Juan Esteban Velásquez, COO de BPO Consultores, firma partner de Oracle, es experto en ciberseguridad, gestión empresarial y transformación tecnológica aplicada a sectores regulados.
Fue pionero en la infraestructura tecnológica del primer operador de juegos por internet autorizado en Colombia, Wplay.co, y contribuyó al desarrollo de sistemas de redes transaccionales y modelos de juego con afiliación en puntos de venta en el país.
Desde su experiencia en dirección operativa, tecnología y gobierno corporativo, Velásquez sostiene que el pensamiento empresarial frente a la inteligencia artificial no consiste en perseguir la herramienta de moda, sino en entender muy bien qué dolor, fricción o ineficiencia se quiere resolver. En sus palabras, antes de “casarse” con una solución, las empresas deberían aprender a enamorarse del problema.
“La IA no debería empezar con la pregunta: ¿qué herramienta compramos?, sino con una pregunta más incómoda y útil: ¿qué problema vale la pena resolver?”, explica Velásquez. “Porque si uno se enamora demasiado rápido de la solución, termina defendiendo el martillo, aunque el problema no sea un clavo”.
Los elementos centrales de este enfoque pueden resumirse así:
1. Visión más allá del estatus quo. Un líder empresarial debe tener apertura suficiente para mirar más allá de la situación actual y visualizar formas distintas de crear valor. No se trata solamente de acceder a tecnología, sino de imaginar aplicaciones concretas que resuelvan problemas reales.
2. Enamorarse del problema, no de la solución. La IA debe partir de una comprensión profunda del problema de negocio. La herramienta puede cambiar, el proveedor puede cambiar y el modelo puede mejorar; lo que debe permanecer claro es el objetivo operativo que se quiere resolver.
3. Integración estratégica. El verdadero reto está en integrar las capacidades de la IA con las habilidades humanas. La nueva división del trabajo no implica delegar todo a la máquina, sino diseñar procesos donde la tecnología amplifique el criterio, la velocidad y la precisión del equipo.
4. Experimentación disciplinada. Las organizaciones más ágiles prosperarán si aprenden a experimentar con método. Los pilotos de pequeña escala, con objetivos claros y responsables definidos, permiten validar hipótesis antes de convertir una idea en una inversión mayor.
5. Creatividad a escala. Diseñar nuevas combinaciones de tecnología, talento humano, datos y capital exige creatividad empresarial y planificación. La IA puede acelerar el análisis, pero la responsabilidad de conectar esa capacidad con las necesidades del cliente sigue siendo humana.
6. En entrevista con la Escuela Fecoljuegos, Velásquez señaló que la IA supera ampliamente la capacidad humana de procesamiento de información. Por eso, su adopción puede percibirse como aterradora, fascinante o incluso tranquilizadora, dependiendo de la preparación de cada organización para convertir datos, automatización y modelos predictivos en decisiones responsables.
La conversación se apoyó en los resultados del Diagnóstico Estratégico para Líderes Empresariales, una breve evaluación orientada a identificar cómo la inteligencia artificial, la innovación y el pensamiento tipo gaming pueden fortalecer la toma de decisiones, el análisis inteligente, la experiencia del cliente y la gestión de riesgos dentro de una organización.
Cuando una empresa piensa en implementar IA, ¿qué debería hacer primero?
En la encuesta del diagnóstico participaron 75 personas: 1 respondió que se debería “implementar rápido”, 34 afirmaron que lo primero es “identificar el problema real” y 40 señalaron que la prioridad debería ser “contratar un experto”.
Para Velásquez, estos resultados no son solo cifras: son una radiografía de las tensiones que hoy frenan la transformación digital en Colombia y en el mundo. Aunque identificar el problema y contar con conocimiento experto son pasos importantes, su advertencia es directa: antes de convertir la IA en un proyecto eterno de planeación, la empresa debe crear un espacio controlado para experimentar, aprender y desaprender.
“Lo primero no es comprar tecnología ni producir un informe de 80 páginas que nadie vuelve a abrir. Lo primero es diseñar un experimento serio, con alcance limitado, personas responsables, presupuesto real y métricas claras”, afirma Velásquez. “La organización aprende más construyendo un prototipo funcional en condiciones reales que discutiendo durante meses sobre escenarios perfectos en una sala de juntas”.
¿Por qué esta visión desafía el consenso de la encuesta?
1. El riesgo de la “parálisis por análisis”
Identificar el problema es vital, pero en la era de la IA el problema real muchas veces solo aparece cuando se empieza a construir. Muchos líderes se quedan atrapados en marcos conceptuales mientras la tecnología y el mercado avanzan rápidamente. Por eso, la recomendación es iniciar con un sprint de ocho semanas, ejecutado por un equipo pequeño, con permiso para actuar, medir y fallar de forma controlada.
2. La trampa del “experto externo”
Contratar a un experto puede ser útil, pero también puede dar una falsa sensación de seguridad. Hoy abundan perfiles con discursos sofisticados sobre IA, aunque sin experiencia operativa comprobable. Si una empresa va a traer apoyo externo, debe buscar hacedores intelectuales: personas capaces de integrarse al trabajo diario, participar en las decisiones y responder por un prototipo real, no solo por una presentación bonita. PowerPoint aguanta todo; la operación, no.
3. La capacidad de absorción interna
La organización debe evaluar si su propio equipo tiene la capacidad de juzgar, adaptar y gobernar la IA. No basta con copiar una solución; se requiere criterio interno para entender sus límites, sus riesgos, sus datos de entrada y su impacto operativo. En otras palabras: la IA puede acelerar, pero alguien debe saber hacia dónde va el carro.
4. El terreno confuso de los mandos medios
Existe una brecha entre los ejecutivos, que suelen ver la IA como estrategia, y los mandos intermedios, que muchas veces la perciben como una carga adicional. No se puede pedir a un gerente que lidere una implementación de IA si ya dedica gran parte de su tiempo a tareas administrativas. Primero hay que liberar capacidad operativa y definir responsables claros.
5. Gobernanza agencial y responsabilidad humana
Cada agente, automatización o modelo de IA debe tener un supervisor humano responsable. En la práctica, la organización debe tratarlos como nuevos integrantes del equipo: con propósito, límites, descripción de funciones, indicadores, controles y mecanismos de escalamiento. Un agente sin responsable es como un practicante muy rápido, muy seguro de sí mismo y sin jefe: puede ser útil, pero también puede meter a la empresa en problemas a gran velocidad.
El veredicto de Velásquez
“Si el diagnóstico de una empresa concluye que la prioridad es únicamente contratar, existe el riesgo de invertir en teatro corporativo: actividades muy bien presentadas, con buena iluminación y mejores titulares, pero desconectadas del aprendizaje operativo. La IA exige acción intelectual: experimentos con personas reales, dinero real, datos reales y consecuencias medibles. El resultado no debe ser solo un informe, sino conocimiento documentado nacido de la realidad operativa”.
Con esta visión, Velásquez plantea que la competitividad empresarial frente a la inteligencia artificial no dependerá de quién adopte primero la herramienta de moda, sino de quién logre convertir la tecnología en aprendizaje, eficiencia, gobierno y ventaja operativa sostenible. En síntesis: menos enamoramiento de la solución perfecta y más disciplina para entender el problema correcto.