El diagnóstico llega en un momento en que numerosas organizaciones anuncian, casi como sello de modernidad, la incorporación de herramientas de inteligencia artificial en sus procesos de gestión, atención al cliente o toma de decisiones. Según la investigación, ese anuncio no equivale automáticamente a innovar: la clave está en si la tecnología resuelve un problema concreto o si simplemente se suma como una etiqueta comercial.
Los autores identificaron quince clústeres de aplicación del aprendizaje automático en el ámbito empresarial, agrupados en cinco grandes áreas: finanzas; gestión de relaciones con clientes; soporte a la toma de decisiones; innovación y política pública; y gestión de datos y sostenibilidad. Ese mapeo, según el estudio, permite constatar que el aprendizaje automático venía transformando procesos de manera sostenida desde mucho antes del auge de la IA generativa.
Aglaya Batz Liñeiro plantea que el problema de fondo es la falta de precisión conceptual en el mercado. "Hoy muchas empresas y emprendimientos dicen estar basados en inteligencia artificial, pero cuando uno mira con detalle los procesos que ejecutan, encuentra cosas muy distintas: modelos de aprendizaje automático tradicionales, analítica predictiva, automatización de procesos o incluso, reglas estadísticas relativamente simples", señaló la investigadora, según el material divulgado por la universidad.
La aclaración no implica, según Batz, que esas soluciones carezcan de valor. "Eso no significa que no sean soluciones valiosas; sino que debemos ser más precisos. No todo lo que se vende como IA es IA generativa, ni todo lo que se presenta como innovación tecnológica está realmente en la frontera del desarrollo algorítmico", explicó, en una distinción relevante para gerentes, juntas directivas y para los inversionistas que evalúan el potencial de una compañía que se presenta como tecnológica.
La investigación concluye que el verdadero desafío no es tecnológico sino estratégico: antes de adoptar una herramienta de IA, las organizaciones deberían responder qué problema buscan resolver, qué información poseen, cuáles riesgos enfrentan y cómo la tecnología puede complementar el trabajo humano. "El desafío no es simplemente adoptar inteligencia artificial, sino saber para qué se adopta, con qué capacidades y bajo qué criterios", resumió Batz.
De la digitalización de los noventa al auge de la IA generativa
El fenómeno que describe el estudio del Rosario no es nuevo en la historia empresarial. Ya con la llegada masiva de internet a las compañías en la década de 1990 y con el posterior auge del comercio electrónico se advirtió que la simple digitalización de un proceso, sin un rediseño de fondo, rara vez produce por sí misma las ganancias de productividad que se anuncian. La discusión actual sobre IA generativa repite, según los investigadores, ese mismo patrón de expectativas frente a resultados reales.
Esa recomendación de precisión estratégica cobra particular relevancia para el tejido empresarial colombiano, donde las micro, pequeñas y medianas empresas constituyen la inmensa mayoría del universo productivo, según la estructura empresarial que documenta el Departamento Administrativo Nacional de Estadística (DANE). Para ese segmento, la inversión en tecnología suele ser limitada y cualquier decisión de adopción compite con otras prioridades de caja, lo que encarece el error de comprar una solución que no resuelve un problema real.
En el plano regulatorio, Colombia no cuenta todavía con una ley integral que regule el uso de inteligencia artificial en el sector privado, a diferencia de la Unión Europea, que aprobó en 2024 su Reglamento de Inteligencia Artificial (conocido como AI Act). El Estado colombiano ha promovido documentos de política pública y marcos de referencia para el uso de IA, pero la adopción empresarial privada avanza, por ahora, sin un marco normativo específico que obligue a las compañías a justificar o auditar el uso que hacen de estas herramientas.
Esa ausencia de regulación específica realza el llamado de la investigación a la autorregulación estratégica: si no existe una autoridad que exija transparencia sobre qué tipo de tecnología usa realmente una empresa, la responsabilidad de evitar el uso impreciso del término "inteligencia artificial" como recurso de mercadeo recae, según los investigadores, en la propia gerencia y en los inversionistas que deben evaluar con rigor las promesas tecnológicas antes de comprometer capital.
El estudio también tiene implicaciones para la política pública de innovación. Los programas oficiales de transformación digital dirigidos a pequeñas y medianas empresas, advierten los autores, corren el riesgo de repetir el patrón descrito si se centran en la mera entrega de herramientas tecnológicas sin acompañamiento en la definición de problemas y capacidades organizacionales: adopción sin innovación real.
De cara a los próximos meses, el Centro de Innovación de la Universidad del Rosario anunció que continuará profundizando en líneas de investigación sobre la relación entre inteligencia artificial y generación de valor en las organizaciones, con la expectativa de traducir estos hallazgos académicos en herramientas prácticas de diagnóstico para empresas que buscan evaluar si su inversión en tecnología corresponde a un proceso de innovación o a la simple adquisición de software con etiqueta de moda.
