Las empresas llevan más de dos años aumentando sus inversiones en inteligencia artificial (IA) con un objetivo concreto: convertir la tecnología en productividad, eficiencia y resultados financieros. Sin embargo, demostrar que ese gasto realmente genera valor sigue siendo un desafío para muchas organizaciones.
El problema no siempre está en los modelos de IA ni en las herramientas disponibles. En muchos casos, las compañías intentan incorporar nuevas capacidades sobre infraestructuras tecnológicas construidas antes de la actual expansión de la inteligencia artificial. Esos sistemas heredados pueden limitar la integración, el despliegue y la escalabilidad de los proyectos.
Un estudio de GFT Technologies, basado en una encuesta a 945 directores de tecnología (CIOs y CTOs) de empresas con ingresos anuales de al menos US$500 millones en 19 países, revela la magnitud del desafío: el 89% de los ejecutivos consultados teme que la inversión global en IA esté creciendo más rápido que el valor que puede aportar a los negocios.
“La adopción de la inteligencia artificial avanza a gran velocidad, pero nuestro estudio revela que las empresas son cada vez más conscientes de la importancia de los cimientos sobre los que se sustenta”, afirmó Marco Santos, CEO global de GFT Technologies.
La inteligencia artificial no garantiza resultados financieros
La preocupación por el retorno de la inversión en IA coincide con las dificultades que enfrentan las empresas para llevar sus proyectos más allá de las pruebas iniciales.
El reporte de GFT retoma datos de Gartner, según los cuales solo el 22% de las organizaciones ha conseguido escalar la inteligencia artificial en varias unidades de negocio o adoptar un enfoque centrado en esta tecnología.
Otra cifra apunta a la dificultad de traducir la adopción en resultados financieros. El estudio también recoge un dato de McKinsey según el cual apenas el 37% de los encuestados afirma que la IA ha tenido un efecto positivo en las ganancias antes de intereses e impuestos (EBIT) de su empresa.
Los resultados reflejan una diferencia entre experimentar con inteligencia artificial e incorporarla de manera efectiva en las operaciones. Una compañía puede probar un modelo y comprobar que funciona en una tarea específica, pero eso no significa que pueda integrarlo con sus sistemas, desplegarlo en diferentes áreas y generar beneficios medibles.
En ese contexto, el desafío para los directivos no consiste únicamente en decidir cuánto invertir en IA. También implica evaluar si la infraestructura tecnológica existente puede respaldar esa inversión.
Los sistemas heredados frenan la adopción de IA
Los sistemas heredados, conocidos como legacy, se han convertido en una de las principales preocupaciones de las empresas que buscan ampliar el uso de inteligencia artificial.
Según el estudio de GFT Technologies, el 99% de los CIOs y CTOs encuestados afirma que la IA de sus organizaciones funciona sobre sistemas heredados o está conectada con ellos. Además, el 95% señala que estas plataformas generan algún nivel de retraso en la capacidad de desplegar y escalar la tecnología. Para el 56%, el impacto es moderado o importante.
“Las infraestructuras heredadas se están convirtiendo en una verdadera limitación, no solo para la innovación, sino también para la seguridad y la escalabilidad”, afirmó Santos.
Las consecuencias ya se reflejan en proyectos concretos. El 84% de los ejecutivos consultados aseguró que su organización ha cancelado al menos un piloto o proyecto de IA debido a las limitaciones de sus sistemas heredados. De ese grupo, el 62% reportó haber cancelado un proyecto y el 22% afirmó haberlo hecho en más de una ocasión.
Esto plantea una paradoja para las empresas que buscan avanzar con inteligencia artificial: pueden tener acceso a modelos cada vez más sofisticados, pero carecer de la infraestructura necesaria para conectarlos con los datos, las aplicaciones y los procesos que sostienen el negocio.
La seguridad también figura entre los riesgos identificados. El 93% de los CIOs y CTOs considera que ejecutar IA sobre sistemas heredados sin modernizarlos terminará provocando una crisis de seguridad empresarial.
Por tanto, el desafío no se limita a reemplazar aplicaciones antiguas. Las compañías necesitan evaluar cómo modernizar las plataformas que sirven de base para integrar nuevas capacidades de inteligencia artificial.
La modernización tecnológica gana importancia en la estrategia de IA
La modernización de la infraestructura tecnológica está adquiriendo mayor relevancia a medida que las empresas intentan pasar de los experimentos con inteligencia artificial a su implementación a escala.
Sin embargo, el proceso sigue incompleto en buena parte de las organizaciones consultadas por GFT Technologies.
El estudio señala que solo el 15% considera que su modernización tecnológica está completa o casi completa. Otro 48% afirma que el proceso está en marcha y avanza según lo previsto, mientras que el 27% reconoce haber comenzado, pero estar retrasado. El 9% todavía no ha iniciado la modernización.
Estas cifras muestran por qué la infraestructura se ha convertido en un componente central de las estrategias de inteligencia artificial. Un piloto puede demostrar que una herramienta funciona, pero su impacto será limitado si la empresa no puede conectarla con los datos y sistemas necesarios para utilizarla en sus operaciones cotidianas.
La modernización tampoco consiste exclusivamente en actualizar servidores o sustituir aplicaciones. También implica revisar las conexiones entre sistemas, los flujos de información y los mecanismos de seguridad que permiten incorporar nuevas herramientas sin aumentar los riesgos operativos.
Para Santos, cerrar la brecha entre las ambiciones empresariales en inteligencia artificial y la preparación de las infraestructuras resulta fundamental para convertir la inversión tecnológica en valor sostenible.
De los pilotos de IA al retorno de la inversión
La adopción de inteligencia artificial está entrando en una etapa en la que las empresas necesitan demostrar resultados más allá de las pruebas iniciales. El desafío consiste en integrar los modelos en operaciones reales y medir su contribución a la productividad, la eficiencia y el desempeño financiero.
Los datos del estudio de GFT Technologies apuntan a que este objetivo requiere abordar simultáneamente las limitaciones de infraestructura, la seguridad y la modernización tecnológica.
Las compañías que no resuelvan estos obstáculos corren el riesgo de mantener proyectos de IA en fase experimental, incluso después de destinar recursos importantes a su desarrollo e implementación.
El informe plantea una diferencia entre las organizaciones que añaden nuevas herramientas a plataformas antiguas y aquellas que construyen sus capacidades sobre una base tecnológica modernizada. Para GFT, esta última aproximación ofrece mejores condiciones para convertir la inversión en resultados empresariales.
La discusión sobre el retorno de la inteligencia artificial, por tanto, ya no depende únicamente de qué modelo utilizar o cuánto presupuesto asignar a nuevas herramientas. También exige determinar si los sistemas existentes pueden soportar las capacidades que las empresas quieren desarrollar.
La carrera por la IA está convirtiéndose, al mismo tiempo, en una carrera por modernizar la tecnología acumulada durante años. Para muchas organizaciones, el retorno de sus inversiones podría depender tanto de esa transformación como de los avances en los propios modelos de inteligencia artificial.
Imagen: Alex Shuper / Unsplash
