educar y formar a sus empleados para que comprendan las capacidades y limitaciones de la IA.
En su opinión, “no logrará los resultados esperados sin la formación adecuada, la adopción y la utilización”. Y añade: “Aunque creo que la IA es una de las mayores transformaciones tecnológicas de nuestra vida, integrarla en los procesos cotidianos supone un enorme esfuerzo de gestión del cambio”.
Como ejemplo, Ally preparó a sus empleados para utilizar la IA de forma responsable poniendo en mano de todos los usuarios la formación necesaria, un manual de IA para todos los usuarios, cursos breves para aumentar la fluidez en el uso de la IA y “jornadas de IA” educativas abiertas a toda la empresa.
Para, Thompson, de Hackett Group, “la brecha de habilidades no hará más que crecer”. En su opinión, “ahora es el momento de empezar”. Y añade: ”Puede empezar con su equipo. Haga que trabajen en casos de prueba, en proyectos personales o que les apasionen. Dedicar tiempo a que todos asistan a una clase no hace más que alargar el proceso para cerrar la brecha de habilidades. La IA genérica es accesible para todos. Puede aprovechar esa accesibilidad para ofrecer a las personas la oportunidad de aprender con la práctica”.
Por lo que Thompson no tiene dudas de que la experiencia es mucho mejor maestra que escuchar.
Es más, a todo lo dicho anteriormente quiere añadir lo siguiente: “Cree un entorno de IA genérica y permita que todo el mundo acceda a él durante seis meses o un año. Sus empleados aprenderán más de lo que jamás aprenderían en una clase o incluso en varias clases. No estoy diciendo que no se forme a la gente; sigue siendo necesario que la gente asista a clases. En cuanto sus empleados trabajen con un entorno de IA genérica, verá cómo la brecha de habilidades se reduce cada día”.
Jared Coyle, director de IA de la empresa de software empresarial SAP Americas, recomienda a las organizaciones hacer hincapié en la combinación de expertos internos que puedan identificar los casos de uso de la IA adecuados con talento externo que haya visto cómo otras organizaciones utilizan la IA.
“El conocimiento interno es fundamental para garantizar la integración con los sistemas y procesos existentes, y el talento externo le ayuda a aprovechar al máximo las nuevas capacidades de la IA para que los sistemas de IA funcionen sin problemas”, añade este experto.
Encontrar casos de uso que puedan competir por los recursos
Todas las empresas tienen una lista establecida de prioridades que, en no pocas ocasiones, no implican la IA ni tampoco la IA genérica. En el caso de querer conseguir financiación, personal y la atención de la alta dirección, los responsables de TI tendrán que presentar argumentos convincentes a favor de sus proyectos de IA.
Chandra Venkataramani, director de informática de la empresa de externalización TaskUs, reconoce que “uno de nuestros mayores retos es identificar los casos de negocio adecuados, aquellos en los que la IA puede generar un valor real y cuantificable sin añadir una complejidad innecesaria”.
A juicio de este especialista, “es fácil dejarse llevar por el impulso de la IA generativa. Si se resiste el impulso y se centra uno en áreas en las que la tecnología puede aumentar nuestras capacidades internas, como mejorar la productividad, mejorar la toma de decisiones o reducir la fricción en los flujos de trabajo clave, sin duda alcanzará el éxito. La claridad de los objetivos, ya sea reducir los costes, aumentar la velocidad o mejorar la experiencia del usuario, es fundamental antes de seguir adelante con cualquier iniciativa de IA”.
Venkataramani considera igualmente desafiante la cuestión de las prioridades contrapuestas «Como empresa de alto crecimiento y centrada en el cliente, los recursos de TI están sometidos a una presión constante. Por eso, las iniciativas de IA deben competir por el presupuesto, el talento y la atención de los ejecutivos. Es entonces cuando la alineación se vuelve esencial”.
Para este especialista, hacer hincapié en la propiedad compartida de las iniciativas de IA entre las distintas funciones empresariales garantiza que las inversiones sean técnicamente viables y cuenten con el respaldo de los líderes empresariales que comprenden el retorno de la inversión.
“Hemos adoptado una mentalidad que se basa la experimentación con medidas de seguridad: proyectos piloto bien pensados, KPI [indicadores clave de rendimiento] claros y bucles de retroalimentación. Este enfoque nos ha ayudado a mantener la agilidad, evitar invertir demasiado en soluciones no probadas y centrarnos en el valor a largo plazo en lugar de entusiasmarnos a corto plazo”, dice Venkataramani.
Como bien dice Thompson, de Hackett Group, los casos de negocio y de uso y las prioridades contrapuestas “han estado con nosotros desde el principio de nuestras carreras”. Por eso cree que “lo mejor de la IA genérica es su aplicación a la mayoría de los problemas. Recomiendo empezar por el problema más importante, la cuestión más estratégica que preocupa a la alta dirección. A partir de ahí no dedicaría mucho tiempo a los casos de negocio o los casos de uso. Hay que lanzarse. Es el momento de marcar la diferencia”.
Sistemas heredados obsoletos
Son muchas las empresas que han puesto en marcha iniciativas de transformación digital con el propósito de mejorar la eficiencia y los servicios que prestan a sus clientes y empleados. Las que no lo han hecho o han quedado rezagadas en sus esfuerzos deben convertirlo en una prioridad, ya que los sistemas y aplicaciones heredados obsoletos son obstáculos potenciales para el éxito de la IA.
Ocurre que las aplicaciones obsoletas, en algunos casos arrastrando décadas de antigüedad, se diseñaron en su momento para almacenar una cantidad limitada de datos debido a los costes de almacenamiento de la época. Y probablemente no se integrarán con facilidad con las herramientas de IA. Eso deriva en que, en no pocos casos, bloquean por completo la adopción de la IA.
Coyle, de SAP Americas, dice que “el éxito no se consigue simplemente añadiendo el LLM (modelo de lenguaje grande) de moda y la tecnología almacén de lago de datos que se elija y esperar que todo funcione”. En su opinión, “la pasión de muchos líderes por el potencial de la IA es increíble, pero lo primero que tienen que hacer es centrarse. Eso es fundamental para evitar lanzar demasiadas iniciativas sin los recursos necesarios para respaldarlas”.
Por ejemplo, el proveedor de servicios de transporte y logística Veho hace un uso intensivo de la IA y del aprendizaje automático para crear y fijar los precios de las rutas de entrega y mejorar la calidad de las mismas, según explica Fred Cook, cofundador y director de tecnología. Sin embargo, tuvo que actualizar sus sistemas para sacar el máximo partido a las herramientas de IA.
“Las plataformas centrales originales de Veho se desarrollaron en 2017 y, en general, eran bastante frágiles. A finales de 2023 y a lo largo de 2024 reconstruimos todos nuestros sistemas centrales. A medida que se ponían en marcha, descubrimos que las aplicaciones de IA eran mucho más fáciles de integrar en nuestra tecnología. Una vez completada la refactorización, hoy en día avanzamos mucho más rápido con la experimentación de la IA”, explica Cook.
Veho comenzó con casos de uso destinando un agente de para la atención al cliente, otro para la asistencia a los conductores asociados y un tercero para la asistencia al cliente. “También hemos creado algunos agentes de IA sencillos para tareas como la alerta, el análisis de datos y el control de calidad de diversos pasos del proceso de entrega de paquetes que, de otro modo, serían manuales y un tanto aburridas!”, afirma Cook.
Otro obstáculo potencial relacionado con la infraestructura es el alto coste que conlleva. Integrar la IA puede ser una tarea muy costosa. Las organizaciones pueden enfrentarse a gastos de integración de sistemas, desarrollo de software personalizado, creación de interfaces de programación de aplicaciones y actualizaciones de sistemas heredados dependiendo de su grado de modernización informática.
Sabotaje por parte de los empleados
Una reciente encuesta realizada a 1.600 trabajadores del conocimiento —800 ejecutivos de alto nivel y 800 empleados— por el proveedor de servicios de IA generativa Writer 2025 y el grupo de investigación independiente Workplace Intelligence concluye que el 31% de los trabajadores admitió haber saboteado activamente los esfuerzos de IA de su organización.
Para Orla Daly, directora de informática de Skillsoft, un proveedor de servicios y tecnología educativos, este tipo de sabotaje es “un problema grave que puede socavar las iniciativas de IA y provocar un desperdicio de recursos y la pérdida de oportunidades”.
Para Daly, “este sabotaje suele deberse al miedo a perder el puesto de trabajo, a la falta de comprensión de las ventajas de la IA o a la resistencia al cambio”. Entonces “para abordar esta cuestión —prosigue—, las organizaciones deben dedicar tiempo a comprender las preocupaciones dentro de su organización, fomentar una cultura de aprendizaje continuo [y generar entusiasmo] en torno al cambio, involucrando a los empleados en las iniciativas de IA”.
Daly considera que las empresas deben identificar a los defensores de la IA dentro de la organización y compartir ejemplos de cómo esta tecnología puede crear una experiencia más positiva para los empleados, como puede ser dedicar menos tiempo a la administración y más a los clientes.
Pero, para ello, sostiene que “es fundamental un liderazgo eficaz en este proceso”. Esto es así porque “los líderes deben comprender la IA y expresar con claridad su impacto positivo en el talento y en sus funciones”. Para ello, es necesario un equilibrio entre las habilidades técnicas, de comunicación y de liderazgo, añade. “los empleados son más propensos a aceptar la IA por sí mismos, convirtiendo el miedo en fascinación, cuando ven que sus líderes utilizan la IA para mejorar el trabajo con casos de uso y resultados claros”, dice para concluir.
Esta noticia se ha publicado originalmente en la edición norteamericana de CIO.
Read More from This Article: Las 5 principales barreras para el éxito de la IA según los líderes de TI
Source: News
