{"id":5702,"date":"2026-10-02T02:47:12","date_gmt":"2026-10-02T05:47:12","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/10\/02\/los-dos-errores-que-estan-frenando-la-adopcion-de-la-ia-y-como-superarlos\/"},"modified":"2026-10-02T02:47:12","modified_gmt":"2026-10-02T05:47:12","slug":"los-dos-errores-que-estan-frenando-la-adopcion-de-la-ia-y-como-superarlos","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/10\/02\/los-dos-errores-que-estan-frenando-la-adopcion-de-la-ia-y-como-superarlos\/","title":{"rendered":"Los dos errores que est\u00e1n frenando la adopci\u00f3n de la IA (y c\u00f3mo superarlos)"},"content":{"rendered":"
\n
\n
\n

Por Juan Jos\u00e9 L\u00f3pez Murphy, Head of Data Science & AI de Globant.<\/strong><\/p>\n

Las empresas est\u00e1n invirtiendo en inteligencia artificial como nunca antes<\/strong>, pero la mayor\u00eda todav\u00eda enfrenta dificultades para traducir esa inversi\u00f3n en valor tangible para el negocio. El conocido estudio del MIT State of AI in Business 2025<\/strong><\/em><\/a> <\/strong> concluye que el 95% de los pilotos empresariales de IA generativa no lograron generar resultados.<\/p>\n

Si bien existen cuestionamientos sobre su metodolog\u00eda y alcance, sus conclusiones coinciden con lo que muchas organizaciones est\u00e1n experimentando en la pr\u00e1ctica. Sin embargo, se ha prestado mucha menos atenci\u00f3n a entender por qu\u00e9 ocurre esto. En 2026, las causas de estos fracasos comienzan a hacerse cada vez m\u00e1s evidentes para quienes trabajan en la primera l\u00ednea de la industria tecnol\u00f3gica<\/strong>.<\/p>\n

Por qu\u00e9 la IA no est\u00e1 generando valor para el negocio<\/span><\/h2>\n

Uno de los errores m\u00e1s comunes es confundir acceso con adopci\u00f3n<\/strong>. Muchas organizaciones invierten fuertemente en herramientas de IA sin replantear la manera en que realmente se trabaja. En casos a\u00fan m\u00e1s extremos, confunden el consumo de estas herramientas con una adopci\u00f3n efectiva.<\/p>\n

La inversi\u00f3n en inteligencia artificial crece en las empresas, pero convertirla en resultados concretos sigue siendo uno de los principales desaf\u00edos.<\/figcaption><\/figure>\n

Impulsadas por el miedo a quedarse afuera de la \u00faltima tendencia tecnol\u00f3gica, implementan IA sin una estrategia clara, generando una falsa sensaci\u00f3n de transformaci\u00f3n. Como consecuencia, las iniciativas fracasan y las empresas suelen concluir que el problema est\u00e1 en la tecnolog\u00eda, cuando en realidad la implementaci\u00f3n fue la equivocada.<\/p>\n

El concepto de \u201ctool-shaped objects\u201d<\/strong><\/em> describe perfectamente este fen\u00f3meno: soluciones que parecen herramientas innovadoras o \u00fatiles, pero que en realidad no resuelven un problema concreto ni generan un impacto significativo. En muchos casos, se dedica un enorme esfuerzo a perfeccionar el \u201cobjeto\u201d, mientras se pierde de vista el resultado que realmente importa. Esto termina generando frustraci\u00f3n, p\u00e9rdida de tiempo y recursos, y, finalmente, desconfianza hacia la tecnolog\u00eda.<\/p>\n

El segundo gran error consiste en implementar la IA \u00fanicamente para casos de uso internos, en lugar de convertirla en una nueva forma de operar<\/strong>. El mayor punto de fricci\u00f3n aparece cuando la inteligencia artificial tiene contacto con el cliente.<\/p>\n

En varios sectores existe una especie de par\u00e1lisis provocada por el temor a equivocarse durante la implementaci\u00f3n. Muchas compa\u00f1\u00edas prefieren esperar a que otra empresa de la industria innove primero para luego replicar ese camino<\/strong>. El resultado es un ciclo repetitivo de entusiasmo, dudas y una adopci\u00f3n reactiva basada en copiar lo que hacen otros.<\/p>\n

Implementar herramientas de IA no garantiza una transformaci\u00f3n del negocio: el impacto depende de c\u00f3mo se integran en los procesos de trabajo.<\/figcaption><\/figure>\n

C\u00f3mo evitar los principales errores en la adopci\u00f3n de IA<\/span><\/h2>\n

Esto nos lleva nuevamente al punto de partida: las compa\u00f1\u00edas tecnol\u00f3gicas deben asumir un rol de liderazgo, ayudando a diferenciar las verdaderas oportunidades del ruido que genera el mercado<\/strong>. Con demasiada frecuencia, en el af\u00e1n por vender, se subestima la complejidad que implica una adopci\u00f3n exitosa. Existen algunos principios que permiten abordar este proceso desde una perspectiva mucho m\u00e1s s\u00f3lida.<\/p>\n

En primer lugar, ingresar en una nueva etapa evolutiva impulsada por la inteligencia artificial requiere un cambio profundo de paradigma que desaf\u00eda los procesos tradicionales de las organizaciones<\/strong>. Esto implica redise\u00f1ar los flujos de trabajo, impulsar la adopci\u00f3n interna y comprender c\u00f3mo medir el valor que realmente aporta la tecnolog\u00eda. Cada industria define el retorno sobre la inversi\u00f3n (ROI) de manera diferente.<\/p>\n

En e-commerce<\/strong> puede reflejarse en una reducci\u00f3n de los tiempos de entrega; en salud<\/strong>, en menos horas destinadas a tareas administrativas; en banca<\/strong>, en p\u00e9rdidas evitadas gracias a una mejor detecci\u00f3n de fraude. La transformaci\u00f3n ocurre cuando se redise\u00f1an las tareas, pero el verdadero cambio de mentalidad consiste en comprender cu\u00e1l es el valor que una empresa \u2014o una funci\u00f3n espec\u00edfica dentro de ella\u2014 realmente aporta.<\/p>\n

Un sistema de m\u00e9tricas incorrecto conduce inevitablemente a conclusiones equivocadas. Algunas empresas, por ejemplo, utilizan el consumo de tokens como indicador del uso de<\/strong> IA. Sin embargo, ese dato no permite saber si los colaboradores est\u00e1n utilizando la inteligencia artificial para generar impacto en el negocio o simplemente para pedirle que dise\u00f1e una rutina de entrenamiento.<\/p>\n

Las empresas deben distinguir entre el uso de herramientas de inteligencia artificial y una adopci\u00f3n capaz de generar valor medible.<\/figcaption><\/figure>\n

Cuando una m\u00e9trica se convierte en el objetivo, deja de cumplir su funci\u00f3n, tal como explica la Ley de Goodhart<\/strong>. Este principio, formulado por el economista brit\u00e1nico Charles Goodhart<\/strong>, sostiene que una vez que una medida pasa a ser una meta, deja de ser una medida confiable. Se transforma en un incentivo perverso en lugar de una herramienta para alinear esfuerzos.<\/p>\n

El servicio de atenci\u00f3n al cliente ofrece otro ejemplo muy claro: un sistema automatizado puede aumentar considerablemente la cantidad de interacciones atendidas, pero eso no significa necesariamente una mejor experiencia ni una mayor satisfacci\u00f3n del cliente.<\/p>\n

Adoptar la IA para la misi\u00f3n principal<\/span><\/h2>\n

Muy relacionado con esto aparece la diferencia entre la main quest<\/em> y las side quests<\/em><\/strong>. Definir correctamente el ROI permite identificar cu\u00e1l es la misi\u00f3n principal donde una organizaci\u00f3n crea valor y evita desperdiciar tiempo aplicando IA a tareas marginales o de bajo impacto.<\/p>\n

Si la inteligencia artificial no se utiliza para resolver problemas que afectan directamente al coraz\u00f3n del negocio, no existe una verdadera adopci\u00f3n<\/strong><\/a>, sino \u00fanicamente la ilusi\u00f3n de haberla alcanzado.<\/p>\n

La adopci\u00f3n efectiva de IA implica identificar los problemas centrales del negocio y concentrar all\u00ed los recursos tecnol\u00f3gicos.<\/figcaption><\/figure>\n

\u00bfTiene sentido que un CFO dedique tiempo a entrenar un agente de IA para dise\u00f1ar presentaciones? Probablemente no. Para un analista de marketing, en cambio, puede ser una herramienta muy \u00fatil<\/strong>.<\/p>\n

Finalmente, automatizar y optimizar tareas puede ser un medio, pero nunca el objetivo final. Los procesos actuales son el resultado de c\u00f3mo hist\u00f3ricamente se hac\u00edan las cosas, no necesariamente de la mejor manera de generar valor hoy. Con el avance de la tecnolog\u00eda y el paso del tiempo, ambos caminos inevitablemente se separan.<\/p>\n

El verdadero desaf\u00edo consiste en elevar el nivel de abstracci\u00f3n, integrando agentes de IA de forma mucho m\u00e1s transversal dentro de los procesos de negocio, resolviendo funciones alineadas con la misi\u00f3n principal de la organizaci\u00f3n y generando valor medible all\u00ed donde realmente importa<\/strong>.<\/p>\n

En ese recorrido, las decisiones de los l\u00edderes ser\u00e1n las que, en \u00faltima instancia, determinar\u00e1n el \u00e9xito o el fracaso de la adopci\u00f3n, junto con su capacidad para comunicar esa visi\u00f3n con claridad y evitar los errores m\u00e1s frecuentes que hoy siguen frenando el verdadero potencial de la inteligencia artificial.<\/p>\n

<\/span> Visitas:<\/span> 20<\/span> <\/p>\n<\/p><\/div>\n<\/div>\n<\/div>\n

Fuente: Art\u00edculo original<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Por Juan Jos\u00e9 L\u00f3pez Murphy, Head of Data Science & AI de Globant. Las empresas est\u00e1n invirtiendo en inteligencia artificial como nunca antes, pero la mayor\u00eda todav\u00eda enfrenta dificultades para traducir esa inversi\u00f3n en valor tangible para el negocio. El conocido estudio del MIT State of AI in Business 2025  concluye que el 95% de […]<\/p>\n","protected":false},"author":1,"featured_media":5701,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"webixso_pending_account_ids":""},"categories":[47],"tags":[],"class_list":["post-5702","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-itsitio"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/5702","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/comments?post=5702"}],"version-history":[{"count":0,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/5702\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media\/5701"}],"wp:attachment":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media?parent=5702"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/categories?post=5702"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/tags?post=5702"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}