Compramos los motores, falta rediseñar la fábrica

OpenAI creó una empresa con más de US$ 4.000 millones de inversión inicial cuyo objetivo es gestionar y desplegar ingenieros dentro de sus clientes. ¿Por qué la compañía que fabrica los mejores modelos de inteligencia artificial (IA) generativa concluye que venderlos no basta?

Cuando una empresa compra un ERP o un CRM, el sistema llega con una forma definida. El proveedor insertó el flujo de trabajo en el software y la tarea es aprender a operarlo. Entonces, capacitar es la respuesta correcta. Cuando se trata de la IA generativa, no hay un software con un flujo de trabajo predefinido. No existe una manera correcta de usarla antes de que alguien la integre en una organización.

La electricidad ofrece una analogía útil. Al principio, las fábricas compraron motores y los montaron sobre la vieja estructura de ejes y correas. Pero la transformación llegó con el rediseño de las instalaciones y del trabajo, cuando se entendió que cada persona podía operar su propia máquina.

Chile ya compró los motores. El índice ILIA, de CENIA y la Cepal, lo ubica primero en América Latina en preparación. Pero en adopción queda detrás de Brasil, Perú, Colombia y Costa Rica. Esa distancia no se cierra comprando licencias o aprendiendo a usar un software.

OpenAI despliega esos ingenieros para resolver, con su propia tecnología, los problemas de sus clientes. Ha sido el modelo para comercializar un producto técnico cuando el cliente no lo es. Pero, paradójicamente, esa misma tecnología cambia el equilibrio. Hoy construir software es más barato que antes; saber qué problema vale la pena resolver y qué solución es satisfactoria, no. Ese saber ya está dentro de la organización.

En este escenario conviene ir en el sentido opuesto: en vez de llevar ingenieros a quienes conocen el trabajo, convertir en ingeniero a quien ya lo conoce. Entregarle la capacidad de construir soluciones a quien ejecuta ese proceso todas las semanas —la analista, el jefe de operaciones, la abogada— y no a quien viene a integrar una herramienta específica. Lo que construye es software, pero lo que entrega es una nueva forma de hacer el trabajo. Solo esa persona puede verificar si el resultado está bien. El error no se anuncia: llega plausible, bien argumentado y equivocado.

Muchas organizaciones están intentando aprender a usar una herramienta de IA generativa en lugar de aprender a construir desde dentro. Ese entrenamiento sirve cuando el flujo de trabajo ya existe. Aquí no existe. Y conviene inventarlo al revés: elegir un problema concreto, dárselo a quien lo ejecuta —con tiempo y tokens— y medir el nuevo proceso por lo que produce. Si no hacemos esto, seguiremos primeros en preparación y detrás en adopción, que es exactamente donde estamos.

We Bought the Motors; Now We Need to Redesign the Factory

OpenAI created a company with more than US$4 billion in initial investment, whose purpose is to manage and deploy engineers inside its clients. Why does the company that makes the best generative artificial intelligence (AI) models conclude that selling them is not enough?

When a firm buys an ERP or a CRM, the system arrives with a defined shape. The vendor built the workflow into the software, and the task is to learn to operate it. In that case, training is the right answer. Generative AI comes with no software and no predefined workflow. There is no correct way to use it until someone integrates it into an organization.

Electricity offers a useful analogy. At first, factories bought motors and mounted them on the old system of shafts and belts. The transformation came when plants and work were redesigned, once it became clear that each person could operate their own machine.

Chile has already bought the motors. The ILIA index, from CENIA and ECLAC, ranks Chile first in Latin America on readiness. On adoption, though, it trails Brazil, Peru, Colombia and Costa Rica. That gap will not close by buying licenses or learning to use a piece of software.

OpenAI deploys those engineers to solve its clients' problems with its own technology. That has been the standard way to sell a technical product to a client who is not technical. Paradoxically, the same technology shifts the balance. Building software is cheaper than it used to be; knowing which problem is worth solving, and what counts as a good enough solution, is not. That knowledge already sits inside the organization.

So it pays to go the opposite way: instead of bringing engineers to the people who know the work, turn the people who know the work into engineers. Give the ability to build solutions to whoever runs the process every week (the analyst, the operations manager, the lawyer), not to someone who comes in to integrate a specific tool. What they build is software, but what they deliver is a new way of doing the work. Only that person can check whether the result is right. Errors do not announce themselves: they arrive plausible, well argued and wrong.

Many organizations are trying to learn to use a generative AI tool instead of learning to build from within. That kind of training works when the workflow already exists. Here it does not. It is better invented the other way around: pick a concrete problem, give it to the person who runs it, with time and tokens, and judge the new process by what it produces. If we don't, we will stay first in readiness and behind in adoption, which is exactly where we are.

Translation by the author. The Spanish text is the version submitted for publication; the printed version may include minor edits.