La inteligencia artificial está entrando rápidamente en las organizaciones, pero existe una diferencia importante entre tener acceso a estas herramientas y convertirlas en una verdadera capacidad empresarial. El reto ya no consiste solamente en aprender a escribir mejores instrucciones, sino en lograr que la IA pueda analizar información, trabajar con archivos, ejecutar tareas y apoyar procesos concretos de manera más autónoma.
Durante un laboratorio práctico de inteligencia artificial con la empresa SUMMA en la ciudad de Cali, los participantes exploraron precisamente este cambio: pasar de conversar con una herramienta a integrarla en el trabajo cotidiano. La sesión fue planteada como un espacio de experimentación en el que cada ejercicio permitiera descubrir funciones aplicables posteriormente en los procesos de la organización.
La adopción de IA se construye haciendo
Uno de los principios centrales del laboratorio fue aprender mediante la práctica. Más que dedicar la sesión exclusivamente a conceptos, la propuesta consistió en realizar ejercicios que permitieran conocer y utilizar funciones concretas de inteligencia artificial.
La idea parte de algo sencillo: la experiencia se construye a partir de la repetición. Conocer una herramienta no significa necesariamente saber incorporarla al trabajo. Es cuando una persona ejecuta varias veces una tarea, identifica dónde está cada función y comprende sus posibilidades cuando comienza realmente el proceso de adopción.
En este contexto, el profe Julián Castiblanco orientó a los participantes hacia una pregunta fundamental: más allá de saber que la inteligencia artificial existe, ¿qué actividades de nuestro trabajo podemos delegar, complementar o mejorar con ella?
De llevar los archivos a la IA a llevar la IA a los archivos
Uno de los cambios de enfoque más interesantes consiste en dejar de utilizar la inteligencia artificial únicamente como un chat.
El modelo tradicional es conocido: el usuario abre una herramienta, adjunta un documento, escribe una instrucción y espera una respuesta. Sin embargo, existe otra posibilidad mucho más cercana a la automatización: permitir que la IA trabaje directamente sobre las carpetas, archivos o entornos donde se encuentra la información necesaria.
Durante el laboratorio se explicó esta diferencia mostrando cómo una herramienta puede acceder, con los permisos correspondientes, a una carpeta determinada y trabajar sobre ella. Esto permite supervisar mejor el proceso y abre posibilidades para actualizar, analizar y mejorar información sin depender constantemente de cargar archivos de manera manual.
La IA como analista de información
Un archivo de Excel puede parecer una tarea sencilla, pero representa perfectamente lo que ocurre diariamente en muchas empresas: grandes cantidades de información que deben organizarse, analizarse y convertirse en decisiones.
Durante los ejercicios se trabajó con archivos de ejemplo para experimentar sin depender de información corporativa real. Posteriormente, la IA fue utilizada para transformar y enriquecer esos archivos, incrementando su complejidad y preparándolos para tareas posteriores de análisis.
El verdadero aprendizaje aparece cuando dejamos de preguntarnos solamente “¿qué puede decirme la IA sobre este archivo?” y empezamos a preguntar “¿qué entregable empresarial puede construir a partir de esta información?”.
De los datos al entregable
La inteligencia artificial puede participar en una cadena de trabajo mucho más completa. A partir de los archivos disponibles, durante la sesión se propuso construir una presentación con el análisis de la información y posteriormente desarrollar un tablero interactivo. Summa_original
Esto cambia significativamente la lógica de productividad.
Archivos → análisis → interpretación → presentación → tablero → decisión.
En lugar de utilizar distintas horas de trabajo humano para ejecutar manualmente cada etapa, la persona puede concentrarse en definir el objetivo, proporcionar el contexto adecuado, revisar el resultado y tomar decisiones.
La IA deja entonces de ser únicamente una herramienta para producir textos y comienza a funcionar como un asistente operativo capaz de participar en la construcción de entregables.
El siguiente nivel: crear habilidades especializadas
Otra de las ideas relevantes del laboratorio fue el concepto de skills o habilidades especializadas.
Una organización realiza continuamente tareas que siguen criterios relativamente estables: preparar informes, revisar documentos, analizar indicadores, construir presentaciones, validar propuestas o procesar información.
Si cada vez que utilizamos IA debemos volver a explicar completamente cómo ejecutar una de esas tareas, estamos desaprovechando parte de su potencial.
Una habilidad especializada permite estructurar esas instrucciones para reutilizarlas. Durante la sesión incluso se planteó crear primero una habilidad capaz de ayudar al usuario a identificar cuáles deberían ser las habilidades de IA asociadas a su propio cargo dentro de la organización.
Esto introduce una pregunta especialmente poderosa para cualquier empresa:
¿Qué habilidades debería tener mi asistente de inteligencia artificial para ayudarme a desempeñar mejor mi cargo?
IA para complementar capacidades humanas
La inteligencia artificial adquiere especial valor cuando complementa aquello que a una persona le cuesta más trabajo.
El ejercicio propone identificar las habilidades y debilidades asociadas a un rol. Si existe una actividad en la que el profesional tiene una menor capacidad, pero la IA puede ejecutarla eficientemente, ambas capacidades pueden complementarse.
Por ejemplo, una persona puede tener un gran conocimiento comercial pero invertir demasiado tiempo estructurando informes. Otra puede dominar su proceso operativo, pero tener dificultades para visualizar información. En ambos casos, la IA puede asumir parte del esfuerzo operativo mientras el profesional conserva el conocimiento, el criterio y la responsabilidad sobre el resultado.
No todas las tareas necesitan el mismo nivel de inteligencia
Otro aprendizaje importante es comprender que no todas las actividades requieren el modelo de inteligencia artificial más potente disponible.
Las tareas sencillas pueden ejecutarse con modelos más rápidos y económicos, mientras que actividades complejas —como estructurar instrucciones maestras, analizar grandes cantidades de información o desarrollar habilidades especializadas— pueden justificar modelos con mayor capacidad de razonamiento.
Esta decisión permite administrar mejor recursos, tiempo y capacidad de procesamiento. El objetivo no debería ser utilizar siempre “la IA más poderosa”, sino seleccionar la capacidad adecuada según la complejidad y el impacto de la tarea.
De usuarios de IA a diseñadores de procesos
El cambio más importante posiblemente no sea tecnológico, sino mental.
En una primera etapa preguntamos: ¿Qué le puedo preguntar a la inteligencia artificial?
En una segunda etapa comenzamos a pensar: ¿Qué tarea puede hacer por mí?
Y en una etapa más avanzada la pregunta cambia nuevamente:
¿Qué proceso puedo rediseñar para que personas e inteligencia artificial trabajen juntas?
Ahí comienza una adopción empresarial mucho más profunda.
El profe Julián Castiblanco planteó el laboratorio desde esta lógica práctica: experimentar, ejecutar y descubrir cómo estas capacidades pueden trasladarse posteriormente a procesos reales. La meta no es utilizar IA porque está de moda, sino convertirla en una capacidad que permita trabajar mejor.
El verdadero reto comienza después del taller
Una sesión de formación puede mostrar herramientas, modelos y posibilidades. Sin embargo, la transformación ocurre cuando cada participante regresa a su puesto de trabajo y observa sus actividades con una perspectiva diferente, y aplica las siguientes preguntas:
La inteligencia artificial comienza a generar valor cuando encuentra un problema concreto sobre el cual trabajar.
Por eso, quizá la mejor forma de iniciar no sea preguntarse “¿qué puede hacer la IA?”, sino algo mucho más cercano al negocio:
¿Qué hago hoy de manera repetitiva que podría hacer mejor si tuviera un asistente de inteligencia artificial trabajando conmigo?
Fuente: Conferencia de Julián Castiblanco
Edición: Equipo editorial de IMKGlobal, con apoyo de herramientas de inteligencia artificial.
ADOPTA IA + CEO AI BUILDER LAB
Menos operación. Más capacidad. Más dirección.
Si necesita crear o mejorar su sistema de gestión de Innovación e IA puede contar con nosotros.
👉 Mira el catálogo de soluciones y mentoría de IMKGlobal AQUI
Soluciones digitales completas
Julian Andrés Castiblanco Herrera
🟢 CEO – Chief Executive Officer
ImkGlobal – Ingenieros de Marketing
✉ ceo@imk.global
📞 CO: +57 300 639 8181
Camilo Fernando Castiblanco
Dirección de Crecimiento para Proyectos Industriales /
Dirección de Ecosistemas de Innovación
growth@imk.global
Colombia+ 57 313 387 3446
United States: + 1 (689) 236 9820
www.imk.global
Visita nuestro Portal de https://experienciasimk.com/ia/