
Por Stephen Dawson en Unsplash
“La Inteligencia Artificial generativa se está convirtiendo para el mundo laboral en lo que es el navegador para nuestros desplazamientos: basta con decir a dónde queremos ir para obtener el resultado”. La comparación es de Jesper Schleimann, AI Officer de SAP EMEA. La IA está experimentado un crecimiento exponencial, una aceleración que parece haber superado incluso la Ley de Moore. De hecho, si en el pasado la capacidad de cálculo se duplicaba cada dieciocho meses, hoy, gracias a la IA, este ritmo se ha reducido a seis meses y los modelos quedan obsoletos en menos de veinte días, ampliándose la distancia entre los pioneros y quienes se quedan atrás.
Según las previsiones de IDC, para 2026 el treinta por ciento de las grandes organizaciones en EMEA logrará triplicar sus tasas de conversión y reducir significativamente el tiempo necesario para obtener un retorno de la inversión, gracias a una adopción generalizada de las tecnologías basadas en inteligencia artificial. Sin embargo, solo el 13% de las empresas cuenta actualmente con una estrategia madura al respecto.
Actualmente se aprovecha el potencial de la IA sobre todo en actividades específicas y compartimentadas a través de aplicaciones que deben integrarse dentro de los sistemas ya en uso. Por esta razón, las empresas prefieren soluciones nativas dentro de las aplicaciones que ya utilizan, lo que ha favorecido la difusión de los AI agents, software capaces de percibir el entorno, recopilar datos y utilizarlos para realizar acciones autónomas, con el fin de alcanzar objetivos establecidos por los seres humanos.
Estos agentes de inteligencia artificial pueden utilizar diversas herramientas y procesos, razonar y planificar. IDC estima que, para 2028, el 40% de los profesionales de las 500 principales empresas de EMEA confiará en agentes y orquestadores de inteligencia artificial para la generación de informes y la gestión de flujos de trabajo de datos.
Sin embargo, la implementación de esta tecnología no es algo que se compra y enciende: las empresas deben adoptar un enfoque estratégico y escalable que contemple comprender sus fundamentos, evaluar los modelos más adecuados, integrar los datos empresariales, mitigar los posibles riesgos y garantizar una gestión simplificada del ecosistema. En otras palabras, la adopción de soluciones de IA generativa requiere un conocimiento sólido y estructurado, para que la creatividad artificial esté realmente al servicio de los objetivos empresariales (ya que limitarse a seguir las modas tecnológicas del momento tiene muy poco sentido).
Hoy en día existen más de 1.800 modelos de IA disponibles, desde los Large Language Models (LLM) como Chat GPT, hasta modelos para la generación de imágenes (DALL-E) y código. La elección del modelo adecuado depende de la aplicación específica e incluso puede incluir mini-modelos para dispositivos con recursos limitados. No existe una única solución perfecta y, a menudo, el enfoque ganador consiste en adoptar una combinación de modelos que se complementen entre sí. Por ejemplo, si una empresa del sector retail quisiera generar descripciones de productos y, al mismo tiempo, crear imágenes atractivas para su catálogo en línea, podría necesitar un LLM para la parte textual y un modelo diferente para los contenidos visuales.
Contar con modelos de IA generativa potentes es solo la mitad del trabajo de una organización que quiera implementar con éxito esta tecnología en su negocio. La otra mitad consiste en conectarlos’ de manera efectiva a los datos y contextos operativos de la empresa. Igual que el personal humano, de hecho, la IA debe ser entrenada y absorber la cultura, la historia y las prácticas de la organización para poder aportar valor.
Esto no solo significa integrar grandes volúmenes de información, sino también garantizar que los datos utilizados sean seguros, certificados y validados. No basta con disponer de conjuntos de datos amplios: es esencial asegurarse de que estén depurados de errores, actualizados con frecuencia y cumplan con las normativas de privacidad y protección de datos. Por ello, deben preverse procesos de control, trazabilidad y auditoría.
De hecho, para ser realmente útiles, los modelos generativos deben poder acceder a información actualizada, contextualizada y coherente con las necesidades del negocio. Aquí entra en juego el Retrieval Augmented Generation (RAG), la técnica que permite a los modelos de IA acceder a todos estos datos relevantes, mejorando la precisión de las respuestas. Para implementar el RAG no son necesarias soluciones complejas: existen arquitecturas y servicios listos para usar que permiten indexar y recuperar documentos, estructurar una base de conocimiento e incorporarla en las indicaciones del modelo.
Integrar la IA con las herramientas de TI ya existentes en la organización y automatizar procesos de manera inteligente mejora la precisión y coherencia de las respuestas proporcionadas por los modelos de IA, ya que se pueden enriquecer con datos específicos y únicos de la empresa. Por ejemplo, en un servicio de atención al cliente, un modelo de IA sin acceso a los datos empresariales podría proporcionar respuestas genéricas o erróneas, mientras que aplicando el RAG será posible recuperar documentos y políticas internas para garantizar información confiable y relevante.
Por supuesto, la implementación de la IA en la empresa también debe ser ética y sostenible, ya que el riesgo de sesgo en los datos, violaciones de la privacidad y generación de contenido engañoso requiere un enfoque responsable, incluyendo equipos de auditoría, formación interna y directrices claras para garantizar un uso correcto de la tecnología. Además, como siempre, la simplificación de las operaciones también pasa por la participación activa de las personas: la formación, la comunicación y la definición clara de roles y responsabilidades ayudan a crear una cultura empresarial orientada a la innovación.
Cuando los procesos son lineales y transparentes, los equipos pueden centrarse en la generación de valor, reduciendo la complejidad técnica y las fricciones operativas. El objetivo no debe limitarse a implementar la IA, sino hacerlo de manera sostenible, incremental y escalable, para generar un impacto duradero en la organización. De hecho, iniciar una transformación basada exclusivamente en el entusiasmo del momento porque lo hace todo el mundo puede resultar contraproducente. En cambio, para aprovechar al máximo el potencial de esta nueva ola transformadora, es necesario un enfoque estructurado y consciente. De este modo, la IA generativa se convierte no solo en un aliado poderoso, sino en un verdadero acelerador del negocio.