La IA llegó para quedarse y su adopción en los distintos sectores, desde los usuarios más tradicionales hasta instituciones financieras, de salud, telecomunicaciones o consumo masivo, ya es una realidad. Su alcance es amplio, explica Ari Yacobi, líder global de ofertas de IA Generativa (Gen IA) en Accenture. Estas herramientas son disruptivas y generan un alto impacto en el mercado y requieren que las empresas adopten estrategias adecuadas para realmente capitalizar su potencial.

Yacobi, quien inició su trayectoria en IA en 2012, ha sido testigo de su evolución: “Ha pasado de ser una herramienta experimental a una pieza fundamental en la infraestructura digital de las empresas”. Destaca que los avances en deep learning y procesamiento de lenguaje natural (NLP) han sido claves en esta evolución, permitiendo que la tecnología “comprenda” y genere texto e imágenes, impulsando mejoras en sectores como la salud, finanzas y el servicio al cliente.

La automatización impulsada por IA, dice, está reinventando servicios en banca, salud y logística, “creando un entorno de servicios más productivo y adaptable”. Esta transformación afecta tanto la eficiencia de las empresas como la entrega de servicios, permitiendo así la personalización y agilidad. Con la IA generativa, muchas compañías han optimizado sus operaciones, reduciendo tiempos de respuesta y mejorando la experiencia de los usuarios.

A lo largo de su trayectoria, Yacobi ha visto cómo los agentes autónomos y las “arquitecturas agenticas” —sistemas que operan con agentes autónomos— se han convertido en pilares de “la nueva era tecnológica”. Estos sistemas automatizan procesos que antes requerían intervención humana, transformando las funciones empresariales y permitiendo a las empresas reaccionar rápidamente a cambios en la industria.

Integrar IA generativa no es fácil, especialmente para empresas en etapa de digitalización. El especialista subraya que las decisiones de inversión deben basarse en un análisis riguroso de ciertos factores. “El valor comercial y el retorno de inversión (ROI) son esenciales”, afirma. Entre estos puntos, dice, están la disponibilidad de datos y la viabilidad técnica. “El caso de uso debe ser viable y contar con suficientes datos para desbloquear su valor”, explica el ejecutivo de Accenture.

Además, recomienda analizar cuidadosamente los riesgos potenciales antes de iniciar un proyecto de IA generativa. “Es crucial elegir casos que equilibren el riesgo potencial con los rendimientos esperados”. La experiencia institucional también es clave: algunos casos de uso aportan valor por los aprendizajes a largo plazo más que por el retorno inmediato. “Los mejores casos de uso surgen de una triangulación entre datos, viabilidad, riesgo, aprendizaje y el ROI esperado”, concluye.

Uno de los principales desafíos es la preparación y organización de los datos. La calidad de estos es fundamental para el desempeño de cualquier proyecto de IA. Las plataformas en la nube juegan un papel esencial, ya que facilitan la gestión de datos, la creación de datos sintéticos y la limpieza automatizada. Esto contribuye a una integración más rápida y efectiva.

Eso sí, la infraestructura tecnológica también es clave para escalar estos proyectos. Las empresas deben invertir en plataformas escalables en la nube, “tuberías de datos robustas” y recursos de computación de alto rendimiento, priorizando sistemas de almacenamiento que manejen grandes conjuntos de datos de forma eficiente. Es igualmente esencial contar con medidas sólidas de ciberseguridad y marcos de cumplimiento que protejan datos sensibles.

Yacobi enfatiza la importancia de capacitar al personal. “Las empresas deben invertir en sus equipos para que adquieran las habilidades necesarias para gestionar la pila tecnológica de IA generativa”, incluyendo tanto al personal técnico como a los líderes de equipo.

La IA no solo transforma la tecnología, sino también la colaboración en los equipos. “Están adoptando estructuras más colaborativas y multifuncionales, en las que el personal técnico y no técnico trabajan en conjunto para aprovechar las capacidades de la IA”, comenta Yacobi. Esto ha provocado la desaparición de algunos puestos y la creación de otros, como especialistas éticos de IA, curadores de datos e ingenieros de prompts.

Esta reestructuración permite que los equipos se enfoquen en labores estratégicas como la toma de decisiones, la creatividad y la gestión de IA, promoviendo un flujo de trabajo más eficiente.

La IA generativa ofrece muchas oportunidades, pero también conlleva riesgos, como la protección de datos y el cumplimiento de regulaciones de privacidad. A estas, Yacobi también señala riesgos éticos, subrayando la importancia de establecer bases para un uso responsable de la IA, como la equidad, transparencia y mitigación de sesgos. Esto se logra mediante auditorías periódicas, implementar marcos de gobernanza y un equipo dedicado a supervisar prácticas de IA responsable.

“La adopción de IA generativa en la educación ofrece beneficios como el aprendizaje personalizado y la automatización de tareas administrativas”, indica Yacobi, aunque plantea desafíos, como la preparación de los docentes y el riesgo de dependencia tecnológica de los estudiantes.

“El principal riesgo para los estudiantes es la posibilidad de problemas de integridad académica, como el plagio, y una dependencia excesiva de la IA, que puede afectar su pensamiento crítico”, advierte, añadiendo que las alianzas entre empresas y academia “fomentan el intercambio de conocimientos, aceleran la innovación y cierran la brecha entre investigación y aplicación práctica”.