Escribe: Fernando Pérez Lizana, profesor del Área de Operaciones del PAD.
La inteligencia artificial (IA) ha dejado de ser una tecnología emergente. Ya no es un concepto reservado para la ciencia ficción o los laboratorios de investigación; hoy es una tecnología concreta que impacta en nuestro quehacer directivo y en nuestras organizaciones potenciando la automatización, personalización, predictibilidad y anticipación.
LEA TAMBIÉN: Empresas en alerta: riesgos y claves ante los 16 feriados del calendario laboral 2025
Sin embargo, incorporar la IA no es un simple ejercicio técnico. Exige una reflexión estratégica a partir del modelo de negocio, así como claridad en los objetivos, propósito definido y preparación estructural. En ese sentido, considero que hay cuatro preguntas esenciales que todo directivo debe plantearse.
LEA TAMBIÉN: ¿Cómo aprovechar el potencial comercial de las regiones?
Primero, ¿cómo la IA me ayuda a enfrentar el problema que tengo que resolver? La IA no es un fin en sí misma, sino un medio para resolver problemas específicos. Esta pregunta obliga al directivo a evitar la tentación del “tecnosolucionismo”, tendencia a adoptar tecnologías simplemente porque están disponibles, sin una justificación estratégica clara. En lugar de eso, el enfoque debe centrarse en precisar cómo la IA puede contribuir a alcanzar objetivos concretos o resolver un problema real.
En los sistemas de IA se pueden amplificar los errores, sesgos o decisiones injustas si no son monitoreados adecuadamente. Pero, estas limitaciones no significan descartarla, sino integrarla con responsabilidad. (Foto: iStock)
Antes de considerar su uso, es imprescindible realizar el diagnóstico del problema. Dado que la naturaleza del desafío determinará incluso qué tipo de IA puede ser más adecuada. Por ejemplo, cuando el problema implica grandes volúmenes de datos no estructurados, o se requiere capacidad de predicción y análisis complejo, la IA puede representar una ventaja competitiva sustancial frente a métodos convencionales.
LEA TAMBIÉN: Minerocheck: tecnología para una minería formal
Además, los directivos deben exigir estimaciones claras sobre el impacto esperado.
Segundo, ¿tengo la data necesaria para entrenar el sistema de IA? Uno de los factores más críticos –y a menudo subestimados– es la calidad de los datos. Considere que no toda data es útil. Además, un modelo de aprendizaje automático es tan bueno como la información con la que ha sido entrenado.
LEA TAMBIÉN: Agenda laboral del Censo Nacional 2025
Contar con datos adecuados no es solo una cuestión de volumen, sino también de infraestructura. Las empresas deben tener capacidades tecnológicas para capturar, almacenar, procesar y proteger datos a gran escala. Sin una arquitectura tecnológica robusta, los algoritmos más avanzados no lograrán escalar ni generar valor real.
LEA TAMBIÉN: En los momentos de dificultad se pone a prueba el espíritu empresarial
También es fundamental considerar las implicancias legales y éticas ¿está la empresa cumpliendo con las normativas? ¿Se ha evaluado el consentimiento de los usuarios? Si la respuesta es negativa, la prioridad no debe ser implementar IA, sino construir primero una estrategia robusta de gestión de datos que garantice legalidad, seguridad y confianza; esto al inicio tomará una parte importante del presupuesto del proyecto.
LEA TAMBIÉN: Corte Suprema reitera su postura y desconoce la deducibilidad de penalidades contractuales
Tercero, ¿entiendo las actuales limitaciones de los sistemas de IA? Adoptar IA requiere más que entusiasmo tecnológico, exige una comprensión clara de sus capacidades. Muchos proyectos fallan por expectativas desalineadas.
La IA no es infalible ni autónoma; opera bajo supuestos estadísticos. No son sistemas mágicos que “piensan”, no poseen comprensión contextual ni razonan como humanos, sino más bien identifica patrones en los datos. Por ende, puede cometer errores, por ello requiere supervisión.
LEA TAMBIÉN: Elecciones: “Quienes no capturen la atención en segundos no podrán emocionar”
Esto puede limitar su utilidad si la organización no está preparada para interpretar y actuar sobre los resultados, reduciendo significativamente su valor. Además, los modelos de IA son altamente dependientes del contexto para el que fueron entrenados. Un modelo que funciona bien en un país, industria o tipo de cliente puede no ser útil en otro.
En los sistemas de IA se pueden amplificar los errores, sesgos o decisiones injustas si no son monitoreados adecuadamente. Pero, estas limitaciones no significan descartar la IA, sino integrarla con responsabilidad. Esto implica que los directivos deben incorporar marcos de gobernanza que aseguren transparencia, justicia, auditabilidad y alineación ética con los valores de la organización.
LEA TAMBIÉN: Cuando prevenir es ganar: economía y gestión del fuego en el Perú
Cuarto, ¿qué nuevas capacidades necesita la compañía para integrar la IA? La IA no es una solución plug-and-play. Para que una organización obtenga valor real, necesita desarrollar capacidades en tres dimensiones: tecnológica, humana y cultural. Adoptar IA no se trata solo de implementar modelos, sino de construir una base organizacional que permita escalar, gobernar y ser sostenible en el tiempo.
La IA exige una mentalidad que valore la experimentación, tolere el error y fomente la toma de decisiones basada en evidencia. Esto implica tener una comunicación interna que permita preparar a los equipos para ver a la IA como una herramienta que potencie su trabajo, no como una amenaza que viene a reemplazar personas.
LEA TAMBIÉN: El círculo virtuoso del gobierno corporativo y la sostenibilidad
En conclusión, la IA representa una oportunidad para transformar y generar nuevos modelos de negocios. Más allá de su potencial tecnológico, la IA permite a los directivos liderar con intención, basando sus decisiones en evidencia y visión estratégica. Su incorporación no es una decisión técnica aislada, sino una transformación estratégica que debe ser liderada desde la alta dirección. No se trata únicamente de contratar expertos en IA o comprar tecnología avanzada; sino de alinear capacidades, cultura, datos y objetivos de negocio con una visión clara y compartida sobre el propósito de esta tecnología. En última instancia, el liderazgo en IA no se medirá por la cantidad de algoritmos desplegados, sino por el impacto real que se logre en clientes, colaboradores y accionistas.
