El volumen de inversión global en inteligencia artificial ha alcanzado cifras que pocos sectores pueden igualar. Los gigantes tecnológicos destinan recursos millonarios a infraestructura, modelos y centros de datos. Microsoft, Amazon, Alphabet y Meta proyectan invertir en conjunto unos 725.000 millones de dólares durante 2026, en una carrera por posicionarse como referentes de la industria.
Sin embargo, esta fiebre inversora ha reavivado un debate y es que ¿estamos ante una burbuja o una apuesta estratégica a largo plazo? Germán Ayala, Product Manager de Heynow -empresa uruguaya especializada en inteligencia artificial conversacional y automatización- sostiene que la respuesta depende de a quién se mire. “Si podemos hablar de una burbuja, estamos hablando de las grandes organizaciones, de los laboratorios que hacen inversiones fuertes en el desarrollo y entrenamiento de sus modelos y en la infraestructura sobre la cual desarrollamos inteligencia artificial”, explica. “Muchas de estas organizaciones se manejan con una economía basada en empresas que cotizan en bolsa y en rondas de inversión que están lejos de las nuestras”.
La competencia entre los grandes laboratorios -OpenAI, Anthropic, Google y Meta- ha generado un efecto paradójico: ofrecen productos de muy alto valor y calidad a precios extremadamente bajos para ganar mercado. “Lo que podemos llamar una burbuja es esta competencia tan grande que lleva a ofrecer productos de alta calidad a precios muy bajos para ganar participación o acceder a grandes rondas de inversión”, señala Ayala.
Para las organizaciones que utilizan inteligencia artificial, la realidad es distinta. “Quienes utilizamos IA no medimos la rentabilidad por consumo de tokens, sino por cuánto nos ayuda a optimizar procesos y mejorar la calidad de los productos que brindamos”. En ese contexto, la burbuja no es tal: se trata de un auge en el uso de IA aplicada a la gestión empresarial.
El auge de la IA en las organizaciones
¿Qué explica este crecimiento? Ayala identifica varios factores. Por un lado, los laboratorios buscan posicionarse estratégicamente. Por otro, la llegada de productos de alta calidad a costos accesibles ha impulsado su adopción. “Muchas organizaciones lo usan como si fuera magia y de mala manera. Ahí es donde empresas como Heynow ayudan a focalizar el uso en lugares donde realmente hace la diferencia”, señala.
Sin embargo, el ritmo de inversión conlleva riesgos. Para los laboratorios, el desafío es la sostenibilidad financiera. Para las organizaciones, la dependencia de un proveedor. “El riesgo está en depender de uno de estos proveedores. Hay estrategias para no depender 100% de OpenAI o Anthropic”, explica.
Heynow ha adoptado una estrategia de independencia tecnológica. “Somos agnósticos respecto de la tecnología. Esto permite generar un agente que utilice tanto OpenAI como Anthropic o Grok”, afirma. Esta flexibilidad permite adaptarse a cambios de precios, rendimiento o disponibilidad sin afectar el negocio del cliente.
Por qué la distinción se pierde en el debate público
Ayala identifica una dificultad central y es la confusión conceptual. “No son temas simples para quien no está dentro del rubro. Cuando se habla de inteligencia artificial parece una única entidad que engloba todo”, señala. “En realidad, es un conjunto de herramientas y formas de aplicarlas para que sean útiles”.
El discurso dominante suele estar liderado por los grandes laboratorios, lo que dificulta aterrizar el debate. “Rápidamente se entra en la fantasía de un sistema omnisciente dentro de la organización, y eso no es así”, advierte. La solución pasa por diferenciar entre proveedores de modelos, creadores de agentes y aplicaciones concretas.
Indicadores y planificación previa
Uno de los errores más frecuentes es no definir indicadores antes de implementar IA. Ayala sostiene que no es necesario inventar métricas nuevas. “Las organizaciones deben medir cómo funcionan: ventas, conversión de contactos en ventas, tiempos de resolución o niveles de satisfacción”, explica. Esos mismos indicadores deben medirse después. “Si no lo mido antes, no voy a saber el impacto real del cambio”, advierte. La clave está en comparar el antes y el después con los mismos parámetros.
Los desafíos son tanto técnicos como estratégicos. En el plano técnico, la integración con sistemas existentes es central. “Un agente de IA no es un chatbot que responde consultas, sino que actúa según el contexto. Eso implica integrarse con CRM, bases de datos o sistemas internos”, explica.
En el plano estratégico, el principal obstáculo es la incertidumbre sobre la marca. “Es clave tener control sobre lo que el agente comunica, porque representa a la empresa”, señala. La solución pasa por una gobernanza adecuada en entornos seguros y certificados. Heynow cuenta con certificaciones ISO9001 e ISO27001 y trabaja en ISO42001.
La oportunidad de Uruguay
Ayala es optimista sobre el potencial de Uruguay. “Hoy las oportunidades son muchas. Estamos bien posicionados como hub tecnológico”, afirma. Destaca la calidad profesional, la infraestructura y la imagen internacional. “Google, por ejemplo, comenzó a instalar un data center acá, y otras empresas ven al país como un lugar seguro con talento calificado”.
La adopción de IA ha crecido notablemente. La percepción cambió: ya no hay miedo, sino temor a quedar fuera. “Cada vez interactuamos más con chatbots y vemos sus beneficios incluso en medios o streaming, lo que reduce el temor a su uso”, explica.
Sin embargo, advierte que muchas organizaciones quieren aplicar IA sin un objetivo claro. “A veces desde niveles gerenciales se dice ‘usemos IA’ sin saber para qué. Ahí intervenimos para identificar el problema y aplicar IA donde realmente genere valor. Aplicarla por aplicarla no tiene sentido”.
Cuándo conviene un especialista
Ayala diferencia entre desarrollo interno y externo. “Conviene desarrollar internamente en pruebas de concepto o soluciones puntuales”, explica. Por ejemplo, mejorar la redacción de correos.
En cambio, cuando impacta directamente en la marca, el riesgo es mayor. “Hay casos donde chatbots mal desarrollados ofrecen productos a menor precio o hablan mal de su propia empresa”, advierte. “Un profesional conoce estas vulnerabilidades y desarrolla soluciones más robustas”.
A futuro, Ayala destaca el potencial de la IA. “El diferencial que ofrece es muy grande”, afirma. Menciona casos de éxito en microcréditos, hospitality, retail y cobranzas. “La capacidad de los agentes para mantener conversaciones como un tono empático son muy positivas para la gestión de cobros”, señala.
La incertidumbre sobre los grandes laboratorios se diluye en mejoras. “Sabemos que podemos cambiar de proveedor rápidamente, es una realidad auspiciosa”, concluye. La clave está en medir, planificar y aplicar la inteligencia artificial donde realmente genere valor.
