La inteligencia artificial (IA) se está extendiendo por las empresas a un ritmo sin precedentes. Muchos directores ejecutivos han creado equipos dedicados a la IA, han lanzado proyectos piloto y han invertido considerablemente en infraestructura tecnológica. Sin embargo, la mayoría de las organizaciones aún consideran la IA principalmente como una herramienta para la automatización o la mejora de la productividad. Este enfoque no capta la esencia de la verdadera transformación que aporta la IA.
La IA no solo ayuda a las empresas a trabajar más rápido, sino que está empezando a redefinir la forma en que se organiza y se gestiona el trabajo. Las empresas pioneras reconocen que, para aprovechar al máximo el potencial de la IA, necesitan ir más allá de los modelos tradicionales de "sistemas de registro" y adoptar "sistemas de trabajo", donde las personas, los procesos y la IA aprenden y se adaptan continuamente de forma conjunta.
Según un estudio de McKinsey & Company, más del 70 % de las empresas han experimentado con la generación de inteligencia artificial, pero solo un pequeño porcentaje ha observado un impacto significativo en la eficiencia operativa. El principal obstáculo no reside en la tecnología en sí, sino en cómo las empresas organizan sus procesos de trabajo.
Cuando el "sistema de almacenamiento de datos" ya no es suficiente.
Durante décadas, las empresas han dependido de sistemas como ERP o CRM para almacenar datos y gestionar sus operaciones. Sin embargo, estas plataformas están diseñadas para la estabilidad, registrando principalmente lo sucedido en el pasado. En cambio, el verdadero valor de una organización reside en la flexibilidad en la toma de decisiones y en el conocimiento implícito acumulado a partir de la experiencia de sus empleados.
Según Gartner, a medida que el personal experimentado se marcha, gran parte de este conocimiento se pierde con ellos, lo que hace que los sistemas tradicionales resulten cada vez más inadecuados en la era de la IA.
Por qué los enfoques de automatización tradicionales ya no son eficaces.
Durante muchos años, las empresas abordaron la automatización utilizando una fórmula conocida: describir el proceso, recopilar datos y codificar las reglas. Este enfoque fue eficaz durante la era de la automatización robótica de procesos (RPA), donde los objetivos eran la estabilidad y la repetibilidad.
Pero la IA funciona de manera diferente. Los sistemas de aprendizaje automático pueden reconocer patrones, manejar la ambigüedad y mejorar mediante la retroalimentación. Cuando las empresas intentan integrar la IA en procesos rígidos diseñados para software tradicional, rápidamente se topan con las complejidades del trabajo en el mundo real.
Un proceso puede ser adecuado en el momento de su implementación, pero quedar obsoleto pocos meses después debido a cambios en el mercado, actualizaciones regulatorias o reestructuraciones empresariales. Sin embargo, muchas organizaciones aún consideran la implementación de la IA como un proyecto a corto plazo: construir, implementar y finalizar. Cuando las necesidades laborales cambian, el sistema no se adapta en consecuencia.
El auge de los “sistemas de trabajo”
Para adaptarse a la era de la IA, muchas empresas pioneras están creando «sistemas de trabajo»: modelos operativos que conectan a humanos e IA mediante ciclos de retroalimentación continua. A diferencia de los sistemas de almacenamiento de datos tradicionales, que priorizan la estabilidad, el nuevo modelo está diseñado para adaptarse a los cambios en tiempo real.
Cuando la IA se enfrenta a situaciones inciertas, expertos humanos intervienen y proporcionan retroalimentación al sistema. Este proceso no solo ayuda a que la IA sea cada vez más inteligente, sino que también permite a las empresas preservar el conocimiento tangible, creando una base de conocimiento dinámica que se desarrolla continuamente junto con las operaciones comerciales.
Cuatro principios para construir un "sistema de operaciones de trabajo"
Las empresas que están a la vanguardia de esta transformación suelen aplicar cuatro principios clave.
Primero, empieza poco a poco, pero aprende rápido. En lugar de esperar a tener datos perfectos o construir sistemas a gran escala desde cero, los equipos pioneros suelen empezar con conjuntos de datos pequeños y prácticos, como interacciones con clientes o transacciones operativas. El objetivo inicial no es la automatización completa, sino acelerar el proceso de aprendizaje.
En segundo lugar, es fundamental mantener la participación humana. La IA puede ayudar con el procesamiento de datos y el reconocimiento de patrones, pero la experiencia humana sigue siendo esencial, especialmente en situaciones novedosas o complejas.
En tercer lugar, hay que diseñar pensando en el cambio constante. Los mercados, los datos y el comportamiento del cliente están en constante evolución, por lo que la IA debe considerarse una capacidad en continuo desarrollo, no un proyecto con un punto final fijo.
En definitiva, se trata de integración, no de sustitución. Las empresas exitosas a menudo no eliminan por completo los sistemas heredados, sino que desarrollan la IA como una nueva capa sobre las plataformas existentes, aprovechando los datos disponibles para crear capacidades de colaboración y toma de decisiones más flexibles.
El surgimiento de los "sistemas de trabajo" no es, en última instancia, solo una cuestión tecnológica, sino un desafío para las capacidades de liderazgo.
Los líderes deben comprender cómo se desarrolla realmente el trabajo dentro de la organización y utilizar la IA no solo para reducir costes o automatizar procesos, sino para acelerar el ritmo de aprendizaje de la empresa.
(Según el Foro Económico Mundial)
Fuente: https://vietnamnet.vn/cach-dn-dung-ai-chuyen-tu-luu-tru-du-lieu-sang-van-hanh-cong-viec-2511094.html
![[Foto] El primer ministro Le Minh Hung preside la sesión temática sobre la promoción del desarrollo y la innovación en ciencia y tecnología.](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2026/06/23/1782207872934_ndo_br_dsc-1724-jpg.webp)
