La inteligencia artificial empieza a enfrentarse a una nueva exigencia dentro de las empresas: demostrar que su incorporación tiene un impacto real en el negocio. Después de una primera etapa marcada por la experimentación, las pruebas de concepto y el aprendizaje sobre las nuevas herramientas, las compañías están poniendo ahora el foco en el ahorro de costes, la productividad y la mejora de los procesos.

El cambio se refleja en las cuestiones que plantean las organizaciones. Frente a la pregunta sobre qué pueden hacer con la inteligencia artificial, empiezan a ganar peso otras más vinculadas a los resultados: qué proceso se puede mejorar, cuánto tiempo puede ahorrarse, qué coste tendrá la implantación o cómo se puede medir si realmente funciona.

Es una evolución que detecta zenital, consultora especializada en datos e inteligencia artificial, a partir de su trabajo con empresas y de la formación impartida durante el último año a más de 200 profesionales de unas 15 compañías, principalmente de las áreas de Ventas, Operaciones y Administración.

“Ya no basta con decir que utilizamos IA. Hay que demostrar dónde aporta valor y qué resultado conseguimos con ella”, explica Manel Vericat, Data & AI Training Specialist de zenital. A su juicio, la siguiente etapa pasa por distinguir entre lo que técnicamente puede hacerse y aquello que realmente tiene sentido para cada negocio.

Un proyecto desarrollado por la consultora para automatizar la recogida y priorización de las necesidades formativas de un equipo ilustra este cambio. La tarea requería inicialmente unas 240 horas de trabajo y, con la aplicación de IA, se estima que podría reducirse hasta las 80 horas, liberando alrededor de 160 horas.

El reto, por tanto, no consiste únicamente en incorporar nuevas herramientas, sino en identificar procesos concretos y establecer indicadores que permitan comparar la situación anterior con los resultados obtenidos tras aplicar la tecnología. “Una prueba de concepto puede ser espectacular y, sin embargo, no resolver ningún problema real a la empresa, o aportar menos valor de lo que costaría la implantación y el consumo de tokens”, apunta Vericat.

La calidad de los datos se está convirtiendo, además, en una cuestión central. A medida que la IA deja de utilizarse únicamente de forma individual y empieza a conectarse con información y procesos corporativos, las empresas necesitan comprobar que los datos son completos, actuales y están correctamente estructurados. Zenital señala que está detectando un aumento de la demanda de auditorías de datos antes de abordar nuevos proyectos de inteligencia artificial.

La formación también está cambiando. Si las primeras iniciativas estaban orientadas a conocer las herramientas y aprender a interactuar con ellas, ahora las empresas buscan que sus empleados sepan incorporarlas a su trabajo y revisar los procesos existentes. “El objetivo no debería ser hacer con IA lo mismo que hacíamos antes un poco más rápido, sino revisar procesos y preguntarnos si podemos trabajar de una manera mejor”, señala Vericat.

Esta evolución coincide con el desarrollo de sistemas capaces de ejecutar tareas cada vez más complejas. Los denominados agentes de IA amplían las posibilidades de automatización, pero también plantean nuevas exigencias en materia de seguridad, integración, gobernanza y control.

De cara a 2027, la adopción empresarial de la inteligencia artificial estará cada vez más vinculada a indicadores concretos como las horas ahorradas, los costes reducidos, los procesos automatizados, los tiempos de respuesta o la capacidad de análisis y decisión. El número de herramientas utilizadas o de proyectos puestos en marcha dejará así de ser el único indicador de avance.