Thinking Machines se asocia con OpenAI para convertirse en el primer socio de servicios en la región de Asia-Pacífico, marcando un hito en la colaboración entre tecnología y negocios. Este acuerdo busca potenciar la adopción de inteligencia artificial en un mercado donde el uso de esta tecnología está en constante crecimiento.

Un estudio de IBM reveló que el 61% de las empresas en la región ya utilizan inteligencia artificial, aunque muchas enfrentan dificultades para avanzar más allá de proyectos piloto y generar un impacto real en sus operaciones. La alianza entre Thinking Machines y OpenAI tiene como objetivo cambiar esta situación, ofreciendo capacitación ejecutiva sobre ChatGPT Enterprise, apoyo para desarrollar aplicaciones de inteligencia artificial personalizadas y asesoramiento sobre cómo integrar la IA en las actividades diarias de las empresas.

Stephanie Sy, fundadora y CEO de Thinking Machines, enfatizó que la colaboración se centra en la construcción de capacidades: "No solo traemos nueva tecnología, sino que ayudamos a las organizaciones a desarrollar las habilidades, estrategias y sistemas de apoyo necesarios para aprovechar la inteligencia artificial. Para nosotros, se trata de reinventar el futuro del trabajo a través de la colaboración entre humanos e IA, haciendo que la inteligencia artificial funcione realmente para las personas en toda la región de Asia-Pacífico".

En una entrevista con AI News, Sy explicó que uno de los mayores obstáculos para las empresas es la forma en que abordan la adopción de la IA. Frecuentemente, las organizaciones la ven como una adquisición tecnológica en lugar de una transformación empresarial. Esta perspectiva genera pilotos que se estancan o no logran escalar. "El principal desafío es que muchas organizaciones abordan la IA como una adquisición tecnológica en lugar de una transformación empresarial", comentó. "Esto lleva a pilotos que nunca escalan porque faltan tres fundamentos: alineación clara del liderazgo sobre el valor a crear, rediseño de flujos de trabajo para integrar la IA en cómo se realiza el trabajo, e inversión en habilidades de la fuerza laboral para asegurar la adopción. Si logramos esos tres aspectos—visión, proceso, personas—los pilotos se traducen en impacto".

En cuanto al liderazgo, muchos ejecutivos aún consideran la inteligencia artificial como un proyecto técnico en lugar de una prioridad estratégica. Sy sostiene que los consejos y ejecutivos deben establecer la dirección. Su función es decidir si la IA es un motor de crecimiento o simplemente un riesgo a gestionar. "Los consejos y ejecutivos establecen la dirección: ¿es la IA un motor de crecimiento estratégico o un riesgo gestionado? Su papel es nombrar algunos resultados prioritarios, definir la tolerancia al riesgo y asignar una propiedad clara", afirmó.

Thinking Machines suele comenzar con sesiones ejecutivas donde los líderes pueden explorar cómo herramientas como ChatGPT pueden agregar valor, cómo gobernarlas y cuándo escalarlas. "Esa claridad desde la alta dirección es lo que transforma la IA de un experimento en una capacidad empresarial".

La colaboración entre humanos e IA es un concepto que Sy menciona con frecuencia. Describió cómo se lleva a cabo en la práctica: un enfoque de "humano al mando" donde las personas se concentran en el juicio, la toma de decisiones y las excepciones, mientras que la IA se encarga de pasos rutinarios como la recuperación de información, redacción o resumen. "El enfoque humano al mando implica rediseñar el trabajo para que las personas se concentren en el juicio y las excepciones, mientras que la IA asume la recuperación, la redacción y los pasos rutinarios, con transparencia a través de registros de auditoría y enlaces de origen", explicó. Los resultados se miden en tiempo ahorrado y mejoras en la calidad.

En los talleres organizados por Thinking Machines, los profesionales que utilizan ChatGPT suelen liberar entre una y dos horas diarias. La investigación respalda estos resultados; Sy citó un estudio del MIT que mostró un aumento del 14% en la productividad de los agentes de centros de contacto, siendo los mayores beneficios observados entre el personal menos experimentado. "Eso es una evidencia clara de que la IA puede elevar el talento humano en lugar de desplazarlo", agregó.

Otro foco de atención para Thinking Machines es la IA agente, que va más allá de consultas individuales para manejar procesos de múltiples pasos. En lugar de simplemente responder a una pregunta, los sistemas agentes pueden gestionar investigaciones, completar formularios y realizar llamadas API, coordinando flujos de trabajo enteros con un humano a cargo. "Los sistemas agentes pueden llevar el trabajo de 'preguntar y responder' a una ejecución de múltiples pasos: coordinando investigaciones, navegación, llenado de formularios y llamadas API para que los equipos avancen más rápido con un humano al mando", afirmó Sy. La promesa es una ejecución más rápida y productividad, pero los riesgos son reales. "Los principios de humano al mando y auditabilidad son críticos; para evitar la falta de controles adecuados. Nuestro enfoque es combinar controles empresariales y auditabilidad con capacidades de agente para asegurar que las acciones sean trazables, reversibles y alineadas con las políticas antes de escalar".

A pesar de que la adopción está acelerándose, la gobernanza a menudo queda rezagada. Sy advirtió que la gobernanza falla cuando se trata como un trámite en lugar de parte del trabajo diario. "Mantenemos a los humanos al mando y hacemos visible la gobernanza en el trabajo diario: utilizamos fuentes de datos aprobadas, imponemos acceso basado en roles, mantenemos registros de auditoría y requerimos puntos de decisión humana para acciones sensibles", explicó. Thinking Machines también aplica lo que denomina "control + fiabilidad": restringiendo la recuperación a contenido de confianza y devolviendo respuestas con citas. Los flujos de trabajo se adaptan a las reglas locales en sectores como finanzas, gobierno y salud. Para Sy, el éxito no se mide en la cantidad de políticas, sino en la auditabilidad y las tasas de excepciones. "Una buena gobernanza acelera la adopción porque los equipos confían en lo que entregan", concluyó.

La diversidad cultural y lingüística de Asia-Pacífico presenta desafíos únicos para escalar la IA. Un modelo único no funciona. Sy enfatizó que el enfoque adecuado es construir localmente primero y luego escalar de manera deliberada. "Las plantillas globales fallan cuando ignoran cómo trabajan los equipos locales. El enfoque es construir localmente, escalar deliberadamente: adaptar la IA al idioma local, formularios, políticas y caminos de escalamiento; luego estandarizar las partes que se pueden trasladar, como tu patrón de gobernanza, conectores de datos y métricas de impacto", afirmó. Este es el enfoque que ha tomado Thinking Machines en Singapur, Filipinas y Tailandia: demostrar el valor con equipos locales primero, y luego expandirse región por región. El objetivo no es un chatbot uniforme, sino un patrón confiable que respete el contexto local mientras mantiene la escalabilidad.

Cuando se le preguntó qué habilidades serán importantes en el futuro, Sy respondió que la capacidad de adaptarse y aprender será crucial en un entorno laboral cada vez más influenciado por la inteligencia artificial.