Un nuevo estudio de InvGate advierte que implementar inteligencia artificial sobre procesos desordenados amplifica los problemas en lugar de resolverlos. La clave está en la madurez operativa.
La presión por adoptar inteligencia artificial llegó a todos los sectores. En el área de tecnología corporativa, los equipos de IT enfrentan una paradoja: se espera que implementen IA de forma urgente, pero sin una base operativa ordenada, los resultados suelen ser contraproducentes. Automatizar el caos, en lugar de resolverlo, se convirtió en el riesgo más frecuente del momento.
Así lo advierte un nuevo informe publicado por InvGate, empresa de software de gestión de servicios IT con sede en Buenos Aires. El reporte, titulado El ciclo de adopción de IA en ITSM, mapea los errores más comunes en la implementación de inteligencia artificial dentro de los sistemas de gestión de IT (ITSM) y propone un modelo por etapas para incorporarla sin perder el control.
Según el informe de InvGate, la mayoría de las iniciativas de IA en IT no fracasan por falta de tecnología. El problema está en la base: datos de tickets fragmentados o de baja calidad, conocimiento desactualizado, procesos sin responsables claros y poca gobernanza sobre las automatizaciones. Cuando se incorpora IA sobre esa estructura, la tecnología no corrige los problemas. Los amplifica.
El reporte identifica los puntos de fricción más frecuentes: inconsistencias en la información de los tickets, gestión del conocimiento débil, falta de visibilidad sobre cómo se validan los resultados de la IA y automatizaciones que escalan errores en lugar de resolverlos.
«La IA funciona tan bien como la operación que respalda», advierte el documento. «Si los procesos no están claros y los datos son inconsistentes, sumar automatización no ordena nada. Amplifica lo que ya existe.»
El modelo propuesto por InvGate define tres capas de adopción, pensadas para avanzar de forma gradual y controlada. La primera es la inteligencia asistida: la IA apoya a los agentes en el trabajo diario con tickets, resumiendo descripciones, recomendando soluciones basadas en casos anteriores y generando palabras clave para el catálogo de servicios. El riesgo es bajo y el impacto es inmediato.
La segunda capa es la inteligencia embebida: la IA detecta patrones operativos a través del historial de tickets. Identifica incidentes recurrentes, anticipa problemas antes de que escalen y mejora la visibilidad sobre la operación en tiempo real.
La tercera es la inteligencia gobernada: recién en esta etapa la IA puede resolver solicitudes de forma autónoma, bajo reglas claras y con supervisión humana. Es el nivel del agente virtual de servicio, que gestiona pedidos simples de autoservicio sin requerir intervención del equipo.
Un punto central del informe es que las implementaciones que mejor funcionan aplican un enfoque human-in-the-loop: la IA redacta, sugiere y predice, pero las personas revisan, deciden y aprueban. El control sigue en la organización.
Ariel Gesto, CEO de InvGate, lo pone en términos directos: «La tensión que vemos en muchas organizaciones no es entre usar IA o no usarla, sino entre la urgencia de adoptarla y el nivel de madurez real de sus procesos. Las empresas que logran resultados concretos son las que primero entienden en qué etapa están, y desde ahí avanzan de forma ordenada. Eso es exactamente lo que InvGate Service Management está diseñado para acompañar: no imponer IA, sino integrarla donde la operación ya está en condiciones de recibirla.»
Junto con el informe, InvGate lanzó una evaluación de madurez gratuita disponible en su sitio web. El quiz, de aproximadamente tres minutos, permite identificar en qué capa de adopción se encuentra actualmente el service desk de una organización, qué brechas existen y qué oportunidades hay para avanzar. La herramienta evalúa si las capacidades de IA están integradas en los flujos de trabajo reales de los agentes, si el conocimiento está estructurado y actualizado, y si existe gobernanza sobre las automatizaciones en curso.