La inteligencia artificial se ha instalado con rapidez en la agenda empresarial. Hoy existe consenso sobre su relevancia para la competitividad futura. Sin embargo, esa convicción convive con una realidad más compleja: muchas organizaciones aún no están preparadas para incorporarla de manera estratégica, responsable y sostenible.
El desafío no es tecnológico ni presupuestario. De hecho, una parte significativa de las empresas ya está invirtiendo en inteligencia artificial. El problema aparece cuando esas iniciativas no están respaldadas por una estrategia clara. Se multiplican los pilotos y las pruebas acotadas, pero pocas veces se traducen en transformaciones reales del modelo de negocio. La tecnología avanza, mientras las decisiones estructurales se postergan.
El estudio “Desafíos de la Inteligencia Artificial para la Sostenibilidad Empresarial”, desarrollado entre INNSPIRAL y la Universidad San Sebastián, evidencia esta brecha. Más de la mitad de las empresas declara estar invirtiendo en inteligencia artificial, pero solo una minoría cuenta con una estrategia específica que ordene esos esfuerzos. El resultado es una adopción fragmentada, con impactos visibles en eficiencia, pero limitada en términos de innovación y creación de valor de largo plazo.
Esta fragmentación responde, en gran medida, a una comprensión incompleta del desafío. La inteligencia artificial sigue abordándose como un proyecto tecnológico, cuando en realidad implica un cambio organizacional profundo y eventualmente hasta un cambio en el modelo de creación de valor. Obliga a revisar procesos, roles, incentivos y formas de toma de decisiones. También exige anticiparse a un escenario en el que una parte relevante de las tareas será automatizable, con impactos directos en el trabajo y en el desarrollo de las personas.
En este punto emerge una brecha clave. Mientras las empresas tienden a ver la inteligencia artificial como una oportunidad estratégica, las personas la enfrentan con mayor incertidumbre. El temor a la automatización se intensifica cuando la adopción ocurre sin diálogo ni propósito explícito. La experiencia muestra que la resistencia disminuye cuando los equipos participan desde el inicio y comprenden para qué se utiliza la tecnología y cómo aporta a su trabajo.
El desarrollo de capacidades internas es otro factor crítico. La falta de habilidades aparece de forma recurrente como barrera, pero no se limita a la escasez de especialistas. La adopción efectiva de inteligencia artificial requiere en las áreas impactadas a todo nivel de la organización, pensamiento crítico, comprensión de datos y capacidad de formular buenas preguntas. Sin estas competencias, el uso de la tecnología se vuelve superficial y dependiente.
A esto se suma la gobernanza de los datos. En muchas organizaciones, los proyectos de inteligencia artificial dejan al descubierto debilidades previas en la gestión de la información. En un contexto regulatorio cada vez más exigente, avanzar sin criterios claros sobre uso, resguardo y responsabilidad de los datos no solo frena iniciativas, sino que expone a riesgos relevantes.
Frente a este escenario, la pregunta ya no es si las empresas deben adoptar inteligencia artificial, sino desde dónde están tomando las decisiones. Elevar la inteligencia artificial al nivel de decisión estratégica es un paso ineludible. No puede seguir confinada a áreas técnicas o a laboratorios de innovación. Debe formar parte explícita de la estrategia corporativa y de la conversación sobre sostenibilidad, productividad y creación de valor de largo plazo. Esto implica que la alta dirección y los directorios asuman un rol activo en definir para qué se utiliza la inteligencia artificial, qué problemas estructurales busca resolver y qué impactos humanos, éticos y organizacionales están dispuestos a gestionar en una estrategia AI top down
Al mismo tiempo, es clave invertir en paralelo a la tecnología, en formar capacidades en IA y en gobernanza de datos. Las organizaciones que lograrán una adopción sostenible no serán las que implementen más herramientas, sino aquellas que desarrollen capacidades internas para tomar mejores decisiones con inteligencia artificial. Esto supone formar equipos en pensamiento crítico, uso responsable de datos y comprensión del impacto de la automatización en el trabajo para apoyar una estrategia bottom-up. En paralelo, se requiere una gobernanza clara de datos y modelos, que genere confianza y permita escalar gestionando las fricciones y los riesgos. Sin estas bases, la inteligencia artificial corre el riesgo de convertirse en un gasto sofisticado, en lugar de una ventaja competitiva sostenible como lo estamos viendo en las principales economías del mundo.
* Camila Mohr es CEO y Socia de Innspiral. Thierry Saint Pierre es docente y director del Magíster en Ciberseguridad de la Universidad San Sebastián
