AI : una ola de transformación que hay que dominar

Inteligencia Artificial ya no Inteligencia Artificial solo una promesa, sino una realidad que está redefiniendo los contornos del mundo empresarial. Sin embargo, su integración efectiva en las organizaciones sigue planteando importantes retos. Hanan Ouazan, socio director y responsable global AI en Artefact, ofreció recientemente unas ideas muy esclarecedoras sobre cómo abordar la aparición de AI en nuestros procesos de marketing, comunicación y operativos. Su intervención puso de relieve los requisitos imprescindibles para una adopción exitosa.

Aplicación fragmentada y obstáculos persistentes

Un revelador estudio de Google y BCG reveló que menos del 1 % de las empresas han completado realmente su AI . Aunque muchas están experimentando y optimizando los procesos existentes, la mayoría tiene dificultades para llevar a cabo una integración global. Esta brecha se explica por la dificultad de pasar de una lógica centrada en las herramientas a una verdaderamente centrada en los procesos. El mercado está saturado de tecnologías, lo que convierte el seguimiento y la integración coherentes en un reto diario.

Hay tres obstáculos principales que dificultan esta adopción a gran escala. El primero tiene que ver con data: casi dos tercios de data empresariales data sin explotarse. El segundo es de carácter organizativo: el marketing, una disciplina consolidada, suele heredar rigideces y compartimentos estancos que impiden una coordinación fluida. El tercer reto es la integración. Si bien es fácil crear pruebas de concepto (POC) aisladas, integrar la tecnología en las fases previas y posteriores de los procesos existentes es mucho más complejo.

De los modelos de lenguaje grande a los agentes: AI la acción

A pesar de estos retos, el contexto actual es propicio para la innovación. La llegada de los grandes modelos de lenguaje (LLM) hace aproximadamente dos años y medio ofreció la capacidad de procesar enormes volúmenes de data. Más allá de las aplicaciones de recuperación de información, los LLM permiten realizar análisis mucho más detallados. Hanan Ouazan ofrece un ejemplo llamativo: un LLM puede analizar los registros de Google Analytics para detectar la intención subyacente de un usuario en un sitio web. Un usuario que está viendo una variedad de productos de mobiliario no solo está buscando artículos individuales, sino que probablemente esté «renovando su salón». Esta comprensión de la intención general abre perspectivas de marketing con una precisión sin precedentes.

El siguiente paso, el de AI , marca el verdadero punto de inflexión. Mientras que los modelos de lenguaje grande (LLM) procesan la información, los agentes permiten su activación y coordinación. Este avance cubre el vacío existente en la armonización entre canales y supone una revolución para la fluidez de los procesos. Para dominar esta transformación, hay que tener en cuenta tres áreas clave: data, la integración y la confianza.

Data: el combustible esencial para AI autónoma

El primer ámbito es data, la materia prima de cualquier AI generativa. Su calidad es fundamental. El objetivo es aprovechar el 100 % de los data, tanto de forma correctiva (para mejorar data existentes) como proactiva (para validar cada nueva interacción). Por ejemplo, un modelo de lenguaje grande (LLM) puede corregir fichas de producto mal cumplimentadas o, en un centro de atención telefónica, recopilar y estructurar la información de las llamadas en tiempo real para enriquecer el CRM de forma validada.

Integración: el reto de la producción a gran escala

El segundo ámbito es la integración. El ejemplo del centro de atención telefónica ilustra este punto: lo ideal es una AI escuche la llamada en tiempo real, identifique la consulta del cliente y muestre al instante la respuesta pertinente al agente. Esto requiere una integración perfecta entre la telefonía, AI, las bases de conocimiento y el CRM. Aunque las pruebas de concepto se crean rápidamente, la puesta en producción suele verse ralentizada por problemas de conectividad o de compatibilidad de software. Anticiparse a estos «puntos de fricción» es fundamental para la escalabilidad.

Confianza y gobernanza: cómo gestionar la implementación de agentes

El tercer aspecto, y el más fundamental, es la cuestión de la confianza. La implantación de AI para cada empleado —posiblemente varios agentes por persona— plantea cuestiones existenciales.  A menudo se subestima esta proliferación de agentes data, generan costes y pueden resultar incontrolables. Plantea cuestiones cruciales de viabilidad económica, fiabilidad (los modelos pueden «alucinar»), seguridad (acceso a API y data sensibles) y cumplimiento normativo. La gobernanza y la supervisión de estos AI se están convirtiendo en una prioridad absoluta, con la aparición de plataformas específicas como AI Space de Google.

La gestión de estos agentes va más allá del ámbito de las tecnologías de la información. Si bien el departamento de TI se encarga del funcionamiento técnico, los equipos data de negocio deben evaluar conjuntamente la pertinencia y la precisión de AI . La transformación organizativa es inevitable. Ya no se trata de optimizar lo que ya existe, sino de reinventar los procesos. AI no están ahí para potenciar los métodos actuales, sino para replantearlos por completo, incluida la experiencia del usuario, ya que los consumidores tienen unas expectativas muy altas respecto a AI.

Esta profunda transformación requiere un firme respaldo desde los más altos niveles de la empresa. No se trata solo de un proyecto técnico, sino de una redefinición de las profesiones, del papel de las tecnologías de la información, de data del negocio. Esto implica presupuestos, pero también una inversión masiva en formación y en la adaptación cultural de los equipos. Un estudio reciente (principios de 2025) pone de relieve una brecha alarmante entre las expectativas de los empleados y la realidad sobre el terreno: una gran proporción carece de formación en AI. Esto es una señal de que, a pesar de las promesas de transformación, muchas organizaciones aún no están preparadas.

En conclusión, el auge de AI va mucho más allá del marco tecnológico. Se trata de un reto fundamentalmente organizativo, estratégico y humano, que requiere un enfoque integral y una visión clara para dirigir la redefinición del papel Compañiaen este nuevo paradigma.

Mira la Repetición la presentación: