El uso de inteligencia artificial avanza dentro de las organizaciones, muchas veces antes de que existan reglas sobre qué herramientas se pueden utilizar, qué información se puede compartir y quién debe controlar sus resultados.
La inteligencia artificial ya está presente en las empresas, incluso en aquellas que todavía no aprobaron formalmente su implementación. Empleados que utilizan cuentas personales de ChatGPT, equipos que prueban asistentes gratuitos y áreas que contratan herramientas por su cuenta conforman una adopción silenciosa, difícil de medir y, sobre todo, de controlar.
Alexander Ditzend, presidente de la Sociedad Argentina de Inteligencia Artificial (SAIA), explica que el proceso suele comenzar “bottom up”: son los propios trabajadores quienes llevan los servicios que usan habitualmente a su lugar de trabajo.
“La gente empieza a llevar su propia cuenta de ChatGPT o algún servicio gratuito en la nube al espacio de trabajo, y eso no tiene ningún tipo de gobernanza”, advierte. El problema aparece cuando se comparten documentos internos, datos de clientes, contratos o información estratégica sin revisar las condiciones del proveedor ni las políticas corporativas.
“Como nadie controla a los empleados y no existe un plan prolijo de implementación de inteligencia artificial, empiezan a compartir información privada de la empresa con herramientas que pueden usar esos intercambios para entrenar sucesivas versiones del modelo. Y eso viola sus propias políticas de protección de datos”, sostiene Ditzend.
La inversión en IA crece más rápido que los controles
La presión competitiva está acelerando la adopción de la IA en las organizaciones. El AI Radar 2026 de Boston Consulting Group proyecta que la inversión corporativa en inteligencia artificial pasará de representar alrededor del 0,8% de los ingresos de las organizaciones en 2025 al 1,7% en 2026.
Además, el 94% de las empresas consultadas aseguró que continuará invirtiendo aunque sus iniciativas no produzcan los resultados financieros esperados durante este año. Sin embargo, la privacidad de los datos y la ciberseguridad siguen siendo la principal preocupación para el 53% de los ejecutivos. Otro 41% menciona la falta de control o comprensión de las decisiones de la IA y un 39% señala los desafíos regulatorios y de cumplimiento.
De esta forma, mientras aumenta el presupuesto, muchas compañías todavía no establecieron quién puede usar estas tecnologías, con qué datos y bajo qué condiciones.
El error comienza al comprar una herramienta sin definir el problema
Para Elisandro Santos, especialista en inteligencia artificial, el primer error consiste en confundir “adopción” con “adquisición” de software.
“El principal error es pensar que incorporar inteligencia artificial consiste en salir a comprar herramientas. Hoy vemos empresas desesperadas por implementar ChatGPT, Copilot o cualquier otra plataforma, pero muy pocas empiezan con la pregunta correcta: ¿qué problema quiero resolver?”, afirma.
La decisión debería partir de los puntos de dolor y los cuellos de botella de la organización. Una tarea repetitiva, un equipo comercial que responde siempre las mismas consultas o un área de atención sobrecargada pueden ser buenos lugares para comenzar. “La IA debería resolver problemas existentes, no salir a buscar problemas para justificar su implementación”, resume Santos.
Ditzend observa una situación similar entre los niveles directivos. En algunos casos, un CEO o un gerente participa de una conferencia, descubre una nueva solución y vuelve decidido a implementar algo de inmediato. “Por lo general, el proyecto que eligen es el más difícil, el más largo, el que más fricciones va a generar y para el que menos preparada está la infraestructura de datos”, señala.
Datos aislados y pilotos que nunca llegan a producción
La seguridad no puede separarse de la arquitectura de datos. Cuando cada área mantiene sistemas aislados, permisos diferentes y bases incompatibles, resulta difícil saber qué información está utilizando una aplicación de IA y quién puede acceder a ella.
“Muchas veces, para que un agente resuelva un problema verdadero, tiene que interoperar entre distintas áreas de la compañía que, en su estructura de datos, funcionan como silos estancos”, explica Ditzend. El inconveniente suele aparecer después de haber invertido tiempo y dinero, cuando el proyecto necesita conectarse con sistemas que nunca fueron diseñados para intercambiar información.
El informe The State of AI in the Enterprise 2026 de Deloitte muestra esa dificultad. Solo el 25% de las organizaciones relevadas consiguió llevar a producción al menos el 40% de sus experimentos con IA. Deloitte denomina a este fenómeno la “trampa de la prueba de concepto”: un piloto puede funcionar con datos depurados y en un entorno aislado, pero su despliegue real exige integración, revisiones de seguridad, controles de cumplimiento, monitoreo y mantenimiento.
Santos agrega que, antes de automatizar, es necesario comprender los procesos y revisar la información disponible. “Ningún modelo puede dar buenos resultados si trabaja con datos desactualizados, desordenados o inconsistentes”, afirma.
La gobernanza de IA debe existir desde el primer día
Una estrategia segura requiere establecer responsabilidades concretas. No basta con publicar recomendaciones generales o pedirles a los empleados que sean cuidadosos.
“La estrategia debe incluir gobernanza desde el primer día: quién puede usar IA, qué información puede procesar, qué modelos están autorizados, cómo se auditan las respuestas, cuándo hace falta validación humana y cómo se administran los riesgos”, enumera Santos.
También debe definirse el nivel de autonomía de cada sistema. En algunos procesos la IA puede asistir a un empleado; en otros, recomendar una decisión; y solo en escenarios determinados debería ejecutar acciones. “Esa decisión debe tomarla el negocio, según el impacto y el riesgo”, sostiene.
La necesidad se vuelve más urgente con el crecimiento de los agentes autónomos. Deloitte encontró que el 74% de las empresas planea desplegar IA agéntica durante los próximos dos años, pero apenas el 21% declara contar con un modelo maduro para gobernarla.
Las empresas que obtienen valor también gobiernan mejor
La seguridad y la rentabilidad no son objetivos opuestos. El estudio AI Performance Study 2026 de PwC concluyó que el 20% de las compañías concentra el 74% de los retornos económicos generados por la inteligencia artificial.
Las organizaciones líderes tienen 1,7 veces más probabilidades de utilizar un marco documentado de IA responsable y 1,5 veces más probabilidades de contar con un comité transversal de gobernanza. También aplican con mayor frecuencia controles de acceso según el rol, sistemas actualizados de seguridad y mecanismos de revisión para los casos de mayor riesgo.
Para evitar implementaciones improvisadas, Ditzend recomienda definir objetivos, indicadores y una línea de base que permita medir el resultado. “Hay que definir KPIs, detectar las zonas críticas de la empresa en las que hace falta mejorar y empezar los proyectos por ahí”, afirma.
El plan también debe incluir comunicación y capacitación. Cuando la organización no explica para qué incorpora IA, aparecen desorientación, ansiedad y miedo al reemplazo. Capacitar, advierte Santos, no significa únicamente enseñar a escribir instrucciones: supone que los trabajadores sepan cuándo utilizar la herramienta, cuándo verificar una respuesta y cuándo intervenir con criterio humano.
Adoptar IA de forma segura consiste en reemplazar la improvisación por una estrategia. El punto de partida no es elegir un chatbot, sino identificar un problema, clasificar los datos involucrados, autorizar herramientas, limitar accesos, establecer supervisión humana y medir los resultados.
La diferencia entre una empresa que simplemente utiliza inteligencia artificial y otra que logra transformarse no está en la cantidad de aplicaciones contratadas. Está en la calidad del plan que construye alrededor de ellas.
Aún no hay comentarios