Sumar IA a la empresa sin echar a nadie: por dónde empezar

Cuando alguien escucha « inteligencia artificial » y « empresa » en la misma frase, enseguida piensa en despidos. Pero la lectura que aparece en el material es otra: adoptar IA no obliga a recortar empleados. Pasa por mirar qué tareas consumen horas sin aportar valor real.

Primero, el diagnóstico

Las tareas candidatas suelen ser las más repetitivas: clasificaciones iniciales, consultas frecuentes y revisiones de documentos. Con ese mapa en la mano, las herramientas actuales permiten arrancar con una escala chica, pagar por uso y crecer solo si los números acompañan.

Javier Cordero, vicepresidente y director de Red Hat para Norte de Latinoamérica, sostuvo que varias soluciones se contratan como servicio. Eso permite empezar con un caso puntual y, si funciona, desplegarla a mayor escala.

“Varias soluciones se pueden pagar como un servicio y las compañías pueden empezar a usar la inteligencia artificial y de ahí desplegarla masivamente si lo quisieran.”Javier Cordero, Red Hat

Un problema concreto, no una moda

Según Cordero, el punto de partida es atar la herramienta a un problema específico: mejorar la atención al cliente, acelerar la revisión de documentos, anticipar la demanda o achicar tiempos en una operación interna. Sin ese foco, la tecnología anda sin rumbo, como un colectivo sin chofer.

El material también marca dónde se concentran hoy las implementaciones: el sector financiero, el comercio minorista y los servicios. En retail, los sistemas predictivos estiman consumos, administran inventarios y ajustan la logística. La IA generativa, por su parte, ganó terreno en atención al cliente y en producción de contenidos.

Y el empleo, ¿qué pasa?

Sobre ese punto, Cordero fue tajante en el material. Los casos de negocio se apoyan en ahorro, eficiencia y eficacia, no necesariamente en reducir personal. Las funciones que más se automatizan son las que no agregaban valor por sí mismas, como las clasificaciones o las consultas que siguen reglas fijas.

El resultado, según el texto, es que el equipo humano se corre hacia tareas que piden criterio, conocimiento del negocio y supervisión. El criterio humano sigue siendo necesario, sobre todo para revisar respuestas de modelos que pueden entregar información incorrecta.