La inteligencia artificial (IA) gana terreno en las estrategias empresariales para automatizar procesos, elevar la productividad y fortalecer la competitividad. Sin embargo, su incorporación no garantiza por sí misma un retorno económico: aunque 88% de las organizaciones utiliza esta tecnología, únicamente 39% reporta un impacto en sus resultados financieros, de acuerdo con cifras de McKinsey presentadas por la especialista Ariana Bucio.
Durante la conferencia magistral “Estrategia primero y tecnología después”, impartida en la Universidad Iberoamericana Ciudad de México (IBERO), la especialista en transformación digital y gobernanza de inteligencia artificial señaló que uno de los principales desafíos para las empresas consiste en vincular sus inversiones tecnológicas con objetivos concretos de negocio.
La ponencia formó parte del 2.º Congreso Interdisciplinario 2026: Estrategias Empresariales en un Entorno Tecnológico y Digital, un encuentro centrado en los retos que enfrentan las organizaciones ante la digitalización.
Para las empresas de sectores estratégicos —incluidos energía, manufactura, logística e infraestructura—, la discusión resulta relevante: incorporar plataformas de inteligencia artificial puede agilizar determinadas tareas, pero su contribución a la productividad y la rentabilidad depende de la calidad de los procesos, la información disponible y la capacidad de medir sus resultados.
Inteligencia artificial: más adopción no significa mayor rentabilidad
La diferencia entre el porcentaje de organizaciones que utiliza inteligencia artificial y aquellas que reportan un impacto económico evidencia uno de los retos de la transformación digital: pasar de la experimentación tecnológica a la generación de valor medible.
Bucio explicó que adquirir licencias, contratar plataformas o automatizar actividades no equivale a desarrollar una estrategia integral. Incluso cuando estas herramientas permiten elaborar reportes, responder correos o preparar presentaciones en menos tiempo, el ahorro operativo no necesariamente se traduce en un incremento de ingresos o una mejora comprobable de los resultados financieros.
Por ello, recomendó definir desde el inicio qué problema se busca resolver, cuáles serán los indicadores de desempeño y cómo se evaluará el retorno de la inversión.
La pregunta para los equipos directivos, sostuvo, no debería limitarse a qué herramienta comprar, sino a identificar para qué se utilizará, qué necesidad atenderá y cómo contribuirá a los objetivos de la organización.
Este enfoque coloca la evaluación económica en el centro de las decisiones tecnológicas. En lugar de medir el éxito por el número de herramientas implementadas, las empresas necesitan determinar si la inteligencia artificial contribuye a reducir costos, mejorar tiempos, elevar la calidad de sus operaciones o fortalecer su capacidad de decisión.
Automatizar procesos deficientes puede multiplicar los errores
Uno de los principales riesgos de la transformación digital es trasladar las deficiencias operativas a sistemas automatizados sin corregirlas previamente.
“Automatizar un mal proceso solo nos hace que falle más rápido”, señaló Bucio durante su exposición.
Como ejemplo, presentó el caso de una empresa del sector pesquero del norte de México que buscaba incorporar inteligencia artificial, pese a que una parte importante de sus registros permanecía en documentos físicos. Antes de implementar algoritmos, fue necesario digitalizar la información y modificar los mecanismos de captura de datos.
El caso ilustra una condición fundamental para aprovechar estas tecnologías: contar con información organizada, accesible y suficientemente confiable para respaldar los procesos de análisis y toma de decisiones.
Acumular grandes volúmenes de datos no garantiza que una organización pueda anticipar riesgos, detectar oportunidades de mercado o mejorar su desempeño. Para conseguirlo, necesita convertir esa información en un recurso útil para sus operaciones.
En industrias intensivas en activos y procesos, como energía, minería y manufactura, esta preparación resulta especialmente relevante cuando la inteligencia artificial se plantea como una herramienta para optimizar operaciones, anticipar fallas o apoyar la planeación.
La incorporación tecnológica, por tanto, requiere revisar primero los procesos existentes, identificar sus limitaciones y establecer las condiciones necesarias para que la automatización produzca resultados.
Zillow, McDonald’s y Air Canada: los riesgos de innovar sin una estrategia integral
Para mostrar que los desafíos de la inteligencia artificial no se limitan a empresas de menor tamaño, Bucio expuso experiencias de Zillow, McDonald’s y Air Canada.
En el caso de Zillow, compañía estadounidense del sector inmobiliario, abordó las dificultades de una iniciativa de negocio sustentada en pronósticos algorítmicos que no respondió adecuadamente a la incertidumbre del mercado.
Sobre McDonald’s, recordó los problemas de un proyecto de automatización de pedidos mediante inteligencia artificial y reconocimiento de voz, desarrollado en colaboración con IBM. Las diferencias entre las condiciones de prueba y las interacciones reales con los clientes evidenciaron limitaciones en el desempeño de la tecnología.
Por su parte, el caso de Air Canada mostró los riesgos de delegar respuestas sensibles a sistemas automatizados sin una supervisión adecuada. Un chatbot proporcionó información incorrecta a un pasajero sobre una situación relacionada con el fallecimiento de un familiar, lo que derivó en una controversia legal.
Aunque los tres casos responden a circunstancias diferentes, la lección que destacó la especialista es que la tecnología no sustituye la estrategia empresarial, la capacidad operativa ni la responsabilidad humana.
La evaluación de una herramienta debe considerar no solo su eficiencia técnica, sino también la experiencia de los usuarios, los posibles efectos de sus respuestas y los mecanismos para intervenir cuando el sistema falla.
Gobernanza de inteligencia artificial: reglas, supervisión y responsables
Además de la eficiencia y el retorno económico, las empresas enfrentan el reto de establecer mecanismos para supervisar el funcionamiento de sus sistemas de inteligencia artificial.
Bucio destacó la importancia de contar con políticas de uso ético, procedimientos para identificar riesgos y responsabilidades claramente definidas. En este contexto, mencionó la norma internacional ISO/IEC 42001, enfocada en los sistemas de gestión de inteligencia artificial.
También planteó la relevancia de incorporar perfiles especializados, como un oficial de cumplimiento de IA, que contribuya a evaluar riesgos, supervisar sistemas y establecer responsabilidades sobre su funcionamiento.
La gobernanza no corresponde exclusivamente a los departamentos de tecnología. Las áreas de administración, mercadotecnia, recursos humanos, ventas y asuntos legales también deben participar en las decisiones relacionadas con el diseño, la adquisición y el uso de estas herramientas.
Esta visión interdisciplinaria permite evaluar la inteligencia artificial desde distintas perspectivas: desempeño operativo, protección de información, cumplimiento, impacto en los usuarios y objetivos comerciales.
La especialista advirtió, además, sobre los rezagos de México en materia de regulación específica de estas tecnologías y señaló la necesidad de que las organizaciones avancen en mecanismos de autorregulación y prácticas responsables.
México: el reto de convertir la transformación digital en competitividad
Para las empresas que operan en México, la adopción de inteligencia artificial forma parte de una discusión más amplia sobre productividad, innovación y competitividad. Sin embargo, incorporar tecnología sin revisar los procesos internos puede generar costos adicionales sin resolver los problemas que afectan el desempeño de una organización.
El planteamiento de Bucio apunta a que la transformación digital debe comenzar con las necesidades del negocio y las capacidades de las personas, no con la adquisición de una plataforma.
Esto implica identificar problemas específicos, preparar los datos, definir responsables, establecer indicadores y evaluar los riesgos antes de poner en marcha una solución.
En sectores como el energético, donde las operaciones pueden involucrar infraestructura crítica, cadenas de suministro complejas y decisiones con implicaciones financieras y operativas, estos criterios son relevantes para determinar dónde la inteligencia artificial puede aportar valor y bajo qué condiciones debe utilizarse.
La tecnología puede contribuir a mejorar la eficiencia, pero sus beneficios dependen de la estrategia con la que se integra a las operaciones y de la capacidad de las organizaciones para medir sus resultados.
La estrategia debe preceder a la tecnología
Como reflexión final, Bucio invitó a los equipos directivos a cambiar la forma en que evalúan las inversiones tecnológicas. Antes de aprobar la compra o implementación de una herramienta de inteligencia artificial, recomendó responder cuatro preguntas: qué problema se busca resolver, quién será responsable de la solución, cuáles son los riesgos de implementarla y cómo se medirán sus resultados.
Sin estas definiciones, una organización puede disponer de plataformas sofisticadas sin desarrollar las capacidades necesarias para aprovecharlas.
La conferencia fue organizada por la Licenciatura en Administración de Empresas, la Maestría en Administración y la Coordinación de Transformación Digital de la Universidad Iberoamericana Ciudad de México.
El mensaje central del encuentro es que la innovación empresarial no consiste únicamente en adoptar inteligencia artificial. El desafío es integrarla a una estrategia, fortalecer los procesos, establecer mecanismos de gobernanza y demostrar que su uso genera valor para el negocio.
TE PUEDE INTERESAR:
- El auto volador llegó y es de Tesla
- El dilema de la IA en negocios: uso masivo, pero escaso retorno económico
- Turquía impulsa la electrificación marítima con remolcadores eléctricos en Tuzla
- Coatzacoalcos impulsa su desarrollo industrial con SPIMVER como clave logística
- Brasil enfrenta desafío eléctrico con 54,2 GW de data centers e hidrógeno verde
