IA en empresas: por qué fracasa el 95% de los proyectos y claves para aplicarla con éxito en medios

La adopción de inteligencia artificial en ámbitos empresariales es un desafío. Atravesada por un gran miedo a quedarse afuera, una investigación del MIT hizo ruido en el ambiente tech durante las últimas semanas: el 95% de las empresas que invirtieron en desarrollar inteligencia artificial generativa no vieron mejoras en su producción ni un impacto significativo. Y hay razones para explicar el fracaso.

Este y otros temas se discutieron esta semana en la edición número 13 de Media Party, un evento que se hace todos los años en el Centro Cultural Konex, en la Ciudad de Buenos Aires, y reúne a más de 2.000 profesionales de 30 países. En particular, estas discusiones sobre la inteligencia artificial se dieron en el marco del negocio actual de los medios de comunicación.

Bajo un contexto de crisis de la industria mediática, donde el modelo de negocios basado en publicidad se erosiona frente al dominio de las grandes plataformas como Google, Meta y ahora OpenAI, la irrupción de la inteligencia artificial plantea preguntas en torno al espacio que usan los usuarios para informarse en 2025: si Google venía quitándole usuarios a los medios, ¿qué sucede hoy, con una plataforma como ChatGPT, que está pensada para tener respuestas de manera inmediata?

No es menor, en este sentido, que ya no solo amenaza con automatizar tareas sino también con transformar la manera en que circula y se consume la información. Se estima que, para 2026, la mayoría del contenido disponible en internet será producido de manera sintética. Y en paralelo, los chatbots conversacionales y las experiencias generativas en buscadores reconfiguran la puerta de entrada al ecosistema informativo.

Bajo este panorama, el informe del MIT aporta el dato de que a pesar de una inversión empresarial de entre 30 y 40 mil millones de dólares en IA generativa (la más popular del momento), no ha tenido un retorno. Según el estudio, las empresas que compraron herramientas de IA tuvieron mucho más éxito que aquellas que crearon pilotos internos.

Y en gran parte esto tiene que ver con un despliegue masivo que, en el fondo, no responde a resolver problemas concretos sino simplemente a subirse a una tendencia, por temor a quedarse fuera de la oleada.

Uno de los análisis de este viernes se dio en el marco de lo que se llaman Lightning Talks, o charlas relámpago, de la mano de Leonardo Dalera, gerente de Big Data de Arte Gráfico Editorial Argentino (AGEA, empresa propiedad de Grupo Clarín), donde partió de este dato del MIT.

En su presentación, el especialista dijo que el planteo en las empresas suele ser el siguiente: “Quiero hacer algo de IA con datos propios de la organización que no se encuentran en Google y que automatice cosas cotidianas, que sea rápido, accesible, barato, fácil de usar y que esté integrado dentro de las herramientas que ya se utilizan”. Y que ahí ya hay un problema.

Según planteó, uno de los errores más frecuentes en la implementación de inteligencia artificial es “poner la tecnología por sobre la problemática que queremos resolver” y muchas veces las organizaciones intentan encajar soluciones de IA en procesos que funcionan relativamente bien, pero sin un diagnóstico claro del problema real. Esto, sostuvo, genera “fricción, consumo innecesario de recursos” y, sobre todo, un efecto indeseado: la pérdida de credibilidad en futuros proyectos.

Para evitar este círculo vicioso, propuso lo que definió como una “guía práctica de supervivencia”, basada en cuatro ejes: definir bien el problema que se quiere resolver, asegurar la calidad de los datos, contar con una tecnología adecuada y construir equipos de trabajo interdisciplinarios. “Algo parece súper básico, pero a veces cuesta mucho… hay que definir para qué y por qué es importante aplicar una tecnología”, insistió.

Respecto a la infraestructura, advirtió sobre los riesgos de armar ecosistemas fragmentados con soluciones aisladas u open source (código abierto) mal integradas. Y por último, puso el foco en las personas. Destacó que ”los equipos deben ser parte del proceso desde el inicio, involucrando tanto a la redacción como a sistemas y datos”, para alinear expectativas y capacitar en las posibilidades reales de la IA.

Cerró con un mantra: “IA porque sí, no. IA para resolver problemas reales, sí”.

No fue la única charla sobre IA, un tema caliente no sólo en la tecnología en general sino en medios en particular. Sam Gregory, director ejecutivo de WITNESS, presentó una conversación sobre los desafíos actuales de la detección de deepfakes. Explicó cómo las tecnologías de IA generativa complejizan la autenticidad de los contenidos audiovisuales y detalló la experiencia de la organización con la Deepfakes Rapid Response Force, un mecanismo de asistencia para periodistas y verificadores de hechos. También repasó por qué los métodos de detección suelen fallar y qué criterios podrían mejorar las herramientas existentes para preservar la confianza en la evidencia digital.

Otro proyecto interesante fue el de Alejandro Valdez Sanabria, director de El Surti, quien compartió la experiencia del proyecto AIkuaa, destinado a entrenar modelos de inteligencia artificial con audios en guaraní. “Hay una dificultad muy grande con el guaraní porque es una lengua de tradición más oral que escrita”, explicó, lo que representa un problema porque los modelos se entrenan con texto.

Valdez Sanabria relató cómo organizaron mingas (hackatones comunitarios) para poblar bases de datos abiertas y entrenar sistemas capaces de comprender esta lengua oral, subrepresentada en la tecnología global. Subrayó la importancia de crear infraestructura cultural que permita a las comunidades moldear la IA en lugar de quedar relegadas por ella.

Otro de los grandes desafíos del periodismo actual tiene que ver con la difusión de contenidos. Sipho Kings, editor y cofundador de The Continent, expuso el modelo de un periódico digital africano que creció sin depender de SEO (la optimización de los resultados de búsqueda de motores como Google, que hace que un resultado aparezca por encima de otro), algoritmos ni inteligencia artificial generativa. Contó cómo la publicación, distribuida en formato PDF por WhatsApp, Slack o Signal, logró expandirse de forma orgánica en más de 160 países, priorizando la confianza y el disfrute de los lectores. También adelantó los planes de lanzar una edición sudamericana siguiendo este mismo enfoque.

Y Amy Booth, subdirectora del Buenos Aires Herald, explicó el proceso de relanzamiento del histórico diario en inglés tras su cierre en 2017. Contó cómo el medio, con 141 años de historia, logró “reconvertir la marca en un medio digital dinámico mediante análisis de audiencias”, herramientas de participación y encuentros culturales con la comunidad lectora.

Hubo más charlas, que se pueden revisar en este enlace del sitio oficial de la Media Party.

Más allá de las keynotes, Media Party mantiene su espíritu de feria y laboratorio. Durante tres días, habrá talleres sobre metodologías ágiles, diseño de producto e inteligencia artificial aplicadas al periodismo.

Uno de los espacios más esperados será la hackatón orientada a “periodismo con superpoderes”, donde equipos interdisciplinarios desarrollarán prototipos vinculados a la “Truth Tech”: tecnologías capaces de ayudar a verificar la realidad en un entorno saturado de contenidos falsos.

Será este sábado, en AreaTres El Salvador, Palermo, Ciudad de Buenos Aires.