La oportunidad de IA empresarial es la ampliación, no el reemplazo

La inteligencia artificial generativa puede producir una visión plausible del futuro en segundos. Eso no significa que las empresas deban basar sus estrategias en ella.

Un estudio recién publicado que compara escenarios de fuerza laboral generados por IA con prospectiva dirigida por expertos encontró una clara división de fortalezas.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro y DeepSeek R1 generaron escenarios estructurados de forma rápida, eficiente y abarcando una amplia gama de temas. Sin embargo, los expertos humanos produjeron futuros con mayor profundidad contextual, sensibilidad ética y utilidad estratégica.

La investigación se centró en la gestión del talento en turismo y hospitalidad, pero sus implicaciones van mucho más allá de hoteles y viajes. Cada empresa que ahora considera la IA para planificación, contratación, análisis de riesgos o apoyo a decisiones ejecutivas se enfrenta a la misma pregunta: ¿El sistema está produciendo ideas útiles o simplemente organizando conceptos familiares en una narrativa convincente?

La respuesta no es que la IA carezca de valor. Más bien, su valor es mayor cuando amplía el campo de posibilidades antes de que personas experimentadas decidan qué merece ser tomado en serio.

Cómo los investigadores probaron GenAI como herramienta de prospectiva estratégica

Los investigadores pidieron a las tres plataformas de IA que desarrollaran escenarios de fuerza laboral para 2035 usando el marco de los Cuatro Futuro de Dator. Este método explora cuatro direcciones amplias: continuidad, colapso, disciplina y transformación.

A cada modelo se le proporcionaron indicaciones estandarizadas que abarcaban condiciones laborales, uso de IA en recursos humanos, percepciones de los empleados, habilidades emergentes, ética, políticas y educación. Las narrativas resultantes se compararon con escenarios desarrollados previamente mediante entrevistas a 30 expertos internacionales en turismo y hospitalidad, incluidos gerentes, profesionales de RR.HH., especialistas en tecnología y académicos.

Los cuatro escenarios iban desde un entorno laboral impulsado por IA donde la automatización mejoró la contratación y la capacitación, hasta un futuro sobre‑automatizado marcado por la vigilancia, la despersonalización y la insatisfacción de los empleados. Los modelos también consideraron un entorno laboral equilibrado entre humanos e IA y un futuro en el que la industria restringiera deliberadamente la automatización para preservar el servicio personal.

El experimento se diseñó intencionalmente con limitaciones. Los modelos recibieron indicaciones de paso único sin preguntas de seguimiento, validación externa, retroalimentación de partes interesadas ni refinamiento iterativo. Como resultado, el artículo evalúa futuros generados por IA en su forma básica en lugar del mejor resultado posible de un flujo de trabajo sofisticado entre humanos e IA.

Dónde la IA sobresalió y dónde los expertos mantuvieron la ventaja

Los resultados comparativos del estudio muestran por qué la IA generativa es atractiva para las empresas. Puede poblar rápidamente una página en blanco con posibles roles, riesgos, políticas y respuestas organizacionales. Esa velocidad podría hacer que la planificación formal de escenarios sea accesible para empresas más pequeñas que no pueden contratar un gran equipo de consultores para cada pregunta estratégica.

La debilidad apareció cuando la amplitud necesitó convertirse en juicio. Los modelos reconocieron problemas como sesgo, privacidad, desplazamiento y vigilancia, pero generalmente los trataron como categorías a mencionar. Los expertos exploraron cómo esos problemas afectarían la moral, la cultura de servicio, la voz de los empleados, las limitaciones organizacionales y el trabajo emocional central de la hospitalidad.

Esta distinción es importante. Un modelo de lenguaje puede identificar que la automatización podría reducir el contacto humano. Un operador experimentado es más propenso a entender qué interacciones valoran los clientes, qué decisiones resistirán los trabajadores y dónde un proceso aparentemente eficiente podría dañar la confianza o la retención.

La verdadera oportunidad empresarial es una exploración estratégica más rápida

La interpretación más útil no es que los humanos derrotaran a la IA. Es que cada parte operó en una capa diferente del problema.

GenAI fue eficaz en la generación de posibilidades. Los expertos fueron mejores en la evaluación de esas posibilidades. Combinar estas funciones puede crear un proceso más sólido que depender completamente de una sola.

Una organización podría usar IA para crear decenas de escenarios base, variar supuestos críticos, identificar señales débiles y revelar contradicciones. Los participantes humanos podrían entonces rechazar narrativas genéricas, añadir evidencia local, introducir perspectivas de los interesados y decidir qué desarrollos justifican inversión o planificación de contingencias.

Este enfoque se asemeja a la transición más amplia de modelos independientes a sistemas empresariales completos. Como Securities.io ha examinado previamente, la mayoría de los despliegues autónomos carecen de capas esenciales alrededor de la inteligencia subyacente. Un modelo capaz es solo un componente. El acceso a datos, la orquestación, la gobernanza, la seguridad, la responsabilidad y la integración determinan si crea valor duradero.

Para su uso práctico, las empresas deberían tratar los escenarios generados por IA como hipótesis que deben superar varias verificaciones:

• ¿Qué supuestos no están respaldados o son demasiado genéricos?
• ¿De quiénes faltan intereses y experiencias?
• ¿Qué evidencia confirmaría o debilitaría el escenario?
• ¿Qué decisiones siguen siendo reversibles si la previsión es incorrecta?

Esto convierte a la IA de una autoridad en un compañero de debate intelectual. Su propósito es ampliar la consideración, no cerrar el debate.

Por qué la supervisión humana se está convirtiendo en un requisito económico

La revisión humana suele presentarse como una salvaguarda ética añadida después de construir un sistema de IA. En aplicaciones estratégicas, forma parte del propio producto.

Una previsión que pasa por alto la regulación, la resistencia de la fuerza laboral o el comportamiento del cliente puede dirigir el capital al proyecto equivocado. Un sistema de contratación que optimiza la eficiencia medible mientras debilita la confianza puede aumentar la rotación y la exposición legal. Una herramienta de planificación de escenarios que repite supuestos dominantes puede hacer que los ejecutivos se sientan más seguros sin que estén mejor informados.

La regulación está reforzando esta necesidad. El AI Act de la Unión Europea clasifica ciertas aplicaciones de empleo y gestión de trabajadores como de alto riesgo y exige medidas que incluyen documentación, trazabilidad, precisión y supervisión humana. Estos requisitos hacen que las capacidades de gobernanza sean comercialmente relevantes y no solo reputacionales.

La ventaja competitiva emergente podría, por tanto, ser la inteligencia contextual: la capacidad de conectar la salida del modelo con datos propietarios, conocimiento sectorial, regulación, historia organizacional y la experiencia vivida de las personas afectadas. Los modelos de base seguirán mejorando, pero el acceso a un modelo capaz está convirtiéndose en un factor menos diferenciador. El activo más difícil de reproducir es el sistema que lo rodea.

Esto también ayuda a explicar por qué la inteligencia está siendo cada vez más tratada como infraestructura. La infraestructura se vuelve útil económicamente cuando es fiable, está gobernada y conectada a operaciones reales. La generación bruta es solo el comienzo de esa cadena de valor.

Una limitación crítica cambia la forma en que deben interpretarse los resultados

El estudio contiene una asimetría importante. Los escenarios de IA fueron salidas brutas de primera pasada, mientras que la comparación humana provino de entrevistas que fueron sintetizadas, editadas y publicadas mediante revisión por pares. Parte de la ventaja de los expertos puede reflejar un proceso de producción más rico en lugar de una diferencia inherente entre el razonamiento humano y el de la máquina.

Las versiones de modelo seleccionadas también reflejan una ventana de recopilación de datos de febrero a marzo de 2025. Dado el ritmo del desarrollo de la IA, la investigación no debe interpretarse como una clasificación permanente de ChatGPT, Gemini, DeepSeek o expertos humanos.

Esas limitaciones no invalidan el hallazgo central. En su lugar, apuntan al próximo experimento: comparar equipos de expertos contra equipos de expertos que utilicen IA, con ambas partes con igual acceso a evidencia, iteración y refinamiento editorial. Eso mediría si GenAI cierra la brecha contextual cuando se integra en un proceso riguroso.

Invertir en la capa de integración Humano-IA

Los hallazgos crean un caso de inversión natural para Accenture. La empresa se sitúa entre modelos de base cada vez más capaces y las organizaciones que necesitan que esos modelos se conviertan en flujos de trabajo seguros y específicos de la industria.

La relevancia de Accenture no se basa en poseer un modelo de base líder. Proviene de combinar la implementación tecnológica con el conocimiento de procesos, la transformación de la fuerza laboral, la gobernanza y la experiencia sectorial. Ese posicionamiento se alinea estrechamente con la conclusión del estudio de que la IA se vuelve más útil cuando sus resultados son interpretados y contextualizados por humanos.

Recientemente, la empresa creó un Accenture Gemini Enterprise Business Group con Google Cloud. La iniciativa combina profesionales certificados, experiencia sectorial, marcos de implementación y una fuerza laboral de ingeniería desplegada anticipadamente de 1.000 personas planificada. Su objetivo declarado es trasladar a los clientes de experimentos limitados de IA hacia resultados empresariales medibles.

Esa estrategia también conlleva riesgos. Los proyectos de IA liderados por consultoras pueden ser costosos, los beneficios pueden ser difíciles de cuantificar y el software que mejora rápidamente puede automatizar partes del trabajo de implementación. Accenture debe demostrar que su experiencia genera mejoras operativas duraderas en lugar de programas piloto prolongados. Sin embargo, la investigación respalda la premisa subyacente de que las empresas necesitarán más que el acceso a modelos. Necesitarán ayuda para rediseñar decisiones, responsabilidades y flujos de trabajo en torno a ello.

La IA dará forma a la estrategia sin convertirse en la estratega

La IA generativa ya es capaz de hacer que la exploración estratégica sea más rápida y económica. Puede generar alternativas, organizar la incertidumbre y proporcionar a los tomadores de decisiones algo concreto para cuestionar. Esas son ventajas significativas.

Lo que aún no puede ofrecer por sí sola es la responsabilidad por las suposiciones dentro de sus narrativas. No asume el costo cuando una recomendación genérica choca con la cultura laboral, la normativa o el comportamiento humano.

El modelo empresarial más sólido, por lo tanto, no es ni la automatización total ni el rechazo de la IA. Es una división disciplinada del trabajo: las máquinas generan y varían posibilidades, mientras que las personas aportan evidencia, contexto, juicio ético y responsabilidad. Para los inversores, esto desplaza la atención de los modelos únicamente hacia las empresas que construyen las capas de integración, gobernanza y experiencia que hacen que la IA sea utilizable en la economía real.

Referencias:

¹ El Hajal, G., & Ivanov, S. (2026). Máquinas, mentes y el futuro del trabajo: GenAI y los imaginarios del trabajo futuro. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934