La ventaja de saber de procesos en un mercado obsesionado con la IA

IDC no atribuye ese fracaso al modelo. Lo atribuye a tres cosas: gobierno, preparación de datos y observabilidad. Ninguna es machine learning. Las tres son problemas de proceso que llevan veinte años sin dueño, y que la IA, a diferencia de un humano, no perdona.

Ahí está el mecanismo que casi nadie nombra. Un analista reconstruye el contexto que le falta a un procedimiento sin versión; rellena el hueco con criterio. Un agente no: ejecuta la ambigüedad. Por eso automatizar sobre un proceso que nadie acordó no acelera el trabajo, acelera el desorden, y a una escala que antes no era posible.

Lo incómodo es que el criterio que decide estos proyectos no es nuevo. Es tiempo de ciclo, retrabajo, variabilidad, costo del año dos. Los mismos números con los que se justificaba un rediseño en 2010. No cambió la vara; cambió que ahora hay presupuesto para saltársela.

Por eso la habilidad que más se revalorizó no es prompt engineering. Es poder mirar un proceso y decir "este todavía no", y sostenerlo con datos. Esa frase es la que separa un caso de un piloto abandonado.

Lo aburrido —inventario, versionado, metadatos, dueños— dejó de ser deuda postergable. Es la condición de entrada. Y quien lo llevaba haciendo por oficio, sin que nadie lo notara, acaba de volverse escaso.

Fuentes: IDC, sobre pilotos de IA que no alcanzan producción (2025)

¿Cuál de las tres —gobierno, datos u observabilidad— es la que más pilotos mata en tu organización?