• Según un estudio de Bain & Company, el 68% de los ejecutivos espera que la inteligencia artificial genere un impacto sustancial o transformador en el desempeño de sus negocios durante los próximos 5 a 10 años.
• Aunque las expectativas son altas, menos del 20% reporta que sus organizaciones ya están escalando aplicaciones con impacto medible o llevando adelante transformaciones de alcance corporativo.

La inteligencia artificial se ha convertido en una prioridad estratégica para las compañías de energía y recursos naturales, pero la mayoría todavía enfrenta dificultades para transformar sus proyectos piloto en resultados concretos para el negocio. Así lo concluye el nuevo estudio AI in Energy: From Pilots to Payoff de Bain & Company, basado en una encuesta global a más de 800 ejecutivos de industrias como energía, utilities, petróleo y gas, minería, químicos y agronegocios.

De acuerdo con el informe, el 68% de los ejecutivos espera que la IA tenga un efecto sustancial o transformador sobre el desempeño de sus compañías durante los próximos 5 a 10 años. Sin embargo, menos del 20% confirma que sus organizaciones estén actualmente escalando aplicaciones con impacto medible o desarrollando transformaciones de alcance corporativo. Es decir, la mayor parte continúa experimentando a pequeña escala o ejecutando pilotos que todavía no cumplen con las expectativas iniciales.

“En sectores intensivos en activos y operaciones complejas, como energía y minería, existe un enorme potencial para aplicar inteligencia artificial, pero implementar más pilotos no necesariamente genera más valor. La diferencia comienza a aparecer cuando las compañías seleccionan problemas relevantes para su negocio, establecen resultados concretos desde el principio y desarrollan la capacidad organizacional necesaria para llevar esas soluciones a una escala”, explica Diego García, socio y líder de la práctica de Energía y Recursos Naturales de Bain para América del Sur.

Uno de los principales problemas, según Bain, está justamente en la definición de esos objetivos. Cerca de la mitad de los ejecutivos identifica como mayor impedimento para obtener los resultados esperados, que las iniciativas tengan metas poco claras o que no estén suficientemente vinculadas a la creación de valor. A ello se suma la escasez de capacidades técnicas y las deficiencias en disponibilidad, calidad y gobernanza de datos.

Los resultados del estudio advierten que el desafío ya no sería principalmente tecnológico. Muchas empresas intentan incorporar nuevas herramientas sobre procesos y estructuras diseñadas antes de la aparición de la inteligencia artificial, sin modificar la forma en que trabajan sus equipos, toman decisiones o distribuyen sus responsabilidades.

“Las compañías han descubierto que invertir en tecnología o desarrollar un modelo es apenas una parte del reto. Para capturar valor hay que revisar el proceso completo, es decir, cambiar la forma en que trabajan planificadores, operadores, técnicos o equipos comerciales, incorporar recomendaciones generadas por IA dentro de sus rutinas y, al mismo tiempo, retirar herramientas, reportes y aprobaciones que mantienen a la empresa funcionando bajo el antiguo modelo”, agrega García.

De los pilotos al valor

A partir de un análisis realizado a compañías vinculadas a industrias como energía, utilities, petróleo y gas, minería, químicos y agronegocios, Bain identificó cuatro principios comunes entre las organizaciones que muestran mayores avances:

1. Concentrar los esfuerzos en dos o tres ámbitos de alto impacto, en lugar de distribuir recursos entre decenas de casos de uso desconectados. Entre ellos destaca el desempeño de activos y procesos, la optimización de la cadena de suministro o la atención y los servicios técnicos.

2. Rediseñar procesos y roles alrededor de la inteligencia artificial, incorporando esta herramienta directamente en las decisiones diarias y tareas habituales.

3. Desarrollar bases de datos, arquitectura tecnológica, gobernanza y talento suficientemente robustas para los pilares prioritarios, sin esperar necesariamente a construir una infraestructura perfecta para toda la empresa.

4. Institucionalizar un modelo que permita repetir el proceso de escalamiento, definiendo responsables, mecanismos de financiamiento, criterios de priorización, gestión de riesgos y gobernanza de IA.

El informe muestra que este enfoque ya está produciendo resultados concretos. A modo de ejemplo, una compañía global de petróleo y gas utilizó ciencia de datos y modelos de lenguaje para integrar información previamente desconectada sobre activos, logística y desempeño de pozos. Esta innovación permitió identificar más de una docena de iniciativas de mejora con un valor potencial superior a US$15 millones anuales, acompañadas de responsables, plazos y decisiones específicas para su implementación.

De acuerdo con Bain, las aplicaciones que hasta ahora exhiben mayor madurez dentro de la industria se encuentran en áreas como atención al cliente, investigación y desarrollo, y operaciones y mantenimiento, mientras otras funciones continúan en etapas más tempranas. El análisis, también revela que menos del 10% de las empresas está llevando adelante una transformación de inteligencia artificial a nivel de toda la organización.

Finalmente, este escenario marca una nueva etapa en la adopción de IA. Tras un período marcado por la abundancia de pruebas y pilotos, el foco comienza a desplazarse hacia la capacidad de seleccionar iniciativas con una ruta clara hacia el retorno, construir capacidades internas y escalar aquellas soluciones que demuestren resultados.