NotiPress
La adopción de inteligencia artificial (IA) agencial enfrenta barreras críticas que van más allá de la infraestructura tecnológica. Desafíos identificados por expertos como Jeetu Patel, de Cisco, —infraestructura, confianza y datos— se suman limitaciones internas dentro de las organizaciones, como falta de estrategia, resistencia al cambio y modelos operativos obsoletos.
Durante la Reunión Anual del Foro Económico Mundial (WEF, por sus siglas en inglés), Patel advirtió que los sistemas actuales están limitados para soportar la IA agente, caracterizada por ejecutar tareas complejas de forma autónoma. “Las arquitecturas actuales diseñadas para aplicaciones convencionales están demasiado limitadas para manejar la escala y la complejidad de la IA agente de manera eficiente”, señaló. Añadió que es necesario desarrollar centros de datos preparados para IA, con latencia ultrabaja, escalabilidad y capacidad para operar en entornos edge y multinube.
Sin embargo, según los especialistas, muchas iniciativas empresariales fallan incluso con tecnología disponible. Haig Hanessian, de Cognition, explicó: “¿Cuál es tu modelo de toma de decisión? Porque si tu modelo de toma de decisión no cambia, la IA no te va a cambiar nada”. Añadió que las empresas suelen instalar soluciones sin comprender el problema que buscan resolver, lo cual deriva en inversiones fallidas y frustración.
El segundo reto identificado por Patel es la confianza, especialmente ante la imprevisibilidad de los modelos de IA y sus posibles errores. Advirtió que “los fallos o las infracciones pueden tener consecuencias graves, desde el robo de datos hasta decisiones erróneas a gran escala, como aprobaciones financieras automatizadas o investigaciones médicas que salen mal”. En este contexto, la seguridad y validación continua de los modelos son claves para una implementación responsable.
Además, la falta de condiciones organizacionales mínimas también representa una barrera. “No tiene sentido largarse a armar cosas con IA sin tener las condiciones mínimas para que funcione. Es una inversión innecesaria y una frustración segura”, declaró Hanessian. A esto se suma la resistencia interna al cambio. Fernando Leibowich Beker, CEO de Lidd AI, afirmó que existen áreas que se oponen por temor a perder control: “Hay personas que no entienden, pero no pueden decir que no entienden porque su ego no los deja”.
Otros estudios demuestran también descoordinación entre la cultura empresarial y el uso de inteligencia artificial. De acuerdo con un estudio del Massachusetts Institute of Technology (MIT), el 90% de los proyectos que utilizan IA o GenAI fracasan por razones estratégicas, principalmente por elegir mal el problema que buscan resolver o aplicar la tecnología donde no es necesaria.
Respecto a datos, Patel sostuvo que la nueva generación de IA dependerá de información generada por máquinas y datos sintéticos, dada la reducción de datos públicos y el avance hacia nubes privadas. Esta brecha debe resolverse para escalar los proyectos. Según un estudio citado por NotiPress, más del 80% de los proyectos de IA fracasan por falta de claridad en objetivos, datos insuficientes y expectativas desalineadas.
En su diagnóstico final, Patel concluyó que el éxito requiere liderazgo proactivo, inversión estratégica y gobernanza de datos. Por su parte, expertos consultados coincidieron en que es esencial alinear propósito, modelo operativo y capacidades técnicas. De lo contrario, la IA agente no alcanzará su potencial ni en el sector público ni en el privado.