Lo que está pasando en IA y automatización — 15 de junio
Análisis semanal de tendencias en IA y automatización: IA y empleo, evolución del RPA a agentes autónomos, y por qué fracasan los pilotos de IA.
Lo que está pasando en automatización e IA — 15 de junio
Todas las semanas revisamos las noticias más relevantes del mundo de la automatización y la inteligencia artificial, y las analizamos para darte nuestra perspectiva. Esto es lo que vimos esta semana:
📰 IA y empleo: ¿apocalipsis laboral o transformación? — Infobae
Infobae
La IA no elimina empleos: elimina tareas. El problema es que muchas personas construyeron su carrera alrededor de una sola tarea.
El debate sobre IA y empleo tiende a polarizarse entre el alarmismo y la negación. Los datos disponibles sugieren una realidad más compleja. El Foro Económico Mundial, en su informe Future of Jobs Report 2025, proyecta que la automatización y la IA desplazarán 92 millones de empleos pero crearán 170 millones para 2030, un saldo neto positivo de 78 millones. Sin embargo, este número agregado esconde un problema de composición: los empleos destruidos están en tareas administrativas y operativas, mientras que los creados requieren habilidades técnicas que la fuerza laboral actual no tiene. La brecha de capacitación, no la tecnología, es el verdadero cuello de botella. Un informe del Banco Mundial y la OIT (2025) analiza cómo la exposición a IA generativa impacta de forma desigual en los mercados laborales de América Latina y el Caribe.
Fuente del análisis: Infobae
Ver artículo original en Infobae | Future of Jobs Report 2025 — WEF | Banco Mundial: IA y empleo en América Latina
📰 Del RPA a los agentes autónomos: la evolución de la automatización empresarial — Apiux / Gartner
Apiux / Gartner
El verdadero cuello de botella de la automatización nunca fue la tecnología, sino la gestión de excepciones. Ahí es donde la IA generativa marca la diferencia.
La automatización de procesos ha atravesado tres etapas claras en la última década. La primera fue la automatización robótica de procesos (RPA): bots que imitaban clics humanos. La segunda incorporó reconocimiento de documentos no estructurados (facturas, contratos, correos). La tercera, que estamos viendo ahora, integra modelos de lenguaje que entienden el sentido del proceso, no solo su forma. Un ejemplo concreto: un sistema de IA puede hoy leer una factura escaneada, identificar discrepancias con la orden de compra, consultar al proveedor por WhatsApp y registrar la excepción contable — todo sin intervención humana. La clave de esta etapa no es la velocidad, sino la capacidad de manejar excepciones. Según Gartner, se espera que el 40% de las aplicaciones empresariales integren agentes de IA para fines de 2026.
| Etapa | Tecnología clave | Manejo de excepciones |
|---|---|---|
| RPA clásico (2015-2020) | Macros, scripts | Requiere intervención humana |
| RPA + OCR (2020-2024) | Visión computacional | Reglas condicionales |
| RPA + LLM (2024-presente) | Modelos de lenguaje | Resolución autónoma |
| Agentes autónomos (emergente) | Planificación + aprendizaje | Decisión contextual |
Fuente del análisis: Apiux — Del RPA a los agentes autónomos
Ver artículo en Apiux | Gartner: 40% de apps empresariales con agentes IA para 2026
📰 Por qué el 95% de los proyectos piloto de IA fracasan — Forbes Argentina / MIT
Forbes Argentina / MIT Media Lab
El 70% de los proyectos de IA fracasan, pero no por la tecnología: porque se empieza por la solución en vez de por el problema.
El ecosistema de startups de IA atraviesa una paradoja interesante. Por un lado, el financiamiento global a empresas de IA sigue creciendo: según CB Insights, en 2025 las mega-rondas (inversiones de más de USD 100M) crecieron un 77% y capturaron USD 307 mil millones. Por otro, la tasa de fracaso en implementaciones de IA empresarial es alarmante: el MIT Media Lab, a través del Proyecto NANDA, analizó más de 300 proyectos y concluyó que el 95% de los pilotos de IA generativa no llegan a producción con resultados medibles. La discrepancia sugiere un problema de madurez organizacional más que tecnológico. Las empresas que logran implementar IA con éxito comparten un patrón: empiezan por un proceso crítico pero acotado, miden el resultado en semanas, no en meses, y escalan solo después de validar el retorno. En contraste, los fracasos suelen compartir el patrón opuesto: grandes inversiones iniciales en infraestructura sin un caso de uso concreto.
| Factor | Empresas exitosas | Empresas que fracasan |
|---|---|---|
| Punto de partida | Proceso concreto con dolor cuantificable | Infraestructura IA genérica |
| Horizonte de medición | Semanas | Meses o trimestres |
| Equipo interno | Mínimo viable + consultoría externa | Equipo grande sin experiencia previa |
| Dataset inicial | Propio, pequeño pero relevante | Comprado o genérico |
Fuente del análisis: Forbes Argentina / MIT Media Lab
Ver artículo en Forbes Argentina | Estado de la IA en los Negocios 2025 — MIT | State of Venture 2025 — CB Insights
Observaciones finales
Las tendencias de esta semana reflejan un patrón recurrente: la tecnología avanza más rápido que la capacidad de las organizaciones para absorberla. La brecha no es tecnológica, es de implementación. En cada uno de los casos analizados, el factor crítico no fue el modelo de IA, sino la integración con procesos existentes y la capacitación de equipos.
Este análisis se basa en fuentes públicas verificables. Se recomienda consultar los estudios originales para una comprensión completa de cada tema.