EconomíaTECNOLOGÍA
Nicolás Ramos, Socio del área de Consultoría en Tecnología de EY Argentina, analiza para Forbes Argentina la evolución de la inteligencia artificial y advierte sobre la necesidad de un enfoque estratégico que alinee la IA con los objetivos de negocio.
La IA ha evolucionado de un modelo generativo, donde la persona mejora constantemente a través de prompts, hacia agentes autónomos capaces de percibir, decidir y ejecutar acciones, explica Ramos.
Esta evolución ha generado una carrera por implementar soluciones sin planificación clara. "Esto genera desilusión entre los empleados, que se sienten frustrados porque la IA no alivia su trabajo diario ni mejora sus tareas", sostiene el experto.
La falta de gobierno centralizado agrava la situación. Muchas compañías invierten sin estrategia, lo que genera iniciativas desconectadas y el fenómeno de "shadow AI": el uso no autorizado de herramientas de IA por parte de empleados.
Ramos enfatiza que la IA no es solo un tema tecnológico, sino fundamentalmente de negocio, que debe ser dirigido por las áreas correspondientes.
Datos de calidad: el combustible esencial
La calidad y organización de los datos representa el mayor obstáculo para una implementación exitosa. "Todo algoritmo cognitivo debe aprender a partir de datos ordenados y de calidad", subraya el ejecutivo.
El problema radica en que el 80% del tiempo se dedica a organizar la información, mientras solo el 20% se destina a construir el modelo. Además, la falta de paciencia es crítica: "No hay paciencia para entender que las primeras iteraciones no darán el resultado esperado".
Agentes de IA: aplicaciones profesionales
"Este es el año de los agentes", destaca Ramos. Los agentes se definen por su capacidad de percibir, tomar decisiones y ejecutar acciones.
En back office y administración, automatizan tareas repetitivas como análisis de compras, impuestos y gestión de proveedores. En marketing, facilitan la investigación, creación y distribución de contenido.
En operaciones, permiten detección de problemas y toma de decisiones en tiempo real para logística y mantenimiento. También aceleran el desarrollo de software y mejoran la experiencia del cliente mediante análisis de sentimiento y atención personalizada.
Desafíos humanos y éticos
A pesar de la autonomía, los desafíos principales siguen siendo humanos. Para maximizar resultados, los agentes necesitan objetivos claros, metas bien definidas y el contexto adecuado.
La implementación implica riesgos éticos y sesgos. Surge una nueva disciplina: el ethical hacking de modelos IA, enfocada en buscar vulnerabilidades y proteger contra usos inapropiados.
La clave está en incluir medidas de protección desde el diseño y entrenamiento del agente.
Marco regulatorio: buscando el equilibrio
Existe una brecha regulatoria notable. Europa tiene regulaciones muy restrictivas que limitan el desarrollo, mientras América Latina carece de marcos específicos.
"Necesitamos algo intermedio que proteja contra abusos y sesgos, pero que no frene la investigación y desarrollo", propone Ramos.