La primavera pasada, CellarTracker, una aplicación de colección de vinos, creó un sumiller con inteligencia artificial para hacer recomendaciones de vino sin adornos según el gusto de cada persona.
El problema era que el chatbot era demasiado amable. «Es muy educado, en lugar de simplemente decir: ‘Es muy poco probable que te guste el vino'», dijo Eric LeVine, director ejecutivo de CellarTracker. Se necesitaron seis semanas de prueba y error para convencer al chatbot de que ofreciera una valoración honesta antes de que se lanzara la función. Desde el auge de ChatGPT hace tres años, empresas grandes y pequeñas han aprovechado la oportunidad de adoptar la inteligencia artificial generativa e integrarla en la mayor cantidad de productos posible.
Sin embargo, hasta el momento, la gran mayoría de las empresas tienen dificultades para obtener un retorno significativo de sus inversiones en IA, según ejecutivos, asesores y los resultados de siete encuestas recientes a ejecutivos y trabajadores. Una encuesta a 1576 ejecutivos, realizada durante el segundo trimestre por la firma de investigación y asesoría Forrester Research, mostró que solo el 15 % de los encuestados observó una mejora en los márgenes de beneficio gracias a la IA durante el último año. La consultora BCG descubrió que solo el 5 % de los 1250 ejecutivos encuestados entre mayo y mediados de julio percibió un valor generalizado de la IA.
Los ejecutivos afirman que aún creen que la IA generativa transformará sus negocios, pero están reconsiderando la rapidez con la que esto ocurrirá dentro de sus organizaciones. Forrester predice que, en 2026, las empresas retrasarán aproximadamente un 25 % su inversión prevista en IA durante un año. “Las empresas tecnológicas que han desarrollado esta tecnología han inventado la leyenda de que todo esto va a cambiar rápidamente”, dijo Brian Hopkins, analista de Forrester. “Pero los humanos no cambiamos tan rápido”.
Empresas de IA, como OpenAI, Anthropic y Google, están redoblando sus esfuerzos para captar clientes empresariales el próximo año. Durante un almuerzo reciente con editores de medios en Nueva York, el director ejecutivo de OpenAI, Sam Altman, afirmó que el desarrollo de sistemas de IA para empresas podría representar un mercado de 100 000 millones de dólares. Todo esto ocurre en el contexto de una inversión tecnológica sin precedentes en todo, desde chips hasta centros de datos y fuentes de energía.
La justificación de estas inversiones dependerá de la capacidad de las empresas para descubrir cómo usar la IA para aumentar sus ingresos, aumentar sus márgenes o acelerar la innovación. De no ser así, el desarrollo de infraestructura podría desencadenar una crisis similar a la de las puntocom a principios de la década de 2000, según algunos expertos.
EL BOTÓN ‘FÁCIL’
Poco después del lanzamiento de ChatGPT, empresas de todo el mundo crearon grupos de trabajo dedicados a encontrar formas de adoptar la IA generativa, un tipo de IA que puede crear contenido original como ensayos, código de software e imágenes a través de indicaciones de texto. Un problema bien conocido de los modelos de IA es su tendencia a complacer al usuario. Este sesgo, conocido como «adulación», anima a los usuarios a conversar más, pero puede afectar la capacidad del modelo para ofrecer mejores consejos.
CellarTracker se topó con este problema con su función de recomendación de vinos, desarrollada con tecnología de OpenAI, según explicó el director ejecutivo LeVine. El chatbot funcionó bastante bien cuando se le pedían recomendaciones generales. Sin embargo, al preguntarle sobre añadas específicas, el chatbot se mantuvo positivo, incluso si todas las señales indicaban que era muy poco probable que una persona las disfrutara.
“Tuvimos que hacer todo lo posible para conseguir que los modelos (cualquier modelo) fueran críticos y sugirieran que había vinos que podrían no gustarme”, dijo LeVine. Parte de la solución fue diseñar indicaciones que le dieran al modelo permiso para decir no. Las empresas también han tenido problemas con la falta de consistencia de la IA. Jeremy Nielsen, gerente general del proveedor de servicios ferroviarios de América del Norte Cando Rail and Terminals, dijo que la compañía recientemente probó un chatbot de inteligencia artificial para que los empleados estudien informes de seguridad internos y materiales de capacitación.
Pero Cando se topó con un obstáculo sorprendente: los modelos no podían resumir de manera consistente y correcta las Reglas de Operación Ferroviaria Canadiense, un documento de aproximadamente 100 páginas que establece los estándares de seguridad para la industria. A veces, los modelos olvidaban o malinterpretaban las reglas; otras veces, las inventaban desde cero. Los investigadores de IA afirman que los modelos a menudo tienen dificultades para recordar lo que aparece en medio de un documento extenso. Cando ha abandonado el proyecto por ahora, pero está probando otras ideas. Hasta el momento, la compañía ha invertido 300.000 dólares en el desarrollo de productos de IA.
«Todos pensábamos que sería el botón fácil», dijo Nielsen. «Y no fue así».
LOS HUMANOS REGRESAN
Se suponía que los centros de llamadas atendidos por humanos y el servicio de atención al cliente se verían gravemente afectados por la IA, pero las empresas aprendieron rápidamente que hay límites a la cantidad de interacción humana que se puede delegar a los chatbots.
A principios de 2024, la empresa de pagos sueca Klarna lanzó un agente de servicio al cliente impulsado por OpenAI que, según dijo, podía realizar el trabajo de 700 agentes de servicio al cliente a tiempo completo. Sin embargo, en 2025, el director ejecutivo Sebastian Siemiathowski se vio obligado a dar un paso atrás y reconocer que algunos clientes preferían hablar con humanos.
Siemiathowski dijo que la IA es confiable en tareas simples y ahora puede realizar el trabajo de unos 850 agentes, pero los problemas más complejos se derivan rápidamente a agentes humanos. Para 2026, Klarna se centra en construir su chatbot de inteligencia artificial de segunda generación, que espera lanzar pronto, pero los seres humanos seguirán siendo una parte importante de la mezcla. «Si quieres seguir obsesionado con el cliente, no puedes confiar [enteramente] en la IA», dijo. De manera similar, el gigante estadounidense de telecomunicaciones Verizon está volviendo a utilizar agentes humanos de servicio al cliente en 2026 después de los intentos de delegar llamadas a IA.
«Creo que al 40% de los consumidores les gusta la idea de seguir hablando con un humano, y les frustra no poder comunicarse con un agente humano», dijo Ivan Berg, quien lidera los esfuerzos impulsados por IA de Verizon para mejorar las operaciones de servicio para clientes comerciales, en una entrevista con Reuters este otoño. La empresa, que cuenta con alrededor de 2.000 agentes de atención al cliente de primera línea, todavía utiliza IA para filtrar llamadas, obtener información sobre los clientes y dirigirlos a sistemas de autoservicio o a agentes humanos.
El uso de IA para gestionar preguntas rutinarias libera a los agentes para manejar problemas complejos y probar cosas nuevas, como hacer llamadas salientes y realizar ventas. “La empatía es probablemente el factor clave que nos impide que los agentes de IA hablen con los clientes de manera integral en este momento”, afirmó Berg. Shashi Upadhyay, presidente de producto, ingeniería e IA de la plataforma de atención al cliente Zendesk, afirma que la IA destaca en tres áreas: escritura, programación y chat. Los clientes de Zendesk confían en la IA generativa para gestionar entre el 50 % y el 80 % de sus solicitudes de atención al cliente. Sin embargo, afirmó que la idea de que la IA generativa lo puede todo es exagerada.
LA ‘FRONTERA INGREDIENTE’
Los modelos de lenguaje de gran tamaño están dominando rápidamente tareas complejas de matemáticas y programación, pero aún pueden fallar en tareas relativamente triviales. Los investigadores denominan a esta contradicción en las capacidades la «frontera irregular» de la IA.
“Puede que sea un Ferrari en matemáticas, pero un burro a la hora de poner cosas en el calendario”, dijo Anastasios Angelopoulos, director ejecutivo y cofundador de LMArena, una popular herramienta de evaluación comparativa. Problemas aparentemente pequeños pueden hacer tropezar inesperadamente a los sistemas de IA.
Muchas empresas financieras se basan en datos recopilados de una amplia gama de fuentes, cada una de las cuales puede tener formatos muy diferentes. Estas diferencias podrían impulsar a una herramienta de IA a «leer patrones inexistentes», afirmó Clark Shafer, director de la firma de asesoría Alpha Financial Markets Consulting. Muchas empresas ahora están considerando el proceso potencialmente costoso, largo y complejo de reformatear sus datos para aprovechar la IA, dijo Shafer.
El grupo holandés de inversión en tecnología Prosus afirma que uno de sus agentes de inteligencia artificial internos está destinado a responder preguntas sobre su cartera, de forma similar a lo que ya hacen los analistas de datos del personal del grupo. En teoría, un empleado podría preguntar con qué frecuencia una empresa de reparto de comida respaldada por Prosus se retrasó en la entrega de pedidos de sushi en Berlín la semana pasada. Pero por ahora, la herramienta no siempre entiende qué barrios forman parte de Berlín o qué significa «la semana pasada», dijo Euro Beinat, jefe de IA de Prosus. “La gente pensaba que la IA era mágica. No lo es”, dijo Beinat. “Hay mucho conocimiento que necesita estar codificado en estas herramientas para que funcionen bien”.
MÁS APOYO
OpenAI está trabajando en un nuevo producto para empresas y recientemente creó equipos internos, como el equipo de Ingeniería de Implementación Avanzada, para trabajar directamente con los clientes y ayudarlos a utilizar la tecnología de OpenAI para abordar problemas específicos, dijo un portavoz. “Donde vemos el fracaso es cuando la gente se lanza demasiado y se encuentra con un problema de mil millones de dólares; eso llevará algunos años”, dijo Ashley Kramer, director de ingresos de OpenAI, durante una entrevista en el escenario de la conferencia Reuters Momentum AI en noviembre.
En concreto, OpenAI está trabajando con empresas para encontrar áreas en las que la IA puede tener un “alto impacto, pero quizás poco impacto al principio”, dijo Kramer. El laboratorio de inteligencia artificial rival Anthropic, que obtiene el 80% de sus ingresos de clientes comerciales, está contratando expertos en “IA aplicada” que se integrarán en las empresas. Para que las empresas de IA tengan éxito, tendrán que verse a sí mismas como “socios y educadores, en lugar de simplemente implementadores de tecnología”, dijo Mike Krieger, director de producto de Anthropic, en una entrevista a principios de este año.
Un número cada vez mayor de startups, muchas fundadas por exempleados de OpenAI, están desarrollando herramientas de IA para sectores específicos como el financiero o el legal. Estos fundadores afirman que las empresas se beneficiarán más de los modelos especializados que de las herramientas de uso general o de consumo como ChatGPT. Es una estrategia que Writer, una startup de aplicaciones de IA con sede en San Francisco, ha estado adoptando. La empresa, que actualmente desarrolla agentes de IA para equipos de finanzas y marketing en grandes firmas como Vanguard y Prudential, conecta a sus ingenieros directamente con los clientes para comprender sus flujos de trabajo y colaborar en el desarrollo de los agentes. “Las empresas necesitan más apoyo para lograr que las herramientas de IA les resulten útiles”, afirmó May Habib, directora ejecutiva de Writer.
Reportaje de Deepa Seetharaman y Krystal Hu en San Francisco y Supantha Mukherjee en Estocolmo. Edición de Kenneth Li y Michael Learmonth.
Fuente: reuters
