NotiPress
Si bien la inteligencia artificial permite acelerar procesos, esa misma capacidad puede amplificar fallas cuando los sistemas no cuentan con entrenamiento y supervisión adecuados. Mario Ulloa, Country Lead de SAS, advirtió en entrevista con NotiPress que “la inteligencia artificial hace todo más rápido, pero también los errores, los errores los multiplica a la misma velocidad”, un riesgo que obliga a las organizaciones a establecer controles sobre su implementación.
Para Ulloa, este escenario mantiene al ser humano dentro del proceso y vuelve más especializada su intervención. La tarea no consiste únicamente en formular instrucciones para la inteligencia artificial, sino también en evaluar si los resultados obtenidos corresponden con los objetivos planteados.
Esta aceleración ya se observa en procesos concretos de desarrollo de software. Mario Hernández, CEO de Monibyte, afirmó para NotiPress que el ciclo de desarrollo de software que anteriormente tomaba meses ahora puede completarse en días mediante herramientas de inteligencia artificial. Según explicó, estas tecnologías permiten crear aplicaciones y pantallas de manera más colaborativa entre usuarios y desarrolladores, reduciendo etapas de interpretación antes de comenzar a desarrollar código. Hernández aseguró que la productividad de sus desarrolladores “se ha multiplicado exponencialmente”.
Sin embargo, acelerar el desarrollo no implica que las organizaciones puedan incorporar la tecnología al mismo ritmo. Fernando Leibowich-Beker, CEO de Lidd AI, señaló a NotiPress que la velocidad con la cual se intenta implementar inteligencia artificial puede superar la capacidad de absorción de las empresas. Como ejemplo, explicó que en migraciones de sistemas legacy algunas tecnologías prometían trasladar automáticamente sistemas antiguos a nuevos mediante un prompt, pero “en la vida real no funcionó así de fácil”, por lo cual su empresa tuvo que desarrollar módulos específicos para adaptar la funcionalidad a contextos particulares.
Esta supervisión adquiere relevancia cuando las organizaciones incorporan herramientas de IA a sus operaciones. Según Ulloa, el siguiente paso no consiste simplemente en distribuir licencias de ChatGPT, Copilot u otras soluciones, sino en capacitar a las personas para que su utilización se refleje en productividad y establecer mecanismos que permitan medir tanto esa productividad como su impacto.
Los datos utilizados para entrenar los sistemas también forman parte del desafío. En el contexto de SAS Innovate Tour 2026, Ulloa explicó que los modelos de IA deben responder a la realidad, el contexto y los objetivos de cada organización. Como ejemplo, señaló que dos bancos pueden aplicar criterios distintos, por lo cual un mismo modelo no necesariamente puede trasladarse de una institución a otra sin adaptación.
La calidad de los procesos existentes condiciona igualmente los resultados. Si estos presentan problemas desde su origen, explicó, las herramientas construidas sobre ellos pueden reproducirlos. Por ello, planteó acompañar la adopción tecnológica con gobernanza de datos y de inteligencia artificial, además de un marco de confiabilidad para orientar los resultados hacia las necesidades de la organización.
Por su parte, el riesgo también alcanza la estrategia de personal. Ulloa rechazó la idea de sustituir indiscriminadamente a científicos de datos, analistas, contadores o auditores con experiencia por perfiles junior apoyados en IA. Los profesionales con trayectoria pueden reconocer anomalías a partir del conocimiento acumulado, mientras una persona con menor experiencia podría no identificar problemas en los resultados generados por un sistema. También advirtió del fenómeno en donde se dificulta para los humanos conocer la lógica detrás de las respuestas “correctas” de la IA.
Esa combinación entre experiencia humana y automatización también aparece en tareas de alta especialización. Se podría mencionar ámbitos como la justicia, donde la IA podría procesar y ofrecer resultados iniciales sobre un mayor número de casos. No obstante, posteriormente es recomendable la intervención humana para comprobar si las conclusiones son congruentes.
Para aplicar inteligencia artificial en este tipo de procesos, el directivo resumió tres condiciones: los sistemas deben ser confiables, explicables y trazables. Bajo este planteamiento, acelerar una tarea no constituye por sí mismo una mejora si la organización pierde la capacidad de entender cómo se obtuvo el resultado, verificarlo y detectar los errores que la propia velocidad de la tecnología puede multiplicar.