La adopción de la inteligencia artificial (IA) dentro de las organizaciones a menudo enfrenta un obstáculo crítico: la brecha entre la experimentación y la implementación real a gran escala. Si bien muchos proyectos piloto cumplen con sus objetivos iniciales, solo una fracción de ellos logra transformarse en valor sostenido para la empresa. Según investigaciones de Boston Consulting Group, apenas el 26% de las compañías ha desarrollado las capacidades necesarias para moverse más allá de los pilotos y generar valor tangible a partir de las herramientas de IA. Paralelamente, McKinsey señala que, aunque casi todas las organizaciones experimentan con IA generativa, solo una minoría observa un impacto financiero significativo a nivel empresarial.

La tecnología no es el cuello de botella. Los modelos de lenguaje grande ofrecen una solución potente que apoya a los empleados en tareas como investigación, generación de contenido, análisis de documentos, resúmenes de reuniones o gestión de tareas. Sin embargo, los equipos siguen luchando para convertir las capacidades de IA en resultados comerciales medibles.

Es, en esencia, una cuestión de traducción. Falta profundidad para adaptar estas herramientas a las necesidades específicas de una industria y de una organización. Los modelos genéricos destacan en comprensión de lenguaje e información, pero encuentran dificultades para conectarlos con flujos de trabajo, regulaciones, gobernanza y matices operativos que rigen industrias como contabilidad, servicios legales, salud o manufactura.

Para superar esto, es necesario un experto que actúe como puente entre las capacidades de IA y los requerimientos de una profesión.

1. Un nuevo rol en la intersección entre tecnología e industria

Los proveedores de tecnología han sido evaluados históricamente por la calidad de sus productos. Esa métrica ya no basta. Hoy su papel va mucho más allá de entregar una plataforma funcional: deben contribuir activamente a la transformación digital de la organización. Esto incluye compartir mejores prácticas, ofrecer soporte técnico continuo, diseñar flujos de trabajo, optimizar gobernanza y fomentar la aplicación a largo plazo, con todo ello buscando una implementación fluida del producto.

Las industrias están adoptando esta idea desde ángulos diferentes. Cuando existe un intermediario centrado en el éxito del cliente, la capacidad se traduce en resultados. Surgen así roles como Gerentes de Valor al Cliente y Ingenieros Desplegados (Forward Deployed Engineers). Estos profesionales tienen como objetivo principal garantizar que la tecnología genere valor para los empleados y para el negocio en general.

Cada industria está desarrollando su propia versión de este rol. En contabilidad, ya vemos emergentes los llamados ‘Ingenieros de Contabilidad’, contables con profundo conocimiento contable y capacidad técnica. En lugar de partir de un documento de especificaciones, trabajan junto al equipo de la firma para co-diseñar el flujo de trabajo, construyendo la automatización junto a quienes la usarán. Estos Ingenieros crean flujos adaptados a la forma en que la profesión opera, automatizando tareas y procesos repetitivos que responden a los retos contables. Más importante aún, entrenan a los propios contadores para convertirse en los arquitectos internos de IA de la firma, de modo que la capacidad permanezca dentro de la firma mucho después del lanzamiento inicial.

Conectan sistemas contables de backend con herramientas operativas e infraestructura en la nube, asegurándose de que los procesos financieros automatizados se alineen con los requisitos de reporte regulatorio y gobernanza de datos. Así se evita una automatización genérica acoplada a sistemas corporativos obsoletos, resultando en una integración a medida.

Cada patrón descubierto en el campo —un atajo, un cuello de botella recurrente, un flujo de trabajo no documentado— alimenta directamente la hoja de ruta del producto del proveedor, en un ciclo de retroalimentación que hizo indispensables a los Ingenieros Desplegados en empresas de alto impacto.

La adopción de IA rara vez falla por limitaciones del modelo; falla cuando los empleados no saben dónde encaja la tecnología en su labor diaria.

2. Integración humana respaldada para una adopción de IA más suave

Los modelos de IA generales son horizontales por diseño: buscan servir a todas las industrias, lo que dificulta generar materiales específicos y análisis de datos profundos para una industria concreta. Las empresas que trabajan con socios proveedores obtienen una integración exitosa gracias a orientación y capacitación adaptadas a su sector, lo que empodera al personal para manejar con firmeza las herramientas de IA.

En un plano individual, las personas pueden mostrarse reacias ante nuevas herramientas y procesos. Los líderes se preocupan por gobernanza, seguridad y cumplimiento regulatorio, mientras que los empleados preguntan si pueden confiar en las salidas generadas por IA. A nivel práctico, muchos trabajan con herramientas de IA de consumo, generando flujos de trabajo fragmentados y sembrando el riesgo de una IA “de sombra”, donde información sensible corporativa queda expuesta a través de cuentas personales.

Sin gobernanza, capacitación y pautas operativas claras, las organizaciones corren el riesgo de crear miles de usuarios de IA desconectados en lugar de una estrategia de IA coordinada. Los proveedores pueden marcar la diferencia al colaborar con responsables de producto, controllers y equipos de ingeniería multifuncionales para diseñar una arquitectura de sistema integrada, desarrollar marcos de gobernanza que reduzcan el riesgo y crear programas educativos y procesos que fomenten una adopción positiva en toda la organización. En última instancia, generan confianza y seguridad, asegurando una adopción exitosa. Son la capa que falta entre lo posible tecnológicamente y la realidad organizacional.

3. De proyectos aislados a implementación a largo plazo

La adopción de IA no tiene una línea de meta fija. La tecnología cambia casi cada semana: surgen nuevos modelos, mejoran capacidades, cambian costos y florecen flujos de trabajo que antes eran imposibles. Por ello, la IA no puede tratarse como una implementación ERP tradicional o una migración a la nube.

Los proveedores de tecnología están particularmente bien posicionados para brindar soporte continuo. Conocen a fondo el producto y comprenden los desafíos que enfrentan las organizaciones, lo que les permite adaptar el enfoque para encontrar soluciones adecuadas y monitorizar el ritmo de la innovación en IA, entendiendo cómo esos avances impactan a industrias específicas. En lugar de intentar interpretar un panorama de IA cada vez más complejo por sí mismos, los equipos pueden apoyarse en los proveedores para obtener una visión clara de los avances técnicos y su relevancia para el negocio y los empleados.

4. Vender resultados empresariales, no solo un modelo

Los proveedores que se limitan a vender modelos de IA venden solo la mitad de la solución. La adopción de IA fracasa cuando los equipos deben interpretar la plataforma por su cuenta, sin alguien que conecte la tecnología con el flujo de trabajo propio de la empresa.

Todas las organizaciones tendrán acceso eventual a modelos potentes; lo que las diferenciará será su capacidad para combinar experiencia en IA con profundo conocimiento de la industria. Los proveedores exitosos serán los que permanezcan entre la tecnología y la profesión, traduciendo la capacidad de IA en resultados comerciales confiables y escalables. El concepto de Ingenieros de Contabilidad y otras variantes de este rol que emergen en distintas industrias ilustra la forma en que esa traducción se materializa en la práctica.

Este artículo forma parte de TechRadar Pro Perspectives, una plataforma para presentar a las mentes más brillantes de la industria tecnológica hoy. Las opiniones expresadas pertenecen al autor y no necesariamente a TechRadar Pro o Future plc. Si está interesado en contribuir, consulte cómo enviar su historia a TechRadar Pro.

from Latest from TechRadar https://ift.tt/9tL3OU5
via IFTTT IA