La adopción gradual de la inteligencia artificial ya ocupa un lugar prioritario en la agenda de empresas, gobiernos y trabajadores. Sin embargo, este proceso no siempre avanza de manera ordenada, una brecha que la Estrategia Nacional de Inteligencia Artificial 2026-2030 busca abordar.
El plan plantea que el Perú debe fortalecer su ecosistema de inteligencia artificial mediante talento humano, seguridad digital y criterios éticos que contribuyan a elevar la productividad y competitividad del país.
Pensar que basta con dejar que cada área adopte herramientas de IA por su cuenta para obtener resultados de negocio es un error.
Cuando estos modelos se adoptan sin reglas comunes ni una hoja de ruta organizacional, la promesa de eficiencia puede convertirse en fragmentación: desde datos dispersos hasta graves riesgos de seguridad.
En este escenario, Giulio Marchena, especialista en inteligencia artificial y negocios de Centrum PUCP, analiza cómo las empresas pueden incorporar IA generativa sin caer en la improvisación. Además, explica qué rol deben asumir de manera conjunta las áreas de RR. HH. y tecnología, y por qué la clave está en gobernar los datos antes que limitarse a automatizar tareas.
La Estrategia Nacional de Inteligencia Artificial 2026-2030 advierte que la adopción de herramientas de IA en el Perú todavía es muy fragmentada. Desde tu experiencia, ¿cómo se manifiesta esa fragmentación dentro de las empresas?
La llegada de la IA generativa ha sido una revolución en los últimos tres años, especialmente desde la aparición de ChatGPT en el mercado. Este avance ha permitido evidenciar el nivel de eficiencia que estas herramientas pueden generar para los trabajadores dentro de una organización, pero también ha provocado que su uso avance de manera fragmentada.
Hoy vemos unidades de negocio o colaboradores que utilizan IA generativa para ser más eficientes en su día a día, pero sin una estructura clara sobre cómo aplicarla en beneficio de su trabajo, sin capacitación formal y sin una estrategia definida.
Al final, sí es posible ganar eficiencia, pero por silos, no a partir de una estructura impulsada desde los niveles más altos de la organización que defina con claridad cómo y para qué se puede usar la IA generativa.
¿Qué rol deberían asumir las áreas de Recursos Humanos en este proceso? ¿Cómo puede la capacitación en IA incorporar aspectos como ética, seguridad de datos y rediseño de puestos?
El área de Recursos Humanos es fundamental en este proceso. Un reporte publicado a inicios del año pasado, el Future of Jobs Report del Foro Económico Mundial, explica cómo se moverán los puestos de trabajo a raíz de la inteligencia artificial generativa. En este contexto, cuando hablamos de IA, nos referimos específicamente a la IA generativa, porque es la que ha generado la mayor revolución.
La inteligencia artificial existe desde hace muchos años y ya se utilizaba en las organizaciones, pero esta es la primera vez que una tecnología de este tipo está tan cerca de los colaboradores.
El Future of Jobs Report señala que el 41% de las empresas reducirá su fuerza laboral justamente por este tipo de tecnologías. Eso obliga a que las áreas de Recursos Humanos se preocupen por el reskilling y el upskilling, es decir, por desarrollar nuevas habilidades en los colaboradores.
Lo interesante de ese mismo reporte es que, si bien muchos puestos de trabajo desaparecerán, también surgirán otros nuevos. De hecho, aparecerán más puestos de los que van a desaparecer.
Ahí está la oportunidad y también una gran responsabilidad para las áreas de Recursos Humanos: empezar a desarrollar las nuevas habilidades que necesitaremos los colaboradores en esta etapa de colaboración con la IA.
Cuando un área empieza a probar sus propias herramientas de IA, puede surgir un nuevo desorden asociado a la dispersión de datos. ¿Qué modelo de gobierno interno necesita una empresa para evitar ese caos o incertidumbre?
Para empezar, un buen gobierno de datos implica identificar cuáles son las fuentes de información más actualizadas y fidedignas que deben estar disponibles para que los colaboradores puedan acceder a ellas y responder sus consultas de negocio.
Lo primero, entonces, es establecer un gobierno de datos. Por ejemplo, saber dónde está guardada la información de los clientes y definir cuál será la fuente única, más confiable y actualizada para esa data.
De esa manera, cualquier iniciativa que se desarrolle dentro de la organización con información de clientes estará gobernada por los permisos correspondientes y por los criterios de sensibilidad adecuados para ese tipo de datos.
Por eso, antes incluso de hablar de gobierno de IA, lo primero es hablar de gobierno de datos.
Luego viene el gobierno del uso de la inteligencia artificial. En ese frente, una primera recomendación es definir, a nivel organizacional, un stack de tecnologías aprobadas por la empresa, de modo que puedan utilizarse de forma homogénea en toda la compañía.
Es decir, si la empresa decide que todos utilizarán Microsoft Copilot para determinadas casuísticas y bajo ciertos niveles de uso, ese será el stack definido, con las restricciones correspondientes, y deberá comunicarse de esa manera dentro de la organización.
Esta gestión puede recaer en distintas áreas, como tecnología o arquitectura, que suelen administrar estos portafolios de soluciones y revisar de manera constante qué nuevas herramientas aparecen en el mercado para evaluar si corresponde actualizarlas.
Si estas decisiones se centralizan, organizan y comunican adecuadamente, la empresa tendrá mucho más control. Así podrá gobernar mejor qué tecnologías se pueden usar, para qué casos, qué usos están permitidos y a qué datos pueden acceder, siempre con los permisos necesarios.
Si una empresa peruana quisiera empezar este año una adopción seria de inteligencia artificial, pero sin generar resistencia ni caer en la improvisación, ¿cuáles deberían ser sus tres primeros pasos concretos?
Lo primero —y puede parecer básico, pero muchas empresas no lo toman en cuenta— es preguntarse qué objetivo persigue la organización este año.
Todavía estamos en 2026. Entonces, ¿qué está buscando la organización en este periodo? O, incluso, ¿qué está buscando una unidad o departamento específico durante este año?
Cualquier tecnología que se incorpore debe contribuir a acercar a la organización a ese objetivo. Por eso, el primer paso es tener claridad sobre qué meta se quiere cumplir.
Una vez definido ese objetivo, el siguiente paso es identificar qué casos de uso o casuísticas se pueden priorizar para que, al implementarlas con IA, ayuden a alcanzar esa meta con mayor rapidez.
Y ahí aparecen algunas recomendaciones. Esos casos de uso deben estar alineados con el objetivo: si logramos desarrollarlos, ¿realmente ayudarán a alcanzarlo? Además, deberían poder implementarse de manera fácil y rápida.
A eso se le conoce como quick wins o victorias rápidas: casos que pueden estar funcionando en un par de meses y demostrar valor dentro de la organización.
Con eso en mente, recién empieza la implementación de la IA.
No necesariamente debe ser un despliegue enorme desde el inicio, con todo el gobierno de datos y los demás elementos que hemos comentado, porque eso toma tiempo. Pero cuando se busca convencer a la organización, es clave empezar con un experimento que realmente valga la pena.
A partir de ahí, la inversión y la estructura van llegando.
Por ejemplo, imaginemos un área de soporte al cliente cuyo objetivo es atender más consultas, porque antes solo podía responder la mitad de las preguntas que recibía por falta de personal. En ese caso, se puede implementar un agente virtual integrado a WhatsApp, entrenado para responder cierto tipo de consultas.
Eso permitiría incrementar la cantidad de atenciones y, además, asegurar respuestas correctas. Si se cuenta con una base de conocimiento para entrenar a la IA y con la integración a WhatsApp, en dos meses podría estar funcionando para determinados tipos de consultas.
Luego, también en ese plazo, se podría evidenciar que la atención aumentó y que ese avance acerca al área a su objetivo. Ese sería el primer paso para demostrar que la IA funciona y que realmente mueve la aguja del negocio.
A partir de ahí, el presupuesto adicional puede servir para implementar un gobierno más robusto y desplegar la IA de forma adecuada.
