A medida que las empresas se apresuran a adoptar la IA generativa, los agentes autónomos y una nueva generación de herramientas de datos, los líderes enfrentan una pregunta más difícil que si deben adoptar o no la tecnología: cómo convertirla en valor medible sin generar nuevos costos, riesgos y confusión organizacional.

Ese desafío marcó el Fortune AIQ Summit, celebrado en la Bolsa de Nueva York, donde ejecutivos de los sectores tecnológico, financiero, de operaciones industriales, viajes y recursos humanos examinaron qué distingue una transformación genuina de IA de proyectos piloto dispersos. Surgió un patrón consistente: las empresas más fuertes no se limitan a repartir herramientas de IA. Están rediseñando flujos de trabajo, desarrollando talento, fortaleciendo la gobernanza y construyendo la disciplina de datos y operación necesaria para escalar de manera responsable. El encuentro reflejó un momento más amplio para la tecnología empresarial: los equipos directivos están bajo presión de mostrar retornos sobre compromisos de IA que ya superaron las pruebas a pequeña escala, una tensión que atravesó gran parte de la discusión.

Las conversaciones en la cumbre se centraron en cinco tendencias clave:

• Pasar de la experimentación a la transformación empresarial
• Construir una fuerza laboral lista para la IA
• Gestionar gobernanza, confianza y riesgo
• Aplicar la IA en entornos físicos y regulados
• Medir el ROI, controlar costos y generar crecimiento

De la adopción de IA a la transformación

La pregunta más importante sobre la IA no es si una empresa ha desplegado herramientas, sino si ha cambiado la forma en que se hace el trabajo.

Los oradores advirtieron repetidamente que el acceso generalizado a la IA no se traduce automáticamente en productividad, valor empresarial o madurez organizacional.

Diana David, directora de futuros de ServiceNow, dijo que las empresas líderes se destacan por su compromiso con las personas y la disciplina operativa, no solo por la tecnología. El Enterprise AI Maturity Index de ServiceNow encontró que el 57% de las empresas "pacesetter" invierte en capacitación continua en IA, frente a solo el 4% de las demás organizaciones. La división más marcada está en atraer, contratar y retener talento de IA: el 68% de las pacesetter lo hace, frente al 10% de otras empresas.

"Inversión en talento. Esa fue la brecha más grande", dijo David.

Advirtió contra tratar el acceso generalizado de los empleados a la IA como prueba de éxito. "El 95% de todos tiene X, Y, Z", dijo. "Pero eso no se traduce en productividad, y muchas veces no va acompañado de capacitación, y eso no equivale a madurez". En su opinión, el verdadero trabajo comienza con el liderazgo, una visión clara, sistemas transparentes, la base de datos adecuada y el rediseño iterativo de flujos de trabajo específicos.

Paul Fipps, presidente de operaciones globales de clientes de ServiceNow, hizo una observación relacionada: las mayores ganancias no vendrán de ejecutar procesos antiguos más rápido, sino de reconstruirlos en torno a nuevas capacidades. "Si solo automatizo o impulso agentes autónomos para manejar los procesos actuales que tengo, esa es una elección que podría dar un impulso de productividad", dijo Fipps. "Pero quienes realmente están repensando y reimaginando los procesos de negocio ... son los que de verdad marcan la diferencia".

Fipps sostuvo que las empresas deberíanplegar la IA de manera horizontal—a través de funciones orientadas a empleados como recursos humanos, legal y tecnología—en lugar de confinarla a un solo departamento. Señaló a Standard Chartered, donde la IA ha ayudado a desviar el 77% de las solicitudes de los empleados. "Si logras una desviación de 25% a 30% en esos casos de uso, cambia el juego", dijo. "Si logras de 75% a 80%, cambia la vida".

Amy Webb, fundadora y directora ejecutiva de Future Today Strategy Group, fue más contundente sobre la distancia entre la ambición y la preparación. "Seamos justos, las empresas Fortune 500 llegaron bastante tarde a esta fiesta", dijo. "La inteligencia artificial no apareció hace apenas un par de años". Webb advirtió que las empresas están comprometiendo capital considerable en pilotos sin estrategia, liderazgo ni planificación adecuados—produciendo proyectos aislados que nunca generan valor duradero.

Construyendo una fuerza laboral lista para la IA

La transformación con IA es, en esencia, una transformación de la fuerza laboral.

La cumbre dejó claro que las organizaciones necesitan más que software nuevo: necesitan empleados y líderes dispuestos a repensar procesos establecidos, aprender nuevas habilidades y dar espacio a nuevas formas de trabajar.

Stacy Dillow, vicepresidenta ejecutiva y directora de personas de HPE, dijo que las empresas deben resistir la tentación de simplemente insertar la IA en los sistemas existentes. "Tenemos que obligarnos a pensar de manera diferente, porque si no estamos intentando cambiar cómo trabajamos, solo estamos intentando adaptar y meter la IA en un proceso que no nos dará una respuesta distinta", dijo. Para los altos ejecutivos, añadió, la adopción y transformación con IA se han convertido en responsabilidades gerenciales centrales.

En Palo Alto Networks, la IA ya está transformando la experiencia del empleado, según la directora de personas Danielle Gonzalez. Un agente de IA personalizado ha reducido los tickets de TI en 83% y ahora respalda flujos de trabajo en recursos humanos, finanzas y legal. En lugar de acudir a un socio de RRHH o un contacto de negocio, los empleados recurren cada vez más a un agente para obtener respuestas vinculadas a su función y ubicación.

Gonzalez dijo que las empresas deberían contratar y desarrollar personas capaces de adaptarse rápidamente—no solo adquiriendo nuevas habilidades, sino cuestionando supuestos que ya no se sostienen. "Buscamos curiosidad", dijo. "Buscamos iniciativa, y buscamos a esas personas que no solo puedan aprender algo a un ritmo rápido ... sino también desaprender lo que creían verdad, para poder hacer espacio y avanzar".

Drew Holler, director de recursos humanos de la constructora Lennar, subrayó que la responsabilidad es compartida. "Te vamos a dar todas las herramientas, pero es tu responsabilidad capacitarte también", dijo. "Te vamos a dar capacitaciones, pero tú, como individuo, tienes que mejorar tus habilidades".

Las implicaciones para la fuerza laboral van más allá de la recalificación. Francis Shanahan, director de tecnología de Peloton, advirtió que la creación habilitada por IA conlleva su propio desafío. Los empleados están "saturados ahora porque literalmente pueden construir cualquier cosa", dijo, y el "burnout" se está convirtiendo en un problema mayor.

Michelle Kwon, directora de operaciones de Runway, instó a los líderes a no confundir volumen con productividad. "Solo porque estás usando IA, eso no es un sustituto de tu productividad ni de hacer bien tu trabajo", dijo. La IA, sostuvo, debería mejorar cómo trabaja la gente sin generar trabajo adicional para los colegas ni abrumarlos con resultados que no han sido debidamente evaluados y sintetizados.

Gobernanza, confianza y control

El caso a favor de la IA debe estar acompañado por un caso a favor de la supervisión.

En industrias reguladas y aplicaciones de alto riesgo, los líderes enfatizaron que un despliegue exitoso depende de elegir la tecnología correcta, comprender el riesgo y mantener el juicio humano donde más importa.

Hari Gopalkrishnan, director de tecnología e información de Bank of America, advirtió a empresas que no recurran a la IA de forma refleja. "Uno de los mayores errores que nos vemos cometiendo a nosotros mismos y a otros es apresurarse a la IA como solución, cuando los modelos deterministas hacen un trabajo bastante bueno", dijo. El banco parte de las necesidades del cliente y de un inventario detallado del proceso en cuestión; a veces, una función móvil convencional o una regla de decisión en tiempo real es la mejor herramienta.

Bank of America evalúa los proyectos de IA mediante 16 pilares de riesgo, incluidos privacidad, sesgo, impacto en la fuerza laboral y propiedad intelectual. También avanza con cautela en sistemas autónomos. "Hay tanto jugo que exprimir ahora mismo con agentes asistentes que realmente trabajan con humanos en el circuito", dijo Gopalkrishnan. Para los bancos y otras instituciones reguladas, marcos como estos se han convertido en la compuerta entre construir agentes de IA y ponerlos en producción.

Sally Moore, directora de clientes y corresponsable de inteligencia de mercado, Kensho data and platforms, de S&P Global, subrayó que la utilidad de la IA descansa en datos confiables. "Los datos son la moneda dentro de la IA", dijo, señalando que los clientes en flujos de trabajo regulados exigen precisión, citas, auditabilidad y trazabilidad hasta la fuente. Su punto más amplio: las empresas deben partir del problema a resolver, no de la tecnología que quieren desplegar. "¿Qué estoy intentando resolver aquí? ¿Y hasta dónde puede llevarme esta tecnología?", dijo.

Fipps sostuvo que la gobernanza no debe presentarse como un obstáculo a la innovación. "Veo que la gobernanza y la confianza impulsan la velocidad", dijo. Citó el ejemplo de un banco regulado que había construido decenas de agentes pero no podía desplegarlos porque sus líderes no confiaban en los controles—una ilustración vívida del costo de una supervisión deficiente.

Webb igualmente instó a los ejecutivos a adoptar un enfoque práctico de la responsabilidad y el riesgo. Los líderes necesitan "dejar de antropomorfizar" a la IA, dijo: las fallas generalmente no provienen de una tecnología que se ha vuelto independiente y consciente, sino de personas que despliegan sistemas mal diseñados sin salvaguardas adecuadas.

La IA en el mundo real

Los entornos físicos y regulados exigen un estándar diferente de despliegue de IA.

En edificios, fábricas, sistemas de agua y servicios financieros, la confiabilidad, seguridad, costo, latencia y soberanía de los datos moldean lo que las empresas pueden poner responsablemente en producción.

Suresh Venkatarayalu, director de tecnología de Honeywell Technologies, dijo que los clientes industriales "realmente exigen 99.9999%" de confiabilidad, mientras que los modelos de frontera "podrían estar en 85%". Esa brecha hace que el despliegue en entornos críticos para la seguridad y la misión sea fundamentalmente distinto a incorporar un asistente de IA a un flujo de trabajo de escritorio.

Venkatarayalu describió la dirección a corto plazo como "un mundo semiautónomo" en lugar de uno completamente autónomo. "La autonomía tampoco consiste en eliminar a las personas", dijo. En edificios comerciales e instalaciones industriales, los operadores deben seguir involucrados porque el tiempo de inactividad y los errores del sistema tienen consecuencias operativas inmediatas. "No puedes permitirte que un edificio esté cerrado durante hora y media", dijo.

AJ Wijesinghe, director de IA de Ecolab, presentó el argumento económico a favor de un enfoque más selectivo. Cuando la empresa usó "el mejor modelo que existe" para tareas de alto volumen, "la tokenomía se dispara", dijo. "A veces es más caro que tener humanos". Ecolab respondió optimizando el uso de sus modelos y reduciendo los costos de tokens en aproximadamente 70% a 80%.

Las empresas no siempre necesitan el modelo más avanzado disponible, dijo Wijesinghe: "A veces no tienes que tener el auto más rápido". Defendió un enfoque de "humano al mando" para la IA agéntica y argumentó que los resultados dependen de mantener en equilibrio las bases de datos, la preparación de procesos y la disciplina de costos. "Si uno pesa más que el otro, no obtienes el valor dijo.

Valor, costo y crecimiento

La próxima prueba para la IA será si genera retornos medibles.

Los líderes de finanzas y operaciones de la cumbre coincidieron en que las empresas deben buscar productividad y crecimiento manteniendo la disciplina en los costos de los modelos, la infraestructura de datos y la calidad de los resultados.

Ewout Steenbergen, vicepresidente ejecutivo y CFO de Booking Holdings, dijo que la incertidumbre sobre los retornos de la IA está generalizeda—incluso entre los mayores inversores tecnológicos. "Incluso creo que los hiperescaladores que gastan cientos de miles de millones en el desarrollo de sus grandes modelos de lenguaje realmente no saben cuál será el ROI", dijo. "Quizás tienen algunas suposiciones e hipótesis, pero al final, no quieres quedarte atrás".

Para Booking, el camino al valor no pasa por el gasto indiscriminado sino por rediseñar procesos "desde una hoja en blanco". Steenbergen dijo que los costos de atención al cliente de la empresa han bajado ligeramente mientras las reservas crecen a una tasa de un dígito alto, y la satisfacción del cliente ha aumentado. Añadió que los aproximadamente 9,000 ingenieros de Booking están llevando a producción alrededor de 30% más de código, contando las solicitudes de merge que superan los estándares de pruebas y control de calidad de la empresa.

"Los retornos estarán ahí para aquellos procesos que se rediseñan de principio a fin", dijo Steenbergen, "pero también tienes que asegurarte de que esos costos, por otro lado, no se salgan de control". Booking gestiona esa tensión mediante un "enrutamiento efectivo de costos de modelos", asignando modelos más baratos a tareas más simples y reservando modelos más costosos para trabajos que exigen un razonamiento más profundo. El enfoque ofrece una mirada concreta de cómo se gestionan los costos de modelos basados en el uso—una línea de gasto que crece con la adopción en lugar de comportarse como una licencia de software fija—dentro de una gran empresa pública.

Steenbergen sugirió que el mayor potencial de la IA puede estar en el crecimiento de clientes. La tecnología no cambiará la naturaleza fundamental de los viajes—"el hotel sigue siendo el hotel, la aerolínea sigue siendo la aerolínea y el auto de alquiler sigue siendo el auto de alquiler"—pero puede facilitar la planificación, la reserva y la respuesta a interrupciones para los viajeros. Al vincular las partes de un viaje y anticipar las necesidades del cliente, dijo, la IA puede ayudar a crear "más lealtad, más confianza y más valor de marca".

Conclusión

El Fortune AIQ Summit dejó claro que el liderazgo en IA no se define por cuántas herramientas ha comprado una empresa, el tamaño de su programa piloto o el volumen de contenido que puede generar. Las organizaciones que avanzan combinan la ambición técnica con el desarrollo humano, el rediseño de procesos, la disciplina financiera, los datos confiables y una gobernanza responsable. Los propios datos de la cumbre ofrecen marcadores para seguir ese cambio: si las brechas de talento y capacitación expuestas por el índice de madurez de ServiceNow se reducen, si los despliegues industriales cierran la distancia entre la confiabilidad de los modelos de frontera y el funcionamiento casi perfecto que exigen las operaciones físicas, y si mejora la claridad del ROI para los hiperescaladores que gastan cientos de miles de millones en construir los modelos subyacentes. A medida que la IA penetra más en la empresa, los líderes que tendrán éxito serán quienes la usen no simplemente para automatizar el trabajo existente, sino para construir negocios más resilientes, productivos y receptivos.

Se utilizó IA generativa como asistencia de investigación y/o transcripción de este artículo. El reportero reportó y verificó de manera independiente las afirmaciones fácticas de este artículo, y un editor humano lo revisó antes de su publicación.

Esta historia fue publicada originalmente en Fortune.com.