La inversión en inteligencia artificial crece en empresas de todos los sectores, pero el retorno no aparece con la misma velocidad. Entre pilotos que no escalan, datos que no conversan y equipos que no adoptan el cambio, muchas iniciativas se quedan en promesas. Para Gabriel Antelo, Global VP of Technology de Globant, ahí está el verdadero reto. Antelo sostiene que el problema no es “invertir porque todos lo hacen”, sino aplicar IA con impacto real en el negocio. Cita un dato del MIT: el 95% de las empresas que invierten en IA no logra ver retornos claros. En su lectura, la diferencia está en pasar del entusiasmo a la estrategia y la ejecución medible. Resume tres causas del bajo ROI: falta de alineación con objetivos del negocio y KPIs mal definidos; debilidades en gobernanza y confianza que frenan la adopción; y limitaciones en talento y gestión de datos. “La escalabilidad debe ser un criterio desde el inicio”, advierte, para crecer sin multiplicar costos. También te puede interesar: Inteligencia artificial: La carrera por escalar del piloto a la operación Para generar valor en 90–180 días, pide salir de la parálisis. “Hay que animarse a implementar, experimentar y aprender”, dice. Pero aclara que no basta con el hype: se requiere limpiar, integrar y contextualizar datos, elegir casos de uso de alto impacto y asegurar interoperabilidad para evitar “IA en silos”. En gobernanza, Antelo insiste en seguridad y privacidad como estrategia corporativa, con capacitación y reglas éticas desde el inicio. Mirando a 2026, ve dos fuerzas: agentes de IA y computación cuántica. Cita a Gartner: 75% experimenta con agentes, pero solo 15% logra autonomía; el diferencial, concluye, está en escalar bien.