Valentina Jordan, CEO y cofundadora de Nauta, explica cómo los datos fragmentados y los sistemas desconectados pueden elevar los costos de automatización y limitar sus resultados.
La adopción de inteligencia artificial (IA) se ha convertido en una prioridad para numerosas empresas que buscan reducir costos, mejorar su productividad y agilizar sus operaciones. Sin embargo, incorporar esta tecnología no garantiza resultados positivos, especialmente cuando las organizaciones mantienen procesos manuales, información dispersa y sistemas que no logran comunicarse entre sí.
En entrevista con Mercado Negro, Valentina Jordan, CEO y cofundadora de Nauta, startup especializada en aplicar inteligencia artificial a las operaciones y cadenas de suministro, explica que uno de los principales desafíos no está en la capacidad de los modelos tecnológicos, sino en las condiciones internas de las empresas. Según la ejecutiva, implementar IA sin resolver estas deficiencias puede acelerar los errores existentes y generar gastos adicionales.
Los riesgos de implementar inteligencia artificial en procesos deficientes
Uno de los problemas más frecuentes aparece cuando las compañías incorporan herramientas de IA sin evaluar previamente cómo funcionan sus operaciones. Para Jordan, muchas organizaciones priorizan la adquisición de tecnología antes de identificar qué dificultades necesitan resolver. Esta situación limita el potencial de la automatización, pues los sistemas inteligentes requieren información confiable y conectada para ejecutar tareas correctamente.
«Los modelos no son el obstáculo para la IA en la cadena de suministro: el obstáculo es la capa de datos», sostiene la CEO de Nauta. La ejecutiva señala que buena parte de la información empresarial permanece distribuida entre correos electrónicos, hojas de cálculo y plataformas independientes. En estas condiciones, la tecnología carece del contexto necesario para interpretar adecuadamente lo que sucede dentro de una operación.
El problema puede agravarse cuando se automatizan tareas basadas en registros incorrectos o desactualizados. Por ejemplo, una diferencia en los inventarios o una fecha de entrega equivocada puede afectar simultáneamente las áreas de compras, logística y atención al cliente. «Si automatizas un proceso que parte de información incorrecta o incompleta, el error se repite más rápido y a mayor escala», advierte Jordan, quien considera necesario organizar los datos y establecer responsabilidades antes de permitir que los agentes de IA intervengan en las operaciones.
¿Cómo pueden las empresas obtener resultados concretos con IA?
Antes de automatizar una actividad, las organizaciones necesitan determinar cuánto tiempo demanda, con qué frecuencia se realiza y cuáles serían las consecuencias de cometer un error. Jordan explica que estos criterios permiten reconocer oportunidades de mejora, pero también identificar procedimientos que deberían simplificarse o rediseñarse. La finalidad es evitar inversiones destinadas a mantener tareas innecesarias mediante sistemas automatizados.
La ejecutiva también destaca la importancia de establecer límites entre las funciones de la tecnología y las responsabilidades humanas. «Nuestro principio es simple: los agentes actúan, las personas deciden», afirma. Bajo este enfoque, las herramientas pueden encargarse de actividades operativas, mientras los equipos conservan el control sobre las decisiones relevantes. Para evaluar su efectividad, recomienda establecer indicadores relacionados con productividad, tiempos de respuesta, capacidad comercial y rentabilidad.
En cuanto a los resultados, Jordan señala que los equipos que trabajan con Nauta han conseguido ahorrar más de 40 horas semanales de trabajo manual y procesar contenedores hasta un 60% más rápido. Además, menciona el caso de un cliente que redujo en 80% sus costos asociados con demoras y almacenaje de contenedores. Estas cifras, compartidas por la compañía, muestran aplicaciones concretas de la automatización en la cadena de suministro. Para la especialista, el verdadero retorno de la inteligencia artificial no debe medirse únicamente por la cantidad de tareas automatizadas, sino por las nuevas capacidades que adquiere una empresa para operar y atender a sus clientes.
