La mayoría de las organizaciones cree que se está transformando con inteligencia artificial. Pero, en realidad, muchas solo están automatizando tareas, en lugar de catalizar una reinvención empresarial. Un cambio auténtico ocurre cuando las empresas dejan de preguntarse cómo la inteligencia artificial puede reducir gastos y pasan a indagar qué podrían lograr ahora que antes no era posible.
Según el informe global «The State of AI: Global Survey 2025″, de McKinsey, las organizaciones que más valor obtienen de la IA son aquellas que, lejos de conformarse con la automatización, rediseñan flujos de trabajo, replantean procesos y transforman la forma de operar del negocio.
Esta es la consigna de Jordan Morrow, uno de los referentes mundiales en alfabetización de datos y transformación con inteligencia artificial. Para el fundador y director de Bodhi Data, la verdadera disrupción no pasa por hacer “un caballo más rápido”, sino por rediseñar el vehículo por completo.
A puertas de su participación como keynote speaker en el 8.º Data & AI Summit 2026 de Seminarium Perú, el experto estadounidense conversó con Sectoriales Tech sobre los retos que enfrenta la alfabetización de datos en las organizaciones y el potencial desaprovechado en la adopción de la IA generativa.
Sueles afirmar en tus conferencias que la transformación tiene que ver con la reinvención y no solo con la productividad. ¿Cuál es una señal clara de que una empresa realmente se está reinventando con inteligencia artificial?
Cuando hablamos de reinvención y de hacer las cosas de manera diferente, la IA nos ofrece una tecnología que nos permite operar de una forma completamente nueva.
Y, si pensamos en lo que significa realmente transformarse, imaginemos lo siguiente: si quisiéramos tener los autos más potentes del mundo, no intentaríamos simplemente hacer un caballo más rápido; reinventaríamos el automóvil y crearíamos un vehículo mejor. Hoy, incluso, tenemos autos eléctricos.
Lo mismo ocurre con las empresas. Si quieren transformarse, deben replantear sus procesos y encontrar formas de reinventar lo que hacen. La IA no debería ser solo una herramienta adicional, sino un socio estratégico que permita a las personas enfocarse en lo que las hace más humanas, dejando atrás tareas repetitivas o actividades que ya no aportan valor.
Muchos líderes empresariales aún perciben a la IA como una herramienta enfocada exclusivamente en la reducción de gastos. ¿Cómo pueden cambiar esa visión y empezar a considerarla como un motor de crecimiento e innovación?
Existen varias formas de utilizar la IA para impulsar la innovación y el crecimiento. El primer paso es dejar de verla únicamente como un mecanismo de ahorro de costos, porque, si la reducimos a eso, estamos desaprovechando su verdadero potencial.
La IA nos permite pensar de manera diferente. Puede procesar información más rápido que nosotros, identificar patrones que se nos pasan por alto y ofrecernos insights que no habíamos considerado. Si lo único que hacemos es automatizar tareas, estamos utilizando apenas una fracción de lo que la IA puede hacer.
Necesitamos verla en su totalidad, no solo desde la lógica del recorte presupuestal. Eso implica repensar procesos, analizar dónde puede generar valor real dentro de la organización y dejar de enfocarnos únicamente en preguntas como “¿podemos automatizar esta tarea?” o “¿podemos optimizar esta otra?”.
La verdadera pregunta debería ser: ¿cómo podemos usar la IA para reinventar nuestro negocio?
¿Consideras, entonces, que muchas empresas aún no están aprovechando todo el potencial de los modelos de IA generativa?
Sí, absolutamente. La IA generativa —como ChatGPT, Claude o Gemini— hizo que esta tecnología fuera accesible para el público masivo. Sin embargo, la realidad es que existen distintos tipos de inteligencia artificial y no todos se están utilizando de manera estratégica.
Por un lado, están el modelado predictivo y el aprendizaje automático, tecnologías que existen desde hace mucho tiempo y que permiten anticipar escenarios futuros y ajustar decisiones conforme llega nueva información.
Por otro lado, está la IA generativa, que puede funcionar como si tuviéramos a un científico con doctorado al lado, colaborando con nosotros y ofreciendo respuestas complejas en tiempo real.
Y, además, está la IA agéntica, que abre nuevas posibilidades de despliegue y autonomía en los procesos.
La IA puede implementarse de múltiples formas. Si lo único que hacemos es pedirle que redacte un mejor correo electrónico, estamos usando apenas una fracción de su capacidad. En ese caso, estamos desaprovechando gran parte de su verdadero potencial.
Has advertido sobre una “paradoja de confianza” en la alfabetización en IA. ¿En qué aspectos las organizaciones suelen sobreestimar sus capacidades?
Como seres humanos, tendemos a sobreestimar nuestra propia inteligencia. Yo mismo he trabajado en el desarrollo del campo de la alfabetización en datos y, aun así, todos caemos en esa tendencia. Es algo profundamente humano.
Al mismo tiempo, también solemos sobreestimar lo extraordinaria que es la IA. Por eso creo que necesitamos equilibrar ambas cosas. Si la IA nos da una respuesta, debemos cuestionarla. Si un colega o un socio de negocio nos da una respuesta, también debemos cuestionarla.
No se trata de aceptar la información tal como viene, sino de validarla: probarla, hacer preguntas, aplicar pensamiento crítico. Si no lo hacemos, estamos sobreestimando tanto nuestras capacidades como las de la tecnología.
Y lo interesante es que no requiere mucho tiempo. A veces bastan tres o cinco minutos para formular algunas preguntas básicas y verificar que lo que estamos viendo sea correcto.
En definitiva, solemos sobreestimar lo que podemos hacer y lo que la IA puede hacer. Cuando somos lo suficientemente humildes para dar un paso atrás y mantener una actitud de aprendizaje constante, es ahí cuando realmente logramos extraer el mayor valor.
Si los KPI no cambian, la transformación no ocurre. En la era de la inteligencia artificial, ¿qué métrica deberían replantear de inmediato los líderes?
Obtener un buen retorno de inversión en la era de la IA no puede reducirse a preguntas como “¿ahorramos costos aquí?” o “¿mejoramos esta cifra puntual?”.
Creo que necesitamos repensar, de manera profunda, cómo medimos el valor. La pregunta central es: ¿qué significa realmente “valor”? ¿Se limita a reducir costos? ¿Se trata únicamente de generar nuevos ingresos? ¿O puede provenir, por ejemplo, de generar nuevos insights e ideas que la empresa pueda aplicar estratégicamente?
No siempre lo sabemos con certeza. Una sola idea potente podría tardar cinco años en traducirse en ingresos concretos y, aun así, transformar por completo el negocio.
Por eso, no deberíamos concentrarnos únicamente en el ahorro inmediato o en el impacto financiero de corto plazo. Yo pondría el foco en qué nuevos insights fuimos capaces de generar como organización y qué innovaciones logramos desarrollar.
Es posible que el retorno económico no sea visible de inmediato, pero, si el proceso se gestiona correctamente, el valor terminará manifestándose de distintas maneras.
También enfatizas la importancia de la seguridad psicológica en los procesos de transformación digital. ¿Cómo pueden las empresas fomentar la experimentación sin perder control ni responsabilidad?
Hay una frase de uno de mis héroes, Nelson Mandela, que resume muy bien esta idea: “Yo nunca pierdo; o gano o aprendo”.
Con demasiada frecuencia, en las organizaciones, cuando un proyecto no tiene éxito, la persona responsable es castigada. Sin embargo, necesitamos redefinir lo que entendemos por éxito. El éxito no siempre está al final del proyecto; puede estar en el proceso, en los cinco, diez o veinte aprendizajes que obtenemos en el camino. Incluso si el proyecto fracasa, esos aprendizajes permanecen.
Entre el 90% y el 99% de las personas no son especialistas en datos o inteligencia artificial, pero les estamos pidiendo que utilicen estas herramientas. Naturalmente, sienten miedo de equivocarse y ser penalizadas. En lugar de trabajar bajo esa presión, deberíamos reconocer y recompensar el intento.
Las organizaciones deben permitir la experimentación sin que el error implique castigo. Es como un niño que está aprendiendo a caminar: no lo empujamos repetidamente hasta que lo haga bien; lo ayudamos a levantarse cada vez que cae, hasta que logra caminar por sí mismo.
Lo mismo ocurre con la IA. No podemos reaccionar con enojo si algo no funciona a la primera. Debemos acompañar a las personas, ayudarlas a aprender y generar un entorno en el que se sientan seguras para volver a intentarlo. Solo así podrán percibir que están progresando y desarrollando nuevas capacidades.
¿Qué le aconsejarías a una empresa que quiere iniciar un proceso de capacitación en IA con sus equipos?
Para mí, el punto central es que la mayoría de las personas no quiere “volver a la escuela”. Sin embargo, cuando una organización adquiere una nueva herramienta de IA, debe invertir, al mismo tiempo, en capacitar a su gente: cómo usarla, cómo funciona y por dónde empezar.
Pero hay algo aún más importante. La formación en IA no debe centrarse solo en el uso técnico de la herramienta, sino en cómo emplearla para generar valor para el negocio. No se trata simplemente de escribir un prompt en ChatGPT y obtener algo entretenido. Se trata de entender cómo utilizar la IA para innovar en el propio trabajo o para responder preguntas relevantes que impacten en los resultados.
La capacitación debe enfocarse en enseñar a las personas a usar la IA de una manera que aporte valor real.
Te doy un ejemplo sencillo. Cuando viaje a Perú para dar una conferencia, revisaré en mi iPhone la aplicación del clima para saber qué tiempo hará y así preparar mi maleta adecuadamente. Estoy usando esa aplicación para generar valor en mi vida: decidir si necesito ropa abrigadora o no.
Con la IA sucede lo mismo. Yo sé cómo usar la aplicación del clima para obtener un beneficio concreto. La pregunta es: ¿las personas saben cómo usar la IA para generar valor en su trabajo? Si la respuesta es no, ahí debe centrarse la capacitación: en comprender qué significa “valor” y cómo traducirlo en impacto empresarial.
