Con la popularización de la inteligencia artificial generativa, muchos empleados aumentan significativamente su productividad personal mediante herramientas de IA, sin embargo, el valor y la producción global de las empresas no crecen en paralelo. George Sivulka, fundador de la empresa de análisis de datos de IA Hebbia, publicó recientemente un artículo titulado «Un alto rendimiento personal no significa que una empresa pueda lograr un alto rendimiento» donde señala que el problema no está en la tecnología, sino en que las organizaciones no han sido rediseñadas para adaptarse a la IA. Propone el concepto de «Inteligencia Artificial Institucional (Institutional AI)», que considera que la competitividad futura de las empresas dependerá de qué tan profundamente puedan integrar la IA en sus procesos, decisiones y estructuras de gobernanza, y no solo como una herramienta para mejorar la eficiencia individual.
Paradoja de la productividad con IA: aumento de eficiencia personal, sin un crecimiento equivalente en el valor empresarial
En los últimos años, la IA generativa se ha popularizado rápidamente, y herramientas como ChatGPT y Claude son utilizadas por muchos empleados en tareas de redacción, desarrollo de programas y análisis de datos. Desde los medios hasta los creadores, todos destacan que la IA puede multiplicar por varias veces, incluso diez veces, la eficiencia laboral individual.
Sin embargo, Sivulka señala que la producción y el valor global de las empresas no han experimentado un aumento proporcional: «En otras palabras, los beneficios de productividad que trae la IA no se han traducido realmente en valor comercial a nivel organizacional.»
Atribuye esto a que muchas empresas simplemente permiten que los empleados usen herramientas de IA de forma individual, sin cambiar la estructura organizacional, los procesos ni los mecanismos de decisión, por lo que «un individuo eficiente no equivale a una empresa eficiente».
(¿La IA asistiendo en programación ha causado problemas? Amazon enfrenta fallos en sistemas cuatro veces en una semana, y los altos ejecutivos convocan reuniones de revisión de emergencia)
Desde la historia de las fábricas electrificadas, se observa una transformación organizacional en la era de la IA
Sivulka cita un ejemplo de la revolución industrial a finales del siglo XIX como analogía. Cuando la electricidad empezó a reemplazar a las máquinas de vapor, muchas fábricas textiles simplemente cambiaron la fuente de energía de vapor a motores eléctricos, pero mantuvieron la misma estructura y procesos de producción. Como resultado, durante casi 30 años, la capacidad de producción apenas mejoró.
Fue solo en la década de 1920, tras rediseñar completamente los sistemas de producción, introducir líneas de ensamblaje, equipar cada máquina con su propio motor y reorganizar los flujos de trabajo, que la electricidad realmente impulsó un crecimiento significativo en la productividad.
Sivulka opina que la situación actual con la IA está en una etapa similar: las empresas solo están «cambiando a un nuevo motor», pero aún no han «rediseñado toda la fábrica».
De «IA personal» a «IA organizacional»: ¿cómo maximizar la eficiencia?
Actualmente, los modelos y aplicaciones de IA se denominan «IA personal (Individual AI)», y en base a esto introduce el concepto de «IA institucional (Institutional AI)», explicando las diferencias entre ambos.
IA personal: herramientas para mejorar la eficiencia individual
Sivulka indica que la mayoría de las aplicaciones de IA actuales son «IA personal», es decir, herramientas de productividad a nivel individual. Por ejemplo, empleados que usan IA para redactar informes, organizar datos o crear presentaciones:
Estas herramientas efectivamente aumentan la eficiencia personal, pero suelen carecer de procesos unificados y mecanismos de colaboración, lo que provoca que los contenidos generados por IA no puedan integrarse fácilmente, e incluso aumenten la confusión y el ruido de información dentro de la organización.
IA organizacional: sistemas inteligentes integrados en los procesos de la empresa
Propone otra forma, la «IA institucional (Institutional AI)». Este tipo de IA no es solo una herramienta aislada, sino que puede integrarse profundamente en las decisiones, procesos y estructuras de gobernanza de la empresa, ayudando a generar valor real a nivel organizacional.
En este marco, la IA puede desempeñar múltiples roles, como analizar riesgos, coordinar información entre departamentos o descubrir nuevas oportunidades comerciales.
Las siete columnas del «Conocimiento Organizacional»: el verdadero plan maestro de la IA empresarial
Sivulka presenta además los «Siete elementos clave del Conocimiento Organizacional (Institutional Intelligence)», que considera que serán las capacidades centrales de los futuros sistemas de IA en las empresas.
Coordinación: evitar que la IA cause caos organizacional
Primero, si cada empleado usa su propia herramienta de IA, los contenidos y procesos pueden entrar en conflicto. Una de las tareas de la IA a nivel organizacional es establecer mecanismos de colaboración y gestión, permitiendo que humanos y agentes de IA (AI Agents) trabajen en conjunto bajo roles claramente definidos.
La IA a nivel organizacional puede unificar los procesos y distribuir tareas, evitando la confusión causada por múltiples herramientas individuales. Señal: identificar valor en medio del «basurero» de IA
La generación de contenido con IA ha reducido mucho los costos, pero también ha producido una gran cantidad de información de calidad variable. Una función importante de la IA institucional es identificar y filtrar las «señales» verdaderamente valiosas entre la gran cantidad de datos y contenidos generados por IA.
La IA a nivel organizacional puede detectar las señales relevantes, a diferencia de la IA personal que no puede filtrar información. Objetividad: evitar que la IA refuerce sesgos de los usuarios
Sivulka señala que muchos modelos de IA actuales tienden a alinearse con las opiniones de los usuarios, lo que puede profundizar los sesgos cognitivos dentro de la organización. En el futuro, los sistemas de IA empresariales deberán actuar de manera más objetiva, desempeñando roles similares a auditorías o supervisores, cuestionando decisiones y señalando riesgos potenciales.
La IA personal puede reforzar cámaras de eco y prejuicios, mientras que la IA institucional puede centrarse en la búsqueda de la verdad. Ventaja competitiva: combinar modelos generales con aplicaciones verticales
Cita el concepto de la «dilema del innovador» para señalar que los modelos grandes y generales solo ofrecen capacidades básicas, mientras que las aplicaciones verticales aún no explotadas pueden ofrecer beneficios marginales significativos. Por ejemplo, plataformas de generación de imágenes como Midjourney o empresas de IA de voz como ElevenLabs, que se especializan en nichos específicos para construir barreras tecnológicas.
Para las empresas, la combinación de IA general con IA especializada a nivel organizacional es la estrategia clave para construir una ventaja competitiva real.
Orientación a resultados: pasar de reducir costos a generar ingresos
Sivulka enfatiza que muchos productos de IA actualmente se enfocan en «ahorrar tiempo o costos laborales», pero lo que realmente importa a las empresas es «si pueden aumentar los ingresos». Por ello, en el futuro, el valor de los sistemas de IA debe medirse en su capacidad para descubrir nuevas oportunidades o potenciar los ingresos:
Una IA a nivel organizacional con verdadera ventaja competitiva debe poder generar ingresos directos. Por ejemplo, identificar en miles de potenciales objetivos de adquisición aquel único que realmente vale la pena, en lugar de solo acelerar la construcción de modelos financieros para analistas.
Capacidades de integración: incorporar la IA en los procesos empresariales
La implementación real de la IA suele requerir rediseñar procesos y sistemas de gestión. Sivulka señala que empresas como Palantir (PLTR) son relevantes porque ayudan a integrar los sistemas de IA con los procesos existentes y a gestionar cambios internos.
Acción proactiva: IA que actúa sin depender de instrucciones humanas
La mayoría de los sistemas de IA actuales necesitan que los humanos ingresen comandos para funcionar. Sivulka cree que en el futuro será más importante que la IA pueda monitorear datos de forma autónoma, detectar anomalías y alertar con anticipación. Por ejemplo, que un gestor de fondos detecte antes que nadie una tendencia negativa en una compañía en cartera, y automáticamente emita una advertencia basada en los términos del préstamo o los indicadores financieros.
La competencia en la era de la IA: quién pueda «reconstruir la fábrica» primero será la clave
Al final del artículo, Sivulka enfatiza que las herramientas de IA personal seguirán siendo la principal vía de acceso a la IA para las empresas, pero que la verdadera diferencia y ventaja competitiva vendrá de la integración de sistemas de IA institucional. Considera que en el futuro, las empresas probablemente usarán tanto asistentes de IA general como sistemas especializados de IA organizacional. Los primeros aumentarán la eficiencia de los empleados, y los segundos integrarán información, impulsarán decisiones y generarán valor comercial.
Cierra con una referencia a la historia de la revolución industrial, resaltando que las empresas en esta era también enfrentan el desafío de reinventar su organización:
Las fábricas que adoptaron primero la electrificación terminaron siendo superadas por aquellas que rediseñaron sus líneas de producción. Ya tenemos electricidad, ahora es momento de reconstruir la fábrica.
Este artículo titulado «El aumento de la productividad con IA no equivale a un valor 10 veces mayor para la empresa: ¿a dónde fue toda esa productividad?» fue publicado originalmente en Chain News ABMedia.
