La conversación sobre inteligencia artificial en las compañías ya salió de la etapa de fascinación inicial para entrar en una fase mucho más incómoda y más interesante: cómo transformar realmente la forma de trabajar sin perder control, foco ni criterio de negocio.
En los últimos meses, las áreas financieras comenzaron a ocupar un rol central en esta transición. No sólo porque deben evaluar costos, productividad y riesgos asociados a la implementación de IA, sino porque muchas veces terminan siendo quienes ponen orden donde el entusiasmo tecnológico empieza a desbordarse.
En Argentina y México, el fenómeno tiene además una particularidad regional: mientras muchas organizaciones todavía no terminan de definir una estrategia corporativa clara de IA, los profesionales ya la están utilizando de forma cotidiana.
En nuestra encuesta de este mes, preguntamos a la comunidad qué tipo de asistentes de IA utilizan en su entorno laboral. La gran mayoría respondió que usa asistentes personales, una tendencia que coincide con los hallazgos del informe Work In Progress desarrollado por Google Workspace con Gemini junto con IDC y Provokers.
La señal es clara: hoy la adopción individual está avanzando mucho más rápido que la implementación organizacional. Y eso genera una tensión importante para las empresas.
Porque cuando cada colaborador empieza a incorporar IA por su cuenta, aparecen beneficios evidentes: más velocidad, automatización y productividad, por nombrar algunos, pero también nuevos desafíos:
- dispersión de herramientas
- falta de gobernanza
- riesgos sobre datos y confidencialidad
- duplicación de procesos
Uno de los cambios más interesantes que estamos viendo en empresas de la región es que las conversaciones sobre IA dejaron de estar exclusivamente dentro del área de sistemas.
Cada vez más organizaciones empiezan a trabajar bajo una lógica transversal, creando comités de IA con representantes de distintas áreas, armando “clubes de IA” internos donde los equipos aprenden, prueban y luego replican buenas prácticas, y habilitando espacios para que los early adopters experimenten libremente antes de escalar procesos de forma estructurada.
Los proyectos que más avanzan no son necesariamente los más sofisticados técnicamente, sino aquellos donde las áreas financieras, comerciales, operativas y de talento participan activamente de la conversación. Lo que nos lleva a concluir que la implementación exitosa de IA depende tanto de la tecnología como del negocio.
La verdadera pregunta ya no es “¿qué herramienta usamos?” sino “¿qué problema de negocio queremos resolver?”.
Las 4 etapas que empiezan a ordenar la conversación
-Estrategizar: Definir un roadmap y entender dónde la IA puede generar valor real.
-Implementar: Integrar tecnología, datos, personas y procesos.
-Evolucionar: Entender que la IA no es un proyecto con final cerrado, sino un sistema vivo que aprende, cambia y requiere ajustes constantes.
-Gobernar: Construir estructuras que permitan administrar riesgos, definir políticas y tomar decisiones estratégicas sobre el uso responsable de IA.
Este último punto empieza a ganar muchísimo peso en áreas financieras y de liderazgo ejecutivo, especialmente en compañías regionales donde todavía existen vacíos normativos y marcos regulatorios poco claros.
Mientras algunos todavía debaten si la IA es una moda, otros ya están rediseñando la forma en que trabajan e invirtiendo activamente en tiempo, licencias y capacidad de uso (tokens). Lo hacen entendiendo que hoy el costo de experimentar, aprender y desarrollar capacidades internas es significativamente más accesible de lo que probablemente será en el corto plazo, a medida que la adopción se masifique y la calidad de los resultados siga evolucionando.
