La IA no reemplaza a las personas: por qué las empresas vuelven a poner al talento humano en el centro de la transformación digital

La inteligencia artificial atraviesa una etapa de expansión sin precedentes. Cada vez más empresas incorporan asistentes inteligentes, modelos generativos y herramientas de automatización para optimizar procesos, reducir costos y mejorar la productividad. Sin embargo, la experiencia muestra que implementar IA no es sinónimo de obtener resultados.

Los datos reflejan esa brecha. Según McKinsey, cerca del 80% de las organizaciones incorporó inteligencia artificial generativa durante 2025, pero menos del 1% afirma que esa adopción produjo un impacto significativo en sus resultados financieros. A su vez, Gartner proyecta que para 2026 el 60% de los proyectos de IA que no cuenten con datos preparados para alimentar los modelos terminarán siendo abandonados.

La conclusión es cada vez más clara: el éxito de la inteligencia artificial depende tanto de los algoritmos como de las personas que diseñan, entrenan, supervisan y validan esos sistemas.

El regreso del factor humano

Durante los primeros años del auge de la IA, gran parte de la discusión giró alrededor de la automatización. Hoy el foco comienza a desplazarse hacia otro aspecto: la calidad de los procesos.

“El verdadero desafío no está solamente en desarrollar agentes inteligentes, sino en construir procesos que les permitan funcionar correctamente”, explica Clemencia Nicholson, CEO de Arbusta, empresa argentina especializada en operaciones de datos, entrenamiento de modelos de IA y servicios tecnológicos.

La compañía trabaja con organizaciones como Mercado Libre, Mercado Pago, Despegar, Kavak y PedidosYa, desarrollando tareas que muchas veces permanecen invisibles para el usuario final, pero que resultan fundamentales para el funcionamiento de los sistemas inteligentes.

Human-in-the-Loop: la IA con supervisión humana

Uno de los modelos que gana protagonismo es el denominado Human-in-the-Loop (HITL), un enfoque que combina automatización con intervención humana en aquellas situaciones donde el contexto, el criterio o la interpretación siguen siendo indispensables.

Las herramientas de IA son altamente eficientes para procesar grandes volúmenes de información y resolver tareas repetitivas. Sin embargo, todavía presentan limitaciones frente a casos ambiguos, excepciones o situaciones complejas.

“Las automatizaciones resuelven muy bien los casos estándar, pero cuando aparecen escenarios fuera de lo previsto es donde la supervisión humana aporta contexto, criterio y capacidad de decisión”, señala Martín Senderey, COO y CTO de Arbusta.

Por ese motivo, muchas organizaciones están migrando hacia modelos híbridos donde la inteligencia artificial acelera los procesos, mientras que las personas garantizan la calidad de las decisiones.

Sin datos de calidad no hay buena inteligencia artificial

El desarrollo de modelos de IA depende directamente de la calidad de la información con la que son entrenados.

Según Grand View Research, el mercado mundial de gestión de datos empresariales alcanzó los US$ 110.530 millones en 2024 y crecerá a una tasa anual del 12,4% hasta 2030, impulsado por la necesidad de contar con información más precisa y confiable.

En ese escenario, cobran relevancia actividades como el etiquetado de datos, la validación documental, el enriquecimiento de catálogos, la verificación de identidades y el control de calidad, tareas que permiten entrenar modelos más precisos y reducir errores.

“Los modelos no aprenden solos. Detrás de cada respuesta correcta existe trabajo humano que organiza información, corrige errores y aporta contexto”, explica Stephany Villa Castillo, CBO de Arbusta.

IA aplicada a fraude, marketplaces y atención al cliente

La supervisión humana también resulta crítica en aplicaciones donde un error puede tener consecuencias económicas o reputacionales.

Uno de los casos desarrollados por Arbusta fue el fortalecimiento de sistemas de detección de fraude y moderación de publicaciones para Mercado Libre, mediante procesos de etiquetado y validación que mejoraron los datos utilizados para entrenar los algoritmos.

El mismo enfoque se replica en operaciones de atención al cliente. La empresa brinda soporte a Mercado Pago en procesos vinculados con gestión de fraudes, repatriación de fondos y resolución de reclamos, además de colaborar con Despegar en la gestión de solicitudes relacionadas con cancelaciones, cambios de viaje y devoluciones.

La combinación entre inteligencia artificial y equipos especializados permite mantener niveles de servicio elevados, reducir tiempos de respuesta y mejorar la experiencia de los usuarios.

América Latina acelera la demanda de modelos híbridos

El crecimiento del comercio electrónico y los servicios digitales incrementa la necesidad de contar con sistemas cada vez más confiables.

En Argentina, el comercio electrónico facturó $35,3 billones durante 2025, incorporando más de un millón de nuevos compradores, según la Cámara Argentina de Comercio Electrónico (CACE). En Colombia, las ventas digitales crecieron 18,6% en el mismo período, de acuerdo con la Cámara Colombiana de Comercio Electrónico (CCCE).

A medida que aumenta el volumen de operaciones, también crecen los desafíos vinculados con validación de datos, prevención del fraude, moderación de contenidos y atención al cliente, áreas donde la combinación entre inteligencia artificial y supervisión humana se vuelve estratégica.

La próxima etapa de la inteligencia artificial

La discusión ya no gira únicamente alrededor de cuánto puede automatizar la IA, sino de cómo integrarla de manera efectiva dentro de los procesos de negocio.

Organismos como la UNESCO, a través de su Recomendación sobre la Ética de la Inteligencia Artificial, sostienen que la supervisión humana debe seguir siendo un componente esencial en aquellas decisiones automatizadas que puedan afectar a las personas.

La tendencia parece consolidarse: las empresas que obtienen mejores resultados no son necesariamente las que más automatizan, sino aquellas que logran combinar inteligencia artificial, datos de calidad y talento humano para construir procesos más eficientes, confiables y escalables.