Innovación con IA: el criterio importa más que la tecnología
Cada semana aparece una nueva herramienta de IA prometiendo resolver un proceso, un reporte o una tarea que antes tomaba horas. Es comprensible sentir la tentación de aplicarla a todo lo que se pueda. Pero de la experiencia acompañando proyectos de innovación en distintos sectores, hemos aprendido que ese no es el camino que mejor funciona. Aplicar IA porque se puede, y no porque realmente aporta, rara vez genera el retorno que se espera.
La innovación con IA no es, en el fondo, un ejercicio de cobertura tecnológica. Es un ejercicio de criterio. Y el criterio, a diferencia del software, no se compra: se construye con método y con experiencia.
Lo que hemos visto que funciona: empezar por el proceso, no por la herramienta
Antes de automatizar cualquier cosa, vale la pena entender primero cómo funciona realmente ese proceso hoy: dónde están sus cuellos de botella y qué parte del trabajo genera valor genuino. Cuando se salta ese paso, el resultado suele ser una automatización costosa que resuelve un síntoma —lentitud, errores manuales— sin tocar la causa real, que casi siempre es un proceso que se puede rediseñar desde su raíz.
Poner inteligencia artificial sobre un proceso que no se ha revisado no lo mejora; solo lo hace más rápido en su forma actual.
La pregunta que marca la diferencia
Antes de automatizar, nos gusta hacer una pregunta simple: ¿esta actividad realmente se beneficia de la inteligencia artificial, o se resuelve mejor con algo más simple —una API, una plantilla, un ajuste al flujo de trabajo?
Esa pregunta cambia el punto de partida. En lugar de asumir que la IA es la respuesta correcta para todo, invita a clasificar cada actividad según su naturaleza real. Algunas tareas sí son buenas candidatas para la IA: aquellas que requieren juicio, interpretación de contexto variable o decisiones no estructuradas. Otras son simplemente reglas de negocio que parecen complejas, y se resuelven con una integración sencilla, sin necesidad de inteligencia artificial.
Por eso creemos que la madurez en innovación no se mide por cuánta IA usa una empresa, sino por la calidad del criterio con el que decide dónde aplicarla y dónde no.
Un enfoque que nos ha funcionado bien sigue cuatro pasos: primero, documentar el proceso tal como funciona hoy, sin idealizarlo. Segundo, rediseñar el proceso evaluando dónde se beneficia de la IA y dónde no. Tercero, diseñar una arquitectura objetivo que combine automatización simple donde corresponde e inteligencia artificial donde realmente aporta. Y cuarto —el paso que más se suele dejar de lado— construir un caso de negocio honesto, que incluya explícitamente qué no conviene automatizar y por qué.
El freno casi nunca es la tecnología
Algo que se repite en casi todos los procesos de rediseño en los que hemos participado: el verdadero freno rara vez es técnico. La tecnología para automatizar casi siempre existe o es alcanzable. Lo que suele frenar el avance son decisiones organizacionales pendientes: quién tiene autoridad para aprobar algo, cómo se gobierna un proceso entre distintas áreas, qué políticas internas llevan tiempo sin actualizarse.
Cuando se confunde un bloqueo organizacional con un problema tecnológico, es fácil invertir en la solución equivocada. Por eso preferimos nombrar ambos tipos de obstáculo por separado desde el inicio: la tecnología no puede resolver una decisión de negocio que la organización todavía no ha tomado.
La honestidad como parte del método
Otro principio que tratamos de sostener en cada piloto de IA es la disposición a mostrar también lo que no funcionó. Un piloto que solo reporta éxitos no termina de ser útil como aprendizaje. El verdadero valor de experimentar con IA está en poder decir, con la misma claridad, “esto sí sirvió” y “esto no, y así lo supimos”. Esa honestidad no es un gesto de humildad; es lo que permite decidir con más criterio dónde invertir el siguiente esfuerzo de innovación.
Una invitación
Para las empresas costarricenses, no se trata de sumarse a la conversación sobre IA —esa conversación ya está sucediendo en todas partes—. Se trata de desarrollar, puertas adentro, el criterio para decidir dónde la inteligencia artificial realmente aporta y dónde solo agrega complejidad innecesaria. Ese criterio, más que cualquier herramienta, es el verdadero activo de innovación de una organización.
Desde el Innovation Studio de GBM acompañamos a empresas de la región en estos procesos de rediseño, ayudando a entender procesos, evaluar dónde la inteligencia artificial aporta valor real y diseñar soluciones con criterio técnico y organizacional.
Agustín Caldevilla
Líder del Innovation Studio de GBM
Los datos reflejan así una doble brecha: no solo las empresas grandes muestran una mayor adopción de la IA, sino que también presentan un uso más diversificado. Para las PYME, el desafío pasa por facilitar el acceso a conocimientos y capacidades que les permitan incorporar estas herramientas en un conjunto más amplio de procesos y aprovechar su potencial para mejorar la productividad y competitividad.
Los resultados apuntan a que el principal desafío para ampliar el uso de la IA en la industria no es únicamente tecnológico o económico, sino de capacidades. Particularmente entre las PYME, cerrar las brechas de conocimiento y facilitar el acceso a formación especializada será fundamental para que un mayor número de empresas pueda incorporar estas herramientas de manera efectiva y responsable.
Además, un 47% del total de empresas consultadas todavía no utiliza IA. Por ello, los resultados constituyen una primera fotografía de un proceso de transformación que apenas comienza a extenderse en la industria manufacturera costarricense, y cuyo impacto deberá continuar observándose conforme aumente su adopción y se amplíen sus usos.
