La IA no falla por la tecnología, falla por las organizaciones
La inteligencia artificial se ha convertido en el tema central de cualquier conversación sobre transformación digital. Sin embargo, cuanto más avanzan las capacidades tecnológicas, más evidente resulta que los principales desafíos no están en los algoritmos, sino en las organizaciones que intentan incorporarlos.
Esta es una de las reflexiones que extraemos de nuestra conversación con Verónica Hernández Sánchez, Data Engineer en Volkswagen. Su trayectoria combina la Ingeniería Química, un doctorado en Biotecnología, la especialización en datos y un MBA, una combinación poco habitual que le permite analizar la inteligencia artificial desde una perspectiva técnica, estratégica y humana. Además de desarrollar arquitecturas de datos y soluciones de IA, dedica parte de su actividad a la docencia y divulgación sobre sesgos algorítmicos y uso responsable de estas tecnologías.
Su punto de partida es contundente: una tecnología sólo es verdaderamente transformadora cuando permite resolver problemas que antes no podían resolverse, no cuando simplemente acelera procesos ya existentes.
Antes de adoptar IA, conviene entender el problema
En muchas organizaciones, la conversación sobre inteligencia artificial comienza por la herramienta. Qué modelo utilizar, qué proveedor elegir o qué solución implementar. Sin embargo, la cuestión más relevante suele quedar fuera de la mesa: qué problema estamos intentando resolver.
La presión del mercado y la velocidad a la que evoluciona la tecnología empujan a muchas compañías a incorporar soluciones sin haber revisado previamente sus procesos, sus datos o incluso sus objetivos. El resultado es predecible: se automatizan ineficiencias que ya existían.
La transformación no empieza con la tecnología. Empieza entendiendo dónde están las fricciones reales de la organización y qué decisiones merece la pena optimizar.
El peligro de creer que los algoritmos son neutrales
Existe una tendencia a asumir que una decisión generada por inteligencia artificial es más objetiva que una tomada por una persona. Pero los algoritmos no aparecen en el vacío. Aprenden de datos históricos y, por tanto, heredan muchos de los sesgos presentes en la sociedad que los ha generado.
La frontera de la automatización no debería ser técnica, sino ética.
La pregunta relevante no es si una máquina puede tomar una decisión, sino si debería hacerlo. En ámbitos como la contratación de personas o la concesión de productos financieros, la supervisión humana continúa siendo imprescindible para garantizar que la eficiencia no se imponga al criterio.
Más datos no siempre significan mejores decisiones
Durante años hemos asumido que disponer de más información conduciría automáticamente a mejores decisiones. La realidad organizativa demuestra lo contrario.
Muchas compañías conviven con decenas de indicadores, dashboards y sistemas de medición que, lejos de aportar claridad, generan ruido. A esto se suman los silos departamentales, donde cada área interpreta la realidad desde métricas diferentes y lenguajes propios.
En este contexto, la inteligencia artificial no resuelve el problema por sí sola. Si los datos están fragmentados o las organizaciones no comparten una visión común, la tecnología corre el riesgo de amplificar la complejidad existente.
Productividad sin criterio es solo más ruido
La gran promesa de la inteligencia artificial es la productividad. Hacer más en menos tiempo. Sin embargo, la velocidad no siempre va acompañada de valor.
Cuando el tiempo que ahorramos gracias a la automatización se dedica únicamente a producir más contenido, más documentos o más entregables, corremos el riesgo de generar volumen sin significado. La eficiencia deja entonces de ser una ventaja para convertirse en una fuente de saturación.
Además, la estandarización creciente de herramientas y procesos plantea otro desafío menos visible: la homogeneización del pensamiento. Si todos utilizamos las mismas referencias, los mismos modelos y las mismas respuestas, la capacidad crítica se convierte en un activo cada vez más escaso y valioso.
El verdadero reto sigue siendo humano
Quizá la principal conclusión es que el futuro de la inteligencia artificial dependerá menos de la evolución tecnológica que de nuestra capacidad para utilizarla con criterio.
Necesitaremos organizaciones capaces de cuestionar sus propios procesos, profesionales formados para entender las limitaciones de los algoritmos y culturas que fomentan el pensamiento crítico por encima de la adopción indiscriminada de herramientas.
Porque, en última instancia, el reto no consiste en construir inteligencias artificiales más sofisticadas. El reto consiste en garantizar que seguimos desarrollando organizaciones y personas capaces de decidir cuándo, cómo y para qué utilizarlas.
También te puede interesar
-
Impacto, Negocio e Inteligencia Artificial
#Damn Entrevistas
11 mayo 2026
Beatriz Horcajo reflexiona sobre diseño estratégico, investigación de usuarios e inteligencia artificial.
-
Escalar diseño sin perder calidad
#RedbilityTalks Entrevistas
16 junio 2026
Escalar diseño no es sumar procesos, sino crear condiciones para diseñar mejor, con más foco, coherencia e impacto.