Cómo ser despedido implantando Inteligencia Artificial en la empresa

Por Javier Aguado, Chief Delivery Officer en ALIANDO

Actualmente, se observa una paradoja en el mundo empresarial: mientras que la gran mayoría de las empresas están adoptando la Inteligencia Artificial, muy pocas están obteniendo los resultados esperados.

Desde el lanzamiento público de ChatGPT a finales de 2022, la ola de adopción de Inteligencia Artificial Generativa avanza de manera imparable en el mundo empresarial. Ya sea por sus aplicaciones prácticas en determinados procesos de negocio, por iniciativas del departamento de innovación, por el empuje de la dirección, por la presión de los accionistas (que observan cómo cualquier noticia relacionada con IA impacta positivamente en la cotización) o incluso por la curiosidad y la demanda de los propios empleados.

Las cifras son contundentes: el 81% de los líderes esperan incluir agentes de IA en sus estrategias¹, y el 93% de las organizaciones ya están experimentando con varios modelos de IA².

Sin embargo, mientras algunas empresas están logrando mejoras significativas en el EBITDA y son capaces de poner aplicaciones en funcionamiento en menos de 3 meses, la mayoría está teniendo serias dificultades para rentabilizar las inversiones realizadas en IA: más del 90% las compañías no están viendo una ganancia significativa desde el punto de vista económico; y pese al tiempo invertido, menos de un tercio de los proyectos pasan del estado de prueba de concepto.³

Esta paradoja del uso de la Inteligencia Artificial presenta una disyuntiva a todo aquel encargado de promover o liderar este tipo de proyectos. Por un lado, el mercado empuja de manera inexorable a la adopción; por otro, las cifras indican que es necesario ser mucho más cautos con las inversiones realizadas en Inteligencia Artificial.

Tras más de 10 años de trabajo con cientos de clientes en iniciativas relacionadas con Inteligencia Artificial, tanto generativa como más tradicional (Machine Learning, Deep Learning…), desde ALIANDO se han identificado las tres principales causas de fracaso en la adopción de Inteligencia Artificial en entornos empresariales:

Selección incorrecta de casos de uso

El mayor error que cometen muchas compañías comienza desde el principio, cuando deciden dónde deben implementar IA. Un error de base es comenzar a adoptar IA sin calcular el ROI (retorno de la inversión), sin validar si los usuarios adoptarán la herramienta o si la tecnología debe ser usada para solucionar ese problema. No todos los retos requieren soluciones basadas en IA, hay otras tecnologías (RPA, automatización, analítica avanzada, etc.) que pueden ofrecer una respuesta más eficaz. Por ello, resulta fundamental contar con una metodología de “envisioning” que identifique, categorice y priorice los casos de uso de IA. Elegir mal los casos de uso significa invertir en pilotos vistosos, pero irrelevantes; cuando llegue la revisión de presupuesto, esos proyectos serán vistos como ‘juguetes caros’.

Falta de gobierno

Al igual que con cualquier otra tecnología, es imprescindible establecer un modelo de gobierno que, mediante políticas, equipos de trabajo y herramientas se encargue de establecer el marco de trabajo para el ciclo de vida de los proyectos de IA. En el caso de los CoE (Centros de Excelencia), no es necesario crear grandes y complejas estructuras, sino definir, mediante una aproximación pragmática, los límites y procedimientos para poder operar la IA de manera segura y eficiente.

Sin un modelo de gobierno claro, los riesgos de seguridad, cumplimiento o reputacionales se disparan, y cualquier incidente asociado a la IA buscará rápidamente un responsable.

Falta de contexto

Como en cualquier proyecto relacionado con analítica, los datos proporcionados a las herramientas de IA son condición necesaria para el éxito de este. Una práctica de “Context Engineering” que garantice que los datos con los que se alimenta a la IA son adecuados y veraces es esencial para el buen funcionamiento de la aplicación. Asimismo, es necesario definir los mecanismos de gestión de dichos datos, su vigencia y las responsabilidades asociadas. Sin un buen contexto, la IA no solo comete errores: los hace con una seguridad que puede engañar a usuarios y directivos, erosionando la confianza en la tecnología y en quienes la impulsan.

Ignorar estos tres aspectos no solo multiplica la probabilidad de fracasar con la IA, sino que también aumenta el riesgo de que las inversiones realizadas no generen el retorno esperado.

En cambio, implantar estas tres líneas de trabajo, coordinadas y bajo el paraguas de una estrategia de adopción de IA empresarial, incrementa de forma notable las probabilidades de desplegar la IA de manera eficiente, segura y sostenible a largo plazo. De este modo, la IA puede convertirse en una ventaja real para la compañía y no en el motivo por el que se tenga que buscar un nuevo trabajo.

Fuentes

1.Work Trend Index Annual Report

2.16 Changes to the Way Enterprises Are Building and Buying Generative AI | Andreessen Horowitz

3. McKinsey, 2025 BCG 2024 Adecco 2025 Gartner 2023.