La incorporación de inteligencia artificial en las empresas ya no depende exclusivamente de los equipos de tecnología. Cada vez más, el desafío pasa por lograr que las personas que trabajan en las distintas áreas de una organización puedan identificar oportunidades de automatización, aprovechar las herramientas disponibles y transformar sus propias dinámicas laborales. En ese escenario trabaja Teamcubation, una compañía que propone un modelo de aprendizaje basado en la práctica y que busca acercar la IA a los perfiles no tecnológicos.
Durante su participación en Future Talks, el programa de streaming producido por ITSitio, Mariano Wechsler, cofundador y CEO de Teamcubation, explicó que la propuesta de la compañía se diferencia de los esquemas tradicionales de capacitación porque pone el foco en aprender haciendo. En lugar de ofrecer cursos teóricos, el equipo trabaja directamente con los empleados para que puedan desarrollar soluciones aplicadas a sus necesidades concretas.
“Después de muchos años de academia más tradicional si querés, nos dimos cuenta, la gente aprende cuando hace lo que le estás enseñando. “La gente va a los cursos, nosotros vamos al escritorio de la gente para mostrarles cómo pueden hacerlo ellos mismos”, sostuvo Wechsler. Y agregó: “La gente adquiere el conocimiento mientras lo está haciendo. Es la mejor manera”.
El proceso comienza con un relevamiento del ecosistema tecnológico de cada organización. Antes de proponer una solución, Teamcubation identifica qué herramientas tiene disponibles la compañía, qué licencias utiliza y cuáles son las posibilidades de trabajar sobre esa infraestructura. La premisa es aprovechar los recursos existentes, sin necesariamente sumar nuevas plataformas o modificar el stack tecnológico.
A partir de ese diagnóstico, las mentorías se adaptan a las necesidades y posibilidades de cada empresa. El objetivo es que los participantes automaticen su primer flujo de trabajo durante los encuentros y, al mismo tiempo, incorporen los conocimientos necesarios para continuar desarrollando soluciones por su cuenta.
“Pero durante las mentorías lo que hace la gente es automatizar su primer flujo de trabajo. Lo primero que les queda hecho es lo que hacen con nosotros mientras que los estamos mentoreando”, explicó el CEO. Sin embargo, aclaró que el resultado más importante no es únicamente la automatización conseguida: “Pero principalmente les queda la habilidad a las dos semanas de automatizar otra cosa, y después otra y otra, cambiando un poco el mindset”.
En ese sentido, Wechsler considera que el principal valor de la inteligencia artificial está en liberar tiempo que actualmente se destina a actividades repetitivas y de bajo valor agregado. La posibilidad de automatizar tareas permite que los empleados concentren sus esfuerzos en actividades que aporten más valor a sus equipos y a la organización.
Para el ejecutivo, también es necesario revisar procesos que se mantienen por costumbre y que quizás ya no tienen sentido en el contexto tecnológico actual.
La reflexión implica dejar de pensar en la automatización como una herramienta para hacer más rápido lo que ya se hace y comenzar a cuestionar si determinadas actividades deberían seguir realizándose. “Pensá si vale la pena seguir haciéndolo si lo hacías así, porque hasta ahora no podías hacerlo de otra forma. Y entonces lo que tenés que hacer es cambiar la forma. ¿Por qué? Porque ahora tenés una tecnología increíble que te permite resolverlo de una forma que hasta ahora no teníamos”, planteó.
El desafío de aprovechar las herramientas que ya existen
Uno de los obstáculos que identifica Teamcubation en las organizaciones no es necesariamente la falta de tecnología, sino el desconocimiento sobre las capacidades de las herramientas que ya están disponibles. Muchas compañías cuentan con licencias de Microsoft o Google, pero sus empleados no conocen todas las posibilidades que ofrecen.
“De nuevo, lo que no tienen es la gente, no la compañía. La gente no tiene el conocimiento del potencial que tiene esa herramienta que ya tienen habilitada”, afirmó Wechsler. Para el CEO, ahí aparece una de las principales oportunidades de trabajo: mostrarles a los equipos qué pueden resolver con recursos que ya tienen a su disposición.
En relación con las diferencias entre las plataformas de Microsoft y Google, el ejecutivo consideró que es importante comprender qué hay detrás de las soluciones que ofrecen los grandes proveedores. Según explicó, el elemento novedoso es el modelo de lenguaje grande (LLM), mientras que el resto de las funcionalidades responden a distintas maneras de empaquetar esa tecnología.
“Una LLM hoy es casi un commodity, porque todas funcionan relativamente parecidas, algunas más especializadas en una cosa, otras en otra”, indicó. Desde su perspectiva, prácticamente todos los paquetes disponibles pueden servir para comenzar a incorporar inteligencia artificial, aunque posteriormente sea necesario profundizar en funcionalidades más específicas.
El relevamiento tecnológico inicial, además, no representa un proceso complejo. Según detalló Wechsler, alcanza con una reunión de aproximadamente dos horas en la que participa el área de IT para identificar qué herramientas están habilitadas y qué posibilidades existen.
En este esquema, el departamento tecnológico cumple un papel de facilitador, mientras que las necesidades de automatización surgen principalmente de las áreas de negocio. El ejecutivo explicó que muchas veces los empleados solicitan soluciones puntuales a IT, pero esas iniciativas terminan acumulándose en un backlog que difícilmente llegue a resolverse.
“Y con esto lo que pasa es que la gente empieza a bajar las manos y dice espera, lo hago yo. Me lo construyo yo”, describió.
De esta manera, la IA permite democratizar capacidades que históricamente estaban concentradas en los equipos técnicos. “Y la verdad es que hoy ya no, hoy es patrimonio de todas las personas de una organización que usan una máquina para trabajar”, sostuvo.
Administración, finanzas y recursos humanos, entre las áreas con mayor potencial
Al analizar dónde aparecen las oportunidades más concretas de automatización, Wechsler destacó especialmente las áreas de administración, finanzas, operaciones y recursos humanos. Se trata de sectores que suelen concentrar numerosos procedimientos repetitivos y tareas manuales que consumen una parte importante de la jornada laboral.
Entre los ejemplos mencionó empleados que dedican dos o tres horas diarias a leer el Boletín Oficial, personas que deben registrar consumos de medidores eléctricos en planillas, equipos que reciben múltiples archivos de Excel para consolidarlos o trabajadores que procesan facturas recibidas por correo electrónico y cargan manualmente sus datos en sistemas contables.
Para identificar estas oportunidades, Teamcubation trabaja con los empleados en la selección de los procesos que pueden automatizarse. La idea es que cada persona reconozca qué actividades le demandan tiempo y cuáles podrían resolverse mediante herramientas de IA.
“Hay gente que mira las facturas que le llegan al mail y las tienen que pasar por un sistema contable, y entonces abren un PDF, lo miran, agarran el CUIT, lo cortan, lo pegan. No lo hagan más, no lo hagan más. Vení, te voy a explicar cómo hacer que la máquina lo haga por vos, no para reemplazarte”, explicó.
En este punto, Wechsler hizo hincapié en una diferencia central de la propuesta de Teamcubation: no se trata de desarrollar las automatizaciones para los empleados, sino de enseñarles a construirlas. “Aparte lo lindo de esto es, nosotros no venimos a hacer eso, venimos a que la gente aprenda a hacerlo, que hay una diferencia gigante ahí”, remarcó.
El riesgo de que la inteligencia artificial genere soluciones iguales
Más allá de las oportunidades, el CEO también advirtió sobre algunos efectos de la adopción masiva de estas tecnologías. Uno de ellos es la tendencia a obtener resultados demasiado similares cuando las personas utilizan las mismas herramientas sin aportar suficiente contexto.
Para ilustrarlo, compartió su propia experiencia con Claude Design, una herramienta que utilizó para desarrollar presentaciones. Inicialmente, encontró una solución que respondía a sus preferencias estéticas y decidió adoptarla como modelo de trabajo. Sin embargo, semanas después comenzó a encontrarse con diseños prácticamente idénticos en otros ámbitos.
“El error fue usarlo muy temprano y no darme cuenta que le iba a decir a todos lo mismo, les iba a dar a todos el mismo diseño, con la misma idea, con los mismos colores”, reconoció.
A partir de esa experiencia, sostuvo que resulta fundamental explicarles a los modelos quién es el usuario, cómo trabaja, qué preferencias tiene y cuáles son las características de su compañía. De lo contrario, la inteligencia artificial tiende a ofrecer respuestas genéricas y reproducir patrones comunes.
También se refirió a la evolución de los costos asociados al uso de estas tecnologías. Consideró que los servicios disponibles a través de aplicaciones todavía están subsidiados, mientras que el acceso mediante API permite observar con mayor claridad los costos reales. No obstante, señaló que existen iniciativas orientadas a reducir el consumo energético y, por esa vía, abaratar el uso de los modelos.
Aprender a utilizar la IA con contexto y pensamiento crítico
Para quienes buscan dar sus primeros pasos, tanto dentro de una empresa como de manera independiente, Wechsler recomendó comenzar por comprender qué es un LLM y cómo funciona, en lugar de dejarse llevar por la idea de que se trata de una tecnología mágica.
Además, destacó que el contexto es uno de los elementos más importantes para obtener mejores resultados. Los modelos fueron entrenados con grandes cantidades de textos digitales y suelen generar respuestas que apuntan a satisfacer las expectativas de la mayoría de los usuarios.
“Contexto es una palabra clave en esto, y que hay poca gente que la usa, que la adopta, y que hace lo que hay que hacer”, afirmó.
Entre sus recomendaciones, propuso pedirle a la IA que formule todas las preguntas necesarias antes de construir un prompt. De esa manera, el usuario puede aportar información que permita obtener una respuesta más precisa y ajustada a sus necesidades.
Otra alternativa consiste en solicitarle al modelo que realice entre 20 y 40 preguntas sobre la persona, sus preferencias, su actividad y la compañía en la que trabaja. El objetivo es reducir las respuestas genéricas y conseguir resultados diferenciados.
Finalmente, Wechsler insistió en la importancia de mantener una mirada crítica sobre los contenidos generados. La adopción de IA no debería implicar delegar indiscriminadamente todas las decisiones ni reemplazar las relaciones humanas por automatizaciones.
Leer más
- IA y ciberseguridad: cómo Lansweeper ayuda a los partners a crear nuevos servicios
- IA generativa y producción audiovisual: el modelo de Gennial para crear contenidos con más de 60 agentes
- IA agéntica: cómo las empresas pueden llevar la inteligencia artificial a producción y reducir costos
