En el evento Momentum BAC, celebrado en Nueva York, se planteó que el resultado de la inteligencia artificial dependerá de dónde la apliquen las empresas, cómo rediseñen su operación y cuánto inviertan en su gente.
La inteligencia artificial ha llegado a las juntas directivas con el argumento de que significa menos horas, menos tareas manuales y menos gasto, ¿qué tal si puede ser diferente?. Dirante el evento Momentum BAC, en la ciudad de Nueva York, Basel Kayyali, senior partner de McKinsey & Company, propone abrir ese enfoque de los negocios y verlo de forma más integral. En su ponencia sobre IA y transformación empresarial, en la que Vida y Éxito estuvo presente, sostuvo que el ahorro y la productividad son apenas un capítulo. «Eso es solamente una de las cosas que se pueden hacer con IA”, afirma.
Su primera recomendación es ordenar la casa. Kayyali sugiere dividir la compañía en unos 10 u 11 dominios operativos y evaluar cada uno por separado, en lugar de espolvorear tecnología sobre toda la organización. Así se identifica dónde existe un beneficio económico real y cuál merece prioridad.
El experto usa dos ejemplos que ilustran la distancia entre algunos proyectos. Un centro de llamadas que resuelve consultas de facturación presenta una complejidad moderada. Transformar la atención de pacientes en una red hospitalaria exige alinear a médicos, enfermeras, especialistas y procedimientos. Ambos usan tecnología, pero cada uno reclama inversiones y esfuerzos distintos.
El rubro que casi nadie pone en un presupuesto
Esa diferencia en la adopción de la tecnología entre diferentes departamentos también se refleja en los costos. Kayyali compara un gasto de US$1 en gestión del cambio para un proceso sencillo con US$4 para uno complejo. Aclara que se trata de una relación didáctica, ajena a un presupuesto real o a un promedio estadístico.
Un buen ejemplo es el de un hospital que quiere acelerar 40 % la atención de pacientes. Para lograrlo debe modificar procedimientos, capacitar al personal y coordinar especialidades, entonces la capacitación y la adaptación de los trabajadores pueden convertirse en uno de los componentes más caros del proyecto.
También cambiarán los perfiles profesionales. Cuando los sistemas resuelven las consultas sencillas, a las personas les llegan los casos más difíciles. Kayyali anticipa menos demanda de personal dedicado a operaciones repetitivas y más de profesionales capaces de resolver problemas complejos, supervisar agentes de IA y formar a sus compañeros.
El expositor describió dos aplicaciones orientadas a crecer. La primera ocurre en empresas tecnológicas que emplean IA agéntica para desarrollar productos y funcionalidades. Su meta es producir más sin depender únicamente de contratar más ingenieros, de modo que los equipos existentes atiendan una cartera más amplia de proyectos.
La segunda proviene de la salud animal. Una compañía de software y diagnóstico veterinario observa que los dueños de mascotas cuidan más sus gastos y, en algunos casos, espacian las visitas a la clínica. Su respuesta es un negocio basado en IA que analizaría datos de los pacientes para detectar qué animales enfrentan mayor riesgo de enfermedad según su edad y otros factores, y ayudaría a los veterinarios a contactar a los propietarios de manera preventiva. Kayyali lo describe como un servicio de marketing dirigido con inteligencia artificial, con interés comercial evidente: una fuente adicional de ingresos.
Para Kayyali, la decisión estratégica consiste en elegir dónde la empresa quiere encabezar la adopción y dónde prefiere esperar. Reconoce que hay cautela por los resultados económicos inciertos, los costos elevados y los riesgos de los agentes de IA, como errores o respuestas inventadas. Aun así, advierte sobre el precio de esperar.
“Las mejoras y los aprendizajes acumulativos que obtendrán sus competidores si actúan primero”, agrega.
Cuatro componentes de la hoja de ruta
Para ejecutar, Kayyali desarrolla cuatro componentes. Los datos y la tecnología requieren un plan por proceso y una infraestructura que permita reutilizar soluciones; de otro modo, las economías de escala se quedan en el papel. El modelo operativo pide equipos pequeños, multidisciplinarios y con ciclos de trabajo veloces. El talento exige nuevas competencias, sobre todo para resolver problemas complejos y supervisar procesos automatizados. La gestión del cambio reserva tiempo y recursos para modificar procedimientos y lograr que las herramientas se usen de verdad. “Se necesita un plan claramente definido”, resume.
- Dónde invertir en IA y cuánto cuesta cambiar la forma de trabajar - 18 noviembre, 2026
- Mi lista de invitados - 30 octubre, 2026
- ¿Por qué son importantes los reportes de sostenibilidad? - 28 octubre, 2026



