En el mundo, más del 70% de las compañías ya experimenta con esta tecnología, pero muy pocas logran integrarla en sus operaciones centrales. Qué sucede en Argentina.
Por Jorge Velázquez, en diario Ámbito
La adopción de inteligencia artificial (IA) en las empresas avanza a un ritmo que, hasta hace poco, parecía impensado. En pocos años, lo que había sido una tecnología restringida a grandes corporaciones y centros de investigación pasaba a estar disponible para una amplia mayoría de compañías, en múltiples sectores y geografías.
HACÉ CLICK AQUÍ PARA UNIRTE AL CANAL DE WHATSAPP DE DIARIO PANORAMA Y ESTAR SIEMPRE INFORMADO
Sin embargo, ese acceso creciente no se traduce siempre en resultados concretos. En este punto, los expertos sostienen que el problema central ya no reside en la disponibilidad de las herramientas, sino en la capacidad de las organizaciones para integrarlas de manera efectiva en sus procesos productivos.
Los datos globales reflejan con claridad esa paradoja. Según McKinsey & Company, en base a datos de la encuesta global “El estado de la IA 2024/2025”, más del 70% de las compañías a nivel mundial ya utilizaba o probaba soluciones de inteligencia artificial, mientras que el 72% había incorporado IA generativa en al menos una función de negocio.
Sin embargo, apenas el 11% lograba escalar esas implementaciones a toda la organización, lo que evidenciaba una brecha significativa entre experimentación y ejecución real.
Ese fenómeno fue sintetizado por la consultora bajo una definición que comenzó a instalarse en el mundo corporativo: “AI at work, but not at scale”.
Las empresas habían adoptado el discurso, incluso habían iniciado pruebas y pilotos, pero no conseguían convertir esa adopción en mejoras sustanciales de productividad, calidad o velocidad en sus operaciones centrales.
El impacto de esa limitación también se reflejaba en los resultados económicos. Solo un 6% de las compañías, consideradas de alto rendimiento, lograba atribuir más del 5% de sus beneficios operativos al uso de inteligencia artificial. El resto permanecía atrapado en iniciativas aisladas, sin capacidad de generar valor sostenido en el tiempo.
La brecha de habilidades
En paralelo, un informe de PwC (Barómetro de empleos en IA 2025) ponía el foco en el verdadero origen de ese problema. Según la consultora, el principal obstáculo para transformar el potencial de la inteligencia artificial en valor tangible no es tecnológico, sino humano.
Según la Encuesta anual de CEO globales, el 52% de los CEOs globales señalaba la falta de capacidades en la fuerza laboral como la barrera más relevante para avanzar.
Esa percepción encontraba respaldo en tendencias más amplias del mercado laboral. El 69% de los líderes empresariales consideraba que la inteligencia artificial obligaría a la mayoría de sus empleados a desarrollar nuevas habilidades en un plazo de tres años.
Por su parte, el World Economic Forum estimó que el 44% de las habilidades laborales cambiará en los próximos años como consecuencia de esta transformación tecnológica.
Según estos enfoques, el retorno de inversión en inteligencia artificial deja de depender exclusivamente de la infraestructura tecnológica o de la sofisticación de los algoritmos, para pasar a estar condicionado por la capacidad de las personas de trabajar con esas herramientas.
La llamada “brecha de habilidades” emerge como el principal cuello de botella del proceso.
Las consecuencias económicas de esa brecha, según estimaciones de PwC, son significativas: si las organizaciones lograran cerrar ese déficit de capacidades, la inteligencia artificial podría incrementar la eficiencia hasta en un 27% en sectores intensivos en conocimiento.
Al mismo tiempo, la escasez de talento especializado comenzaba a reflejarse en el mercado laboral, con niveles salariales hasta el 25% más altos para perfiles con habilidades en IA.
En América Latina, la situación no es diferente. Un relevamiento de Boston Consulting Group indica que el 74% de las empresas de la región enfrentaba en 2025 dificultades para capturar valor real a partir de sus iniciativas de inteligencia artificial.
El caso argentino combina esa tendencia global con desafíos propios. Según un estudio de Microsoft, el 85% de las empresas medianas en el país ya aplicaba inteligencia artificial en alguna medida, aunque muchas reconocían no saber con claridad cómo avanzar hacia una implementación más profunda.
A esto se suman obstáculos estructurales señalados por el Banco Interamericano de Desarrollo, como la falta de infraestructura de datos y la escasez de talento especializado.
La experiencia argentina
En Argentina, casi la mitad de las empresas industriales que el año pasado buscaban personal especializado para proyectos de inteligencia artificial encontraba dificultades para cubrir esas posiciones.
Un relevamiento de Accenture revela que el 70% de los gerentes de planta a nivel global considera que la transformación de la fuerza laboral es el factor crítico para el éxito de las iniciativas tecnológicas.
En ese escenario, la capacitación deja de ser una variable secundaria para convertirse en un componente estratégico. Sebastián Feldberg, director ejecutivo de Industry X de Accenture Argentina, señala que el desarrollo continuo del talento “se transforma en un habilitador clave” de la competitividad de largo plazo.
Las fábricas del futuro, explica, requerirán trabajadores con habilidades digitales, analíticas y cognitivas capaces de interactuar con sistemas inteligentes, interpretar datos en tiempo real y tomar decisiones de mayor valor agregado.
El cambio no es sólo técnico, sino también conceptual. La mayor parte de la fuerza laboral comenzó a desplazarse desde tareas manuales hacia roles de supervisión, optimización y resolución de problemas, apoyados por inteligencia artificial.
Ese pasaje implica una redefinición profunda del trabajo, donde las personas dejan de operar directamente sobre los procesos para pasar a orquestarlos.
“La mayor parte de la fuerza laboral dejará de trabajar directamente en la producción para pasar a trabajar para la producción. Esto implica un cambio profundo desde tareas manuales y repetitivas hacia roles de supervisión de procesos, optimización, resolución de excepciones y toma de decisiones apoyadas por inteligencia artificial. Para que esta transición sea exitosa, será clave implementar modelos de formación continua, flexibles y personalizados, que permitan actualizar habilidades en tiempo real a medida que la tecnología evoluciona”, explica Feldberg.
The Flock: IA para captar talentos en IA
Con el objetivo de contribuir a reducir la brecha entre las buenas intenciones y los objetivos concretos, una startup argentina especializada en talento tecnológico identificó patrones similares en múltiples organizaciones.
The Flock, a partir del análisis de una red de más de 20.000 profesionales, detectó que el diferencial no estaba en el acceso a herramientas, sino en la forma en que los equipos trabajaban con ellas.
“Dos equipos con acceso a las mismas herramientas pueden obtener resultados completamente distintos”, afirma Ramiro González Forcada, CEO de la firma.
“El problema no es la tecnología, es cómo trabajan las personas con ella. Algunas logran integrar la inteligencia artificial en su forma de construir, iterar más rápido y mejorar la calidad. Otros quedan en una etapa de prueba constante”.
A partir de ese diagnóstico, la empresa desarrolló un modelo de validación denominado AI Verified, orientado a identificar profesionales que ya operaban bajo este nuevo paradigma, a partir de una evaluación de prácticas concretas: perfiles que integran la inteligencia artificial en su flujo de trabajo diario, que saben cuándo generaba valor y que pueden incorporarse rápidamente a equipos en transformación.
El análisis de The Flock identifica tres niveles de brecha dentro de las organizaciones. Por un lado, equipos que aún no integran la inteligencia artificial en sus procesos. Por otro, profesionales que la utilizan sin un criterio claro sobre su aplicación. Y finalmente, líderes que no logran identificar en qué áreas genera valor real. Esa combinación explicaba por qué muchas iniciativas no conseguían escalar.
“La mayoría de las empresas ya tomó la decisión de adoptar inteligencia artificial. Pero la adopción real no depende de la herramienta, sino de las personas que la ejecutan”, señala González Forcada. “Y ahí empieza a aparecer una brecha que se va a ampliar en los próximos meses”, advierte.
Restart: el verdadero desafío de la IA
En el ecosistema local, algunas empresas comenzaron a desarrollar enfoques específicos para abordar el problema de la brecha. El caso de Restart refleja un intento por acortar la distancia entre la experimentación y la implementación concreta.
La compañía, creada recientemente, parte de un diagnóstico claro: muchas organizaciones no logran avanzar más allá de pruebas piloto porque carecen de una estrategia centrada en procesos.
Pablo Saubidet, cofundador de Restart, explicó sobre la propuesta de la empresa: “El enfoque en los procesos no es caprichoso. Llega en un momento donde, según estudios recientes, el verdadero desafío ya no es adoptar IA, sino escalarla".
“Nosotros no vendemos un proyecto, mostramos cómo funciona algo”, agrega Damián Maldini, también cofundador de la empresa. Según detalla, la diferencia con los modelos tradicionales es significativa: mientras que antes las implementaciones podían extenderse durante años, la compañía propone desarrollar un MVP funcional en cinco semanas, con un esquema de costos basado en consumo y no en horas de trabajo.
Ese enfoque se apoya en una metodología propia denominada IARC (IA Readiness Check), orientada a evaluar si una organización está realmente preparada para aplicar inteligencia artificial. El análisis incluía variables como el nivel de adopción, la cultura organizacional, la capacidad de toma de decisiones y, especialmente, la calidad de los datos disponibles.
“La diferencia es abismal”, sostiene Maldini. “Atacamos procesos concretos y lo podemos hacer porque hay años de desarrollo previo en aplicaciones de IA que ya funcionan antes de empezar a implementarlas”.