En muchas empresas, la discusión sobre Inteligencia Artificial ya no está frenada por falta de interés. Al contrario: desde el negocio existe presión por avanzar, capturar eficiencias, mejorar procesos y no quedar atrás frente a competidores que ya están explorando nuevas formas de operar.
El problema aparece después; cuando una iniciativa deja de ser una idea atractiva y debe entrar a la operación, comienzan a aparecer preguntas menos cómodas: ¿los datos están disponibles? ¿los sistemas conversan entre sí? ¿hay responsables claros? ¿existen capacidades internas para sostener el cambio? ¿alguien definió qué problema del negocio vale realmente la pena resolver?
Esa fue una de las tensiones centrales de la primera sesión del Grupo 2 del Círculo de liderazgo en la era de la IA, organizado por MAS Analytics. Más que discutir si la IA importa —una pregunta que hoy parece resuelta—, la conversación giró en torno a un punto más difícil: qué ocurre cuando la ambición del negocio avanza más rápido que las capacidades reales de implementación.
Te podría interesar este artículo: Círculo de liderazgo en la era de la IA: cuando la adopción de Inteligencia Artificial se vuelve tema de directorio
Cuando el negocio quiere avanzar más rápido que la tecnología
Uno de los puntos más relevantes de la conversación fue la distancia que suele aparecer entre la urgencia del negocio y las condiciones que tecnología debe resolver para que esa urgencia no termine generando más complejidad.
Desde el negocio, la presión es avanzar: responder al mercado, capturar oportunidades, optimizar procesos y mostrar resultados. Desde tecnología, en cambio, aparecen restricciones que no siempre son visibles para el resto de la organización: datos fragmentados, sistemas heredados, deuda técnica, falta de gobernanza o procesos que no están preparados para incorporar IA de manera sostenida.
La incomodidad está justamente ahí. El negocio puede interpretar esas restricciones como lentitud o resistencia. Tecnología puede interpretar la urgencia del negocio como presión mal informada. Y, mientras esa tensión no se aborda de forma explícita, las iniciativas corren el riesgo de quedar atrapadas entre expectativas demasiado altas y bases operativas insuficientes.
La brecha entre el caso de uso y la ejecución
La conversación permitió mirar un punto que suele quedar fuera de los discursos más optimistas sobre IA: muchas iniciativas no se traban porque la tecnología no exista, sino porque la organización no logra traducir una necesidad de negocio en una implementación viable.
Esa traducción exige algo más que identificar casos de uso; requiere definir qué problema se quiere resolver, qué área será responsable, qué datos se necesitan, qué proceso cambiará y cómo se medirá si la iniciativa generó valor. Sin esas definiciones, la IA puede avanzar como una prueba interesante, pero difícilmente como una capacidad instalada.
No basta con pedir “más Inteligencia Artificial” ni con exigir velocidad. La alta dirección debe ordenar prioridades, asignar foco y evitar que cada área avance por su cuenta con herramientas, pilotos o expectativas distintas. Cuando no existe esa dirección común, puede haber mucha actividad alrededor de IA, pero poco impacto real.
Pasar del piloto de IA a la operación exige más que validar una idea
Según el estudio Estado de adopción de IA en empresas chilenas de MAS Analytics, un 68,1% de las organizaciones se encuentra en etapas iniciales de exploración y pilotos de IA. La cifra muestra que muchas empresas ya comenzaron a experimentar con IA, pero que avanzar hacia una adopción transversal exige más que validar casos puntuales.
Te podría interesar este artículo: La adopción de IA en empresas chilenas avanza, pero solo el 3,6% ha logrado escalarla a nivel organizacional
En esta línea, un piloto puede servir para probar una hipótesis, resolver un problema específico o generar aprendizaje. Pero no transforma la operación por sí solo. Para escalar, la organización necesita:
- Profesionales responsables definidos
- Integración con procesos reales
- Acceso a datos de calidad
- Criterios claros de priorización
- Mecanismos concretos para medir impacto
El punto no es abandonar los pilotos de IA, sino evitar que se transformen en una vitrina de innovación sin continuidad. Si una prueba no tiene dueño, no se conecta con un proceso crítico o no cuenta con condiciones para crecer, su valor queda limitado al aprendizaje inicial.
Cuando las capacidades internas quedan para después
Otra tensión que apareció en la sesión es que muchas organizaciones quieren acelerar la adopción de IA, pero postergan los habilitadores que permiten sostenerla. Datos, cultura, formación, gobierno y gestión del cambio suelen aparecer como temas “de segunda etapa”, cuando en realidad determinan si una iniciativa puede pasar del piloto a la operación.
Esto se vuelve especialmente crítico cuando la Inteligencia Artificial se introduce en procesos reales. Si los datos no son confiables, si los equipos no entienden cómo usar la herramienta, si no hay reglas claras o si tecnología debe resolver cada caso de forma artesanal, la adopción se vuelve frágil.
Por eso, la discusión no puede quedarse solo en qué herramienta usar o qué caso de uso priorizar; también debe abordar qué capacidades necesita construir la organización para que esas iniciativas no dependan únicamente del entusiasmo inicial o de un grupo reducido de personas.
Sin dirección ejecutiva, la IA se dispersa en iniciativas aisladas
Uno de los aprendizajes más relevantes del Círculo de liderazgo fue que el rol de CEOs, directorios y equipos ejecutivos no consiste en entrar al detalle técnico de cada solución, pero tampoco puede limitarse a aprobar iniciativas y esperar resultados.
Su responsabilidad está en resolver las tensiones que hacen posible la adopción:
- Definir prioridades
- Comprometer inversión
- Alinear áreas
- Asignar responsables
- Establecer cómo se medirá el valor
En otras palabras, convertir la presión por avanzar en una hoja de ruta que la organización realmente pueda ejecutar.
Esto exige una conversación más honesta entre negocio y tecnología. El negocio debe entender que la velocidad necesita condiciones. Tecnología debe participar no solo como área ejecutora o preventiva, sino como socio para diseñar caminos posibles. Y la alta dirección debe evitar que la Inteligencia Artificial se disperse en esfuerzos paralelos, sin criterios comunes ni continuidad.
¿La organización está realmente preparada para ejecutar la ambición que está declarando?
La tensión entre negocio y tecnología deja una pregunta que las empresas no pueden evitar por mucho tiempo: ¿la organización está realmente preparada para ejecutar la ambición que está declarando?
Esa pregunta incomoda porque obliga a mirar más allá del entusiasmo por la IA. Exige revisar datos, procesos, capacidades, ownership, inversión y cultura. También obliga a reconocer que pedir velocidad sin construir condiciones puede ser tan problemático como frenar toda iniciativa esperando tener una base perfecta.
La primera sesión del Grupo 2 del Círculo de liderazgo en la era de la IA abrió precisamente esa discusión. No desde la pregunta general sobre si la Inteligencia Artificial es relevante, sino desde un desafío mucho más concreto: cómo lograr que negocio y tecnología avancen en la misma dirección, sin que la urgencia sobrepase la capacidad de ejecución ni que las restricciones técnicas paralicen el avance.
La adopción de IA no se resuelve eligiendo entre ambición y realismo. Se resuelve cuando ambas dimensiones se sientan en la misma mesa y asumen una responsabilidad compartida, que es transformar una intención estratégica en una capacidad que la organización pueda sostener.