Si hay algo que he aprendido en mi rol como Chief Information Officer (CIO 2025), es que el paisaje tecnológico nunca se queda quieto.
Y en los últimos años, la inteligencia artificial –esa idea que solíamos ver en películas de ciencia ficción– se ha instalado de lleno en nuestro día a día corporativo.
No es una moda pasajera; es una fuerza transformadora que está redefiniendo cómo operamos, cómo competimos y, francamente, dónde debemos poner nuestro dinero.
Desde mi silla, tengo una vista privilegiada. No solo veo el torbellino de posibilidades que la IA presenta para mejorar cada rincón de nuestra organización, sino que también me enfrento a la realidad más palpable: la necesidad de mover el dinero.
Sí, hablo del presupuesto. Reorientar esas partidas, a veces tan rígidamente asignadas, para apostar por la IA de una manera que sea no solo efectiva y eficiente, sino también sostenible a largo plazo.
Esta no es una decisión que tomamos a la ligera o solo porque la tecnología sea fascinante.
Nace de un análisis profundo sobre cómo sobrevivimos y prosperamos en este mundo de negocios que cambia a la velocidad de la luz, un mundo volátil, incierto y, sobre todo, intensamente digitalizado.
Quiero usar este espacio para compartir una perspectiva, una especie de mapa que he ido trazando –basado en lo que veo, en lo que leemos, en lo que nos dicen los datos y en lo que aprendemos de otros– sobre cómo nosotros, los CIO, podemos hacer esto realidad.
Cómo podemos liberar esos fondos “atrapados” en lo viejo para invertirlos en el futuro. No se trata de un salto al vacío, sino de una reasignación inteligente, respaldada por números, por estudios serios, y por el aprendizaje colectivo de quienes ya están dando estos pasos.
Vamos a meternos de lleno en cómo ha cambiado el juego del gasto en TI, por qué reasignar es ahora un movimiento estratégico crucial, qué criterios usar para no fallar en el intento, cuáles son esos proyectos “estrella” de IA que realmente mueven la aguja, cómo podemos hacer esta transición sin romper todo en el proceso, y por qué hablar de ética, datos y, sobre todo, de nuestra gente, es tan vital como hablar de los algoritmos.
Al final del día, la tecnología es solo una herramienta; el verdadero poder está en cómo la usamos para crear valor para nuestras organizaciones y para las personas que las forman.
El Presupuesto de TI: De “Apagar Incendios” a “Construir el Futuro”
Pensemos por un momento en cómo solíamos manejar los presupuestos de tecnología. Durante años, la prioridad número uno era, seamos honestos, “mantener las luces encendidas”.
La mayor parte del dinero se iba en lo esencial: asegurar que los servidores no se cayeran, que las computadoras funcionaran, que las licencias estuvieran al día, en fin, en el soporte diario.
Era un presupuesto centrado en el mantenimiento, en la estabilidad, en la continuidad operativa. Y era necesario, claro que sí. Nadie quiere que el email o el sistema de facturación dejen de funcionar.
Pero el mundo cambió. Y nuestro rol también. La tecnología ya no es solo un soporte; es, en muchos casos, el motor de la innovación y la principal fuente de diferenciación. Las organizaciones que entienden esto son las que están ganando.
Y eso se ve reflejado directamente en cómo se mueve el dinero global de TI.
Miro informes como el de Gartner, y las cifras hablan por sí solas. Se espera que el gasto global en TI alcance unos impresionantes 5.1 billones de dólares en 2025. Es una cifra enorme, un 8% más que el año anterior.
Pero lo que realmente llama la atención es a dónde se dirige ese crecimiento. Una porción creciente, un 22% de ese total para 2025, va directo a proyectos relacionados con IA.
Y ese 22% representa ¡un salto del 54% respecto a lo que se invertía en IA apenas tres años antes, en 2022! Esto no es una fluctuación; es una tendencia consolidada a nivel mundial.
Las empresas no solo gastan más en tecnología en general, sino que están decidiendo activamente que la IA merece una tajada cada vez más grande del pastel.
Ahora, si miramos a nuestra región, a América Latina, la foto es un poco diferente, como siempre. Nuestros presupuestos suelen ser más ajustados, tenemos otras realidades económicas y estructurales.
Pero la aspiración es la misma, y la necesidad, quizás, incluso mayor. Un estudio reciente de NTT Data y MIT Technology Review en 2023 ponía el dedo en la llaga: el 62% de nuestras empresas reconoce a la IA como una prioridad estratégica clave.
Lo tenemos clarísimo. Pero, ¿Cuántas han pasado de la intención a la acción? Solo un 28% ha logrado implementaciones significativas. ¿Por qué esta brecha tan grande?
Bueno, los desafíos son conocidos: la dificultad para mover esos fondos que están pegados a sistemas viejos y contratos de soporte, y la escasez, la gran escasez, de talento con las habilidades necesarias para hacer que la IA funcione de verdad.
Superar esa rigidez presupuestaria es, quizás, nuestro primer gran reto como líderes de TI.
Reasignar el Presupuesto: No es un Recorte, es una Apuesta Inteligente por la Ventaja Competitiva
Entonces, ¿Cómo liberamos ese dinero que necesitamos para la IA? Aquí es donde entra el arte (y la ciencia) de la reasignación presupuestaria.
No se trata de quitarle el pan a la boca a nadie, sino de reconocer que algunas partidas tradicionales, aunque hayan sido importantes en el pasado, hoy nos dan cada vez menos por cada dólar invertido.
Pensemos en esos sistemas heredados, los “legacy systems” que son como dinosaurios digitales: caros de mantener, difíciles de integrar y que nos dan dolores de cabeza constantes.
O ese software redundante que se acumuló a lo largo de los años, o contratos de soporte que firmamos hace eones y que ya no son eficientes. Esos son los lugares naturales donde mirar.
Son partidas que, con una buena auditoría y un poco de valentía, pueden ser revisadas, optimizadas y, sí, reorientadas.
El Boston Consulting Group lo demostró con números fríos en 2023. Analizaron empresas que tomaron esta decisión valiente: redirigir al menos un 10% de su presupuesto de TI, que antes iba a otras cosas, hacia iniciativas de IA.
¿Los resultados? Impresionantes. En promedio, estas empresas vieron un aumento del 22% en su eficiencia operativa y un crecimiento del 19% en la satisfacción del cliente en solo 18 meses. ¿Casualidad? Para nada.
Esto es el resultado directo de poner los recursos donde realmente generan impacto, de planificar con cabeza y de alinear la tecnología con lo que el negocio necesita desesperadamente: ser más rápido, más inteligente y más cercano al cliente.
Reasignar presupuesto no es un ajuste contable; es una declaración estratégica de dónde vemos el futuro y cómo vamos a financiarlo.
Nuestros Filtros Internos: Criterios para no Tirar el Dinero (y Asignarlo con Cabeza)
Está claro que necesitamos invertir en IA, y que hay dinero que podemos liberar. Pero, ¿Cómo decidimos dónde invertir exactamente? El mundo de la IA es vasto y puede ser abrumador. Hay cientos de casos de uso, plataformas, herramientas…
Caer en la trampa de la “tecnología por la tecnología” es fácil, y nos pasa a veces.
Por eso, he llegado a la conclusión de que necesitamos filtros claros, una especie de brújula interna para guiar esas decisiones de asignación presupuestaria. Para mí, hay al menos cinco preguntas clave que debemos hacernos (y hacer al negocio) antes de poner un solo dólar en un proyecto de IA:
¿Esto realmente nos ayuda a cumplir nuestros grandes objetivos de negocio?
Olvídense un momento de la tecnología. ¿Qué estamos tratando de lograr como empresa este año, o en los próximos tres años? ¿Aumentar ventas en un nuevo mercado? ¿Reducir costos operativos masivamente?
¿Ser líderes en experiencia del cliente? Cualquier proyecto de IA que consideremos debe tener una línea directa y clara con uno o varios de estos objetivos estratégicos.
Si no podemos dibujarla de forma convincente, es probable que estemos enamorados de la tecnología y no del problema que resuelve (o del valor que crea). La conversación aquí tiene que ser con los líderes de negocio, codo a codo.
¿Cuál es el retorno tangible y medible que esperamos ver?
Las promesas son bonitas, pero los números mandan. Antes de asignar presupuesto, debemos definir qué métricas clave (KPIs) vamos a mover y en cuánto. ¿Vamos a reducir el tiempo de atención al cliente en X minutos?
¿Vamos a disminuir los errores en la facturación en Y%? ¿Vamos a incrementar la tasa de conversión en Z puntos? Y, lo más importante, ¿Cómo se traduce eso en dinero o en valor para el cliente o el empleado?
Necesitamos un caso de negocio sólido, con una línea base clara antes de empezar y objetivos cuantificables. Esto nos obliga a pensar en el “después” y a justificar la inversión más allá del “porque es IA y es el futuro”.
¿Estamos listos para esto, técnica y humanamente?
Aquí es donde la cosa se pone real. ¿Tenemos la infraestructura de datos necesaria (datos limpios, accesibles)? ¿Contamos con la capacidad de cómputo?
¿Y, quizás lo más difícil, tenemos a la gente adecuada con las habilidades técnicas (científicos de datos, ingenieros de ML) y, crucialmente, la gente en el negocio dispuesta y capaz de usar la nueva herramienta?
Si la respuesta es no a cualquiera de estas, el presupuesto debe contemplar no solo la solución de IA, sino también la inversión en infraestructura, datos o –fundamentalmente– en capacitación o contratación. Un proyecto técnicamente brillante puede morir si la organización no está lista para adoptarlo.
¿Cuándo vamos a ver resultados?
Algunos proyectos de IA son maratones, otros son Sprint.
Implementar un chatbot puede dar resultados visibles en meses. Construir un modelo predictivo complejo para toda la cadena de suministro puede llevar años.
Es importante tener un portafolio balanceado. Necesitamos victorias rápidas que demuestren el valor de la IA, generen entusiasmo y, idealmente, liberen recursos que podamos reinvertir.
Pero también necesitamos invertir en esas capacidades a más largo plazo que construirán nuestra ventaja competitiva sostenible. Definir el horizonte de impacto nos ayuda a gestionar expectativas y a planificar la financiación a lo largo del tiempo.
¿Esto se queda aquí o podemos replicarlo y escalarlo?
Un piloto exitoso en un área es genial. Pero un piloto cuyos aprendizajes y tecnología se pueden replicar en otras áreas o unidades de negocio es oro puro.
Al evaluar una iniciativa, debemos pensar en su potencial de escalabilidad.
¿La solución está construida de manera que pueda crecer en volumen de usuarios o datos? ¿Podemos tomar el modelo o la metodología y aplicarla a otro problema similar en otro departamento?
Priorizar proyectos con alto potencial de escalabilidad maximiza el retorno de la inversión inicial en desarrollo y aprendizaje.
Aplicar este tipo de filtros nos ayuda a ser disciplinados.
Nos fuerza a pensar estratégicamente, a colaborar con el negocio y a ser realistas sobre nuestras capacidades.
Nos protege de caer en la trampa de perseguir cada nueva tecnología brillante y nos enfoca en aquellos proyectos de IA que tienen el mayor potencial real de generar valor tangible y medible. Es una forma de asegurar que cada dólar reasignado trabaje al máximo.
Donde el Dinero de la IA Empieza a Generar Valor Real: Casos de Uso con Impacto Probado
Bien, ya sabemos de dónde podemos sacar el dinero y cómo decidir dónde ponerlo. Ahora, ¿cuáles son esos lugares, esos casos de uso de IA, donde ya hemos visto un impacto real y medible? No tenemos que reinventar la rueda.
Hay áreas donde la IA ha demostrado consistentemente su capacidad para resolver problemas de negocio concretos y generar un retorno claro. Aquí hay algunos de mis favoritos, porque he visto de cerca cómo transforman operaciones y mejoran resultados:
Poner a la IA en la Primera Línea de Atención al Cliente (Chatbots y Asistentes Inteligentes):
Todos hemos interactuado con ellos, a veces con frustración, a veces con sorpresa. Pero la IA conversacional ha mejorado muchísimo. Los chatbots y asistentes virtuales de hoy, potenciados por Procesamiento de Lenguaje Natural avanzado, pueden entender lo que el cliente realmente quiere decir, no solo las palabras clave.
Pueden manejar una avalancha de consultas básicas –¿Dónde está mi pedido? ¿Cuál es mi saldo? ¿Cómo reseteo mi contraseña?– las 24 horas del día, 7 días a la semana, sin que el cliente tenga que esperar.
Esto libera a nuestros agentes humanos, que son caros y valiosos, para que se enfoquen en esos casos complejos, esos clientes frustrados que necesitan empatía, o esas oportunidades de venta cruzada donde el toque humano es insustituible.
Accenture nos dice que estos sistemas pueden resolver hasta el 70% de las consultas de primer nivel, lo que se traduce en una reducción brutal (hasta un 30%) de los costos operativos del centro de atención.
Y lo que es mejor, los clientes suelen estar más contentos con respuestas instantáneas y consistentes. Es una ganancia por partida doble.
Anticiparnos a los Problemas: Mantenimiento Predictivo en Fábricas y Activos Críticos:
En cualquier industria que dependa de maquinaria pesada o infraestructura crítica (una planta de manufactura, una central eléctrica, una flota de camiones), una falla inesperada es una pesadilla.
Cuesta una fortuna en tiempo de inactividad, reparaciones de emergencia e incluso riesgos de seguridad. El mantenimiento predictivo basado en IA es como tener un médico que detecta la enfermedad antes de que aparezcan los síntomas graves. Instalamos sensores inteligentes (IoT) que recogen datos minuto a minuto –temperatura, vibración, ruido, consumo de energía.
Los algoritmos de IA analizan esos datos en tiempo real, aprendiendo los patrones “normales” y detectando desviaciones sutiles que indican un problema potencial.
Esto nos permite programar el mantenimiento justo cuando es necesario, antes de la falla, en lugar de hacerlo de forma reactiva o en base a un calendario fijo que puede ser ineficiente.
Empresas como General Electric han reportado reducciones del 20% en paradas no programadas. Esto no solo ahorra dinero; mejora la seguridad y la eficiencia general de la operación.
Detener el Fraude Antes de que Ocurra, Especialmente en Finanzas:
El fraude es un enemigo silencioso que cuesta millones. Y los defraudadores son cada vez más sofisticados. Los sistemas tradicionales de detección, basados en reglas, siempre van un paso atrás.
La IA, por otro lado, es increíblemente buena encontrando patrones ocultos en montañas de datos que un humano jamás podría procesar. Los modelos de machine learning pueden analizar transacciones, comportamientos de usuario, datos geográficos y cientos de otras variables en milisegundos para identificar actividades sospechosas.
Esto es vital en sectores como el financiero. El Banco Interamericano de Desarrollo (BID) destacó que bancos en América Latina que implementaron sistemas de detección de fraude con IA lograron reducir en un ¡45% el tiempo promedio que tardaban en identificar una operación fraudulenta!
Menos tiempo significa menos dinero perdido. Y, además, al ser más precisos, reducimos los “falsos positivos”, esas veces que se bloquea una transacción legítima de un cliente, lo que mejora la experiencia del usuario.
Hacer Magia con la Cadena de Suministro: Predecir y Optimizar:
Las cadenas de suministro son un laberinto de complejidad, especialmente en un mundo donde cualquier evento global puede generar una disrupción.
Predecir cuántos productos vamos a necesitar, dónde y cuándo, para no tener exceso de stock (que es dinero parado) ni quedarnos sin inventario (lo que significa ventas perdidas y clientes infelices) es un desafío constante.
La IA, analizando datos históricos de ventas, tendencias de mercado, incluso factores externos como el clima o eventos sociales, puede generar pronósticos de demanda mucho más precisos que los métodos tradicionales.
Con esa mejor predicción, podemos optimizar todo lo demás: cuánta materia prima comprar, cuánta producción planificar, dónde ubicar el inventario y cómo trazar las rutas de transporte más eficientes.
Amazon es el ejemplo icónico de cómo una logística optimizada por IA se convierte en una ventaja competitiva insuperable.
Grupo Arcor en Argentina logró, según Clarín Empresas, una reducción del 18% en costos de distribución al integrar IA en su planificación logística. Es un área donde el retorno de la inversión en IA es muy tangible y directo.
Liberar a Nuestra Gente de Tareas Mundanas: Automatización Inteligente en la Oficina:
Piensen en todas esas tareas repetitivas, basadas en reglas o que implican procesar documentos y datos de forma manual en las áreas administrativas: verificar facturas, conciliar cuentas, extraer información de PDFs, clasificar emails…
Son tediosas, consumen tiempo valioso y son propensas a errores humanos. La Automatización Robótica de Procesos (RPA) ayudó mucho, pero solo sirve para tareas muy estructuradas.
Cuando le sumamos IA, especialmente capacidades como el reconocimiento inteligente de documentos (para leer y entender texto no estructurado) o el machine learning para clasificar y tomar decisiones simples, podemos automatizar procesos mucho más complejos.
Deloitte estimó que esta “automatización inteligente” puede reducir los tiempos de procesamiento en un 40% o más en ciertas funciones. ¿El beneficio? Nuestros empleados se liberan de lo repetitivo para dedicarse a lo que realmente aporta valor: pensar, analizar, interactuar con clientes, resolver problemas complejos. Es una inversión en eficiencia y en el bienestar y la productividad de nuestra fuerza laboral.
Estos son solo algunos ejemplos, por supuesto. Hay muchos más: personalización de marketing, desarrollo de fármacos, detección de fraudes internos, análisis de riesgo crediticio…
La clave es identificar cuáles de estos casos de uso resuelven los problemas más grandes y costosos para nuestra organización y tienen el mayor potencial de retorno rápido y medible. Ahí es donde debemos priorizar la reasignación de presupuesto.
El “Cómo”: Una Hoja de Ruta Práctica para Mover el Dinero sin Caos
Ok, sabemos por qué, dónde y qué tipo de proyectos priorizar. Ahora viene la parte operativa: ¿cómo hacemos realmente esta reasignación sin que parezca una “quita” arbitraria que genere resistencia? Se necesita un enfoque cuidadoso, metódico y transparente. Esto es lo que, en mi experiencia, funciona:
Conviértete en Detective de Tu Propio Presupuesto: La Auditoría Interna Rigurosa.
El primer paso es mirar con lupa dónde se va cada dólar de TI hoy. No es suficiente ver las grandes categorías. Hay que profundizar. ¿Cuánto gastamos realmente en el mantenimiento de ese sistema antiguo que usa una única área?
¿Qué parte de los contratos de soporte podría renegociarse o eliminarse si reemplazamos ciertos componentes? ¿Hay herramientas de software que compramos y que nadie usa realmente?
¿Dónde hay ineficiencias operativas en nuestra propia área de TI que, al resolverlas (quizás con automatización interna), liberarían personal o fondos?
Esta auditoría es una mina de oro potencial, pero requiere esfuerzo, honestidad y colaboración con finanzas y las unidades de negocio. Es el paso menos glamuroso, pero el más fundamental. El dinero para la IA no aparece de la nada; hay que encontrarlo dentro de nuestro gasto actual, optimizándolo.
Define el “Norte” con el Negocio: Prioridades Estratégicas Claras.
Ya lo mencionamos, pero vale la pena repetirlo: la IA no es un fin, es un medio. Una vez que tenemos una idea de dónde podemos liberar fondos, debemos sentarnos con la alta dirección y los líderes de cada área (ventas, marketing, operaciones, finanzas, etc.) para entender qué les duele más y qué quieren lograr.
¿Es expandirse globalmente y necesitan entender mercados diversos? ¿Es reducir el tiempo de entrega de productos? ¿Es personalizar la oferta a cada cliente? Sus grandes desafíos de negocio son nuestra guía para identificar los proyectos de IA que realmente tendrán un impacto. Nuestras prioridades de inversión en IA deben ser un reflejo directo de las prioridades estratégicas de la empresa.
Sé Realista Sobre lo que Tienes (y lo que te Falta): Evaluación de Capacidades.
Queremos invertir en IA, pero ¿podemos hacerlo? ¿Tenemos a la gente con las habilidades de ciencia de datos? ¿Nuestra infraestructura de datos está lista para alimentar modelos de ML (datos limpios, accesibles)?
¿Tenemos la capacidad de cómputo? Si la respuesta es no a algo crucial, una parte del presupuesto reasignado tiene que ir a construir esas capacidades primero. Ya sea formación interna para nuestros equipos actuales, contratación de talento especializado, o inversión en infraestructura de nube o plataformas de datos. No tiene sentido financiar un proyecto de IA si no tenemos los cimientos (datos) o los arquitectos (talento) para construirlo.
Empieza Pequeño y Prueba las Aguas: Asignación Progresiva con Pilotos.
Lanzar grandes sumas de dinero a proyectos de IA no probados es arriesgado. Es mucho más inteligente empezar con pilotos pequeños, bien definidos y controlados. Selecciona 2 o 3 casos de uso prometedores, basados en los criterios que mencionamos, y asígnales una porción inicial del presupuesto reasignado (un 3%, un 5% del total reasignado, por ejemplo).
Estos pilotos nos permiten aprender. ¿Funciona la tecnología en nuestro entorno? ¿Tenemos los datos correctos? ¿Nuestra gente está adoptando la solución? Nos dan la oportunidad de fallar rápido y barato, ajustar el rumbo, y, si todo va bien, generar esa “historia de éxito” interna que necesitamos para convencer a más gente (y justificar más presupuesto).
El Dinero Extra Viene con Resultados: Escalado Condicionado al Desempeño.
Aquí está la clave para la sostenibilidad. El escalado de un proyecto de IA (moverlo de un piloto a producción a gran escala, o replicarlo en otras áreas) no debería ser automático. Debe estar condicionado al desempeño probado del piloto.
¿El proyecto cumplió los KPIs definidos? ¿Demostró el retorno esperado? ¿Resolvió el problema de negocio? Si la respuesta es sí, entonces sí, asigna los fondos necesarios para escalarlo.
Si la respuesta es no, o solo parcialmente, hay que sentarse, analizar qué falló (¿tecnología? ¿datos? ¿adopción? ¿problema mal definido?) y decidir si vale la pena iterar o si es mejor cortar la inversión y redirigirla a otra parte.
Esta mentalidad de inversión basada en resultados asegura que el presupuesto se use de manera efectiva y que se aprenda de cada iniciativa.
Este proceso no es lineal perfecto, claro. Habrá baches en el camino, resistencias, resultados inesperados. Pero tener una metodología clara, comunicarla transparentemente y basar las decisiones en datos y resultados es fundamental para navegar la complejidad de reasignar presupuesto para la transformación.
No Olvidemos lo Fundamental: Ética, Datos, Seguridad y Sostenibilidad
Mientras nos emocionamos con los algoritmos y los casos de uso, es crucial mantener los pies en la tierra y recordar que la IA no opera en el vacío. Viene con una serie de responsabilidades enormes que no pueden ser un apéndice en el presupuesto, sino una parte integral de la planificación. Hablo de gobernanza de datos, ética, seguridad y sostenibilidad a largo plazo. Si no invertimos aquí, todo lo demás puede venirse abajo.
Los Datos: El Combustible (y el Alma) de la IA.
La IA es tan buena como los datos con los que se entrena. Datos incompletos, sucios, sesgados o inaccesibles son la receta para el fracaso. Y peor aún, usar datos sensibles sin la debida precaución es un riesgo masivo. Una parte significativa del presupuesto reasignado debe ir a construir una base de datos sólida.
Esto significa invertir en infraestructura (plataformas de datos unificados, lagos de datos), en herramientas de calidad de datos, en procesos para limpiar y estructurar la información, y, sobre todo, en políticas y tecnología de gobernanza de datos. ¿Quién es el dueño de qué dato? ¿Quién puede acceder a él? ¿Cómo garantizamos su calidad y su seguridad?
Esto no es sexy, pero es el cimiento sobre el que se construye cualquier iniciativa de IA seria. Y el cumplimiento normativo, como nuestra Ley de Protección de Datos Personales, es innegociable.
La Ética: Construyendo Confianza y Equidad.
Los modelos de IA pueden aprender y perpetuar los sesgos que existen en los datos históricos. Si no somos cuidadosos, podemos terminar con sistemas de IA que discriminan, que toman decisiones injustas o que son opacos.
La ética en IA no es un tema académico; es una necesidad de negocio y social. Los principios que promueve la OCDE (transparencia, explicabilidad, equidad, seguridad, rendición de cuentas) deben guiar nuestras decisiones.
Esto implica invertir en evaluar el posible sesgo de nuestros datos y modelos, en herramientas que nos ayuden a entender por qué un modelo tomó una decisión (la famosa “caja negra” debe abrirse), y en procesos de auditoría continuos.
En América Latina, iniciativas como los lineamientos éticos de AGESIC en Uruguay son un gran punto de partida. Nuestro presupuesto debe contemplar formación ética para los equipos y procesos para asegurar que la IA se usa de manera responsable y justa. La confianza del cliente y del empleado depende de ello.
Seguridad por Diseño: Protegiendo Nuestros Sistemas de IA.
Los sistemas de IA no solo usan datos sensibles; también pueden ser un nuevo vector de ataque para ciberdelincuentes. Atacar los datos de entrenamiento para “envenenar” el modelo, o engañar a un modelo en producción con “ataques adversarios” puede tener consecuencias desastrosas.
La seguridad no puede ser un pensamiento tardío; debe integrarse desde el principio en el diseño y la implementación de cualquier solución de IA. Esto significa invertir en seguridad de datos específica para entornos de ML, en monitoreo continuo de la actividad de los modelos, y en prácticas de desarrollo seguro adaptadas a la IA. Proteger nuestros sistemas de IA es tan vital como proteger nuestra red o nuestros datos tradicionales.
Sostenibilidad: Pensando a Largo Plazo (Personas y Planeta).
La sostenibilidad de la IA tiene varias caras. Económicamente, debemos asegurarnos de que la inversión se mantiene justificando su valor. Pero también hay aspectos ambientales: entrenar modelos de IA complejos puede requerir una potencia de cómputo enorme y, por lo tanto, un consumo de energía considerable.
¿Estamos considerando la eficiencia energética? ¿Podemos optar por infraestructuras más “verdes”? Y, fundamentalmente, la sostenibilidad social: ¿cómo aseguramos que la IA mejora los trabajos en lugar de simplemente eliminarlos, que capacitamos a nuestra gente, que gestionamos el cambio de manera humana?
La inversión en IA no puede ser a expensas de nuestra responsabilidad social corporativa.
Integrar estos pilares –datos, ética, seguridad, sostenibilidad– en el corazón de nuestra estrategia y presupuesto de IA es fundamental. No son obstáculos; son los elementos que nos permitirán construir una capacidad de IA que no solo sea poderosa, sino también confiable, responsable y duradera.
Ejemplos que nos Inspiran: Donde la Reasignación se Volvió Realidad y Dio Frutos
Ver ejemplos concretos nos ayuda a entender que esto no es solo teoría. Hay empresas, incluso en nuestra región, que ya están haciendo esta reorientación de presupuesto y viendo los resultados. Son casos que nos validan el camino y nos muestran que se puede hacer:
Banco Galicia (Argentina): Este banco decidió invertir fuerte en mejorar la experiencia digital del cliente. Vieron que el contact center tradicional era un cuello de botella y un centro de costos alto. Reasignaron fondos de sus sistemas de atención heredados y de soporte para apostar por una plataforma de IA conversacional potente. ¿El resultado? Redujeron un 40% las llamadas que antes manejaban humanos y, al ser más eficientes y rápidas las respuestas del chatbot, la satisfacción del cliente ¡subió 15 puntos! (El Cronista, 2023). Es un ejemplo claro de cómo mover dinero de lo viejo a lo nuevo genera un impacto directo y positivo en el negocio y el cliente.
Grupo Arcor (Industria Alimentaria, LatAm): Esta gigante de alimentos maneja una logística de una complejidad enorme. Reconocieron que sus métodos de planificación tradicionales no daban más. Reasignaron presupuesto de áreas operativas y sistemas de gestión de cadena de suministro para invertir en IA que pudiera predecir la demanda con mucha más precisión y optimizar las rutas de distribución. Usando algoritmos que consideran múltiples variables (incluyendo factores externos), lograron predecir mejor y, con eso, optimizar su red logística. El resultado fue una reducción del 18% en los costos de distribución (Clarín Empresas, 2023). Un ejemplo potente de cómo la IA, financiada por reasignación, puede generar ahorros directos y mejorar la eficiencia de procesos centrales.
Estos casos no son ciencia ficción. Son realidades de organizaciones que tomaron la decisión de mirar su presupuesto de TI con ojos críticos, identificar dónde podían optimizar y reorientar, y apostar por la IA en áreas donde prometía un retorno claro. Son nuestra inspiración y nuestra prueba de que es posible.
Nuestra Responsabilidad como CIO en la Era de la IA
Llegamos al final de este recorrido. Y si algo espero que quede claro es esto: reorientar partidas presupuestarias hacia la inteligencia artificial no es un capricho tecnológico. Es una decisión estratégica, fundamental, que cae directamente en nuestro plato como CIOs. Es una oportunidad de oro para dejar de ser percibidos solo como los guardianes de la tecnología y convertirnos en arquitectos clave del futuro de la organización.
La IA, aplicada con cabeza y corazón, puede realmente multiplicar el valor que entregamos. Nos hace más eficientes, sí. Nos permite innovar a un ritmo que antes era impensable. Nos hace más resilientes frente a la incertidumbre. Nos ayuda a entender y servir mejor a nuestros clientes. Pero todo eso requiere inversión. Y esa inversión, en muchos casos, tendrá que venir de reevaluar y reasignar esos fondos que hoy se van en mantener sistemas viejos o procesos ineficientes.
No se trata de hacer borrón y cuenta nueva con todo. Se trata de identificar inteligentemente dónde está el lastre y dónde está el potencial. La IA es una palanca increíblemente poderosa para amplificar la inteligencia que ya existe en nuestra organización –la inteligencia de nuestros datos, la inteligencia de nuestros procesos, la inteligencia de nuestra gente–.
Y su adopción exitosa, financiada por decisiones presupuestarias conscientes, lleva implícita una convicción más profunda: que el futuro del negocio no es algo que simplemente esperamos que suceda, que nos llegue.
El futuro lo construimos nosotros, hoy. Con cada decisión sobre dónde ponemos un dólar, con cada iniciativa que impulsamos, con cada capacidad que desarrollamos en nuestra gente.
Se construye desde el presente, con criterio, basándonos en datos y evidencia, y asegurándonos siempre de que la tecnología que implementamos esté verdaderamente al servicio de las personas: nuestros colegas, nuestros clientes y la sociedad en general. Ese es el desafío.
Esa es nuestra oportunidad. Y esa es, en mi opinión, una de las responsabilidades más apasionantes que tenemos hoy como líderes de tecnología. El momento de actuar es ahora.
Por Marcelo Lozano – General Publisher IT CONNECT LATAM
Lea más sobre innovación en;
IBM z17: perfecto, poderoso y superior
Infraestructura de Redes Personalizada: 2025 será un año prodigioso
Semana Argentina en España: como trampolín de talento para el Mobile World Congress 2025
Videojuegos 2024: la AI como desafío de seguridad
re:Invent 2024 un evento espectacular
cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025,
cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025, cio 2025,