En los últimos años, la Inteligencia Artificial (IA) se ha vuelto una prioridad para muchas organizaciones. Sin embargo, aunque su uso crece rápidamente, también aumenta una barrera menos visible: las personas no necesariamente la están adoptando en su día a día y su implementación empieza a plantear nuevos desafíos en términos de gestión de costos operativos, como el consumo asociado al uso de modelos y procesamiento.
Según el informe de 2025 “From Hype to Impact” de EPAM, el 42% de las compañías reconoce que sus colaboradores necesitan desarrollar nuevas habilidades para responder a las exigencias de la adopción de IA, una cifra que asciende al 46% entre las organizaciones más avanzadas, mientras que menos del 4% de los ejecutivos afirma no tener planes de ampliar sus equipos de IA, reflejando la creciente presión organizacional que implican estas transformaciones. Más que un desafío tecnológico, es un problema de cambio organizacional y gestión de adopción real dentro de las organizaciones.
En muchos casos, el problema no está en la ambición, sino en la ejecución. Las organizaciones suelen lanzar múltiples iniciativas en paralelo, muchas veces sin una priorización clara basada en impacto de negocio. Prueban herramientas sin integrarlas en los procesos y toman decisiones sin considerar cómo impactan en la dinámica diaria de los equipos, generando una desconexión progresiva. A esto se suma que el costo acumulado del uso de estos modelos, particularmente en términos de consumo de tokens, empieza a ser un factor relevante al momento de demostrar el retorno de las iniciativas.
A su vez, la presión por sumar nuevas soluciones se mezcla con la falta de claridad sobre su valor real, y los equipos terminan viendo estas iniciativas como una carga extra en vez de una mejora. Si no hay una integración real, una capacitación de las personas, una gobernanza adecuada, una priorización de casos de uso y un control sobre el uso de modelos y su consumo, la adopción es superficial y los resultados no duran.
En este contexto, el desafío no es avanzar más rápido, sino lograr que todos avancen juntos y en la misma dirección. Por eso, el marco de trabajo AI/Run™.Transform de EPAM busca definir qué buscamos transformar, cómo hacerlo y cómo asegurar que las personas lo puedan poner en práctica mediante agentes de IA diseñados para tareas específicas, que se integran directamente en los flujos de trabajo existentes y apoyan la ejecución en tiempo real.
También es importante entender cómo se habilitan estas soluciones dentro de la organización. Las opciones de licenciamiento, límites de uso y acceso no son menores: pueden potenciar como restringir la adopción. Un enfoque demasiado cerrado puede frenar la experimentación, mientras que una apertura sin control puede derivar en ineficiencias o desvíos en costos. Encontrar ese equilibrio es parte central de una estrategia de adopción sostenible.
A diferencia de los pilotos aislados, estos agentes se comunican entre sí y ayudan a automatizar flujos de trabajo clave, apoyar la toma de decisiones y generar impacto tangible en los KPIs del negocio. Así, no solo se mejora la eficiencia, sino que la adopción es más rápida porque la tecnología se integra de manera natural en la forma de trabajar.
El desafío, entonces, no es adoptar más herramientas, sino hacer que funcionen en la práctica y poder medir su desempeño para confirmar si efectivamente se lograron las mejoras esperadas. Porque en un entorno donde todos están empezando a correr, la diferencia no está en quién implementa primero, sino en quién logra escalar y sostener el valor en el tiempo y convertirlo en resultados reales.
Por Rubén Pérez, VP, Co-Head of Delivery, Ibero-America.
