Resumen del contenido principal
Este artículo revela 5 “verdades dolorosas” sobre la industria de la IA: muchas empresas de IA sobreviven gracias a proyectos personalizados (siendo en realidad inviables desde el punto de vista operativo); la clave para la transformación mediante IA reside en que los propios jefes utilicen profundamente esta tecnología; la mayoría de los datos acumulados por las empresas son inútiles; los gerentes de producto que solo saben crear prototipos no pueden ser salvados por la IA; y los productos basados en IA están condenados al fracaso si carecen de lógica comercial. El mensaje central es que la IA no ha subvertido las nociones comerciales establecidas, sino que simplemente ha expuesto problemas antiguos que antes estaban ocultos por la financiación y los informes elaborados con PowerPoint: el pantano de los proyectos personalizados, la falta de comprensión por parte de los jefes, la deuda de datos, la ausencia de un pensamiento orientado al producto y las deficiencias en la lógica comercial. Estos problemas no desaparecerán simplemente porque se les haya añadido el etiqueta de “IA”.
Desglose detallado
1. Proyectos personalizados: el pantano que mantiene a las empresas de IA con vida
Muchas empresas de IA parecen tener buenos ingresos, pero en realidad dependen de proyectos personalizados para seguir funcionando. Sin embargo, se trata de un círculo vicioso en el que constantemente se crean y luego se llenan huecos:
- Preventa: Para obtener contratos, están dispuestas a aceptar cualquier cosa: los clientes piden inteligentes, bases de conocimientos, informes automáticos, y además necesitan integraciones con sistemas ERP/CRM/OA, incluso adaptaciones a hábitos comerciales antiguos que han existido durante décadas. Los contratos se firman con entusiasmo.
- Entrega: Una vez firmado el contrato, se descubre que los problemas son graves: los modelos no funcionan de manera fiable, los datos del cliente están desorganizados y las reglas comerciales no están claras; las necesidades cambian constantemente. Al final, los proyectos de IA se convierten en fuentes de conflictos: los ingresos contables parecen buenos, pero la aceptación y el cobro son muy inciertos.
- Círculo vicioso: Mientras no se resuelven los problemas del proyecto anterior, se empieza a crear nuevos proyectos que generan más problemas, utilizando los pagos anticipados de estos para cubrir las deficiencias del primero. Esto no representa crecimiento, sino una situación precaria; tales empresas ya están “muertas” desde el punto de vista operativo.
2. Los riesgos de la transformación mediante IA: los jefes que no entienden la IA
La transformación de muchas empresas mediante IA se reduce a lanzar algunos proyectos y hacer que sus empleados utilicen herramientas relacionadas con esta tecnología. Sin embargo, lo crucial es que los propios jefes utilicen profundamente la IA:
- Por ejemplo, en las empresas de software, el diseño, desarrollo y pruebas de los productos están siendo automatizados gracias a la IA, pero los jefes se resisten a costear las herramientas necesarias para ello. No es cuestión de avaricia, sino que simplemente no han experimentado personalmente los beneficios de la IA y no saben si realmente son útiles.
- Si los jefes no utilizan la IA, no pueden distinguir entre problemas técnicos y falta de habilidades por parte del personal, ni determinar en qué invertir o qué es solo un truco publicitario. Como resultado, la dirección de la transformación es errónea y todos los esfuerzos del personal son en vano.
3. Los datos empresariales: no son un tesoro, sino un montón de basura
Las empresas suelen considerar que sus archivos PDF/Excel/Word, acumulados a lo largo de años, constituyen un “tesoro de datos”, pero la realidad es que la mitad de ellos es inútil:
- Un mismo campo puede ser denominado de diferentes maneras por los departamentos de ventas y finanzas; los procedimientos escritos en documentos oficiales no se corresponden con lo que realmente se hace en la práctica; las reglas clave de uso de Excel están ocultas en notas o celdas combinadas. Estos problemas pueden ser resueltos por personas o mediante consultas a empleados experimentados, pero no por la IA.
- Por lo tanto, el 80% del tiempo en los proyectos de IA se dedica a organizar datos: unificar las definiciones, completar las reglas y eliminar información obsoleta. Esto no se debe a que la IA sea ineficiente, sino a que las empresas deben pagar el “pago” por los errores cometidos en el pasado.
4. La IA no puede salvar a los gerentes de producto que solo saben crear prototipos
Muchos gerentes de producto piensan que ser capaces de usar la IA para crear prototipos y definir requisitos les permitirá tener éxito, pero se equivocan:
- Aunque la IA puede mejorar la eficiencia, sin un pensamiento claro orientado al producto todo es en vano. Por ejemplo, antes el trabajo del gerente era traducir las instrucciones del jefe a una interfaz gráfica; ahora simplemente proporciona los datos a la IA para que genere el prototipo. No hay cambio sustancial.
- En la era de la IA, los gerentes deben comprender por qué los clientes pagan, cómo fluyen los procesos comerciales y cuáles son los problemas reales que necesitan resolver. De lo contrario, cuanto más avanzada sea la IA, más evidente será su falta de conocimiento práctico.
5. Los productos basados en IA están condenados al fracaso si carecen de lógica comercial
Muchos productos basados en IA están destinados al fracaso desde el principio porque no resuelven problemas fundamentales:
- Sustituidos por modelos más potentes: Algunos productos son populares durante un tiempo gracias a la falta de funciones en los modelos actuales, pero tan pronto como estos se mejoran, esos productos pasan a formar parte de sus capacidades integradas (por ejemplo, las herramientas de escritura automatizadas pueden ser reemplazadas por modelos más avanzados como GPT).
- Falta de valor para el usuario: Los prototipos pueden ser impresionantes y las presentaciones espectaculares, pero nadie puede explicar con claridad por qué los clientes deberían pagar o por qué continuar pagando. Además, no hay barreras comerciales que protejan al producto.
- Competencia desfavorable: Si los competidores reducen sus precios, la empresa también se ve obligada a hacerlo; si los clientes comparan productos similares, descubren que ninguno ofrece una verdadera ventaja. Al final, son superados por las estrategias de precios.
Conclusión
La IA no es una “tarjeta mágica” que garantiza el éxito. Las empresas que dependen de proyectos personalizados seguirán fracasando, y los gerentes de producto sin un pensamiento claro seguirán siendo mediocres. Los problemas antiguos no desaparecerán simplemente porque se les haya añadido la etiqueta de “IA”.