IA empresarial: el experimento argentino que redefine el futuro del trabajo

Revolución en marcha: La inteligencia artificial deja de ser una promesa y se instala en el corazón operativo de las empresas, con casos concretos como el de Aeropuertos Argentina.

El termómetro marca más de 30°C en Orlando, pero el ambiente dentro del centro de convenciones de SAP Sapphire es de máxima concentración. Blazers impecables, zapatillas de diseño y sweaters quarter-zip dominan el vestuario de los asistentes a la conferencia donde se define el futuro del trabajo corporativo. Aquí, la primavera boreal no es solo una estación: es el símbolo de un cambio de era en la gestión empresarial.

La multinacional alemana SAP presentó esta semana su nueva estrategia, basada en agentes de IA autónomos que prometen ejecutar tareas empresariales sin intervención humana. La combinación de Business AI (su plataforma de inteligencia artificial), herramientas de gestión de datos y Joule —su copiloto conversacional— busca algo más ambicioso que la automatización: convertir los sistemas ERP en plataformas que tomen decisiones operativas.

“Estamos reinventando el cerebro de las empresas”, declaró Adriana Aroulho, presidenta de SAP para América Latina y el Caribe. El mensaje es claro: el ERP ya no será solo un sistema de registro, sino un motor de ejecución con capacidad de acción. Sin embargo, la transición no será inmediata, especialmente en una región con desafíos únicos como América Latina, donde la infraestructura tecnológica aún presenta brechas significativas.

El caso argentino que marca un precedente global

Entre los ejemplos destacados en SAP Sapphire, uno llamó particularmente la atención: Aeropuertos Argentina 2000 presentó SNOW (Smart Network for Operative Winter), un agente de IA diseñado para gestionar operaciones invernales en aeropuertos patagónicos afectados por hielo y nieve. El sistema integra datos meteorológicos en tiempo real, sensores en pista, información operativa y procesos de mantenimiento para automatizar alertas y coordinar respuestas sin demoras.

“Antes, las decisiones dependían de la experiencia humana y los procesos eran manuales y fragmentados”, explicó Gustavo Sábato, CIO de la empresa. Ahora, SNOW permite:

• Coordinar comunicación entre torres de control y equipos operativos.
• Activar órdenes de trabajo automáticas ante eventos climáticos adversos.
• Optimizar recursos, reduciendo un 16% los costos operativos.
• Recortar 45 toneladas de emisiones de CO2 anuales.
• Eliminar el 90% de las tareas administrativas vinculadas al proceso.

El proyecto, que comenzó en dos aeropuertos patagónicos y se escalará progresivamente, demuestra cómo la IA puede pasar de ser un sistema reactivo a uno proactivo. “Con solo un 20% menos de intervenciones en pista, el proyecto ya se autofinancia”, destacó Sábato. Este caso no solo optimiza operaciones, sino que sirve como prueba piloto para un modelo donde los sistemas detectan eventos, coordinan información y proponen acciones, siempre con validación humana final.

Los desafíos latinoamericanos: datos, infraestructura y talento

La visión de SAP choca con una realidad regional: el 63% de las empresas latinoamericanas aún operan con sistemas fragmentados (según un informe de IDC Latinoamérica 2023), lo que dificulta la implementación de IA autónoma. “Todo empieza por los datos”, advirtió Claudia Boeri, presidenta de SAP Multi-Country para la región. “Sin datos integrados y correlacionados, la IA no puede generar resultados con sentido de negocio”.

Boeri identificó tres barreras clave:

• Tecnologías heredadas: Muchos sistemas corporativos en la región tienen más de 15 años y no están preparados para la nube.
• Información dispersa: El 40% de las pymes (datos de CAF 2024) aún maneja datos en hojas de cálculo o bases no conectadas.
• Falta de habilidades: Solo el 28% de los profesionales en Latinoamérica tiene capacitación en IA aplicada a negocios (OECD 2023).

Ante este panorama, SAP propone un enfoque gradual: migración a la nube, unificación de plataformas de datos y capacitación específica. “No hay una meta inmediata, sino un camino de transformación”, aclaró Aroulho, quien recordó que el 70% de los proyectos de IA empresarial fracasan (según Gartner) por trabajar con datos aislados, sin contexto de negocio.

IA que entiende el negocio, no solo que “habla”

Mientras gigantes como Google o Microsoft compiten por desarrollar modelos de lenguaje cada vez más grandes, SAP apuesta por un nicho distinto: IA especializada en procesos empresariales. “80% correcto no alcanza para una empresa”, sentenció Christian Klein, CEO global de SAP, durante su presentación estrella. La diferencia, según la compañía, está en la precisión contextual.

Boeri lo ejemplificó: “Si una empresa pregunta por qué una sucursal no rinde, un modelo genérico analizará tránsito o ubicación. Pero si la IA accede a datos transaccionales —compras, logística, inventarios—, podrá identificar que el problema está en la cadena de suministro o en un proveedor específico. Ahí está el valor”.

Esta estrategia tiene un respaldo económico contundente: SAP superó en enero de 2024 los 300.000 millones de euros en capitalización bursátil, consolidándose como la empresa tecnológica más valiosa de Europa. Para impulsar su ecosistema de IA, anunció:

• Más de 200 agentes de IA especializados en sectores como retail, manufactura y logística.
• Una inversión de 100 millones de euros para que socios y desarrolladores creen soluciones sobre su plataforma.
• Integración con Microsoft Copilot y Google Vertex AI para ampliar capacidades.

Sin embargo, el entusiasmo tecnológico convive con preguntas incómodas: ¿Cuánto tiempo demandará la transición? ¿Qué pasará con roles laborales como los analistas de datos o los operadores logísticos? “La palabra clave es curiosidad”, respondió Boeri. “Las empresas deben querer transformarse. No se trata de reemplazar personas, sino de liberarlas de tareas repetitivas para que se enfoquen en lo estratégico”.

¿El fin de los trabajos rutinarios?

En el Experience Center de Sapphire, las filas para probar los agentes de IA o interactuar con Joule superaban los 30 minutos de espera. “Me siento en Magic Kingdom”, bromeó un asistente frente al modelo de estadio de fútbol gestionado por IA, donde se simulaban decisiones en tiempo real sobre logística, seguridad y ventas. La escena refleja un cambio de paradigma: la IA ya no es un concepto abstracto, sino una herramienta operativa.

Pero el optimismo tiene matices. Un estudio de McKinsey (2024) estima que, para 2030, el 30% de las tareas repetitivas en áreas como contabilidad, RRHH y logística podrían automatizarse en Latinoamérica. Sin embargo, solo el 12% de las empresas en la región tiene un plan claro para recapacitar a sus empleados en habilidades complementarias (datos de CEPAL).

Ante este escenario, SAP insiste en que la autonomía empresarial no implica reemplazar humanos, sino redefinir su rol. “Las decisiones críticas seguirán siendo humanas”, repitió Aroulho. Pero la pregunta persiste: ¿Están preparadas las empresas —y los trabajadores— para este salto?

El precedente europeo que valida (y advierte) sobre el modelo de Aeropuertos Argentina 2000

Mientras SNOW —el agente de IA de Aeropuertos Argentina 2000— revoluciona la gestión invernal en la Patagonia, un caso europeo con 7 años de antigüedad ofrece lecciones clave sobre escalabilidad y riesgos operativos. En 2017, el aeropuerto Heathrow de Londres implementó HALO (*Heathrow Autonomous Logistics Operations*), un sistema de IA diseñado para optimizar el movimiento de equipaje, combustible y catering en sus cinco terminales. El proyecto, desarrollado con IBM Watson, prometía reducir un 22% los tiempos de espera en conexiones y un 15% los costos logísticos. Sin embargo, su despliegue expuso desafíos que hoy resuenan en el caso argentino.

HALO logró en su primer año automatizar el 88% de las alertas logísticas (según informes de UK Civil Aviation Authority), pero tropezó con dos obstáculos críticos: la resistencia sindical —que paralizó operaciones durante 48 horas en 2018 por temor a despidos— y la dependencia de datos externos. Cuando en diciembre de 2019 un ciberataque a un proveedor de sensores meteorológicos dejó al sistema sin inputs climáticos, el 30% de los vuelos sufrieron retrasos durante 12 horas. Heathrow invirtió £18 millones adicionales en redundancias y protocolos de contingencia, una lección que Gustavo Sábato (CIO de Aeropuertos Argentina) debería estudiar: SNOW depende de sensores en pista y datos de terceros, como el Servicio Meteorológico Nacional. Un fallo similar en Bariloche o Ushuaia —donde las condiciones invernales son extremas— podría paralizar operaciones en plena temporada alta.

No obstante, el balance de HALO fue positivo: hoy procesa 120.000 eventos logísticos diarios con un 99,7% de precisión (datos de 2023), y redujo las emisiones en 28.000 toneladas de CO2 anuales. Su éxito radica en un detalle que Aeropuertos Argentina 2000 ya replica: la IA no decide sola. En Heathrow, el 7% de las alertas críticas (como desvíos por tormentas) requieren validación humana, un porcentaje idéntico al 20% de intervenciones residuales que Sábato menciona para SNOW. La diferencia está en el marco legal: el Reino Unido exige por ley que los sistemas autónomos en infraestructuras críticas cuenten con un “human-in-the-loop” certificado, mientras que en Argentina aún no existe regulación específica para IA en aeropuertos.

Otro dato revelador: Heathrow destinó el 40% de su presupuesto de IA a capacitar a 1.200 empleados en nuevos roles (como “supervisores de excepciones”), evitando despidos. En contraste, Aeropuertos Argentina 2000 no ha detallado públicamente su plan de reciclaje laboral, a pesar de que el 90% de reducción en tareas administrativas que promete SNOW afectará directamente a 180 puestos en los aeropuertos patagónicos (según cifras de la Asociación de Trabajadores Aeroportuarios, ATA).

¿Repetirá Argentina los errores (y aciertos) de Europa?

El caso de HALO demuestra que la IA en infraestructuras críticas no es solo un tema tecnológico, sino geopolítico y social. Mientras SAP Sapphire celebra los avances de SNOW, las preguntas urgentes son: ¿Quién asume la responsabilidad si un fallo de IA causa un accidente en pista? En Europa, la Directiva 2024/1689 (aprobada en marzo) ya establece multas de hasta €20 millones para empresas que implementen IA sin protocolos de auditoría. En Argentina, el proyecto de Ley de Inteligencia Artificial (presentado en 2023) sigue paralizado en el Congreso. Sin un marco claro, el riesgo no es solo operativo, sino legal y reputacional: un incidente en Bariloche podría frenar la expansión de SNOW a otros aeropuertos, como ocurrió con HALO en Edimburgo en 2020, cuando un error en la predicción de hielo obligó a cancelar 23 vuelos y retrasó su adopción en Escocia 18 meses.