18 feb 2026
“Desde que surgió la IA generativa, las empresas han estado en una frenética búsqueda por descifrar sus posibles beneficios. Sorprendentemente, la respuesta podría ser más sencilla de lo que ellos mismos se dan cuenta.”
Alrededor de 2015, surgió una tendencia en la que casi cualquier uso de aprendizaje automático era etiquetado como inteligencia artificial. Sin embargo, algunos expertos argumentaron en contra de esta amplia clasificación, señalando que estas aplicaciones eran esencialmente buscadores de patrones. Simplemente procesaban entradas para generar salidas basadas en probabilidades computadas, careciendo de verdaderas capacidades cognitivas.
Llega la IA generativa, que hace que el debate sobre la inteligencia de las máquinas sea irrelevante. Si bien estos modelos comparten similitudes con las herramientas tradicionales de aprendizaje automático, los avances en potencia informática, datos de entrenamiento enriquecidos y aplicaciones innovadoras de redes neuronales permiten que la IA generativa replique la cognición humana de diversas maneras. Cada vez más, estas máquinas inteligentes ofrecen aumentos significativos en productividad y mejoras en eficiencia en entornos comerciales, impulsando la innovación en mercados diversos.
En numerosas ocasiones, las herramientas de IA demuestran un rendimiento cognitivo equivalente o incluso superior a las capacidades humanas. Por ejemplo, ChatGPT sobresalió en el examen de biología de Colocación Avanzada, obteniendo una impresionante puntuación de 5. De manera similar, el generador de imágenes Dall-E 2 mostró su destreza visual al resolver las Matrices de Raven. El chatbot Claude 2 de Anthropic alcanzó puntuaciones por encima del percentil 90 en las secciones verbal y de escritura del examen GRE, superando a muchos postulantes humanos. A través de tareas como escritura a mano, habla, reconocimiento de imágenes, comprensión lectora y comprensión del lenguaje, la IA constantemente supera a los humanos.
Consecuentemente, el debate ya no gira en torno a si las herramientas de IA poseen inteligencia; más bien, se centra en optimizar su implementación para ofrecer impactos comerciales tangibles.
Actualmente: Auge del Interés y la Adopción de la IA Generativa, Abriendo el Camino para la Disrupción
La llegada de la IA Generativa en la segunda mitad de 2022 y principios de 2023 despertó una fascinación generalizada, marcando uno de los debuts tecnológicos más celebrados en la memoria reciente. Su adopción ha sido rápida y generalizada, con números de usuarios asombrosos. Por ejemplo, ChatGPT de OpenAI logró 100 millones de usuarios en solo 60 días tras su lanzamiento al público, superando el hito de TikTok en nueve meses. El generador de imágenes de Midjourney cuenta con aproximadamente 16 millones de usuarios, mientras que Dall-E 2 atrae 1.5 millones de usuarios diarios. Solo en julio, el chatbot Bard de Google acumuló 10 millones de vistas de página.
Este crecimiento exponencial en el uso de IA Generativa es impulsado por varios factores convergentes. En primer lugar, los avances en hardware de IA especializado, particularmente chips de IA utilizados para el entrenamiento de modelos, han facilitado el desarrollo de modelos más sofisticados como los grandes modelos de lenguaje (LLMs). Estos modelos se han vuelto comunes, ofreciendo una experiencia de usuario intuitiva con la que incluso individuos no técnicos pueden interactuar.
Además, este aumento en el interés ha desatado una frenética búsqueda entre los inversores, con inversiones sustanciales fluyendo hacia startups que tienen la tecnología de IA generativa en su núcleo. Los inversores están apostando por la aparición de una nueva era en la tecnología empresarial, donde los conocimientos automatizados, los contratos de auto-revisión y la generación continua de contenido redefinen las estrategias de compromiso de marca.
Si bien abunda la discusión sobre la posible pérdida de empleos provocada por la IA, hay pocas evidencias que sugieran que los líderes empresariales tienen la intención de automatizar roles basados en conocimiento a gran escala. Una encuesta a líderes revela que las motivaciones principales para implementar IA generativa son mejorar la calidad del contenido, obtener una ventaja competitiva y aumentar la pericia de los empleados. Curiosamente, reducir el número de empleados ocupa un lugar bajo en la lista de prioridades. Parece más probable que la IA liberará a los trabajadores de tareas mundanas y repetitivas, permitiéndoles canalizar sus esfuerzos en emprendimientos más creativos.
La noción predominante es que la IA no solo está en el horizonte; para muchos, ya está aquí. Sin embargo, los líderes empresariales astutos comprenden que el crecimiento no puede lograrse simplemente recortando costos o minimizando riesgos. Por lo tanto, el uso más efectivo de la IA generativa no implicará reemplazar a los trabajadores humanos, sino empoderarlos con herramientas para aumentar la productividad, el conocimiento y la creatividad. Esto, a su vez, fomenta la innovación dentro de la empresa.
Los ejecutivos enfrentan una presión creciente para acelerar esta transición y superar a sus rivales. Una encuesta revela que el 64% de los CEOs siente una presión significativa por parte de inversores, acreedores y prestamistas para acelerar la adopción de la IA generativa. Sin embargo, estos líderes también reconocen la importancia de alinear la implementación de IA con necesidades comerciales genuinas. Simplemente integrar IA generativa en cada proceso sin una planificación estratégica es poco probable que genere beneficios sustanciales. En cambio, las empresas tienen más que ganar con un enfoque dirigido que aproveche las capacidades únicas de la IA generativa para resolver desafíos existentes y diferenciarse en el mercado. Este enfoque estratégico caracteriza las acciones de las empresas innovadoras hoy en día.
Nuevo Enfoque: Las Empresas Buscan Escalabilidad y Experiencia en el Dominio
El verdadero potencial de la IA generativa radica en su capacidad para revolucionar funciones empresariales, impulsar reducciones de costos, interrumpir ciclos de productos y servicios, y lograr eficiencias de proceso sin precedentes. Para desbloquear este valor, se aconseja a los líderes empresariales adoptar un enfoque evolutivo para su estrategia de datos y tecnología empresarial.
Convertirse en una organización impulsada por IA requiere atención meticulosa al detalle y un enfoque en mantener sistemas y algoritmos robustos. Así como un cohete necesita una plataforma de lanzamiento y controles de vuelo para alcanzar su destino, las herramientas de IA generativa requieren infraestructura y sistemas de control para prosperar en entornos empresariales. Afortunadamente, muchas de las habilidades y prácticas desarrolladas en los últimos años al construir capacidades de análisis de datos y aprendizaje automático son transferibles a la IA generativa, aunque con algunos ajustes.
La IA generativa generalmente demanda grandes cantidades de datos almacenados en clústeres de computación de alto rendimiento equipados con unidades de procesamiento gráfico (GPUs). Dado que pocas empresas poseen esta infraestructura, la mayoría opta por acceder a ella a través de proveedores de servicios. A través de interfaces de programación de aplicaciones (APIs), los ingenieros pueden integrar sin problemas las capacidades de IA generativa en el software existente sin necesidad de sobrehauls significativos de la infraestructura. Si bien los proveedores de IA priorizan la facilidad de uso, sigue siendo crucial para las empresas mantenerse conscientes de estos requisitos de ingeniería.
Además, es imperativo elegir los casos de uso de manera sabia. La IA generativa puede ser aprovechada para reducir costos, acelerar procesos, simplificar complejidades, mejorar el compromiso del cliente, fomentar la innovación e inculcar confianza. Si bien las aplicaciones específicas de la IA generativa varían entre empresas, enfocar proyectos que aporten mejoras en áreas específicas es un punto de partida prudente.
Aquí hay algunas ideas adicionales de empresas que ya han adoptado la IA generativa:
Datos: La Sangre Vital de la IA Generativa
Las empresas deben asegurarse de que sus datos estén bien estructurados y sean accesibles para las aplicaciones de IA para el entrenamiento de modelos y casos de uso de próxima generación.
Esta lección fue aprendida por Enbridge, la mayor empresa de gas natural en América del Norte. Hace varios años, durante una ambiciosa iniciativa de migración a la nube, la empresa no anticipó la creación de nuevos usos pioneros para la IA generativa. En cambio, sus objetivos principales eran modernizar la infraestructura y reducir la deuda técnica disminuyendo los centros de datos locales. Sin embargo, a lo largo del camino, Enbridge estableció un repositorio de datos centralizado que agrega datos de varias fuentes en toda la empresa, reemplazando cientos de silos de datos dispares.
Con la llegada de la IA generativa, Enbridge reconoció que este repositorio de datos centralizado era la base ideal para impulsar eficiencias impulsadas por IA. El equipo tecnológico introdujo una herramienta de copiloto basada en IA generativa para ayudar a los desarrolladores a programar rápida y eficientemente. Además, al personal de oficina se les proporcionó una herramienta de copiloto para navegar por aplicaciones de productividad.
Joseph Gollapalli, Director de Nube, Operaciones de TI y Datos en Enbridge, enfatizó el objetivo: "acelerar nuestra entrega y fomentar la innovación y la eficiencia. Estas soluciones de IA tienen el potencial de mejorar nuestras operaciones, aumentar la seguridad, elevar la experiencia del cliente y mejorar nuestro rendimiento ambiental."
Asegurando una Gobernanza Efectiva
En el paisaje actual, la gobernanza es más crucial que nunca para la escalabilidad exitosa de las iniciativas de IA. Un marco de gobernanza robusto debe articular la visión del negocio, señalar riesgos potenciales y brechas de capacidad, y validar el rendimiento. Estas consideraciones no solo protegen el negocio, sino que también facilitan la escalabilidad de proyectos más allá de la etapa de prueba de concepto.
En CarMax, el mayor minorista de autos usados en Estados Unidos, la utilización efectiva de la IA generativa depende de un enfoque sistemático a nivel organizacional que aproveche el poder de la tecnología mientras se implementan límites para garantizar el uso efectivo por parte de los empleados. Una aplicación notable en CarMax es una herramienta que incorpora contenido generado por IA en las páginas de investigación de vehículos. Estas páginas agregan información de miles de reseñas de clientes reales, permitiendo a los compradores acceder rápidamente a información de otros compradores.
Shamim Mohammad, Vicepresidente Ejecutivo y Director de Información y Tecnología en CarMax, enfatiza la importancia de la implementación controlada para generar el mayor valor comercial. CarMax otorga alta prioridad a la gobernanza, reconociendo su importancia en la escalabilidad de las iniciativas de IA generativa. La empresa ha establecido un equipo de gobernanza de IA encargado de garantizar el uso apropiado de la IA en toda la organización. Es importante señalar que este equipo no rechaza únicamente nuevos casos de uso; su objetivo es estandarizar el entrenamiento y uso de modelos para escalar aplicaciones impactantes en toda la empresa, más allá de los equipos tecnológicos o de producto.
"Hemos logrado hazañas notables a través del aprendizaje automático y la IA," dice Mohammad. "Mi enfoque ahora está en asegurar un uso responsable y alinear nuestras implementaciones con nuestros valores fundamentales como empresa."
Navegando por las Preocupaciones de Copyright
La IA generativa ha remodelado el panorama de derechos de autor, permitiendo la creación de imágenes, videos, textos y audios con facilidad. Sin embargo, surgen desafíos cuando los modelos se entrenan sobre contenido de terceros, lo que podría hacer que el contenido generado por IA no sea elegible para protección de derechos de autor. Además, entrenar modelos con contenido web protegido por derechos de autor puede plantear riesgos legales, incluyendo infracción de propiedad intelectual.
Sin embargo, existen soluciones para abordar estos desafíos. Shutterstock, un proveedor de contenido, ejemplifica cómo se puede utilizar la IA generativa mientras se respetan los derechos de los titulares de derechos de autor y se permite el uso comercial del contenido generado por IA. Shutterstock introdujo recientemente una herramienta generadora de imágenes entrenada con imágenes de artistas de terceros, con el consentimiento y compensación de cada artista. Al licenciar contenido como datos, Shutterstock mejora las protecciones legales para los usuarios finales mientras honra las contribuciones de artistas y creadores.
"La creación de contenido abarca industrias, desde CEOs hasta trabajadores minoristas," dice Michael Francello, Director de Innovación en Shutterstock. "Reconociendo la explosiva necesidad de creación de contenido, aprovechamos la oportunidad de ver nuestro contenido como datos para entrenar modelos de IA generativa. Se trata de proteger el núcleo de nuestro negocio mientras se respetan las contribuciones de artistas y creadores."
Gateando, Caminando, Corriendo, Despegando
Durante años, el enfoque de gatear-caminar-correr-volar ha demostrado ser efectivo para las empresas que escalan sus ofertas de servicios. La IA generativa sigue una trayectoria similar. En la etapa de gateo, las aplicaciones son ad hoc y requieren esfuerzo manual. Avanzando a la etapa de caminar, los procesos se vuelven más definidos y automatizados. En la etapa de correr, los casos de uso se estandarizan y permeabilizan la empresa. Cuando llega el momento de despegar, las organizaciones aprovechan el trabajo previo para abrazar capacidades de próxima generación.
Este enfoque guió a la empresa química Eastman en el desarrollo de servicios internos basados en IA generativa. Con una historia de utilización de datos y análisis en una industria que no suele asociarse con ello, Eastman desarrolló un servicio de inteligencia avanzado para predecir la estabilidad térmica en procesos industriales. Ampliando esto, la empresa experimentó con cómo la IA generativa podría mejorar los procesos de ventas. Al crear una herramienta habilitada por IA para extraer información de notas de llamadas de ventas, Eastman desbloqueó inteligencia valiosa que anteriormente se pasaba por alto.
Aldo Noseda, director de información de Eastman, comenta: "Nos permite, a nosotros, una empresa química, llevar una capa de servicio digital para diferenciarnos y obtener una ventaja competitiva."
Dada la rápida evolución de la IA generativa, aplicar este marco a nuevos casos de uso empresarial es prudente. Permitir que los proyectos de prueba de concepto evolucionen hacia prácticas estandarizadas que se integren en las operaciones de la empresa. Una vez que se logre esta madurez, las posibilidades se volverán ilimitadas.
De cara al futuro, las empresas pueden encontrar más fácil aprovechar los beneficios de la IA generativa dentro de sus industrias a medida que surjan modelos entrenados con datos específicos. Si bien las herramientas actuales dependen de datos de propósito general, la próxima generación de grandes modelos de lenguaje (LLMs) está destinada a ser más especializada. Esta tendencia ya es evidente con herramientas como BioNeMo de NVIDIA, AI de Centro de Contacto de Google y BloombergGPT, adaptadas para sectores específicos como biotecnología, servicio al cliente y finanzas, respectivamente. A medida que crezca la demanda de modelos específicos de sector, es probable que las empresas busquen LLMs privados, ofreciendo ventajas competitivas con modelos específicos de propósito y entrenados con datos privados. Esta representa la próxima fase en el viaje de la IA generativa.
Próximamente: Líderes Visionarios Necesarios
El cartel motivacional, una vez un cliché corporativo ahora convertido en meme, puede pronto recuperar su importancia como un llamado a la acción para las empresas: "Solo estamos limitados por nuestra imaginación."
Tradicionalmente, los equipos y organizaciones enfrentaban limitaciones: falta de datos, liderazgo escéptico o el temido "Eso no moverá la aguja." Sin embargo, en el ámbito de la IA generativa, la imaginación reina suprema. Con la capacidad de generar contenido continuo, descubrir eficiencias operativas o analizar documentos regulatorios en minutos, la pregunta cambia a: ¿Qué quieres descubrir?
Las empresas que adopten la IA generativa valorarán la habilidad de hacer mejores preguntas. Este cambio puede presagiar la aparición de una nueva clase de líder, uno impulsado por la creatividad en lugar de un mero conocimiento basado en datos. Mientras que las décadas pasadas recompensaron a los líderes por decisiones basadas en datos, el futuro puede favorecer a aquellos con saltos imaginativos. Así como un generador de imágenes responde a un aviso soso con una imagen poco inspiradora, el uso poco imaginativo de la IA generativa produce un impacto limitado. A medida que las empresas luchan por destacarse, los líderes que innoven con IA generativa pueden superar a sus pares fijados en datos convencionales.
Esto no disminuye la importancia de la toma de decisiones basada en datos. De hecho, se vuelve más crítica a medida que la IA generativa expande el rango de datos accesibles, desde archivos de texto en lenguaje natural hasta registros de máquinas. Los líderes deben aprovechar la IA generativa para extraer información de fuentes de datos pasadas por alto, haciendo preguntas inteligentes a la velocidad del pensamiento.
Sin embargo, el verdadero impacto de la IA generativa aún no se ha realizado completamente. Si bien su potencial sísmico es innegable, las áreas precisas de transformación siguen siendo inciertas.