Las empresas argentinas transitan una etapa de análisis y experimentación con inteligencia artificial (IA), centrada en identificar necesidades y procesos de negocio donde aplicarla, más que en una implementación a escala. En ese marco, Seidor Argentina sostiene que el desafío principal dejó de ser probar herramientas y pasó a ser integrarlas de manera estructurada para obtener resultados medibles de productividad.
La compañía advierte que la fase de experimentación puede quedar limitada a pruebas aisladas cuando no se acompaña de objetivos de negocio claros ni de una base de datos y procesos internos ordenada. También plantea que la conversación sobre IA debería correrse de la discusión sobre la herramienta —qué modelo, qué plataforma o qué proveedor— para concentrarse en el problema de negocio que se busca resolver. Esa mirada apunta a quienes toman decisiones de inversión, como CEOs, CFOs y CTOs, que necesitan justificar resultados concretos.
Orden interno antes de automatizar
Para Seidor, una parte relevante de los proyectos de IA que no escala comparte un origen: se implementan sobre datos poco confiables o sobre procesos de negocio que no estaban lo suficientemente ordenados para sostener una capa adicional de automatización. En ese escenario, la tecnología no corrige el problema de fondo, sino que lo expone y, en algunos casos, puede profundizarlo.
Diego Lozano, director de Seidor Argentina, lo sintetizó en una definición sobre las condiciones previas necesarias para que la adopción tenga impacto: “El desafío ya no es si una empresa prueba o no herramientas de IA, sino qué condiciones tiene que tener para que esa adopción genere resultados concretos”, señaló. En la misma declaración, agregó que “sin datos confiables ni procesos estructurados, la IA no resuelve el problema de fondo: puede amplificarlo”.
Del piloto a la operación cotidiana
Superada la etapa de orden interno, la firma identifica una segunda barrera: muchas organizaciones ya cuentan con pilotos de IA en funcionamiento, pero no logran extenderlos más allá de un área o un equipo puntual. El salto hacia la productividad real requiere integrar los casos de uso al flujo de trabajo cotidiano, con métricas claras de impacto y responsables definidos, en lugar de sostenerlos como experimentos paralelos a la operación.
La adopción de IA también redefine el talento. En la medida en que estos sistemas asumen más tareas, ganan valor habilidades como la supervisión, el criterio y la capacidad de interpretación frente a los resultados que entregan. “Lo que aprendimos no alcanza para los desafíos de mañana: hoy el aprendizaje continuo es una ventaja competitiva real”, dijo Lozano.
A escala corporativa, Seidor cuenta con un Centro de Excelencia de IA con más de 200 profesionales, desarrolló Delfos, una plataforma propia para la creación de asistentes virtuales, y obtuvo la certificación ISO 42001 sobre gobernanza responsable de sistemas de inteligencia artificial.
