Una advertencia que merece atención: Andrej Karpathy, investigador y referente internacional en inteligencia artificial, conocido por su trabajo en OpenAI y Tesla, compartió una reflexión sobre una transformación que está ocurriendo frente a nosotros.

Su planteo es que la distancia entre las capacidades que ofrecen los sistemas avanzados de IA y el conocimiento que tiene la mayoría de las personas sobre esas capacidades se está ampliando.

Para ilustrarlo, describió una suerte de pirámide de adopción.

En la base se encuentra una enorme población que todavía no utiliza inteligencia artificial o apenas ha tenido contacto con ella.

Más arriba aparecen quienes utilizan chatbots para resolver consultas, redactar textos o buscar información.

Y, progresivamente, grupos mucho más pequeños de personas que experimentan con modelos avanzados, programación asistida, agentes y sistemas capaces de ejecutar tareas complejas.

Las cifras que utiliza Karpathy son aproximaciones conceptuales, no estadísticas oficiales. Sin embargo, su argumento merece atención.

La verdadera brecha ya no consiste únicamente en tener acceso a la inteligencia artificial, sino en comprender qué se puede hacer con ella y desarrollar las capacidades necesarias para aprovecharla.

Todos utilizan IA, pero no todos hacen lo mismo
Imaginemos tres empresas.

La primera comenzó a utilizar ChatGPT para redactar correos comerciales, preparar publicaciones y resumir documentos.

La segunda utiliza herramientas de IA para analizar información de clientes, preparar presupuestos, investigar mercados y asistir a sus equipos comerciales y administrativos.

La tercera está rediseñando determinados procesos: conecta sus sistemas de información, automatiza tareas repetitivas, utiliza asistentes especializados y mide los resultados obtenidos.

Las tres podrían responder afirmativamente si alguien les preguntara si utilizan inteligencia artificial.

Pero sus niveles de aprovechamiento son muy diferentes.

En la primera, la IA funciona principalmente como una herramienta de productividad individual.

En la segunda, comienza a integrarse en actividades concretas de la organización.

En la tercera, puede convertirse en un factor de transformación operativa.

No se trata de una clasificación rígida ni de una evolución que todas las empresas deban recorrer de la misma manera.

Una pequeña empresa puede obtener excelentes resultados con una aplicación sencilla, mientras que una organización mucho mayor puede invertir en soluciones sofisticadas sin generar beneficios relevantes.

La sofisticación tecnológica no garantiza valor empresarial.

La brecha también es de conocimiento y aprendizaje
Existe otro aspecto que merece atención.

Durante años, la incorporación de tecnología a las empresas estuvo asociada principalmente con la adquisición de software, equipamiento o infraestructura.

Con la inteligencia artificial, una parte importante de la diferencia competitiva puede depender de algo menos visible: la capacidad de las personas para descubrir posibilidades, formular problemas y experimentar con nuevas maneras de trabajar.

Dos profesionales con acceso a las mismas herramientas pueden obtener resultados completamente distintos.

Uno puede utilizarlas para acelerar tareas que ya realizaba.

Otro puede descubrir formas de abordar problemas que antes consideraba demasiado costosos, complejos o fuera de su alcance.

Esto no significa que todos deban convertirse en programadores o especialistas en inteligencia artificial.

Significa que comienza a adquirir valor una nueva combinación de competencias:

Conocimiento profundo de la propia actividad.
Capacidad para identificar problemas y oportunidades.
Comprensión práctica de las posibilidades y limitaciones de la IA.
Criterio para evaluar resultados y detectar errores.
Disposición para experimentar, aprender y adaptar procesos.
La experiencia profesional sigue siendo fundamental. De hecho, puede volverse todavía más valiosa cuando se combina con un uso inteligente de estas tecnologías.

¿Qué está ocurriendo en las PyMEs?
En las conversaciones con empresarios y profesionales que venimos desarrollando en los Desayunos de IA organizados por Marcelo Roich Studio, junto con AYI, aparecen situaciones muy diferentes.

Algunas empresas están comenzando a experimentar con asistentes para tareas administrativas.

Otras exploran aplicaciones en atención al cliente, mantenimiento, gestión comercial o análisis de información.

También participan profesionales y consultores que ya utilizan herramientas avanzadas y están repensando cómo prestar sus servicios.

Esta diversidad permite observar algo importante: no existe un único punto de partida ni una receta universal.

Una empresa industrial, una cooperativa de servicios, un hotel o una firma agroindustrial tienen problemas, recursos y prioridades diferentes.

Por eso, comenzar preguntando qué herramienta de IA conviene comprar puede ser un error.

La pregunta más productiva es qué problema del negocio merece ser resuelto y si la inteligencia artificial puede contribuir a hacerlo mejor.

El riesgo de confundir adopción con transformación
La creciente popularidad de las herramientas de IA puede generar una falsa sensación de avance.

Una organización puede tener numerosos empleados utilizando chatbots y, sin embargo, mantener intactos sus principales problemas operativos.

También puede incorporar agentes o automatizaciones sin haber definido claramente sus objetivos, responsabilidades o mecanismos de control.

En esos casos, la tecnología puede agregar complejidad en lugar de reducirla.

Hay además riesgos concretos: errores en las respuestas, exposición de información confidencial, dependencia de proveedores y automatización de procesos que todavía no funcionan correctamente.

Por eso, la transformación no debería medirse por la cantidad de herramientas utilizadas ni por el número de empleados que tienen acceso a ellas.

Debería medirse por resultados.

¿Se redujeron los tiempos de respuesta?

¿Disminuyeron los errores?

¿Mejoró la calidad de las decisiones?

¿Se liberó tiempo para actividades de mayor valor?

¿Se generaron oportunidades comerciales que antes no podían abordarse?

Estas preguntas permiten distinguir la experimentación tecnológica de la mejora empresarial.

Cómo empezar a cerrar la brecha
Para una PyME, cerrar esta brecha no exige necesariamente grandes inversiones.

Puede comenzar con un proceso gradual.

1. Identificar un problema concreto. Seleccionar una actividad que consuma tiempo, genere errores, limite la capacidad de respuesta o represente una oportunidad de mejora.

2. Comprender el proceso actual. Antes de automatizar, identificar cómo se trabaja, qué información se utiliza y dónde aparecen las dificultades.

3. Explorar soluciones posibles. Evaluar si una herramienta existente, un asistente personalizado o una integración sencilla puede aportar valor.

4. Realizar una prueba limitada. Trabajar con un caso específico, objetivos claros y supervisión humana.

5. Medir y aprender. Comparar resultados, identificar limitaciones y decidir si corresponde ampliar la experiencia.

Este recorrido tiene una ventaja: permite desarrollar capacidades internas mientras se comprueba la utilidad real de la tecnología.

Una oportunidad para las empresas que aprenden
La reflexión de Karpathy puede interpretarse como una advertencia sobre una nueva desigualdad tecnológica.

Pero también como una oportunidad.

Las herramientas de inteligencia artificial están poniendo capacidades antes reservadas a organizaciones con mayores recursos al alcance de empresas pequeñas y profesionales independientes.

Sin embargo, el acceso por sí solo no garantiza que esas posibilidades se conviertan en resultados.

La diferencia estará, en buena medida, en la curiosidad, el conocimiento del negocio, la capacidad de aprendizaje y la decisión de experimentar con criterio.

Quizás la pregunta más importante para los próximos años no sea cuántas empresas utilizan inteligencia artificial.

Sino cuántas están aprendiendo a trabajar de una manera que antes no era posible.

 
Desde Marcelo Roich Studio promovemos conversaciones, encuentros empresariales y espacios de conocimiento aplicado para explorar cómo la inteligencia artificial puede contribuir a mejorar los negocios.

Porque el objetivo no es incorporar tecnología por moda, sino identificar oportunidades concretas de mejora y convertirlas en resultados.