{"id":196520,"date":"2026-09-10T13:51:28","date_gmt":"2026-09-10T16:51:28","guid":{"rendered":"https:\/\/www.itsitio.com\/mx\/?p=196520"},"modified":"2026-09-10T13:51:28","modified_gmt":"2026-09-10T16:51:28","slug":"cruzando-el-rubicon-de-la-ia-de-la-adopcion-a-la-ejecucion","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/mx\/columna-de-opinion\/cruzando-el-rubicon-de-la-ia-de-la-adopcion-a-la-ejecucion\/","title":{"rendered":"Cruzando el Rubic\u00f3n de la IA: de la adopci\u00f3n a la ejecuci\u00f3n"},"content":{"rendered":"

Por : Carlos Aguilar – Managing Director, Globant Mexico<\/strong><\/p>\n

Hasta hace algunos a\u00f1os, los desarrolladores de software eran los grandes ganadores de la
\nrevoluci\u00f3n tecnol\u00f3gica. En el transcurso de una d\u00e9cada, los empleos en este campo se
\nduplicaron, alcanzando m\u00e1s de un mill\u00f3n ochocientos noventa y cinco mil (1,895,500)
\npuestos de trabajo, seg\u00fan la Oficina de Estad\u00edsticas Laborales de Estados Unidos (U.S.
\nBureau of Labor Statistics). Ese mismo organismo estima que esta cifra seguir\u00e1 creciendo
\nhasta 2034, superando el ritmo de crecimiento de otras profesiones, aunque de forma m\u00e1s
\nmoderada (15 %). Poco a poco, la idea de que cualquier persona que eligiera este camino
\ntendr\u00eda el futuro asegurado ha quedado obsoleta.<\/p>\n

Y no, no se trata de la inteligencia artificial (IA). La verdadera disrupci\u00f3n de la IA radica en lo
\npoco que, en la pr\u00e1ctica, se aprovecha de su potencial.
\nUn informe reciente de Anthropic sobre el futuro del mercado laboral ofrece un buen punto
\nde partida para comprender hacia d\u00f3nde nos dirigimos. Con base en el uso de Claude y en
\nel potencial de los modelos de lenguaje para actividades espec\u00edficas, el estudio estima qu\u00e9
\nocupaciones est\u00e1n m\u00e1s expuestas a la automatizaci\u00f3n a partir de datos de O*NET. Sin
\nembargo, m\u00e1s all\u00e1 del nivel de exposici\u00f3n, la verdadera brecha radica entre el potencial y la
\ncreaci\u00f3n efectiva de valor. En todos los casos, el valor real generado sigue quedando muy
\npor debajo de lo que podr\u00eda alcanzarse.<\/p>\n

Entre las ocupaciones con mayor riesgo de ser reemplazadas por la automatizaci\u00f3n se
\nencuentran los desarrolladores de software, los representantes de atenci\u00f3n al cliente, los
\nespecialistas en registros m\u00e9dicos, los analistas de mercado e inversiones y los operadores
\nde carga de datos. Un aspecto clave del informe es que el potencial de la IA se mide en
\nfunci\u00f3n de tareas espec\u00edficas, y no como un reemplazo directo de los puestos de trabajo. El
\ndesaf\u00edo, tanto para las empresas como para las personas, consiste en comprender este
\ncambio y adaptarse para seguir siendo relevantes a lo largo de toda la cadena de valor, de
\nla industria en la que se desempe\u00f1an.<\/p>\n

\nLa evoluci\u00f3n de los roles y los l\u00edmites del acceso a la IA<\/span><\/h2>\n

En el caso de los desarrolladores, el informe destaca en particular tareas como la escritura,
\nactualizaci\u00f3n y mantenimiento de programas de software. Sin embargo, esto no significa
\nque la profesi\u00f3n est\u00e9 en riesgo de desaparecer. Por el contrario, uno de los activos m\u00e1s
\nvaliosos en este nuevo paradigma es la alfabetizaci\u00f3n tecnol\u00f3gica en todas las \u00e1reas de
\nuna organizaci\u00f3n, lo que hace que la transici\u00f3n hacia nuevos roles sea tan necesaria como
\nnatural. La capacidad de aplicar habilidades blandas (o power skills), como la comunicaci\u00f3n,
\nla colaboraci\u00f3n y la inteligencia emocional, ser\u00e1 esencial para adaptarse.
\nNunca antes en la historia la tecnolog\u00eda hab\u00eda sido tan accesible como hoy. Est\u00e1 al alcance
\nde todos, a un costo relativamente bajo y con un potencial transformador que va desde
\ncrear un sitio web b\u00e1sico en cuesti\u00f3n de minutos hasta descubrir nuevos medicamentos
\npara tratamientos m\u00e9dicos. Redefinir procesos es mucho m\u00e1s sencillo que hace cinco, diez
\no cincuenta a\u00f1os. Sin embargo, la accesibilidad por s\u00ed sola no garantiza impacto.<\/p>\n

 <\/p>\n

La brecha de la ejecuci\u00f3n<\/span><\/h2>\n

Esto nos lleva al segundo pilar del nuevo paradigma: implementar IA no basta. El estudio
\nState of AI in Business 2025 del MIT ya advert\u00eda que el 95 % de los proyectos piloto de IA
\nfracasan, en gran medida debido a la forma en que se adoptan. Adquirir una licencia y dejar
\nsu uso a la libre disposici\u00f3n de cada individuo no basta. El verdadero desaf\u00edo no es acceder
\na la IA, sino integrarla en los procesos centrales del negocio. El informe de Anthropic, con
\nsu enfoque basado en tareas, ofrece un marco \u00fatil para identificar d\u00f3nde concentrar los
\nesfuerzos y dise\u00f1ar soluciones estrat\u00e9gicas que aprovechen la tecnolog\u00eda de manera
\nefectiva.<\/p>\n

Cuando Julio C\u00e9sar cruz\u00f3 el Rubic\u00f3n, sab\u00eda que no hab\u00eda marcha atr\u00e1s. Declar\u00f3 que &quot;la
\nsuerte estaba echada&quot; y llev\u00f3 adelante su misi\u00f3n de combatir al Senado e instaurar un
\nnuevo r\u00e9gimen en Roma. Hoy, muchas empresas se encuentran en un punto similar
\nrespecto de la inteligencia artificial: deben dise\u00f1ar e implementar una estrategia que mejore
\nsu eficiencia o correr el riesgo de ser superadas por quienes s\u00ed lo hagan. Ya no hay vuelta
\natr\u00e1s: o cruzas el r\u00edo o te quedas a ver pasar a los combatientes.<\/p>\n

La pregunta, entonces, es: \u00bfc\u00f3mo avanzar? El primer paso en esta etapa para los agentes
\nde IA consiste en definir un retorno sobre la inversi\u00f3n (ROI) medible. Identificar los puntos
\nde fricci\u00f3n y cuantificar el impacto de lo que se implementa marca la diferencia entre
\nsoluciones reales y simples casos de tech washing. Para ello, los datos deben estar limpios,
\nintegrados y preparados para generar valor.<\/p>\n

En este proceso, el talento humano es fundamental para orquestar los nuevos sistemas y
\nguiarlos hacia niveles m\u00e1s altos de autonom\u00eda. Solo una vez resuelta esta primera etapa, es
\nposible escalar la implementaci\u00f3n, mientras la supervisi\u00f3n humana contin\u00faa garantizando
\nque el aprendizaje y la evoluci\u00f3n de los agentes de IA se mantengan alineados con los
\nobjetivos del negocio.<\/p>\n

La industria de la salud ofrece uno de los ejemplos m\u00e1s contundentes de c\u00f3mo este nuevo
\nparadigma puede cambiar literalmente vidas. Se trata de un mercado valuado en
\naproximadamente 1.5 trillones de d\u00f3lares, con perspectivas de crecimiento sostenido en los
\npr\u00f3ximos a\u00f1os, impulsado en parte por la inteligencia artificial. Un caso reciente es el de
\nPharmaMar, l\u00edder en el descubrimiento, desarrollo y comercializaci\u00f3n de medicamentos, que
\nest\u00e1 implementando agentes de IA para reducir costos y plazos en el desarrollo de nuevas
\nmol\u00e9culas y en la ejecuci\u00f3n de ensayos cl\u00ednicos.<\/p>\n

Esto no consiste simplemente en adoptar la inteligencia artificial, sino en incorporarla a procesos cr\u00edticos para acelerar los resultados. Ser\u00eda incorrecto atribuir este avance \u00fanicamente a la IA; en realidad, refleja la visi\u00f3n estrat\u00e9gica de una empresa que aprovecha las tecnolog\u00edas disponibles para analizar enormes vol\u00famenes de datos \u2014informaci\u00f3n estudiada durante d\u00e9cadas por miles de cient\u00edficos\u2014 con el objetivo de acelerar el desarrollo de tratamientos para los pacientes.
\nEste nuevo paradigma exige adaptaci\u00f3n. La suerte est\u00e1 echada. El \u00e9xito no depender\u00e1
\nsimplemente de adoptar tecnolog\u00eda, sino de ejecutarla de manera que genere valor real.<\/p>\n

Esto implica dejar atr\u00e1s la etapa de experimentaci\u00f3n y concentrarse en c\u00f3mo la IA impacta
\nde manera concreta en la productividad, la eficiencia y la toma de decisiones.
\nEl fracaso vendr\u00e1 de no comprender esta transformaci\u00f3n. Quienes la internalicen desde el
\nprincipio definir\u00e1n los est\u00e1ndares de la pr\u00f3xima era. El resto quedar\u00e1<\/p>\n","protected":false},"excerpt":{"rendered":"

Por : Carlos Aguilar – Managing Director, Globant Mexico Hasta hace algunos años, los desarrolladores de software eran los grandes ganadores de la revolución tecnológica. En el transcurso de una década, los empleos en este campo se duplicaron, alcanzando más de un millón ochocientos noventa y cinco mil (1,895,500) puestos de trabajo, según la Oficina de Estadísticas Laborales de Estados Unidos (U.S. Bureau of Labor Statistics). Ese mismo organismo estima que esta cifra seguirá creciendo hasta 2034, superando el ritmo de crecimiento de otras profesiones, aunque de forma más moderada (15 %). Poco a poco, la idea de que cualquier persona que eligiera este camino tendría el futuro asegurado ha quedado obsoleta. Y no, no se trata de la inteligencia artificial (IA). La verdadera disrupción de la IA radica en lo poco que, en la práctica, se aprovecha de su potencial. Un informe reciente de Anthropic sobre el futuro del mercado laboral ofrece un buen punto de partida para comprender hacia dónde nos dirigimos. Con base en el uso de Claude y en el potencial de los modelos de lenguaje para actividades específicas, el estudio estima qué ocupaciones están más expuestas a la automatización a partir de datos de O*NET. Sin embargo, más allá del nivel de exposición, la verdadera brecha radica entre el potencial y la creación efectiva de valor. En todos los casos, el valor real generado sigue quedando muy por debajo de lo que podría alcanzarse. Entre las ocupaciones con mayor riesgo de ser reemplazadas por la automatización se encuentran los desarrolladores de software, los representantes de atención al cliente, los especialistas en registros médicos, los analistas de mercado e inversiones y los operadores de carga de datos. Un aspecto clave del informe es que el potencial de la IA se mide en función de tareas específicas, y no como un reemplazo directo de los puestos de trabajo. El desafío, tanto para las empresas como para las personas, consiste en comprender este cambio y adaptarse para seguir siendo relevantes a lo largo de toda la cadena de valor, de la industria en la que se desempeñan. La evolución de los roles y los límites del acceso a la IA En el caso de los desarrolladores, el informe destaca en particular tareas como la escritura, actualización y mantenimiento de programas de software. Sin embargo, esto no significa que la profesión esté en riesgo de desaparecer. Por el contrario, uno de los activos más valiosos en este nuevo paradigma es la alfabetización tecnológica en todas las áreas de una organización, lo que hace que la transición hacia nuevos roles sea tan necesaria como natural. La capacidad de aplicar habilidades blandas (o power skills), como la comunicación, la colaboración y la inteligencia emocional, será esencial para adaptarse. Nunca antes en la historia la tecnología había sido tan accesible como hoy. Está al alcance de todos, a un costo relativamente bajo y con un potencial transformador que va desde crear un sitio web básico en cuestión de minutos hasta descubrir nuevos medicamentos para tratamientos médicos. Redefinir procesos es mucho más sencillo que hace cinco, diez o cincuenta años. Sin embargo, la accesibilidad por sí sola no garantiza impacto.   La brecha de la ejecución Esto nos lleva al segundo pilar del nuevo paradigma: implementar IA no basta. El estudio State of AI in Business 2025 del MIT ya advertía que el 95 % de los proyectos piloto de IA fracasan, en gran medida debido a la forma en que se adoptan. Adquirir una licencia y dejar su uso a la libre disposición de cada individuo no basta. El verdadero desafío no es acceder a la IA, sino integrarla en los procesos centrales del negocio. El informe de Anthropic, con su enfoque basado en tareas, ofrece un marco útil para identificar dónde concentrar los esfuerzos y diseñar soluciones estratégicas que aprovechen la tecnología de manera efectiva. Cuando Julio César cruzó el Rubicón, sabía que no había marcha atrás. Declaró que &quot;la suerte estaba echada&quot; y llevó adelante su misión de combatir al Senado e instaurar un nuevo régimen en Roma. Hoy, muchas empresas se encuentran en un punto similar respecto de la inteligencia artificial: deben diseñar e implementar una estrategia que mejore su eficiencia o correr el riesgo de ser superadas por quienes sí lo hagan. Ya no hay vuelta atrás: o cruzas el río o te quedas a ver pasar a los combatientes. La pregunta, entonces, es: ¿cómo avanzar? El primer paso en esta etapa para los agentes de IA consiste en definir un retorno sobre la inversión (ROI) medible. Identificar los puntos de fricción y cuantificar el impacto de lo que se implementa marca la diferencia entre soluciones reales y simples casos de tech washing. Para ello, los datos deben estar limpios, integrados y preparados para generar valor. En este proceso, el talento humano es fundamental para orquestar los nuevos sistemas y guiarlos hacia niveles más altos de autonomía. Solo una vez resuelta esta primera etapa, es posible escalar la implementación, mientras la supervisión humana continúa garantizando que el aprendizaje y la evolución de los agentes de IA se mantengan alineados con los objetivos del negocio. La industria de la salud ofrece uno de los ejemplos más contundentes de cómo este nuevo paradigma puede cambiar literalmente vidas. Se trata de un mercado valuado en aproximadamente 1.5 trillones de dólares, con perspectivas de crecimiento sostenido en los próximos años, impulsado en parte por la inteligencia artificial. Un caso reciente es el de PharmaMar, líder en el descubrimiento, desarrollo y comercialización de medicamentos, que está implementando agentes de IA para reducir costos y plazos en el desarrollo de nuevas moléculas y en la ejecución de ensayos clínicos. Esto no consiste simplemente en adoptar la inteligencia artificial, sino en incorporarla a procesos críticos para acelerar los resultados. Sería incorrecto atribuir este avance únicamente a la IA; en realidad, refleja la visión estratégica de una empresa que aprovecha las tecnologías disponibles para analizar enormes volúmenes de datos —información estudiada durante décadas por miles<\/p>\n","protected":false},"author":229,"featured_media":196521,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[25],"tags":[209],"class_list":["post-196520","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-columna-de-opinion","tag-globant"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196520","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/users\/229"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/comments?post=196520"}],"version-history":[{"count":1,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196520\/revisions"}],"predecessor-version":[{"id":196523,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196520\/revisions\/196523"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/media\/196521"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/media?parent=196520"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/categories?post=196520"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/tags?post=196520"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}