1
Cuánto y cómo se usa la inteligencia artificial
La incorporación de la tecnología deja de ser una elección voluntaria en muchas compañías y empieza a consolidarse como un parámetro interno de productividad; dashboards, rankings de adopción y métricas inéditas ya forman parte del día a día corporativo
9 minutos de lectura'
PARA LA NACIONClarisa Herrera
La integración de la IA en el día a día laboral de las compañías va encontrando diferentes grados de maduración. Lo que empieza a verse en grandes empresas es que la IA ya no solo organiza el trabajo, sino que es un nuevo parámetro de evaluación de desempeño dentro de las organizaciones. Tras una primera etapa centrada en adopción y experimentación, las empresas necesitan demostrar que las inversiones en IA tienen impacto real en productividad.
En el caso de Despegar, la tecnología funciona como una capa transversal que amplía la capacidad de los equipos: “Empezamos a medir su impacto de forma estructural”, señala Pablo Abad, Chief Technology Officer de la firma. “Estimamos el tiempo que le llevaría a una persona realizar cada tarea que delegamos en un agente. Actualmente aumentamos nuestra capacidad con el equivalente a un 20% de empleados, y proyectamos alcanzar un 40% antes de fin de año”, completa.
En Brubank, a principios de año todos los equipos de la compañía hicieron un estudio interno de diferentes procesos y mecánicas que podrían ser optimizados usando IA para mejorar la eficiencia operativa. En su caso, cuentan con métricas específicas dependiendo del equipo que las haya aplicado. “En equipos técnicos medimos los tiempos de desarrollo de funcionalidades usando IA. Y hemos notado en un principio hasta un 25% de optimización de tiempos en el desarrollo. Creemos que este número va a ser aún más grande a medida que se amplíe el uso de AI en su día a día”, explica Pablo Sánchez, cofundador y CIO de la fintech.
La IA dejó de ser una herramienta aislada para convertirse en parte central de la operación diaria también en el caso de Salesforce. Bajo la lógica de “customer zero”, la compañía prueba internamente sus propias soluciones antes de lanzarlas al mercado, integrando IA en procesos cotidianos como automatización de tareas, análisis predictivo y flujos de trabajo: “Definitivamente, el dominio de estas herramientas ya forma parte de las expectativas de cada rol: hoy no buscamos solo expertos en su área, sino profesionales aumentados por la IA que sepan delegar tareas repetitivas para enfocarse en la estrategia y la creatividad”, afirma Martín Tommasi, Employee Success Business Partner Director en Salesforce.
Productividad aumentada
De acuerdo con los especialistas, la eficiencia que promete a las organizaciones una tecnología de este tipo requiere de algún tipo de cuantificación, la forma más directa de hacerlo -según coinciden- es medir comportamientos.
“Las empresas ya no sólo impulsan el uso de inteligencia artificial: empiezan a medir concretamente su impacto en productividad, eficiencia y calidad de trabajo”, explica Johanna Dzikowsky, IT Talent Acquisition Specialist de Adecco Argentina.
En paralelo, según comenta, el manejo de herramientas de IA comienza a consolidarse como una habilidad esperada dentro de los equipos, al mismo nivel que la adaptabilidad y el aprendizaje continuo. “Surgen métricas vinculadas a eficiencia, reducción de tiempos operativos, calidad de entregables y nivel de adopción por equipo”, resalta la ejecutiva.
Según consignan medios como Business Insider, en compañías como Meta, Google o JPMorgan Chase, aparecen nuevas métricas internas que clasifican a los empleados según su nivel de uso de IA, dashboards y rankings que hacen visible esa adopción y objetivos concretos ligados a su implementación. En algunos casos, incluso, los managers pueden exigir el uso de estas herramientas como parte del flujo de trabajo.
En ese sentido, lo que se está configurando es un cambio en los criterios con los que se define el “buen desempeño”. Si en el pasado se medía cuánto produce una persona, ahora empieza a importar también cómo produce y, sobre todo, cuánto se apoya en inteligencia artificial para hacerlo.
Dzikowsky explica que este fenómeno responde a que la incorporación de IA también acelera cambios culturales dentro de las empresas: estructuras más ágiles, menos jerárquicas y con mayor foco en autonomía, experimentación y trabajo interdisciplinario. “En paralelo, frente a la escasez de talento especializado, muchas compañías empiezan a apostar por desarrollar capacidades internas y reconvertir perfiles existentes para adaptarse a nuevas dinámicas laborales”.
Poco tiempo atrás por ejemplo, una ejecutiva de Producto de Instagram, llamada Tory Trombley, posteo en sus redes un video donde contaba acerca de los emergentes “AI pods” (equipos pequeños, interdisciplinarios y con alto grado de autonomía, en los que conviven perfiles de producto, research, diseño e ingeniería). ¿La lógica detrás de estos equipos? Reducir la dependencia entre áreas y acelerar la experimentación: cualquiera que tenga una idea debería poder testearla rápidamente, sin necesidad de pasar por múltiples capas de validación o ejecución técnica.
Todos pueden crear tecnología
De acuerdo con Dzikowsky las organizaciones avanzan hacia un modelo donde los perfiles no técnicos también puedan desarrollar autonomía en el uso de herramientas de IA. “Esto no implica que todos deban programar, pero sí que puedan interactuar de manera efectiva: desde construir buenos prompts hasta automatizar tareas o prototipar soluciones simples”
En el caso de Despegar, las AI Olympics son iniciativas donde equipos de distintas áreas -incluyendo perfiles no técnicos- desarrollan agentes de IA para resolver desafíos reales del negocio. En la última edición participaron cerca de 300 personas con más de 190 proyectos. “Este tipo de dinámicas promueve nuevas formas de trabajo más ágiles, donde los equipos pueden testear e iterar soluciones rápidamente, sin depender exclusivamente de áreas técnicas”, aclaran desde la compañía.
Uno de los últimos lanzamientos de Brubank -como BruAgro, una solución tecnológica que simplifica el acceso a financiamiento para la compra de insumos del sector agropecuario- tuvo como diferencial la velocidad de desarrollo gracias al uso de IA. “Se trabajó con un esquema de iteraciones cortas, apoyadas en herramientas de generación y testing automatizado, que permitieron acelerar los ciclos de desarrollo, verificación e implementación. El resultado fue en tiempo récord y un caso de éxito interno en términos de colaboración entre equipos y eficiencia”, señala Sánchez.
En el caso de Salesforce, la empresa impulsa la adopción de inteligencia artificial con programas internos de capacitación y experimentación abiertos a toda la organización, incluso áreas no técnicas como RR.HH., Legales o Marketing. Uno de los casos más recientes fue “AI Fluency Quest”, una iniciativa global “gamificada” de cinco días con desafíos prácticos sobre herramientas de IA que superó los 2.000 participantes La compañía también centraliza la formación en IA a través de Trailhead, su plataforma de aprendizaje y certificación, y habilita pilotos con herramientas avanzadas como Claude para que equipos interdisciplinarios prueben casos de uso concretos en entornos seguros. “La idea es democratizar la innovación y permitir que cualquier empleado pueda proponer mejoras tecnológicas, aun sin conocimientos de programación”, apunta Tommasi.
Menos barreras técnicas
En este sentido, el florecimiento fenómeno de “vibe coding” es una práctica que refleja el corrimiento de habilidades dentro de las organizaciones. Ya no se trata de programar en sentido tradicional, sino de usar herramientas de inteligencia artificial para construir prototipos, escribir código básico o materializar ideas a partir de instrucciones en lenguaje natural. “Esto implica que perfiles que históricamente no programaban -como product managers o investigadores- empiecen a desarrollar una capacidad mínima de ejecución técnica asistida por IA. El objetivo es acortar la distancia entre la idea y la implementación”, afirma Dzikowsky.
La tendencia de hecho, responde a la misma lógica que impulsa los sistemas de medición interna: si la IA permite producir más rápido, las empresas esperan que esa capacidad se distribuya en toda la organización. “La IA empieza a salir del área técnica y se vuelve una herramienta cotidiana para perfiles no especializados. Vemos cierta analogía en el uso de estas herramientas a la adopción inicial de hojas de cálculo, que hoy son algo ubicuo y utilizado por todo tipo de roles”, cuenta Abad.
En la misma línea, Tommasi cree que estamos viviendo el “fin de la barrera técnica” y hoy se espera que “cualquier perfil pueda ser un “arquitecto de soluciones” usando lenguaje natural” natural. En el caso de Salesforce, la herramienta central en este cambio es Slackbot un asistente inteligente integrado en el espacio de trabajo que no solo resume conversaciones o prioriza tareas, sino que actúa como una interfaz de conocimiento donde cualquier colaborador puede consultar datos complejos o automatizar flujos sin escribir una sola línea de código. “La preparación de reuniones ejecutivas -que antes tomaban entre 2 y 3 horas- hoy se generan en tres minutos y el 73% de esa adopción se dio de forma orgánica. Con este tipo de programación asistida, un perfil de marketing, por ejemplo puede prototipar una aplicación simplemente describiendo lo que necesita, haciendo que la velocidad de la innovación dependa de la curiosidad y no del conocimiento técnico previo”.
En el caso de Brubank, comenzaron un proceso de transformación por completo de todos los equipos del banco para llegar a un objetivo de que todos los procesos del banco sean ejecutados con inteligencia artificial durante el año. “Para ello, creamos un equipo de “Capitanes de AI” dentro de cada uno de los equipos operativos del banco sin importar si es un área técnica o no, y ellos fueron los responsables de identificar procesos que pudiesen ser ejecutados utilizando inteligencia artificial para ser más eficientes”, explica Sánchez.
No todos los empleados están dispuestos a incorporar estas herramientas al mismo ritmo: algunos cuestionan su efectividad real, otros desconfían de sus resultados o simplemente resisten cambiar formas de trabajo que ya dominan.
“Si bien inicialmente hay perfiles más early-adopters que otros a la hora de utilizar estas herramientas, notamos que la gran mayoría de las personas en los equipos ya utilizaba en algún grado alguna herramienta de inteligencia artificial en su trabajo y en su vida personal. Es por eso que la adopción es mucho más natural cuando se crea un framework de trabajo para que todos adopten”, aclara Sánchez.
Más allá de los cambios en la medición del desempeño, sin dudas la IA está corriendo la frontera histórica entre quien puede construir soluciones y quien no dentro de las organizaciones. La tecnología funciona cada vez más como un traductor entre idea y ejecución aún para perfiles no técnicos, lo que señala que la velocidad de la innovación empieza a depender menos del conocimiento técnico puro y más de la curiosidad, la iniciativa y la capacidad de detectar oportunidades.
