AI readiness: ¿está tu empresa preparada para adoptar inteligencia artificial?

Una empresa puede estar preparada para usar inteligencia artificial en su equipo de soporte y, al mismo tiempo, necesitar bastante más trabajo antes de incorporarla a un proceso de aprobación de créditos. La información, los controles y las consecuencias de un error son distintos.

Por eso, evaluar la preparación de una empresa requiere entender primero qué quiere hacer con IA.

Elegir una herramienta o probar un asistente es relativamente sencillo. La dificultad aparece al incorporarlo al trabajo diario: darle acceso a la información correcta, conectarlo con los sistemas, definir qué puede hacer y asignar a alguien la responsabilidad de mantenerlo.

Evaluar el AI readiness ayuda a entender esas condiciones y a decidir dónde conviene avanzar. Una buena evaluación debería terminar con decisiones concretas sobre qué implementar, qué preparar y qué inversiones tienen sentido.

Qué significa estar preparado

AI readiness es el nivel de preparación de una organización para implementar y sostener soluciones de inteligencia artificial. Incluye la tecnología, pero también los procesos, las personas y la forma de tomar decisiones.

Tener licencias disponibles, por ejemplo, no garantiza que los equipos sepan aprovecharlas. Contar con miles de documentos tampoco asegura que un asistente pueda responder bien: pueden estar desactualizados, contradecirse o contener información que no todos deberían consultar.

La preparación se comprueba frente a un uso concreto. Si queremos reducir el tiempo que lleva responder consultas internas, necesitamos conocer cuáles se repiten, dónde están las respuestas y cuánto esfuerzo demanda hoy esa tarea. Con esa información podemos evaluar qué solución sirve y cómo medir su aporte.

Esto permite empezar con un alcance razonable mientras se fortalecen otras capacidades de la empresa. Esperar a tener todo resuelto puede demorar oportunidades que ya son viables. Avanzar sin revisar las condiciones mínimas, en cambio, puede llevar a una prueba que funciona en una presentación y falla en la operación.

Qué conviene revisar

El diagnóstico debe reunir a quienes conocen el problema de negocio, a quienes realizan el trabajo y a quienes tendrán que sostener la solución. Podemos organizar esa revisión en siete aspectos:

Aspecto	Pregunta que necesitamos responder
Estrategia	¿Qué queremos mejorar y quién responde por el resultado?
Datos y conocimiento	¿Tenemos información confiable, vigente y accesible para ese uso?
Tecnología y herramientas	¿Qué podemos aprovechar y qué necesitamos integrar o incorporar?
Procesos	¿Cómo cambia el trabajo y qué pasa cuando aparece una excepción?
Personas	¿Qué necesitan aprender los equipos y cómo van a participar?
Gobernanza	¿Quién autoriza el uso, evalúa los resultados y decide los ajustes?
Seguridad	¿Qué datos y acciones estarán permitidos y cómo se controlarán?

Las entrevistas ayudan a entender la situación, pero también hay que revisar documentos, probar accesos y comprobar las integraciones. Si una iniciativa promete ahorrar tiempo, necesitamos una referencia de cuánto lleva hoy el trabajo.

Algunas señales permiten detectar temprano dónde habrá dificultades: pilotos sin un responsable, documentos que nadie mantiene, información que requiere copiarse manualmente entre sistemas o equipos que no saben qué datos pueden compartir con una herramienta de IA. Cada una señala algo que habrá que resolver para el uso previsto.

Los niveles de madurez digital pueden servir para resumir el diagnóstico, aunque una calificación general dice poco sobre la viabilidad de un proyecto. Una empresa con experiencia en IA puede tener una fuente de información inadecuada para un nuevo caso. Otra que recién empieza puede contar con todo lo necesario para resolver un problema acotado.

Las herramientas que ya están y las que se usan por fuera

Antes de contratar una solución conviene revisar las licencias actuales, los pilotos en marcha y las inversiones previstas. Puede haber funcionalidades disponibles que nadie esté aprovechando, herramientas que se superponen o planes contratados que no incluyen los controles necesarios.

También hay que averiguar qué están utilizando los equipos por iniciativa propia. El uso de herramientas de IA sin aprobación o supervisión formal, conocido como Shadow AI, puede quedar fuera del inventario de tecnología.

Entenderlo exige conocer qué tarea resuelve cada herramienta, qué información recibe y por qué las personas la eligieron. Allí pueden aparecer tanto riesgos de exposición de datos como necesidades que la empresa todavía no atendió.

La respuesta puede ser formalizar un uso, ajustar sus condiciones o restringirlo. Si se restringe una herramienta, hay que ofrecer una forma de resolver el trabajo que el equipo estaba haciendo con ella.

Un caso concreto: SLSQ Hub

Surf Life Saving Queensland, organización dedicada al rescate y la seguridad acuática en Australia, necesitaba facilitar a sus voluntarios el acceso a información sobre membresías, formación y certificaciones.

En colaboración con Cumulus Technologies, desarrolló SLSQ Hub utilizando Globant Enterprise AI. La plataforma reúne información y gestiones para los miembros, y permite realizar consultas sobre salvamento con respuestas basadas en políticas y procedimientos aprobados por la organización. El proyecto también tuvo que contemplar la integración con un sistema existente y la facilidad de uso para personas con distintos niveles de experiencia digital (caso publicado por GeneXus).

Desde la perspectiva de AI readiness, el caso permite ver cómo se relacionan varias condiciones: las fuentes de conocimiento, las integraciones, las reglas del proceso y las necesidades de los usuarios.

En una iniciativa de este tipo, evaluar la preparación implica comprobar cuáles son los documentos oficiales, cómo se mantienen actualizados y qué información puede consultar cada persona. También requiere definir cómo se revisarán las respuestas y qué consultas deben derivarse a un equipo humano.

Armar una hoja de ruta

El alcance de la evaluación puede ser un caso de uso, un área o toda la organización. Es importante acordarlo al comienzo para que el relevamiento tenga una profundidad adecuada y permita tomar decisiones.

A partir de los hallazgos, hay que comparar las iniciativas por su valor esperado, esfuerzo, riesgos y posibilidades de adopción. Para cada una deberían quedar claros el resultado buscado, las condiciones pendientes, los responsables y el costo estimado.

Con eso se puede definir una primera implementación y establecer cómo se decidirá si conviene ampliarla, ajustarla o detenerla. Si el objetivo es reducir consultas al equipo de soporte, por ejemplo, habrá que medir cuántas resuelve correctamente la solución, cuántas requieren intervención y cuánto trabajo demanda mantenerla. Contar usuarios activos ayuda a conocer la adopción, pero no alcanza para demostrar el resultado.

El costo debe contemplar licencias y consumo, además de integraciones, preparación de información, capacitación y mantenimiento. Una solución que ahorra tiempo en una tarea puede exigir trabajo adicional en otra; esa cuenta también forma parte de la evaluación.

La hoja de ruta debe reflejar esas dependencias. Si el primer paso es actualizar documentación o resolver un acceso, corresponde incluirlo con un responsable y un plazo. Así, el diagnóstico se convierte en trabajo que la organización puede ejecutar.

En GeneXus Consulting, nuestro servicio Digital Roadmap permite revisar las capacidades y necesidades de la organización y definir una hoja de ruta con iniciativas priorizadas, recursos y etapas de implementación. Ese marco ayuda a ubicar las oportunidades de IA dentro de las prioridades del negocio y las inversiones tecnológicas previstas.