En el último par de años, las organizaciones hicieron lo que suelen hacer cuando llega algo emocionante: experimentaron. Alguien encontró un caso de uso. Otra persona compró una herramienta. Un ingeniero descubrió que un asistente de IA podía eliminar media tarde de trabajo tedioso. Un equipo construyó un agente. Otro equipo construyó un agente ligeramente distinto para resolver más o menos el mismo problema. Y en algún lugar, inevitablemente, hay una diapositiva de PowerPoint titulada “Transformación con IA”.
Experimentar no es el problema en sí. De hecho, experimentar es exactamente lo que las organizaciones deberían estar haciendo. El problema es que buena parte de la experimentación con IA ha sido justamente eso: desestructurada, duplicada y desconectada de un propósito mayor. Y la experimentación tiene la curiosa costumbre de parecerse mucho al progreso justo hasta que preguntas hacia qué está construyendo, en realidad, toda esa actividad, porque hay una diferencia entre usar IA y adoptar IA.
El problema de Sísifo
Imagina que cada equipo de una organización descubre la IA por su cuenta. Un equipo desarrolla un flujo de trabajo ingenioso. Otro descubre cómo darle mejor contexto a un agente de IA. Alguien crea un conjunto de instrucciones que hace que el modelo sea notablemente bueno en una tarea concreta. Los resultados son impresionantes. La gente se los muestra entre sí. Quizá hasta haya una demo. Después todos vuelven al trabajo y, seis meses más tarde, tres equipos inventaron por separado más o menos lo mismo.
Es Sísifo con una roca un poco más moderna. En lugar de empujar una piedra cuesta arriba por toda la eternidad, seguimos empujando el mismo experimento de IA cuesta arriba por la organización, lo vemos rodar hacia abajo y volvemos a empezar en otro departamento.
El problema no es la falta de gente brillante. Todo lo contrario. El problema es que la organización no ha creado una forma de que los descubrimientos brillantes se conviertan en una capacidad compartida. Ahí es donde la siguiente fase de la adopción de IA se pone interesante.
En Guidanti entendemos la adopción como una progresión. La experimentación te dice qué podría ser posible. El diagnóstico te dice dónde está realmente tu organización. Después viene la base: el contexto, los estándares, la capacitación y las prácticas que permiten que el éxito de un equipo se convierta en algo que otro equipo pueda usar.
Una vez que eso existe, la IA puede empezar a formar parte del proceso normal de entrega de software, en lugar de ser algo que sucede en sus márgenes. Con el tiempo llegas a la orquestación, donde los agentes pueden asumir partes más grandes del trabajo y las personas pueden concentrar su atención en las decisiones que realmente requieren criterio.
Naturalmente, la orquestación se lleva casi toda la atención. Nadie da una demo emocionante en una conferencia sobre cómo acordar estándares. Nadie publica un video entusiasta sobre su nuevo enfoque del contexto organizacional. La medición rara vez recibe una ovación de pie. Los agentes autónomos, mientras tanto, son extremadamente buen teatro.
Pero lo aburrido suele ser lo que determina si lo emocionante sobrevive al contacto con una organización real.
Un agente de IA que funciona de maravilla para un ingeniero es útil. Una organización que entiende por qué funciona, qué contexto necesita, cómo debe evaluarse su resultado, dónde es seguro usarlo y cómo otros cien ingenieros pueden beneficiarse de él ha construido algo distinto. Ha construido capacidad.
Y esa distinción importa porque la adopción de IA no es realmente un despliegue tecnológico en el sentido habitual. Darle a todo el mundo acceso a un modelo es fácil. Cambiar la forma en que trabajan cientos o miles de personas, preservando el criterio, la seguridad y el conocimiento institucional de los que depende la organización, es más difícil. También es mucho más interesante.
Las organizaciones que lleguen a hacer esto bien probablemente no dejarán de experimentar. No deberían. El objetivo no es reemplazar la curiosidad con un comité central que aprueba prompts los martes. El objetivo es asegurarse de que los buenos experimentos tengan adónde ir.
Lo que lleva a una pregunta un poco distinta de la que suelen hacerse las empresas.
Quizá la pregunta no sea "¿Cuánta IA?"
Quizá sea esta: ¿qué parte de nuestra organización está realmente preparada para la IA?