La IA no reemplaza gente, reemplaza malas decisiones

Por qué el miedo a quedarse atrás en IA lleva a comprar herramientas sin problema de negocio, y cómo evitarlo en empresas medianas

Hace unas semanas una empresa despidió a 21.000 personas y las reemplazó con inteligencia artificial. El titular dio la vuelta al mundo. En los mismos días, medios colombianos reportaban que una empresa se suma a IA cada cinco minutos en el país.

Dos noticias, un mismo efecto en cualquier gerente que las lea: la sensación de que hay que hacer algo con IA, ya, antes de quedarse atrás. Y ese es exactamente el momento en que las empresas medianas — las de 50 a 500 empleados, sin equipo de datos propio ni presupuesto de una multinacional — toman las peores decisiones de tecnología del año.

No porque la IA no sirva. Sino porque el miedo es un mal punto de partida para cualquier decisión de inversión.

El problema no es la tecnología, es el orden de las preguntas

Cuando una decisión de IA nace del miedo a quedarse atrás, el orden de las preguntas se invierte. Primero se elige la herramienta — la que salió en un post de LinkedIn, la que vendió mejor un proveedor, la que “todo el mundo está usando” — y después se busca dónde meterla.

Ese orden casi garantiza dos resultados: o la herramienta no encaja con ningún proceso real de la empresa y termina sin uso, o encaja a medias y genera trabajo extra en vez de ahorrarlo (alguien tiene que revisar lo que hace, corregirlo, explicarle a un cliente por qué el chatbot dijo algo raro).

El orden correcto es el inverso: primero el problema, después la herramienta. ¿Qué proceso le está costando más horas, más plata o más errores a la empresa de lo que debería? Recién ahí se pregunta si la IA — o cualquier otra tecnología — es parte de la respuesta. A veces lo es. A veces el problema real es que dos sistemas no se hablan entre sí, y eso no lo arregla ningún modelo de lenguaje.

Esta confusión no es exclusiva de las empresas chicas. Estudios de consultoras internacionales sobre adopción de IA generativa en grandes corporaciones muestran algo parecido: la mayoría de las iniciativas todavía no logra demostrar valor tangible, en buena parte porque se lanzaron como respuesta a la presión competitiva y no a un caso de uso concreto con un dueño de negocio detrás. Si eso les pasa a empresas con equipos dedicados y presupuestos grandes, el riesgo es mayor para una empresa que no tiene margen para experimentos que no funcionan.

Por qué el miedo al reemplazo no aplica igual en empresas medianas

El titular de los 21.000 despidos genera una lectura equivocada cuando se traslada a otra escala de empresa. En una organización de 5.000 empleados, reemplazar procesos completos con IA es una decisión de arquitectura organizacional: presupuesto de varios años, un equipo dedicado, gobierno de riesgo, planes de transición. Es una decisión que se toma con la escala como aliado.

En una empresa de 100 o 200 empleados casi nunca hay “puestos de sobra” para reemplazar. Lo que hay, en la mayoría de los casos que vemos, es gente sobrecargada: la persona que arma el reporte de ventas a mano todos los lunes, la que responde el mismo tipo de correo veinte veces por semana, la que concilia dos sistemas que no se comunican entre sí porque nunca se integraron bien.

En ese contexto, la IA no le quita el trabajo a nadie. Le devuelve horas a alguien que ya estaba ahogado. Es una diferencia de fondo, no de matiz: una cosa es optimizar una operación que funciona pero está saturada, y otra muy distinta es rediseñar una organización entera alrededor de la automatización. Son dos conversaciones distintas, con distinto nivel de riesgo, distinto presupuesto y distinto horizonte de tiempo — y confundirlas es la primera forma de gastar mal.

¿Cómo se ve un caso de uso real (y cómo se ve uno que no lo es)?

Señal	Caso de uso real	Reacción por miedo
Origen de la iniciativa	Un proceso identificado que cuesta tiempo, plata o errores medibles	Un titular, una demo, la presión de “todos lo están haciendo”
Dueño del proyecto	Alguien del área operativa que va a usar el resultado	Un área de innovación o tecnología sin conexión con el día a día
Forma de medir éxito	Horas ahorradas, errores reducidos, plata recuperada — antes de empezar	”Ya tenemos IA” como logro en sí mismo
Tamaño del primer paso	Un proceso acotado, con resultado visible en semanas	Una plataforma grande, con resultados prometidos “en el mediano plazo”
Qué pasa si no funciona	Se ajusta o se descarta con poca pérdida	Queda instalado igual, porque ya se pagó y hay que justificarlo

Ninguna fila de esta tabla depende de qué tan sofisticada sea la tecnología. Depende de si el proyecto nació de un problema real o de una reacción.

¿Cuándo tiene sentido meter IA y cuándo no?

Tiene sentido cuando existe un proceso repetitivo, con volumen suficiente para que valga la pena, y con un dueño que pueda decir con claridad “esto me está costando X horas a la semana” o “esto nos genera X errores al mes”. También tiene sentido cuando la empresa ya tiene datos organizados en un solo lugar confiable — porque sin eso, cualquier IA hereda el mismo desorden que tenía la operación antes.

No tiene sentido cuando la motivación principal es competitiva (“el competidor ya lo tiene”) sin que eso vaya acompañado de un problema propio identificado. Tampoco tiene sentido cuando los datos de la empresa siguen repartidos en hojas de cálculo sueltas, sistemas que no se hablan entre sí, o información que solo vive en la cabeza de una persona — en ese escenario, el paso que hace falta primero es ordenar los datos, no automatizar sobre el desorden.

Y hay un tercer caso, más sutil: cuando el proceso en cuestión depende de criterio humano difícil de estandarizar — una negociación, una decisión con implicancias legales, una relación con un cliente clave. Ahí la IA puede ser un apoyo (resumir información, preparar un borrador), pero reemplazar la decisión completa suele salir caro, en plata y en confianza.

Cómo se arma un primer proyecto que no sea una reacción

Si después de leer hasta acá reconoces que tu empresa está en modo reacción — comprando o evaluando herramientas sin un proceso concreto detrás — hay una forma simple de reordenar la conversación antes de gastar presupuesto.

Primero, listar los procesos que más se repiten y más tiempo consumen. No hace falta un relevamiento formal: alcanza con preguntarle a cada área “¿qué hacen todas las semanas que sienten que les toma más tiempo del que debería?”. En la mayoría de las empresas de 50 a 500 empleados esa lista sale en menos de una hora de conversación, y casi siempre se repite: reportes armados a mano, conciliación entre sistemas, respuestas a preguntas frecuentes de clientes, seguimiento de pedidos o inventario.

Segundo, para cada proceso de esa lista, poner un número. Cuánto tiempo a la semana, cuánta plata, cuántos errores. Sin ese número no hay forma de saber después si el proyecto funcionó — y sin esa medición, cualquier herramienta que se compre queda instalada por inercia, nunca evaluada de verdad.

Tercero, elegir el proceso con mejor relación entre impacto y esfuerzo, no el más ambicioso. El objetivo del primer proyecto no es impresionar a nadie — es generar una victoria medible que le dé argumento real al segundo proyecto. Una empresa que automatiza bien un proceso chico y lo puede mostrar con números tiene más credibilidad interna para el siguiente paso que una que lanzó una plataforma grande y todavía no puede decir si sirvió.

Este orden — listar, medir, elegir por impacto/esfuerzo — no depende de tener un equipo de datos ni un presupuesto grande. Depende de resistir la tentación de empezar por la herramienta, y empezar por el problema.

El takeaway de esta semana

Antes de la próxima reunión donde alguien proponga “meter IA” en algo, hazle una sola pregunta a esa propuesta: ¿qué proceso específico resuelve, y cómo se mide si funcionó? Si la respuesta es clara y acotada, hay un proyecto real ahí. Si la respuesta es “para no quedarnos atrás”, todavía no hay un proyecto — hay una reacción, y las reacciones no suelen ser buenas decisiones de inversión.

Preguntas frecuentes

¿La IA sí está reemplazando empleos en Colombia y LATAM?

En algunas industrias y en tareas muy específicas, sí — pero mayormente en funciones repetitivas y de alto volumen dentro de empresas grandes. En empresas medianas de la región, el patrón dominante que se observa es distinto: la IA se usa para absorber trabajo que antes no se alcanzaba a hacer bien, no para eliminar puestos existentes.

¿Cómo sé si mi empresa tiene un caso de uso real para IA?

Si puedes nombrar un proceso concreto, decir cuánto tiempo o plata cuesta hoy, y decir quién sería el dueño del resultado, probablemente sí. Si la respuesta empieza en “deberíamos tener algo de IA porque…”, todavía no.

¿Es necesario tener un equipo de datos para empezar?

No para el primer proyecto. Sí es necesario tener los datos de ese proceso puntual organizados y accesibles — no hace falta una infraestructura de datos completa antes de dar el primer paso, pero sí hace falta que ese primer paso se apoye en información confiable.

¿Qué tamaño de primer proyecto tiene sentido?

Uno que se pueda medir en semanas, no en trimestres, y que tenga un resultado visible para la persona que lo pidió. Empezar grande sin haber probado nada chico es la forma más común de gastar mal el primer presupuesto de IA.

---

¿Quieres profundizar en cómo se identifica un caso de uso real de IA para tu operación? Puedes revisar también nuestro artículo sobre vendor lock-in vs. stack abierto para entender qué preguntas hacerle a cualquier proveedor antes de comprometerte con una herramienta.