“Tenemos que hacer algo con inteligencia artificial”. La frase, según Fredi Vivas, se repite cada vez más dentro de empresas y organizaciones. El problema aparece cuando esa necesidad se traduce solamente en comprar licencias, sumar herramientas o contratar capacitaciones sin definir antes qué problema se quiere resolver.
“No se trata solamente de comprar tecnología. Hay que tener una estrategia y entender para qué se la quiere utilizar”, explicó Vivas durante la segunda jornada de Expocon 2026.
Ingeniero en sistemas, especialista en inteligencia artificial, datos y machine learning, profesor de la Universidad de San Andrés y CEO de RockingData, Vivas presentó “Los 4 mundos de la IA”, una exposición en la que propuso ordenar un escenario que suele quedar reunido bajo una misma etiqueta, aunque incluye tecnologías, usos y objetivos diferentes. También es autor de “Generación IA”, “Invisible” y “¿Cómo piensan las máquinas?”.
Para Vivas, uno de los errores más frecuentes es esperar que la incorporación de una herramienta produzca por sí sola una mejora en la productividad o un retorno de inversión. Su planteo parte de otra lógica: primero debe definirse qué necesidad existe y luego decidir qué tipo de inteligencia artificial puede dar una respuesta.
Ese ordenamiento se resume en cuatro grandes mundos: datos y machine learning, productividad individual, agentes de inteligencia artificial y automatizaciones. “Son cuatro mundos distintos porque cambian las oportunidades que ofrecen, los perfiles que trabajan en cada uno, lo que les aportan a las compañías y la forma en que se implementan”, explicó.
Primer mundo: datos y machine learning
El primero de esos mundos es el de los datos y el machine learning. Según Vivas, tiene más de 20 años de desarrollo y forma parte de numerosos servicios y plataformas que las personas utilizan a diario.
Su función principal consiste en analizar información para detectar patrones, anticipar comportamientos y aportar elementos para una decisión.
En una organización, esta tecnología puede utilizarse para predecir demanda, detectar posibles abandonos de clientes, realizar scoring crediticio, identificar fraudes, personalizar promociones, optimizar inversiones, anticipar qué producto ofrecer a cada persona o priorizar cobranzas.
El objetivo es dejar atrás decisiones apoyadas únicamente en clasificaciones generales y avanzar hacia un conocimiento más preciso de los comportamientos.
“Ese conocimiento permite tomar mejores decisiones de negocio”, señaló Vivas.
Para el especialista, el valor no está solo en acumular información. Lo central es poder relacionarla, analizarla y transformarla en una herramienta útil para el negocio.
Segundo mundo: productividad individual
El segundo mundo es el de la productividad individual y probablemente sea el más conocido por quienes comenzaron a utilizar inteligencia artificial en los últimos años.
Allí aparecen las herramientas de IA generativa, capaces de producir textos, imágenes y otros contenidos, además de resumir correos electrónicos, buscar información, realizar investigaciones en profundidad y analizar datos.
Vivas remarcó que estas plataformas pueden ampliar las capacidades de una persona, pero no reemplazan el conocimiento ni el criterio de quien las utiliza.
“Aprender a interactuar con las máquinas se está transformando en una habilidad actual, no futura”, sostuvo.
Ese aprendizaje forma parte de lo que definió como alfabetización en inteligencia artificial. La capacidad de dar instrucciones claras, aportar contexto y comprender qué se espera de una herramienta será cada vez más relevante.
Sin embargo, Vivas anticipó que saber utilizar una plataforma dejará de ser, con el tiempo, un diferencial en sí mismo.
“La diferencia estará en cómo las use cada uno, en el criterio, en el conocimiento del problema que busca resolver, en la productividad y en las habilidades interpersonales”, afirmó.
La comparación que planteó fue con herramientas como Excel. Saber abrir el programa o realizar una operación básica no equivale a dominar todas sus posibilidades. Con la IA, sostuvo, ocurrirá algo similar: habrá distintos niveles de uso y de conocimiento.
Tercer mundo: agentes de inteligencia artificial
El tercer mundo es el de la inteligencia artificial agéntica.
A diferencia de otras herramientas, un agente recibe un objetivo, contexto y determinadas capacidades. A partir de allí puede decidir qué pasos ejecutar, buscar información, cruzar datos, priorizar tareas y proponer acciones. “A una automatización le damos un proceso y una serie de pasos. A un agente le damos un objetivo y contexto”, explicó Vivas.
Ese margen de autonomía es uno de los elementos que distingue a los agentes, pero también implica un riesgo mayor. “Cuanta más autonomía le damos a un agente, mayor puede ser también el riesgo”, advirtió.
Por eso, el especialista planteó que el papel de las personas no desaparece. Los agentes necesitan supervisión y, sobre todo, contexto sobre el funcionamiento específico de cada organización.
Pueden comprender datos y lenguaje natural, pero no conocen por sí solos todas las particularidades de una empresa. “Ese conocimiento lo tenemos que aportar nosotros”, señaló.
Vivas también recomendó comenzar por usos internos antes de ubicar un agente directamente frente a los clientes. Un error dentro de un proceso interno puede corregirse con mayor facilidad, mientras que una respuesta incorrecta hacia afuera puede generar un costo reputacional mayor.
Cuarto mundo: automatizaciones
El cuarto mundo corresponde a las automatizaciones.
En este caso, el objetivo no es que la tecnología tome decisiones. Su función es ejecutar una tarea ya definida a partir de reglas claras y repetibles.
Una automatización puede ingresar a sistemas, abrir archivos, copiar información, cargar datos o enviar mensajes. Trabaja con procesos estructurados y, ante el mismo ingreso de información, produce el mismo resultado.
Su mayor utilidad aparece en tareas repetitivas y de alto volumen. Vivas las definió como “manos digitales” porque permiten trasladar trabajo operativo hacia el software y liberar tiempo de las personas para actividades de mayor valor.
La limitación está en su rigidez. Si cambia el proceso para el cual fue diseñada, puede dejar de funcionar y necesitar una modificación.
Esta es una de las diferencias principales con los agentes. Mientras una automatización sigue instrucciones explícitas, un agente puede interpretar información variable y elegir un camino para intentar cumplir un objetivo.
Una estrategia antes que una herramienta
Los cuatro mundos, aclaró Vivas, no deben entenderse como etapas en las que una tecnología nueva elimina a la anterior. Pueden coexistir e incluso complementarse.
Un agente puede utilizar un modelo de machine learning para obtener una predicción. Una persona puede recurrir a inteligencia artificial generativa para analizar esa información. Una automatización puede ejecutar después una tarea repetitiva dentro del mismo proceso. “No hay que pensar que una tecnología reemplaza automáticamente a la anterior”, sostuvo.
Cada uno de esos mundos tiene una lógica diferente, requiere capacidades específicas y sirve para resolver problemas distintos.
Por eso, el punto de partida no debería ser preguntar qué herramienta incorporar o cuál es la tecnología más nueva. La pregunta, para Vivas, es mucho más sencilla: para qué.
Primero debe identificarse el problema. Después, determinar cuál de los cuatro mundos puede aportar una respuesta. Recién entonces tiene sentido elegir la tecnología.