Ventajas y desventajas de la inteligencia artificial en las empresas
Cuatro ventajas y siete desventajas de la inteligencia artificial en la empresa, cada una con el estudio o el caso real que la respalda y la condición bajo la que se cumple. Porque una ventaja que no dice cuándo es cierta es publicidad.
- #empresa
- #estrategia
- #riesgos
- #adopcion
- #productividad
Por qué esta lista es distinta
Las listas de ventajas y desventajas de la inteligencia artificial suelen decir lo mismo: automatiza procesos, mejora la toma de decisiones, pero es cara y plantea dudas éticas. Todo eso es cierto en general y no sirve para decidir nada en particular.
Aquí cada punto lleva dos cosas más: la evidencia que lo sostiene, sea un estudio o un caso real, y la condición bajo la que se cumple. Me refiero a la IA generativa, los modelos de lenguaje que redactan, resumen, clasifican y, cada vez más, actúan. Es la que está entrando hoy en las empresas.
El resumen en una tabla
| Es cierto cuando… | Deja de serlo cuando… | |
|---|---|---|
| Ventaja: sube el nivel de quien tiene menos experiencia | La tarea se repite y los buenos ejemplos existen | Quien la usa ya es experto en ese terreno |
| Ventaja: hace asequible lo que antes no se hacía | El resultado puede ser aproximado | Cada caso exige exactitud |
| Ventaja: responde en segundos y a cualquier hora | La consulta es rutinaria | La consulta es delicada o poco común |
| Ventaja: probar cuesta poco | Hay un proceso concreto que medir | Se prueba "a ver qué sale" |
| Desventaja: se equivoca con seguridad | Nadie revisa lo que sale | Hay verificación antes de que llegue al cliente |
| Desventaja: la mejora se siente más de lo que es | Se decide por impresiones | Se mide antes y después |
| Desventaja: no responde igual dos veces | Se necesita un resultado reproducible | Basta con un borrador |
| Desventaja: los datos salen de la empresa | Se usa una herramienta sin contrato | El modelo corre en una máquina propia |
| Desventaja: el coste crece con el uso | Se paga por consumo y la adopción sube | El volumen justifica otra arquitectura |
| Desventaja: los errores se multiplican en cadena | Se encadenan muchos pasos sin control | Cada paso se comprueba |
| Desventaja: hay obligaciones legales | Decide sobre personas o habla con clientes | Es una herramienta interna de apoyo |
Las ventajas
1. Sube el nivel de quien tiene menos experiencia
Es la ventaja mejor documentada. Un estudio de Erik Brynjolfsson, Danielle Li y Lindsey Raymond siguió a 5.179 agentes de atención al cliente a los que se dio un asistente que sugería respuestas. La productividad subió un 14 % de media y un 34 % entre los agentes nuevos o menos hábiles. Entre los mejores, casi nada.
Lo que hace el modelo es repartir entre todos lo que los mejores ya hacían bien. Para una empresa, eso significa que una persona recién incorporada rinde antes, y que el conocimiento deja de vivir solo en la cabeza de tres veteranos.
La condición: la tarea tiene que repetirse y tiene que haber buenos ejemplos de los que el modelo pueda sacar el patrón.
2. Hace asequible lo que antes no se hacía
Ninguna empresa lee todas las reseñas de sus clientes, resume todas las llamadas de soporte ni revisa todos los contratos antiguos en busca de una cláusula. No porque no sirva, sino porque el coste de que lo haga una persona supera lo que se gana.
Un modelo de lenguaje cambia esa cuenta. Leer diez mil comentarios y agruparlos por tema pasa de ser un proyecto de semanas a una tarea de una tarde. Esta ventaja suele pesar más que el ahorro de tiempo en lo que ya se hacía, porque abre trabajo que antes ni se planteaba.
La condición: que te valga un resultado aproximado. Si de diez mil comentarios clasifica mal trescientos, la imagen de conjunto sigue siendo buena. Si de diez mil facturas contabiliza mal trescientas, tienes un problema.
3. Responde en segundos y a cualquier hora
Cuando Klarna presentó su asistente de atención al cliente en 2024, informó de que el tiempo medio de resolución había pasado de 11 minutos a menos de 2, con 2,3 millones de conversaciones atendidas en el primer mes. Para la consulta rutinaria, la de "dónde está mi pedido", un cliente prefiere una respuesta correcta ahora a una respuesta amable mañana.
La condición: que la consulta sea rutinaria. La misma Klarna es el ejemplo de lo que pasa cuando se extiende a todo lo demás, como se ve más abajo.
4. Probar cuesta poco
Hace diez años, usar aprendizaje automático exigía reunir datos, etiquetarlos y entrenar un modelo antes de saber si la idea funcionaba. Hoy puedes pasar cien casos reales por un modelo ya entrenado y tener una respuesta esa misma semana.
La condición: que pruebes algo concreto. Probar barato solo es una ventaja si la prueba termina con un número: de cien casos, acertó tantos.
Las desventajas
1. Se equivoca con seguridad, y responde la empresa
Un modelo de lenguaje no avisa cuando no sabe. Redacta una respuesta falsa con el mismo tono que una verdadera.
El chatbot de Air Canada le dijo a un cliente que podía pedir la tarifa por duelo después de viajar, cuando la política de la aerolínea decía lo contrario. La empresa alegó que el chatbot era responsable de sus propios actos. En febrero de 2024, un tribunal de Columbia Británica resolvió que Air Canada responde de toda la información de su web, la escriba quien la escriba.
La condición: el riesgo existe cuando la respuesta del modelo llega a un cliente o a una decisión sin que nada la compruebe.
2. La mejora se siente más de lo que es
En 2025, la organización METR midió a 16 programadores expertos en 246 tareas reales de sus propios proyectos. Con herramientas de IA tardaron un 19 % más. Antes de empezar esperaban ir un 24 % más rápido, y después de terminar seguían creyendo que habían ido un 20 % más rápido.
No significa que la IA frene a todo el mundo: era un grupo pequeño, muy experto y en proyectos que conocían a fondo. Significa que la impresión de quien la usa no es una medida fiable, ni siquiera cuando quien opina es un profesional competente.
La condición: te afecta si decides por encuestas internas de satisfacción en lugar de medir tiempos o resultados.
3. No responde igual dos veces
El mismo texto de entrada puede dar dos salidas distintas, porque el modelo elige cada palabra con un componente de azar. Cómo funciona ese sorteo lo explico en temperatura y muestreo.
Para redactar un correo no importa. Para un proceso que tiene que dar el mismo resultado ante el mismo caso, como aprobar o rechazar una solicitud, sí. Y complica las pruebas: que algo funcionara ayer no garantiza que funcione igual hoy.
La condición: pesa cuando necesitas reproducibilidad o tienes que justificar una decisión ante un tercero.
4. Los datos salen de la empresa
Lo que un empleado pega en un asistente viaja a los servidores de un proveedor. En 2023, Samsung prohibió temporalmente estas herramientas en los equipos de la compañía después de que varios empleados pegaran información interna sensible en ChatGPT.
No hace falta mala intención: basta con que alguien quiera resumir un contrato o depurar un error. Y cuando lo que se pega son datos personales de clientes, entran en juego las leyes de protección de datos de cada país.
La condición: el riesgo es mayor con herramientas gratuitas o personales, sin un contrato de empresa que diga qué se hace con los datos. Desaparece si el modelo corre en una máquina que controlas; las opciones están en IA local en Colombia.
5. El coste crece con el uso
Las APIs de modelos cobran por token. A diferencia de una licencia de software, la factura sube con cada persona que lo adopta, cada documento más largo y cada proceso nuevo. Es un gasto que crece precisamente cuando el proyecto tiene éxito.
A eso se suma la dependencia: los proveedores retiran modelos antiguos y cambian el comportamiento de los nuevos. Un proceso ajustado para una versión hay que volver a probarlo con la siguiente.
La condición: se nota a partir de cierto volumen. Con poco uso, pagar por consumo es lo más barato que hay.
6. Los errores se multiplican en cadena
Cuando un sistema encadena pasos, los aciertos se multiplican entre sí. Si cada paso acierta el 95 % de las veces, veinte pasos seguidos aciertan juntos alrededor del 36 %.
No es solo teoría. El equipo de investigación de Salesforce midió a los mejores modelos en tareas de CRM con su propio banco de pruebas, CRMArena-Pro. En tareas de un solo turno acertaron en torno al 58 %. Cuando la tarea exigía varios turnos de conversación, el acierto cayó a cerca del 35 %.
La condición: afecta a los sistemas que actúan en varios pasos por su cuenta. Es la razón por la que la mayoría de procesos no necesitan agentes de inteligencia artificial, sino algo más simple.
7. Hay obligaciones legales
En la Unión Europea, el Reglamento de IA obliga desde el 2 de agosto de 2026 a avisar a una persona cuando habla con una IA y a marcar el contenido generado. Las obligaciones para los usos de alto riesgo, como selección de personal o puntuación crediticia, llegan el 2 de diciembre de 2027. En Colombia rigen la Ley 1581 de 2012 y las instrucciones de la Superintendencia de Industria y Comercio sobre datos personales en sistemas de IA.
La condición: el peso regulatorio depende de para qué la uses. Un asistente interno que ayuda a redactar tiene pocas obligaciones. Un sistema que decide sobre personas tiene muchas.
Lo que no es ni ventaja ni desventaja
Dos afirmaciones aparecen en casi todas las listas y no encajan en ninguna columna.
"Mejora la toma de decisiones." Un modelo de lenguaje no decide mejor que tú: resume, compara y redacta más rápido. Si la información que le das es mala, la decisión será mala y estará mejor escrita.
"Elimina puestos de trabajo." El caso de Klarna es el más citado en las dos direcciones. En 2024 presentó a su asistente como el equivalente a 700 agentes. En 2025 su director ejecutivo dijo que el coste había pesado demasiado y que la calidad había bajado, y la empresa volvió a contratar personas. Lo que cambió con seguridad es qué hace cada persona. Cuántas hacen falta sigue en discusión.
Cómo decidir con esta lista
Tres preguntas ordenan casi todo lo anterior:
- ¿Puedo comprobar si el resultado está bien? Si no puedes, las desventajas 1, 2 y 6 pesan más que cualquier ventaja.
- ¿Qué pasa si se equivoca una vez de cada veinte? Si la respuesta es "se corrige y ya", adelante. Si es "pierdo un cliente o incumplo una norma", hace falta revisión humana.
- ¿Qué datos van a entrar? Si son de clientes o empleados, decide dónde corre el modelo antes que cualquier otra cosa.
El paso siguiente, cómo elegir un proceso, medirlo y calcular si compensa, está en inteligencia artificial para empresas.
Pruébalo
Describe un uso que estés valorando y pide las ventajas y desventajas de ese caso, no las generales.
Para llevarte
- La ventaja mejor medida es que la IA sube el nivel de quien menos sabe: un 34 % en los agentes novatos del estudio, casi nada en los expertos.
- La ventaja más grande suele ser hacer lo que antes era demasiado caro, no hacer más rápido lo de siempre.
- Se equivoca sin avisar, y lo que le diga a un cliente lo ha dicho tu empresa.
- La sensación de ir más rápido no es un dato. Mide.
- Casi todas las desventajas se reducen a lo mismo: resultados que nadie comprueba.
Fuentes
- Brynjolfsson, Li y Raymond, Generative AI at Work, The Quarterly Journal of Economics, 2025.
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, julio de 2025.
- Moffatt v. Air Canada, 2024 BCCRT 149, comentado por McCarthy Tétrault.
- Klarna, Klarna AI assistant handles two-thirds of customer service chats in its first month, 27 de febrero de 2024.
- TechCrunch, Samsung bans use of generative AI tools like ChatGPT after April internal data leak, 2 de mayo de 2023.
- Entrepreneur, Klarna Is Hiring Customer Service Agents After AI Couldn't Cut It on Calls, mayo de 2025.
- Huang y otros, Salesforce AI Research, CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions, mayo de 2025.
- Adequa, calendario del Reglamento de IA tras el Reglamento (UE) 2026/1744.
- Superintendencia de Industria y Comercio, Circular Externa 002 del 21 de agosto de 2024.