Está claro que la inteligencia artificial (IA) ha venido a revolucionar todas las industrias, en
cualquier tamaño de empresa. Se habla mucho de los beneficios que esta tecnología nos
brinda (procesos redefinidos, operaciones a mayor velocidad y optimización de la relación
con los clientes, por ejemplo), pero antes que todo es importante que las organizaciones
decidan cuál es el enfoque más conveniente a implementar.
Por otra parte, las próximas generaciones de profesionales deben tener en cuenta que el
importante cambio de paradigma que esta innovación representa requiere que las empresas
planteen una nueva visión de las estructuras laborales y la selección del talento. Por ello,
los futuros profesionales necesitan mantenerse atentos a la evolución que la IA genera en
las empresas en estos tiempos de constante cambio, así como del impacto que continuará
ocasionando en el futuro.
Se necesita ir más allá de la IA
Los negocios necesitan mejorar sus decisiones. En todos los sectores, la IA y otras
tecnologías pueden llevar el análisis de los datos al siguiente nivel, revolucionando las
operaciones y trayendo inteligencia a la mesa de las decisiones. Con todo, es cierto que,
aunque las organizaciones están muy interesadas en incluir a la IA en su agenda, hay retos
apremiantes. De acuerdo con diversos informes de Gartner, dos desafíos prioritarios son:
- De cada 36 pruebas de concepto de IA en una empresa promedio, sólo 4 llegan a
producción 1 , lo que habla de la gran cantidad de proyectos infructuosos
- El año pasado, 9 de cada 10 CIOs consideraban que su equipo de liderazgo no
estaba listo para la IA 2 , lo cual deja ver la carencia de profesionales con experiencia
en esta tecnología
En la visión de FICO, más allá de la IA por sí misma, lo que traerá mayores ventajas a los
negocios es la Inteligencia Aplicada, que combina la inteligencia humana (aprovechando la
experiencia a partir de capacitar a los usuarios empresariales, para crear y administrar las
estrategias, reglas y análisis que impulsan las acciones) con la IA (que aprovecha técnicas
de machine learning, analítica, modelado de decisiones, optimización y simulación, con
base en información predictiva y prescriptiva).
A nivel tecnológico, de lo que se habla hoy en día es de los agentes de IA (AI Agents):
según Gartner, son entidades autónomas o semiautónomas de software que usan técnicas
de IA para percibir, llevar a cabo acciones, tomar decisiones y alcanzar objetivos en
entornos digitales o físicos.
Como lo experimentamos en FICO, estos agentes forman parte de un ecosistema más
amplio, de forma que hay que entrenarlos, darles el contexto y probarlos. Su labor es tomar los datos que hagan sentido según su función, ejecutando modelos adecuados para el tipo
de problema a resolver, realizando acciones acorde a la estrategia a considerar.
Pongamos un par de ejemplos: si un banco busca una prevención de fraudes en tiempo
real, el agente de IA podría ser capaz de definir bloqueos, aprobaciones o verificaciones
humanas, y lo haría analizando el perfil del cliente, información de la transacción, datos
contextuales y señales en tiempo real. Si una compañía de reparto desea contar con una
selección predictiva del horario de entrega más conveniente, un agente de IA de asignación
dinámica de rutas y horarios seleccionaría la mejor ventana de entrega en tiempo real para
cada pedido, haciendo una revisión del historial de entregas fallidas, los patrones de
disponibilidad del destinatario y el comportamiento del tráfico en tiempo real.
Después de implementar una IA exitosa, se puede hacer mucho más
Nuestra visión es que los agentes permitan una nueva forma de trabajar que ayude a los
negocios a poner en práctica la IA, pero considerando fundamental tener siempre presente
el valor del juicio humano en la ecuación. De esta forma, conjuntando tecnologías
habituales y emergentes, son las personas, como parte vital del flujo, las que asignan
objetivos a los agentes de IA.
Puede parecer futurista, pero es algo que ya existe. En FICO lo hacemos recabando y
analizando datos brutos según sea cada caso, generando perfiles dinámicos, tomando
decisiones personalizadas y atándolo todo a resultados, como proteger mejor, vender más,
tener menos fraudes o pérdidas, disminuir la exposición al riesgo, etcétera.
Ahora bien, una vez que la maquinaria de la IA opera con éxito, un ingrediente necesario en
la estrategia es la optimización matemática, que es el proceso matemático de encontrar la
mejor decisión a un problema de negocio, con base en datos y el uso de algoritmos, para
detectar qué cambios hay que hacer en la estrategia y obtener, así, mejores resultados.
En una firma logística, por ejemplo, gracias a ella se pueden mejorar aspectos como el uso
de la energía eléctrica; la gestión de rutas, flotillas e inventarios; la planeación de la
producción y las asignaciones de mantenimiento, entre otras posibilidades. Tenemos el
caso de Traxión, compañía mexicana perteneciente a esta industria, la cual ha reducido los
viajes vacíos en 40%, mejorando la eficiencia analítica y la velocidad de análisis para
obtener perspectivas óptimas, gracias al uso de soluciones de FICO y optimización
matemática.
5 consejos para poner el primer pie en ese futuro
Los próximos profesionales, quienes ahora se encuentran en la etapa final de sus estudios
universitarios, tienen ante sí un panorama sumamente emocionante: el comienzo de su vida
laboral. Será sumamente valioso que estén preparados y actualizados en temas de IA. Para
FICO, estos son los consejos por los que pueden comenzar:
- Aprender a medir los impactos: Desarrollar un entendimiento amplio sobre todos
los impactos de una iniciativa, considerando por ejemplo costos, retornos de
inversión, ahorros operativos, etc., y asegurarse de que hay un problema que se
está solucionando.
- Conocer a fondo las implicaciones de la IA: Previo a la aplicación de la IA,
estudiar a profundidad las limitaciones, operacionalización, consideraciones éticas y
explicabilidad de cada rama de la IA.
- Entender sobre ciberseguridad: Aprender sobre metodologías escalables y las
más recientes tecnologías para identificar vulnerabilidades.
- Tomar decisiones basadas en datos: Interpretar bien los datos relevantes,
haciendo mediciones y ajustes, e identificando posibles sesgos.
- Comunicar de forma efectiva: Desarrollar habilidades de presentación y
comunicación para poder explicar ideas complejas con la mayor claridad posible.
21 noviembre, 2025 
