EMPRENDER CON INTELIGENCIA ARTIFICIAL: CÓMO CONVERTIR LA INNOVACIÓN EN VALOR MEDIBLE
Antes de preguntarnos qué podemos automatizar con inteligencia artificial, debemos definir qué queremos mejorar y cómo vamos a comprobarlo.
Introducción
Antes de preguntarnos qué podemos automatizar con inteligencia artificial, debemos definir qué queremos mejorar y cómo vamos a comprobarlo.
Esta pregunta conecta dos ámbitos que tienen mucho que aportarse: el emprendimiento tecnológico y la evaluación del desempeño. Emprender, implica identificar necesidades, construir soluciones y hacerlas viables. Evaluar permite examinar si esas soluciones cumplen su propósito, utilizan adecuadamente los recursos y generan beneficios para las personas.
Desde mi perspectiva, una de las mayores oportunidades de la inteligencia artificial está en ampliar las capacidades humanas: facilitar el acceso al conocimiento, reducir cargas operativas y permitir que más personas participen en actividades que requieren análisis y criterio. Para materializar esa oportunidad necesitamos objetivos claros, evidencia y responsabilidad.
¿Qué significa generar Valor?
Una organización puede incorporar inteligencia artificial y seguir enfrentando los mismos problemas. Incluso puede responder más rápido mientras aumenta los errores o traslada el trabajo de corrección a otras áreas.
Por eso, el primer paso es conocer la situación inicial: cuánto tarda un proceso, qué recursos consume, dónde falla y cómo lo experimentan quienes dependen de él.
La auditoría al desempeño ofrece una perspectiva útil. La ISSAI 300 de INTOSAI establece los principios de economía, eficiencia y eficacia como ejes de este tipo de auditoría. Podemos tomar esa perspectiva como referencia para preguntar si una iniciativa tecnológica utiliza recursos adecuados, mejora la relación entre recursos y resultados, y cumple los objetivos previstos.[1]
En la práctica, propongo observar cuatro dimensiones:
- Tiempo: duración completa de la tarea, incluyendo revisión y correcciones.
- Calidad: precisión, utilidad y consistencia de los resultados.
- Servicio: capacidad para resolver la necesidad de quien utiliza la solución.
- Costo: recursos de implementación, operación, capacitación y supervisión.
Un estudio de Brynjolfsson, Li y Raymond analizó el trabajo de 5,172 agentes de atención al cliente. Al utilizar un asistente de inteligencia artificial, lograron resolver, en promedio, un 15 % más de consultas por hora. Sin embargo, la mejora varió según la experiencia de cada trabajador.[2] Esto muestra que la IA puede aumentar la productividad, pero cada organización necesita medir sus propios resultados para saber cuánto le beneficia.
La lección para quienes emprendemos es concreta: definir qué esperamos mejorar, probarlo en condiciones reales y estar dispuestos a ajustar la solución cuando la evidencia lo indique.
La colaboración humano-IA necesita criterio
Entiendo la relación entre las personas y la inteligencia artificial como una colaboración en la que cada parte aporta capacidades diferentes. La tecnología puede ayudar a procesar información y generar propuestas; las personas aportan contexto, juicio y responsabilidad sobre las decisiones.
A esta visión la llamo Centauro Digital: una forma de trabajar que integra capacidades humanas y tecnológicas, y que exige aprender a utilizarlas conjuntamente.
Para que esa colaboración funcione, la supervisión debe tener contenido. Una persona necesita información suficiente, tiempo y autoridad para cuestionar una recomendación. Aprobar automáticamente lo que propone un sistema aporta poco control.
El marco de gestión de riesgos de inteligencia artificial del NIST organiza su enfoque en cuatro funciones:
- Gobernar,
- Identificar el contexto y los riesgos,
- Medir y,
- Gestionar. También plantea que la gestión debe mantenerse durante el ciclo de vida del sistema.[3]
Llevado a una organización, esto requiere resolver preguntas básicas:
- ¿Qué tareas puede realizar la herramienta?,
- ¿Qué datos puede consultar?,
- ¿Qué decisiones necesitan autorización?,
- ¿Quién atiende una falla?
También implica conservar evidencia suficiente para reconstruir lo ocurrido: qué información se utilizó, qué respuesta produjo el sistema y qué intervención humana existió. La trazabilidad permite corregir y aprender, además de facilitar la rendición de cuentas.
Una aplicación concreta: la logística
Desde NeuroNet, que ha ingresado al programa NVIDIA Inception, estamos trabajando en colaboración con ShipEase para integrar Neuralogistics, una inteligencia artificial diseñada para facilitar la operación de los emprendedores que venden por comercio electrónico.
Con Neuralogistics buscamos que el emprendedor pueda comparar tarifas entre distintas paqueterías y generar sus guías de envío al mejor precio disponible, de acuerdo con el destino y las características de cada paquete, dar seguimiento a sus paquetes y mantener informados a sus clientes sin realizar manualmente cada paso.
La herramienta también ayudará a atender consultas sobre los envíos y a identificar situaciones que requieren su intervención.
También estamos trabajando en la implementación de Neuralogistics en almacenamiento, con el propósito de facilitar la gestión de inventarios y apoyar la preparación y el despacho de pedidos.
El objetivo es simplificar la logística y la atención al cliente para que el emprendedor pueda dedicar más tiempo a vender y hacer crecer su negocio, conservando el control sobre su operación.
Su valor deberá comprobarse en el uso cotidiano: cuánto tiempo ahorra, cuántos errores evita y qué tan bien ayuda a resolver las necesidades del emprendedor, de su equipo y de sus clientes.
Una oportunidad de encuentro desde AMDAD
Desde mi responsabilidad en el Consejo de Presidencia de AMDAD, considero valioso impulsar el diálogo entre emprendedores, tecnólogos y especialistas en auditoría al desempeño.
Los emprendedores conocen la necesidad y las condiciones para sostener una solución. Los equipos tecnológicos comprenden su funcionamiento y sus límites. Los especialistas en evaluación aportan métodos para contrastar objetivos, recursos y resultados.
Como punto de partida, propongo trabajar con una secuencia sencilla: definir el problema, documentar la situación inicial, acordar indicadores, realizar una prueba acotada y revisar sus resultados. Cuando sea posible, conviene comparar con un proceso equivalente sin la herramienta, para distinguir su contribución de otros cambios.
El resultado de esa evaluación debe permitir decidir si corresponde ampliar, modificar o detener la iniciativa. Reconocer que una solución necesita replantearse también es una decisión responsable.
Mi convicción es que emprender con inteligencia artificial implica construir capacidades y asumir compromisos con quienes utilizarán nuestras soluciones. Acercar la innovación a la evaluación del desempeño puede ayudarnos a desarrollar tecnología más útil, accesible y confiable.
El valor aparece cuando podemos explicar qué mejoró, para quién y con qué evidencia.
Referencias
- INTOSAI. ISSAI 300: Principios de la auditoría de desempeño. Documento y ficha institucional.
- Brynjolfsson, E., Li, D. y Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044.
- NIST. (2023). Artificial Intelligence Risk Management Framework, AI RMF 1.0. https://doi.org/10.6028/NIST.AI.100-1.
