Las empresas empezaron a llevar la inteligencia artificial a tareas que hasta hace poco dependían por completo de planillas, búsquedas manuales y reuniones entre equipos. Entre la promesa de hacer más rápido el trabajo y la discusión por el empleo, el desafío ya no pasa sólo por abrir ChatGPT o Claude: pasa por conectar esas herramientas con información propia, fijar controles y decidir quién toma la última palabra. Para Fredi Vivas, CEO de RockingData, la clave está en entender el proceso como una ampliación de capacidades. Profesor e ingeniero especializado en inteligencia artificial, Vivas es autor de los libros Generación IA, Invisible y ¿Cómo piensan las máquinas?. Desde esa experiencia, el fundador de RockingData sostuvo en Infobae A las Nueve que las compañías todavía atraviesan una etapa de adopción parcial, con pruebas acotadas y decisiones pendientes sobre cómo llevar estos sistemas al trabajo cotidiano. La pregunta por los puestos de trabajo aparece cada vez que una compañía incorpora un asistente capaz de redactar, ordenar datos o responder consultas. Vivas dijo que, en los casos que observa, no hay una sustitución lineal de personas por sistemas automatizados. “Los informes dicen que no es así”, afirmó.Según el CEO de RockingData, el uso que gana terreno dentro de las organizaciones está ligado a la eficiencia y al apoyo de los equipos, más que a la eliminación inmediata de funciones. La diferencia, planteó, está en el modo de incorporar la tecnología. Un analista, un ejecutivo de cuentas o un responsable comercial pueden recibir asistencia para revisar información y detectar alternativas, pero la decisión sigue siendo humana. “Una mirada de amplificación o de aumentación con IA es la que va”, sostuvo Vivas. También advirtió que algunas compañías presentan recortes vinculados a estas herramientas como parte de una señal hacia el mercado. “El mercado lo ve como compañías tecnológicamente de avanzada”, afirmó al referirse a esos anuncios. ChatGPT se volvió masivo y Claude busca espacio en las empresas El contraste entre ChatGPT y Claude permite ver dos recorridos distintos dentro del mismo mercado. Vivas explicó que OpenAI apostó desde el comienzo por una herramienta de uso amplio, integrada a consultas domésticas, tareas informales y pedidos cotidianos. “ChatGPT es medio como un amigo para mucha gente”, dijo.Claude, el modelo desarrollado por Anthropic, siguió, según su descripción, una orientación más centrada en el ámbito laboral y corporativo. “Vamos a orientarla al trabajo y a las corporaciones”, resumió Vivas al explicar la estrategia que atribuye a la empresa. Esa diferencia se vincula con una necesidad concreta de las organizaciones: sostener conversaciones extensas sin volver a explicar el contexto en cada intercambio. Para revisar documentos, variables financieras o información de gestión, el sistema debe conservar el hilo de la consulta y responder con mayor consistencia. “Necesitás algo mucho más sólido”, señaló. En ese terreno, el especialista consideró que Claude logró una presencia relevante entre perfiles tecnológicos y equipos de trabajo. “En el mundo del trabajo, sí, claramente hoy es el líder rotundo”, sostuvo, aunque remarcó que la utilidad de cada plataforma depende de la tarea que se le asigne. Los modelos no conocen los datos ni los problemas de cada compañía La herramienta, por sí sola, no conoce la historia comercial de una empresa, el comportamiento de sus clientes ni el funcionamiento de su operación. Ese límite aparece cuando una organización pretende pasar de una consulta general a una decisión vinculada con ventas, logística o atención. “No saben nada de tu empresa”, afirmó Vivas sobre ChatGPT, Claude y otros modelos de lenguaje.Una pyme puede acumular información en un sistema de gestión, registros de clientes y planillas de cálculo sin que esos datos se conviertan, de manera automática, en conocimiento útil para el negocio. El problema no siempre es la falta de información: muchas veces falta la forma de ordenarla y ponerla a disposición de quienes deciden. “Lo que por ahí no tiene es la capa de explotación de esos datos”, explicó. Para Vivas, las herramientas de inteligencia artificial pueden colaborar en la lectura de una planilla, en la elaboración de un tablero o en el ordenamiento de grandes volúmenes de datos. Esa asistencia no reemplaza el criterio de quien conoce el negocio. “La técnica de análisis de datos la puede hacer una herramienta”, afirmó. El escenario que describe es el de un área comercial que recibe alertas antes de que una oportunidad se pierda entre decenas de registros. Un sistema de agentes puede señalar, por ejemplo, qué cliente dejó de comprar o qué producto podría ofrecerse en una próxima conversación. “¿Por qué no le proponés esto?”, ejemplificó Vivas.Las pruebas de IA chocan con la falta de responsables dentro de las organizaciones El recorrido entre una prueba inicial y un sistema incorporado al trabajo diario suele encontrar un obstáculo menos visible que la tecnología: la ausencia de alguien que asuma la conducción del proyecto. “Mucha falta de líderes”, dijo Vivas al describir la dificultad que enfrentan las empresas para llevar las pruebas de concepto a producción. El ingeniero comparó el momento con los primeros años de la transformación digital, cuando muchas compañías advertían la necesidad de cambiar pero todavía no habían integrado las nuevas herramientas a sus procesos centrales. La incorporación de inteligencia artificial, afirmó, todavía se mueve entre ensayos y proyectos acotados. “Todavía no adopción profunda”, reiteró. En esa etapa, el foco no debería estar puesto en aplicar la misma herramienta a todos los problemas. La empresa necesita determinar qué área tiene datos disponibles, qué proceso demanda tiempo y qué controles requiere cada uso antes de automatizarlo. “Necesitás algo mucho más sólido”, sostuvo Vivas. Los modelos abiertos pueden reducir costos, pero los datos exigen controles El costo de utilizar modelos de inteligencia artificial ocupa parte de las conversaciones empresariales, sobre todo cuando el volumen de consultas crece. Vivas cree que la actual preocupación por los tokens —las unidades con las que se mide el procesamiento de texto— perderá peso con el tiempo, como ocurrió con el consumo de datos durante la expansión de las redes 4G. “La lógica de la escasez de la gestión de los tokens para mí va a desaparecer”, afirmó.En paralelo, mencionó modelos de código abierto como DeepSeek, Kimi y Llama, que pueden descargarse e instalarse en infraestructura propia. Ese esquema permite adaptar herramientas al contexto interno de una compañía y decidir con mayor precisión dónde se procesa la información. “Vos te descargás a tu computadora el modelo de lenguaje”, explicó. Según Vivas, muchas organizaciones avanzan hacia modelos combinados: reservan los sistemas propios para las tareas internas más frecuentes y recurren a servicios comerciales para consultas que requieren otras capacidades. “El 80% de las transacciones” puede resolverse con modelos propios, afirmó al describir ese tipo de arquitectura. La conveniencia económica convive con una advertencia de seguridad. Al conectar archivos, planillas o documentos internos a sistemas de IA, las empresas deben definir permisos y verificar qué información queda disponible para cada usuario. – Infobae te acompaña cada día en YouTube con entrevistas, análisis y la información más destacada, en un formato cercano y dinámico. • De 7 a 9: Infobae al Amanecer: Nacho Giron, Luciana Rubinska y Belén Escobar. • De 9 a 12: Infobae a las Nueve: Gonzalo Sánchez, Tatiana Schapiro, Ramón Indart y Cecilia Boufflet. • De 12 a 15: Infobae al Mediodia: Maru Duffard, Andrei Serbin Pont, Fede Mayol y Facundo Kablan. • De 15 a 18: Infobae a la Tarde: Manu Jove, Maia Jastreblansky y Paula Guardia Bourdin; rotan en la semana Marcos Shaw, Lara López Calvo y Tomás Trapé. • De 18 a 21: Infobae al Regreso: Gonzalo Aziz, Diego Iglesias, Malena de los Ríos y Matías Barbería; rotan en la semana Gustavo Lazzari, Martín Tetaz y Mica Mendelevich Seguinos en nuestro canal de YouTube @infobae.
