Mike Biwer, CEO de Cavallo, sostiene que la presión por «hacer algo con IA» no debería empujar a las empresas a invertir sin una tesis clara. Su punto central es que «implementar IA» no es un objetivo de negocio: antes de gastar, una empresa necesita saber qué quiere mejorar.
Biwer afirma que la IA es una herramienta, no una estrategia ni una identidad. Comprar un producto solo porque lleva la etiqueta «AI» puede generar entusiasmo inicial, pero esa marca dice muy poco sobre si la tecnología mejorará el negocio. Sin un problema definido y una estructura operativa capaz de sostener la adopción, la IA puede convertirse en una inversión cara con poco que mostrar.
El ejecutivo hace un paralelo con las migraciones de ERP. Cuando alguien dice que una compañía necesita cambiar de plataforma, señala que vale la pena preguntar quién se beneficia de esa decisión. Incluso en ese caso, añade, sigue siendo necesario construir el propio caso de negocio.
Biwer relata que, en una conferencia del sector el año pasado, distribuidoras llegaron tratando de entender qué significaba la IA para sus empresas y se toparon con 40 proveedores tecnológicos ofreciendo soluciones de IA. La pregunta razonable, dice, no era cuál solución elegir entre 40, sino por dónde empezar.
Su respuesta es que el punto de partida no es la tecnología, sino el problema operativo. Pone como ejemplos reducir el trabajo manual para procesar pedidos, mejorar la información del equipo de ventas al fijar precios o acortar la espera de los clientes cuando el personal debe consultar múltiples sistemas. Primero se define el problema y el resultado buscado; después se evalúa la tecnología.
Biwer también separa a los buenos operadores de los débiles. A su juicio, las empresas con disciplina para usar datos y tecnología llevan años midiendo desempeño y corrigiendo lo que no funciona. Esas compañías, dice, usarán IA con inteligencia porque ya saben cómo aprovechar otras herramientas.
En cambio, dos empresas pueden usar la misma herramienta y obtener resultados muy distintos. Si una tiene datos limpios, procesos entendidos y objetivos claros, podrá saber si la tecnología ayuda. Si la otra trabaja con datos desconectados, procesos inconsistentes y sin una métrica clara de éxito, la IA no cambiará gran cosa.
La tesis de Biwer es directa: la IA no fabrica disciplina operativa; amplifica la que ya existe. Si los procesos son sólidos, acelera el éxito. Si la operación es caótica, solo ejecuta malos hábitos más rápido.
También advierte contra el otro extremo: frenar la inversión tecnológica por miedo al entusiasmo alrededor de la IA. Un agente de IA, dice, depende de los sistemas subyacentes con los que interactúa. Sin plataformas confiables para inventario, pedidos o finanzas, no tendrá datos limpios ni contexto operativo suficiente.
Los números primero. La lección es favorable a la libre empresa cuando obliga a separar la innovación real de la etiqueta de moda. El capital busca reglas claras, procesos confiables y retornos medibles; no folletos con promesas. La burocracia corporativa también se equivoca cuando confunde tendencia con productividad.
El mercado ya votó. La ventaja no está en declararse «AI-first», sino en construir una empresa capaz de usar mejor cada herramienta. Quien ponga primero el problema, luego la disciplina y por último la tecnología, protege margen y reduce riesgo de inversión improductiva.