Cada vez más empresas anuncian la incorporación de herramientas de inteligencia artificial (IA) para aumentar su productividad, automatizar procesos y acelerar su transformación digital.
Sin embargo, una investigación de la Universidad del Rosario advierte que la tecnología, por sí sola, no garantiza innovación ni ventajas competitivas. El verdadero desafío para las organizaciones consiste en desarrollar las capacidades necesarias para integrar la IA de manera estratégica, resolver problemas reales y generar valor.
De acuerdo con los resultados obtenidos en un estudio publicado en la revista Humanities & Social Sciences Communications, del grupo editorial Nature, que analizó más de 9.000 publicaciones científicas sobre aprendizaje automático (machine learning) aplicado a la administración y los negocios.
La investigación fue desarrollada por Aglaya Batz Liñeiro, investigadora de la Escuela de Administración y directora de Innova, el Centro de Innovación de la Universidad del Rosario, junto con los investigadores David F. D’Croz-Baron, Carlos A. Ojeda-Sánchez y Carlos Jesús Vega.
Aunque el auge de la IA generativa ha llevado a miles de organizaciones a incorporar nuevas plataformas tecnológicas, los investigadores advierten que existe una diferencia importante entre adoptar herramientas digitales e innovar.
El análisis permitió identificar quince clústeres de aplicación del aprendizaje automático, agrupados en cinco grandes áreas: finanzas; gestión de relaciones con clientes; soporte a la toma de decisiones; innovación y política pública; y gestión de datos y sostenibilidad. Los resultados muestran que, mucho antes del auge de la IA generativa, el aprendizaje automático ya venía transformando de manera sostenida múltiples procesos empresariales.
Para la investigadora Aglaya Batz, el verdadero reto consiste en comprender el propósito de estas tecnologías y no incorporarlas únicamente por tendencia y explica: “Hoy muchas empresas y emprendimientos dicen estar basados en inteligencia artificial, pero cuando uno mira con detalle los procesos que ejecutan, encuentra cosas muy distintas: modelos de aprendizaje automático tradicionales, analítica predictiva, automatización de procesos o incluso, reglas estadísticas relativamente simples. Eso no significa que no sean soluciones valiosas; sino que debemos ser más precisos. No todo lo que se vende como IA es IA generativa, ni todo lo que se presenta como innovación tecnológica está realmente en la frontera del desarrollo algorítmico”.
Más allá de la tecnología disponible, la investigación concluye que las organizaciones deberán preguntarse qué problema buscan resolver, qué información poseen, cuáles riesgos enfrentan y cómo la inteligencia artificial puede complementar el trabajo humano.
“El desafío no es simplemente adoptar inteligencia artificial, sino saber para qué se adopta, con qué capacidades y bajo qué criterios. Las empresas deben preguntarse qué problema quieren resolver, qué datos tienen, qué riesgos asumen y cómo esta tecnología puede complementar el trabajo humano” detalla la investigadora.