La IA está en boca de todos, pero ¿sabe tu empresa cómo usarla? En esta edición de 18 Minutos, conversamos con Renzo Casapía (ex-COO de Coursera y profesor del MIT) para transformar el hype en una estrategia digital práctica. Descubre por qué un líder debe enfocarse primero en la calidad de los datos y cómo usar la IA no para reemplazar, sino para potenciar las decisiones clave de negocio.
¿Qué es la IA y por qué no es solo un chatbot?
El concepto de IA se siente nuevo, pero su definición es simple: cualquier tecnología que imite el comportamiento humano o que lo mejore ya es una forma de inteligencia artificial. La idea está lejos de ser nueva; de hecho, existe desde los años 50.
La IA no se limita a los chatbots porque cualquier proceso que imite o mejore el comportamiento humano, como por ejemplo analizar inventario o predecir ventas, forma parte de un mundo mucho más amplio. Es decir, la IA va más allá de la conversación, abarcando cualquier tarea que requiera la imitación de un proceso de decisión humano. Dentro de este amplio paraguas, la IA generativa es la rama que crea contenido nuevo, como texto o código, y es la que impulsa herramientas como ChatGPT, Gemini, Claude, y más.
El cambio clave es la accesibilidad masiva. Si bien el concepto de IA existía en los años 50, era un concepto teórico e inaccesible para el público general o las empresas porque no existía suficiente tecnología ni velocidad. Hoy, la IA se ha vuelto masiva porque la tecnología está mucho más evolucionada, hay muchos más datos, y es más rápida y eficiente.
Esta evolución es la que ha permitido que, específicamente en el lenguaje, la tecnología logre convertir las palabras en código matemático. Este código transforma las ideas en números que le permiten a la máquina ver qué tan conectadas están entre sí. Este proceso es lo que permite simular una conversación humana y hacer que la tecnología se sienta diseñada para imitarnos.
¿Por qué la mayoría de los proyectos de IA en empresas fracasan antes de empezar?
La IA es la capa más alta de la estrategia digital. El error más común es querer instalar una solución de IA sin haber construido los cimientos digitales de la empresa, lo que lleva a la frustración y a la pérdida de inversión.
El problema de la "Data Desordenada"
El fracaso de un proyecto de IA rara vez es tecnológico; más bien, es un problema de cultura y de datos. Renzo Casapía ilustra este punto con un ejemplo muy claro:
Una empresa implementó un chatbot de recursos humanos para contestar preguntas básicas del tipo "¿cuántos días de vacaciones me quedan?". El proyecto fracasó estrepitosamente porque nadie lo usaba, o cuando se usaba, daba respuestas incorrectas.
El contexto es la clave:
- Sistemas Desintegrados: Muchas empresas usan sistemas de información separados (legacy systems), como SAP en una división y Oracle en otra, que no se "hablan" entre sí. Si los datos están incompletos o no se comunican, la IA no puede tomar decisiones.
- Cultura Informal: En el ejemplo anterior el problema era cultural. Los empleados pedían vacaciones a su jefe por WhatsApp o de forma informal. Como esa información nunca se registraba en el sistema central de recursos humanos, el chatbot simplemente no tenía los datos para responder correctamente.
Antes de pensar en IA, pregúntate: ¿Mi data es formal, está limpia y es accesible para todos los sistemas de la empresa? La IA solo es tan inteligente como los datos que la alimentan.
¿Cómo saber si la empresa está lista para implementar la IA?
Una forma clave de medir si una empresa está lista para la IA es evaluando la madurez de su estrategia de datos. Renzo Casapía define esta preparación de data como una progresión de cuatro capas secuenciales que marcan la madurez digital, donde la IA es la capa final. Este mapa marca el camino para que una empresa pase de solo describir lo que sucede en su negocio a actuar automáticamente con la tecnología.
El principio fundamental es que no se puede avanzar al siguiente paso si no se ha dominado el anterior. Si una empresa intenta predecir o actuar sin antes haber descrito y explicado su negocio, el proyecto está destinado a fallar.
Las 4 capas de la madurez digital
- Describir: Saber qué pasó. Este es el nivel base donde la empresa tiene la capacidad de decir cuánto vendió, cuándo y a quién, describiendo correctamente el estado actual del negocio.
- Explicar: Saber por qué pasó. En este nivel, la empresa conecta las causas con los efectos, entendiendo, por ejemplo, qué campaña de marketing tuvo qué efecto real en las ventas.
- Predecir: Proyectar qué pasará. En lugar de simplemente extrapolar los números del año pasado, se usan métodos predictivos finos para pronosticar la demanda y las ventas del próximo año.
- Actuar (IA): Una vez que predigo, actúo automáticamente. Esta es la única capa donde la IA tiene sentido, ya que se encarga de reaccionar de forma automática ante una demanda o situación que ya fue prevista.
Siguiendo con el ejemplo de ventas, si el sistema predice un aumento de la demanda del producto A para la próxima semana, la IA puede:
- Ajustar automáticamente las órdenes de inventario a los proveedores.
- Modificar los precios en tiempo real para maximizar la ganancia.
- Lanzar una campaña de marketing hiperpersonalizada.
¿Cuál es la diferencia entre machine learning y la inteligencia artificial?
Técnicamente, el machine learning (ML) es una rama de la inteligencia artificial (IA). Sin embargo, cuando las empresas hacen esta distinción, se refieren a la diferencia entre el ML y la IA Generativa. Esta distinción es esencial para entender cómo la tecnología crea valor en el negocio.
La clave del éxito digital no reside en usar una u otra por separado, sino en la sinergia de ambas: el Machine Learning identifica el patrón, y la IA Generativa (GenAI) actúa sobre él. Para ilustrar esta colaboración, mira este ejemplo:
|
Tipo de Tecnología
|
Función
|
¿Cómo funciona?
|
|
Machine Learning (ML)
|
Es el detective. Analiza patrones y detecta qué está sucediendo.
|
Utiliza modelos predictivos, como un árbol de decisión, para determinar en qué momento o por qué un usuario abandona un proceso (ej. un carrito de compra).
|
|
IA Generativa (GenAI)
|
Es el creativo. Toma la data del ML y genera contenido nuevo para provocar una acción.
|
Crea un lenguaje específico, integrando el contexto del cliente (ej. la región donde vive), para mandar un mensaje personalizado y relevante y así completar la venta.
|
La magia de la estrategia digital está en combinar ambos: el ML te dice quién es el cliente (la data) y la GenAI te dice cómo hablarle (la acción).
¿Qué habilidades necesita un líder para la era de la IA?
El líder no será reemplazado por la IA, pero su rol sí será potenciado. Esta potenciación exige cambiar el enfoque tradicional para asegurar el éxito de la inversión:
Visión Estratégica: primero identificar el problema, luego buscar la herramienta
El primer trabajo de un líder es preguntar: "¿Cuál es mi problema fundamental de negocio? ¿Se puede o no resolver con IA?". Si el driver es solo buscar un caso de uso para la IA, el proyecto va a fallar. El foco debe estar siempre en el problema de negocio.
Resiliencia a la Experimentación, una habilidad clave
Los proyectos de tecnología tradicional enfrentan altas tasas de fracaso (entre 50% y 70%) , y la implementación de IA tendrá una tasa de falla y experimentación mucho mayor. Por ello, el líder debe ser más resiliente y estar dispuesto a experimentar.
Para que los equipos se atrevan a innovar y a fallar rápidamente (algo necesario en la IA), es fundamental fomentar la seguridad psicológica (psychological safety). Esto permite que los equipos se sientan seguros al intentar, fallar y aprender sin miedo a ser penalizados.
Aunque la tecnología será un habilitador para el líder , el liderazgo sigue basándose en principios fundamentales como la visión, la conexión y la empatía.
Si quieres profundizar en las ideas de Renzo Casapía, te invitamos a ver la entrevista completa para obtener el contexto total sobre la estrategia de datos y el liderazgo en la era de la IA.
Las lecciones clave para la estrategia y el liderazgo en la era de la IA
El experto Renzo Casapía nos deja tres conclusiones fundamentales:
- La data es la cultura: Si no hay cultura de alimentar los sistemas con datos limpios y formales, el proyecto de IA fallará.
- Enfoque en el problema: Un líder debe preguntar siempre: "¿Cuál es mi problema de negocio fundamental?", no "¿para qué uso el ChatGPT?".
- Liderazgo resiliente: La experimentación será la norma. La capacidad de un líder para fomentar la seguridad psicológica y aprender del fracaso será el mayor diferenciador.
Si tu evento corporativo requiere pasar de la teoría a la estrategia de negocio sólida y del liderazgo resiliente, Renzo Casapía es el experto ideal. Su trayectoria en instituciones como el MIT y Coursera garantiza una perspectiva clara y sin rodeos sobre cómo implementar la IA y la cultura de datos en tu organización.
