Obviamente, adoptar inteligencia artificial en servicios gestionados suena muy bien. Promete eficiencia, respuestas más rápidas, menos carga para los equipos y mejores decisiones (aunque eso siempre depende de quién las tome). Pero lo que no se suele contar es lo que ocurre de verdad en el día a día: los matices, los retos, las curvas inesperadas.

En los últimos meses he trabajado en varios proyectos donde la IA debía ser ese gran acelerador. Y lo ha sido… pero no sin complejidades. Por eso, hoy no vengo a hablar de la teoría, ni de los beneficios (que también los hay), sino de lo que te encuentras cuando bajas al barro: dudas, decisiones, bloqueos y aprendizajes reales.

Aquí van 5 desafíos auténticos que he vivido al implantar IA en servicios gestionados contados desde la trinchera:

1. Falta de estrategia

Sin duda, lo primero que me encuentro (y que más impacto tiene) es la falta de una estrategia clara. La IA no puede abordarse con un “vamos viendo, ya lo acoplaremos al modelo”, y sin embargo, es una frase más común de lo que parece.

Muchos clientes quieren implantar IA, pero sin responder primero a preguntas clave: ¿Para qué exactamente la usamos? ¿Qué parte del proceso mejora? ¿Quién lidera el cambio? ¿Cómo mediremos el impacto?

Cuando esto no se define, llega la frustración. Porque no se gestionan expectativas, no se resuelven problemas reales, y la IA acaba siendo un experimento más… que nadie termina de adoptar.

Apoyarse en un partner como Axazure no debería verse solo como una ayuda para implementar tecnología, sino como un acompañamiento estratégico. Alguien que te ayude a decidir qué pasos dar, cuándo darlos y con qué enfoque. Como decía en otro artículo: hay que medir con sentido, y definir KPIs que midan lo que realmente importa.

2. Datos en desorden (o directamente inexistentes)

Ahora que estamos en pleno Tour de Francia, todos los focos están en el recorrido, en el público que abarrota las cunetas… pero sobre todo en los ciclistas: los mejores del mundo, porque sin ellos, no hay carrera.

Con la IA pasa algo parecido. Puedes tener el mejor recorrido (tu estrategia), los mejores equipos (tu tecnología), pero si no tienes “ciclistas” de nivel —en este caso, datos de calidad, no vas a ningún sitio.

Y lo que suele ocurrir es que los datos están en silos, mal etiquetados… o directamente no existen. El 80% del esfuerzo en una implantación de IA no está en el modelo, está en el trabajo previo: depurar, clasificar, estructurar, es decir, preparar la carrera.

Y más aún si hablamos de servicios que quieren resolver tickets automáticamente, mantener conversaciones en lenguaje natural con clientes, operar 24×7, ofrecer experiencias personalizadas o guiar al usuario a través de procesos complejos, todo eso suena muy bien… pero es inviable sin una base sólida de información.

Yo lo llamo pre-adopción, y sí, hay que invertir en ello.

3. Competencias desiguales en los equipos

Este es otro tema clave, íntimamente ligado a la adopción. No todos los equipos están igual de preparados para convivir con la IA. Y no me refiero solo (ni principalmente) a la formación técnica (que muchas veces es incluso irrelevante), sino a cuestiones mucho más profundas: cultura, mentalidad, confianza.

A veces la IA se percibe como una amenaza, y ahí está el problema. Si no acompañas el cambio con una estrategia clara de formación, comunicación y ejemplos tangibles de valor, el rechazo no tarda en aparecer. Y no tiene que ver con mala voluntad, sino con miedo. Porque si la gente siente (aunque sea de forma equivocada) que esto va a poner en riesgo su puesto, su conocimiento o su autonomía… la implantación está sentenciada desde el principio.

Por eso es tan importante alinear el objetivo del proyecto con el relato interno. Explicar no solo lo que hace la IA, sino por qué lo hace, para qué, y cómo mejora el trabajo de las personas. Porque si los equipos no lo entienden ni lo creen, no lo adoptan, no hay más.

Con esta idea, en Axazure proponemos un Centro de Adopción de IA que combine formaciones, talleres y workshops adecuados para distintos tipos de perfiles, sin dejar a nadie fuera.

4. Expectativas poco realistas

El hype en torno a la IA ha hecho mucho daño, pero mucho, y además esto nos debería sonar, porque ya ha pasado otras veces.

La realidad es que todo proyecto de IA necesita entrenamiento, contexto y adaptación, y que los buenos resultados llegan con iteración, no con magia (vamos que también hay que invertir en esto). Implantar IA es más parecido a entrenar a un nuevo compañero que a comprar un superpoder, y seguramente aquí está el problema principal.

Hace unas semanas, mi jefe me preguntaba que, si la IA me estaba ayudando, y le expliqué claramente que la mega propuesta en la que antes me tiraba casi un mes, ahora vengo a tardar alrededor de 1 semana, pero también especifiqué, respetando confidencialidad, siendo yo el que escribe y piensa y teniendo en mi mente claramente lo que espero. Meto la pizza en el horno, sale deliciosa, pero los ingredientes los he elegido yo, los he puesto yo y por supuesto, el que la disfruta soy yo.

Y en un servicio gestionado, esto es aún más importante, porque no se trata solo de acelerar tareas, sino de hacerlo con rigor, coherencia y continuidad.

5. Seguridad y ética: el elefante en la sala

Y llegamos al tema que casi nadie quiere abrir, pero que está en todas partes, la madre de dragones: seguridad, privacidad, sesgos, responsabilidad. El elefante en la habitación vamos…

Cuando la IA empieza a intervenir en procesos críticos (responder a clientes, priorizar tickets, generar documentación o proponer acciones), surgen preguntas incómodas: ¿Qué datos ha utilizado para llegar a esa conclusión? ¿Puede estar sesgado sin que lo sepamos? ¿Quién es responsable si la recomendación es errónea?

Y muchas veces, estas preguntas no se responden al inicio, se evitan o se subestiman, hasta que el proyecto avanza, y a veces ya es demasiado tarde.

Y otra vez vuelvo al punto 1, LA ESTRATEGIA, y bueno, al 2, al 3 y al 4, porque si no tienes resuelta la gestión de permisos, la trazabilidad de las decisiones o el marco ético desde el diseño, al final acabas limitando el uso por precaución o peor desactivándolo del todo cuando surge el primer incidente.

La inteligencia artificial puede transformar por completo la manera en que prestamos servicios gestionados, puede reducir tiempos, anticipar errores, priorizar mejor, ofrecer experiencias más consistentes, pero solo si se implanta con cabeza… y con alma.

CONCLUSIÓN

La inteligencia artificial puede transformar por completo la manera en que prestamos servicios gestionados (reducir tiempos, anticipar errores, priorizar mejor, ofrecer experiencias más consistentes), pero solo si se implanta con cabeza… y con alma.

Un servicio gestionado no es un proyecto cerrado ni un producto, es una relación a largo plazo, con retos constantes y necesidades que evolucionan. Por eso, implantar IA en este contexto exige aún más claridad: no se trata solo de que funcione, sino de que sea sostenible, entendible y adaptable con el tiempo.