• La catedrática y líder tecnológica de la Universidad de Stanford, Rebeca Hwang, asegura que el beneficio real ocurre cuando la inteligencia artificial asume tareas tediosas e indeseables; aquellas donde el ser humano no gana nada usando su capacidad para realizarlas. Hwang estará en la Segunda Cumbre de Inteligencia Artificial del Sector Constructor en Cartagena.

Rebeca Hwang, catedrática y líder tecnológica de la Universidad de Stanford, revela que el mayor obstáculo en la adopción de inteligencia artificial no es tecnológico sino profundamente humano: la ausencia de una estrategia cultural que involucre a quienes ejecutan las tareas. 

Advierte que la obsesión por la eficiencia ahoga la innovación, mientras que el verdadero potencial de la IA consiste en liberar al talento humano de labores tediosas y en desplegar robots, sensores y modelos predictivos que transformarán radicalmente el sector constructor. Su mensaje más contundente: la inteligencia artificial discrimina, y solo quienes comprendan cuándo y cómo aplicarla estarán en condiciones de liderar la próxima revolución industrial. Hwang participará en la Segunda Cumbre de Inteligencia Artificial del Sector Constructor que se llevará a cabo en Cartagena el 23 y el 24 de julio.

Estudios recientes muestran que la mayoría de los proyectos de inteligencia artificial no logran los resultados esperados. Después de observar cientos de iniciativas alrededor del mundo, ¿cuál es el error más costoso que están cometiendo las organizaciones?

La razón principal por la cual muchas de estas iniciativas no han funcionado es un problema de implementación cultural. En la mayoría de los casos no se les pregunta a los managers y a los operativos cuál es la tarea, no la que toma más tiempo o que cause más ineficiencias económicas, sino la que no les gusta ejecutar.

La diferencia es crucial porque, desde el punto de vista de liderazgo, las acciones se han enmarcado principalmente en reducir costos. Sin embargo, la verdadera adopción, y el verdadero beneficio, ocurre cuando la inteligencia artificial asume tareas tediosas e indeseables: aquellas donde el ser humano no gana nada usando su capacidad para realizarlas. El primer problema, entonces, es que no existe una diferenciación clara sobre qué tareas son realmente idóneas para la IA y cuáles no.

La segunda razón es la falta de comunicación. Cuando les pedimos a nuestros empleados que adopten IA, les estamos pidiendo que colaboren en algo que, paradójicamente, puede amenazar sus propios empleos, o los de sus compañeros, amigos y familiares. Eso genera desconfianza, y en muchos casos, sabotaje silencioso; esta desconfianza tiene varias dimensiones que las organizaciones suelen ignorar: la seguridad laboral de quienes participan en estos proyectos, la privacidad de los datos que se comparten con estas herramientas, y quizás la pregunta más legítima de todas: si el esfuerzo de aprender nuevas tecnologías se traducirá en un beneficio real para el empleado, o únicamente para la empresa.

Usted plantea que la obsesión por la eficiencia puede convertirse en un obstáculo para la innovación. En una industria como la construcción, donde controlar costos y riesgos es una prioridad permanente, ¿cómo se logra el equilibrio?

Creo que la obsesión con la innovación es más valiosa que la obsesión con la eficiencia. Una buena analogía: ir al supermercado con un presupuesto muy ajustado te lleva a reducir costos, pero no necesariamente a crear el plato más delicioso.

El verdadero desafío para los líderes es hacer convivir dos mentalidades que parecen incompatibles: la innovación y la creatividad. Entonces, lo más difícil para ellos, y lo vamos a considerar durante la charla, es que así los equipos podrán aprovechar las posibles reducciones de costos, y crear eficiencias de innovación que pueden hacer cambios de paradigma beneficiosos para las compañías.

El título de su conferencia habla de “pasar de los bots a los robots”. Para quienes aún ven la IA como una herramienta de oficina, ¿qué cambios concretos deberían empezar a imaginar en las obras, la logística y la operación de los proyectos?

Hasta hace poco pensábamos que la IA sería un apoyo administrativo, pero eso está cambiando. Este año se han habilitado muchos robots, sensores, ojos y oídos que están capturando nueva data. 

Ya existen cámaras, sensores de temperatura y sonido, y pequeños dispositivos inteligentes –conocidos como TinyAI– capaces de monitorear en tiempo real el estado de una obra o una propiedad. Detectan señales tempranas de fallas en equipos, alertan sobre condiciones de riesgo y ayudan a prevenir accidentes o paradas no programadas antes de que ocurran.

Pero no se trata solo de monitoreo. También tenemos robots que pueden hacer mantenimiento, limpieza, ajustes, y entrar a zonas más peligrosas dentro de una construcción.

En medio de la carrera por adoptar inteligencia artificial, muchas empresas están enfocadas en automatizar procesos. ¿Cuál es la oportunidad de negocio más importante que cree que el sector constructor aún no está viendo?

La data es una oportunidad estratégica clave, porque actúa de forma similar a los análisis de riesgo en la medicina preventiva. Así como el monitoreo constante de glucosa detecta la prediabetes para evitar tratamientos costosos y avanzados, la inteligencia artificial nos permite recolectar información en tiempo real para anticipar fallas en los equipos y optimizar procesos.

Al estructurar correctamente esta información, podemos construir modelos predictivos y preventivos que identifican patrones ocultos. Esto no solo genera ahorros de tiempo y dinero, sino que optimiza la cadena de suministro (supply chain) y transforma la resolución de problemas: pasamos de la improvisación reactiva a una proactividad planificada ante escenarios previsibles. Todo esto nos permite monetizar la data, que, al estar correctamente formateada, puede entrenar modelos de IA.

Cuando los asistentes salgan de su conferencia en la Segunda Cumbre de IA del Sector Constructor, ¿cuál es la idea o la pregunta que espera dejar en la mente de los líderes empresariales?

¿Qué descubrimos?, ¿la IA discrimina?, ¿la IA no crea beneficios en todos los casos, y cuando los crea tampoco es uniforme en los diferentes tipos de aplicaciones? Aquí, la clave es entender cuándo su uso es apropiado y beneficioso, y cuándo no. También será importante saber cuáles son las condiciones culturales e institucionales con más capacidad y probabilidad de éxito de los proyectos.