L

a sabiduría predominante en inteligencia artificial sugiere que los modelos más grandes ofrecen mejores resultados. En nuestro trabajo para compañías de seguros de salud y administradores externos de planes de salud, hemos descubierto que esta suposición se sostiene en muchos casos, pero se desmorona cuando la IA pasa de tareas generales a dominios profesionales especializados.

En este artículo compartimos lo que hemos aprendido sobre cómo los ejecutivos que evalúan inversiones en IA para aplicaciones profesionales de resolución de problemas deben decidir entre modelos de IA generalistas y modelos especializados.

Cuando la escala ofrece el mayor valor

Las ofertas de IA generativa más conocidas como ChatGPT, Claude y Gemini, se basan en modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) y otras tecnologías de IA que se entrenan con texto e imágenes provenientes de innumerables dominios, y por lo tanto parecen capaces de responder prácticamente cualquier pregunta imaginable.

En contraste, los modelos de IA generativa especializados no solo comprenden qué información recuperar, sino también cómo opera esa información dentro del marco de toma de decisiones de un dominio específico. Estas tecnologías de IA generativa agregan datos de entrenamiento altamente contextualizados y metodologías a las capacidades fundamentales de las tecnologías de IA generalistas.

Una arquitectura híbrida como camino hacia el futuro

Nuestra experiencia sugiere que el futuro de la implementación de IA generativa empresarial radica no solo en elegir entre modelos generalistas y especializados, sino también en estrategias de implementación híbrida bien pensadas. Los enfoques más eficaces aprovechan los modelos generalistas para las tareas en las que se destacan, mientras dependen de proveedores especializados para el razonamiento y la toma de decisiones específicas del dominio.

Cómo elegir un proveedor de IA y evitar errores comunes

Dado el buen desempeño que tienen actualmente los mayores LLM en tareas que no son críticas para la misión, es difícil que los líderes empresariales cometan errores graves al elegir entre ellos para tales propósitos. Sin embargo, eso no ocurre cuando se evalúan modelos de IA más especializados. Hemos desarrollado varias preguntas clave que los líderes empresariales pueden formular durante las evaluaciones de proveedores de IA especializada para evitar los errores más comunes:

— ¿Puede el proveedor demostrar claramente la lógica detrás de su IA y hacer que su razonamiento sea transparente?

La pregunta crítica no es si la IA puede procesar información más rápido que los humanos, sino si puede usar esa información de maneras en que sus principales expertos en el dominio puedan confiar, comprender y aprovechar. Busque soluciones que integren marcos de juicio profesional, no solo árboles de decisión, y que puedan explicar por qué priorizan ciertas evidencias.

— ¿El proveedor mantiene una colaboración continua con expertos en su campo? ¿Cómo maneja las prácticas en evolución?

Esto requiere una profunda colaboración entre los desarrolladores de IA y los expertos del dominio, no solo para recopilar datos de entrenamiento, sino también para comprender los marcos subyacentes que guían la toma de decisiones profesionales. Esta pregunta garantiza que su proveedor pueda adaptarse conforme cambian los estándares profesionales, mientras mantiene acceso a la experiencia en el dominio que impulsa la mejora continua.

— ¿La solución propuesta por el proveedor puede abordar la integración entre dominios y la expansión de alcance, o su oferta solo funcionará como una solución puntual?

La clave para captar todo el potencial de la IA radica en comprender y abordar las barreras organizacionales y culturales que enfrentan las iniciativas de IA, en lugar de simplemente desplegar modelos generales más potentes. Esta pregunta ayuda a los líderes a elegir proveedores que anticipan cómo se interconectan las decisiones profesionales entre dominios, y que amplíen sus capacidades conforme evolucionan las necesidades de la organización.

En entornos empresariales de alto riesgo, la experiencia especializada supera a la inteligencia general. Nuestro recorrido desarrollando IA específica para el sector salud nos enseñó que el camino hacia una IA profesional efectiva no radica simplemente en elegir modelos más grandes, sino también en seleccionar soluciones más inteligentes que comprendan cómo piensan, deciden y actúan realmente los profesionales.

E

n las salas de juntas de todo el mundo, sigue surgiendo una pregunta familiar: ¿Quién debería liderar nuestros esfuerzos en IA?

Es una pregunta razonable. A medida que la IA generativa transforma el panorama empresarial, los líderes, con toda razón, intentan determinar quién está mejor posicionado para guiar a sus empresas a través de esta transición. En respuesta, algunos se han apresurado a nombrar directores de inteligencia artificial (CAIO, por sus siglas en inglés), como si una contratación brillante pudiera desbloquear todo el potencial de la IA.

Pero este enfoque a menudo falla. El CAIO llega con gran alarde. Comienzan los proyectos piloto. Aparecen algunas demostraciones llamativas. ¿Y luego? No pasa mucho. Los proyectos se estancan. Los equipos no los adoptan. El CAIO se marcha. La junta directiva comienza a hacer preguntas difíciles.

No es porque el CAIO no sea inteligente o capaz. Es porque el puesto en sí, al menos en la forma en que se imagina actualmente, está sobrecargado y desalineado. Se parte de la suposición de que una sola persona puede unir innovación y operaciones, supervisar el cumplimiento normativo y la infraestructura, y además ofrecer resultados rápidos en toda la empresa. Esa es una descripción de puesto imposible.

Las empresas que están logrando avances reales están construyendo ecosistemas de líderes involucrados en el viaje de la IA.

La trampa del líder solitario

Con demasiada frecuencia, el CAIO está subordinado al director de tecnología (CTO, por sus siglas en inglés) o aislado en un grupo de estrategia. Se le indica que experimente, que sea audaz, pero también que evite riesgos, que entregue valor inmediato y que garantice una transformación a nivel empresarial. En una firma global de servicios, el líder de IA creó un prototipo prometedor usando un modelo de lenguaje de gran tamaño. Pero el proyecto no prosperó. Las unidades de negocio no se involucraron desde el inicio, nunca se impartió capacitación y la nueva herramienta no se usó.

Incluso en organizaciones mejor alineadas, la presión sobre un solo líder para impulsar la transformación con IA es intensa. La junta directiva quiere que su inversión en IA se traduzca rápidamente en ingresos; el área legal solicita límites claros; operaciones quiere automatización; marketing desea personalización. No es que estas metas sean erróneas. Pero esperar que una sola persona las cumpla todas es preparar el terreno para su fracaso.

Un enfoque de ecosistema

En las empresas donde la IA está echando raíces, el mejor liderazgo es distribuido, con muchos ejecutivos trabajando en sincronía.

Algunos líderes en su ecosistema de IA deben enfocarse en construir. Estos son sus ingenieros, responsables digitales o equipos de producto que experimentan con herramientas generativas. Otros deben centrarse en la integración: el director de operaciones que replantea los flujos de trabajo, el líder de soporte al cliente que reorganiza los equipos para aprovechar los nuevos sistemas de IA. Otros más deben actuar como conectores: el director financiero que vincula las inversiones con los resultados, el asesor legal general que evalúa riesgos, el director ejecutivo que garantiza que la IA esté integrada en la forma en que la organización aprende y se adapta.

Esto no requiere una burocracia compleja. La estructura importa menos que la mentalidad: la IA no es un departamento. Es una capacidad que todo el equipo de liderazgo debe asumir.

El papel crítico del CEO

Entre esos líderes, el CEO desempeña un papel único y fundamental.

El CEO tiene el poder de definir la estrategia, alinear los incentivos y moldear la respuesta cultural de la organización al cambio. La transformación con IA, cuando se hace bien, no se trata de la tecnología en sí. Se trata de los cambios estratégicos y operativos que permite. La estrategia de IA es su estrategia empresarial. Por eso, los CEOs no pueden delegar completamente el liderazgo en IA. Sus palabras y, más importante aún, sus acciones, señalan qué tan en serio se está tomando su empresa la transición y si el futuro incluye un lugar para cada empleado.

Los CEOs más eficaces lideran con participación directa, autenticidad, claridad y una mentalidad de crecimiento.

La autenticidad significa adaptar la adopción de IA a su propia personalidad y fortalezas. Un CEO con perfil técnico podría prototipar nuevos flujos de trabajo y compartir los resultados. Un CEO sin formación técnica podría cocrear nuevos procesos con los constructores internos y mostrar que la IA es para todos, no solo para los expertos.

La participación directa significa estar presente, no solo como patrocinador, sino como un compañero en sesiones de trabajo críticas. Significa involucrarse en proyectos piloto, asistir a hackatones y dar retroalimentación a medida que se realiza el trabajo real.

La claridad y una mentalidad de crecimiento deben definir la forma en que el CEO se comunica. Las políticas deben ser claras. Los mensajes deben ser coherentes. Y el enfoque subyacente debe estar basado en oportunidades. Se trata de ampliar el trabajo, evolucionar los roles y crear espacio para una mayor creatividad y juicio humanos.

¿Quién más debe estar en la mesa?

Comience con un constructor. Alguien curioso, con energía por las posibilidades y dispuesto a probar nuevas ideas, incluso cuando el resultado sea incierto. Podría ser alguien que ya esté dentro de la organización, un responsable de innovación, un líder de producto o un director de ingeniería que experimenta discretamente con herramientas de IA.

Pero ese constructor necesita un socio. Alguien con los pies en la tierra, en el negocio, que entienda dónde se realiza el trabajo, dónde surgen las fricciones y qué vale la pena resolver. Sin alguien que pueda ver los experimentos desde una perspectiva operativa, estos a menudo permanecerán desconectados del impacto real.

Finalmente, necesita un estratega. Alguien que pueda tomar distancia, evaluar qué iniciativas se alinean con los objetivos a largo plazo y administrar los recursos limitados para su mejor uso.

Estos líderes no necesitan tener currículums idénticos. Pero todos deben ser colaborativos. Curiosos. Tener los pies en la tierra, pero estar abiertos a reimaginar cómo funcionan las cosas. Deben tolerar la ambigüedad, pero saber cuándo enfocarse y ejecutar.

Algunos de los campeones de IA más impactantes surgen orgánicamente mediante la exposición práctica más que por selección formal. Hemos observado que muchas organizaciones aún están en etapas tempranas de madurez en IA y carecen de una comprensión práctica de lo que las herramientas actuales pueden lograr de manera realista. Una forma eficaz de cerrar esta brecha es a través de sesiones de ideación con el liderazgo que desmitifiquen los conceptos centrales, muestren ejemplos en vivo y, lo que es más importante, fomenten la experimentación práctica con herramientas como ChatGPT Pro y Claude. Estas primeras interacciones a menudo cambian mentalidades y despiertan un pensamiento más fundamentado y creativo sobre el papel de la IA en el negocio.

Diseñar para la durabilidad

Los esfuerzos en IA se estancan cuando falla la coordinación. Un modelo prometedor puede necesitar nuevos flujos de datos, rediseño de procesos, aportes legales, gestión del cambio y capacitación. Si cada uno de estos elementos está en una parte diferente de la organización, cada uno con su propia hoja de ruta y prioridades, la fricción puede ser fatal.

La clave para una integración sistémica de la IA no es solo la experimentación. Es diseñar un sistema repetible para evaluar, integrar y escalar buenas ideas. Eso significa clarificar roles: quién construye, quién integra, quién decide. Significa implementar infraestructuras ligeras, centros de excelencia, grupos de trabajo y manuales operativos que generen flujo entre departamentos, en lugar de barreras.

También significa evitar varias trampas peligrosas. En particular:

— Ignorar la gestión del cambio. Un candidato que pueda explicar cómo funcionan las redes neuronales, pero no pueda construir una narrativa, negociar riesgos o capacitar a miles de colegas, dejará intacta la resistencia cultural y no logrará un retorno de inversión.

— Acaparar las ideas. Cuando la planificación de la IA se limita a un círculo cerrado, el equipo pierde el conocimiento práctico de los empleados de primera línea.

— Malinterpretar el panorama de riesgos. Elegir a alguien que ignore la ética, la privacidad y la exposición regulatoria puede provocar crisis reputacionales o legales que eclipsen cualquier victoria inicial, erosionando la confianza del equipo ejecutivo y de la junta en todo el programa.

Lidere en conjunto, o no lidere en absoluto

Es tentador creer que la contratación adecuada desbloqueará la IA. Pero la IA no es una actuación en solitario. Ni siquiera es un dueto. Es un cambio a nivel empresarial que toca todas las funciones.

L

a IA generativa puede ahorrarle tiempo, pero una vez que comienza a usarla con frecuencia, el proceso de cargar repetidamente los mismos archivos de fondo y volver a ingresar instrucciones para tareas comunes puede mermar su eficiencia. Por eso muchas plataformas de IA generativa le permiten crear asistentes de IA personalizados: lo que ChatGPT llama un «GPT personalizado», Claude lo llama un «Proyecto» y Google Gemini lo llama una «Gema».

La creación de asistentes puede ayudar con una amplia gama de tareas y no requiere conocimientos técnicos especiales ni habilidades de programación.

Tipos de asistentes de IA

Hay una gran variedad de usos para los asistentes de IA personalizados, sin embargo, estas son las cuatro áreas principales donde probablemente le resultarán más útiles:

— Redacción, marketing y comunicación: Los asistentes de IA pueden ayudar con la redacción y la creación de contenido, ya sea para redactar publicaciones en redes sociales, escribir informes, crear presentaciones o responder a las quejas de los clientes.

— Procedimientos y solución de problemas: Dígale a un asistente de IA cómo está configurada su tecnología y obtendrá respuestas personalizadas al alcance de su mano cada vez que algo salga mal. Lo mismo ocurre en otros campos: puede crear asistentes financieros o fiscales, analistas de datos, manuales hablados para autos, asesores de reparación de equipos, entre otros.

— Productividad y gestión de proyectos: Los asistentes de IA personalizados pueden clasificar y priorizar sus tareas, extraer acciones clave de las transcripciones de reuniones y construir o actualizar cronogramas de proyectos.

— Asesoramiento estratégico, coaching y capacitación: Puede crear un asistente que siempre esté disponible para brindarle la experiencia que necesite, configurado con el tono de interacción que prefiera: desde un jefe estricto hasta un coach motivador.

Cómo crear su asistente personalizado

Una vez que tenga claro lo que quiere que haga su asistente, siga estos pasos básicos para ponerlo en marcha.

1. Elija una plataforma

Su elección de plataforma puede estar determinada por las herramientas de IA que su organización proporciona (o le permite usar), pero si puede elegir dónde crear sus asistentes, comience por pensar en sus necesidades.

2. Empiece experimentando

La forma más sencilla de crear un nuevo asistente de IA es a través de una sesión de chat normal, en la que proporciona una instrucción que incluya cualquier información de fondo o instrucciones de personalidad que crea que la plataforma de IA necesitará para responder a una pregunta o completar una tarea que le haya asignado (por ejemplo, «Usted es un redactor publicitario especializado en marketing»).

3. Escriba instrucciones personalizadas

El núcleo de cualquier asistente personalizado son las instrucciones que redacta para decirle al bot quién es, cuál es su propósito y tareas, y cómo desea que haga su trabajo. Escriba estas instrucciones en segunda persona («usted hará esto») y defina una personalidad: «Usted es un analista de datos orientado a los detalles que trabaja para un jefe exigente que no tolera los errores».

4. Proporcione archivos de conocimiento o contexto

Los asistentes personalizados se vuelven más potentes cuando los equipa con archivos de referencia que puedan usar como ejemplos, guía o información contextual.

5. Ponga a trabajar a su asistente

Su asistente de IA no será perfecto de inmediato; es probable que tenga que experimentar con varias indicaciones, actualizar sus instrucciones y proporcionarle archivos adicionales para dar contexto antes de obtener buenos resultados de forma consistente.

Una vez que tenga un asistente de IA personalizado y efectivo que le ayude en su trabajo, pasará menos tiempo luchando con las indicaciones de IA y más tiempo utilizándola para realizar sus tareas principales.