Muchas organizaciones están experimentando con la IA, pero menos están construyendo la gobernanza, los cimientos de datos y la gestión del cambio necesarios para escalarla de forma responsable. En ETS, eso significa adoptar un enfoque pragmático, empezando por los retos reales de flujo de trabajo, no la tecnología, y aplicar la IA solo donde genere un valor medible para los equipos. Hablamos con Anu Miller, directora de Datos y Análisis en ETS, que apoya nuestra estrategia de IA a nivel empresarial, sobre cómo ETS ajusta el tamaño adecuado a las soluciones, mide el impacto de la IA en términos humanos como el tiempo ahorrado y la liberación de capacidad, y genera confianza mediante prácticas responsables de IA.
Cuando la gente habla de "IA responsable", ¿cómo se ve eso en la práctica en ETS?
Miller: En ETS, integramos prácticas responsables de IA desde el principio, y una forma de operacionalizar ese trabajo es a través de DARES, nuestro programa empresarial que significa Datos y Aumento con Robótica para Escalabilidad Efectiva. DARES trabaja entre departamentos en oleadas para identificar procesos ineficientes y mejorarlos utilizando el nivel adecuado de automatización o IA. En DARES y en todas nuestras soluciones de IA, nos centramos en casos de uso transparentes, evaluación temprana de riesgos, comprobaciones de sesgos y equidad, y una fuerte privacidad de los datos para aportar claridad y rapidez a las tareas. También monitorizamos continuamente el rendimiento, el coste y el riesgo, y nos aseguramos de que cada solución de IA tenga una propiedad clara y un sistema de protección. En la práctica, ese trabajo diario incluye supervisión continua: a medida que se despliegan modelos y agentes, los equipos deben gestionar y supervisar cómo se comportan a lo largo del tiempo, no solo en el lanzamiento.
Esa disciplina operativa se complementa con un enfoque igualmente intencionado en la adopción.
Para escalar la adopción, colaboramos estrechamente con el programa AI Champions de ETS, que desarrolla la fluidez en IA mediante la práctica práctica. Esta comunidad de empleados ayuda a descubrir oportunidades locales, fomenta la experimentación y apoya la resolución de problemas en toda la organización. Al combinar una gobernanza sólida con aprendizaje práctico y propiedad compartida, ETS trabaja para generar confianza y escalar la IA de forma responsable.
¿Cómo decide tu equipo cuándo la IA es la solución adecuada o cuándo un enfoque más sencillo podría ser mejor?
Miller: Empezamos con el problema, no con una tecnología específica, y buscamos el enfoque más sencillo. Si determinamos que un proceso predefinido o un flujo de trabajo basado en reglas puede resolver el problema de forma fiable, tomamos ese camino.
Se utiliza IA más avanzada, como soluciones multiagente, donde puede mejorar significativamente la precisión, la eficiencia o los conocimientos a gran escala. Pensamos en términos de un "menú" de opciones de automatización e IA, que empareja la solución con el problema que equilibra complejidad, rapidez y coste.
Esa mentalidad de "menú" es intencionada: ETS pretende ajustar el tamaño adecuado de la solución, reconociendo que no todos los problemas de flujo de trabajo deben tratarse como un problema de IA agente.
¿Cómo está cambiando la IA la forma en que se realiza el trabajo en ETS y qué significa eso para nuestra plantilla con el tiempo?
Miller: La IA nos ayuda a agilizar el trabajo rutinario, mejorar la calidad de las decisiones y avanzar más rápido en trabajos de alto valor que impulsan resultados empresariales. Con el tiempo, eso significa que nuestros flujos de trabajo evolucionan y algunas tareas pueden optimizarse para reducir el esfuerzo manual. Estamos igualmente centrados en la mejora de habilidades, para que nuestra gente siga el ritmo de la tecnología que se está introduciendo. El objetivo no es solo la eficiencia, sino permitir que nuestros equipos se centren en contribuciones más estratégicas y significativas.
¿Cómo mides el impacto de la IA en términos humanos, como el tiempo ahorrado, mejoras en el flujo de trabajo o liberación de capacidad?
Miller: Con DARES y nuestros esfuerzos internos de productividad en IA, medimos el éxito en términos de tiempo de retorno a los equipos, reducciones en el esfuerzo manual y mejoras en la calidad y rapidez de las decisiones. Igualmente importante, analizamos cómo cambia el trabajo, si los equipos tienen más claridad, menos fricciones, mayor capacidad para centrarse en lo que más importa y una mejor experiencia del empleado. También consideramos el crecimiento de la fluidez en IA porque el impacto sostenible proviene de que los equipos no solo usen IA, sino que comprendan cómo aplicarla eficazmente
Cuando el ETS evalúa oportunidades, el objetivo es conectar la automatización con el valor real. Por ejemplo, reducir el trabajo repetitivo que requiere varias horas cada semana puede traducirse en tiempo significativo devuelto a los equipos a lo largo de un mes.
¿Qué lecciones del viaje interno de ETS en IA serían más útiles para otras organizaciones con una misión?
Miller: Empieza con tu misión y ancla cada inversión en IA a ella. Esto mantiene claras las prioridades y genera confianza. Igualmente importante es invertir pronto en gobernanza, preparación de datos, mejora de habilidades y gestión del cambio, porque el impacto sostenible real viene de cómo las personas adoptan y usan la IA, no solo de la tecnología en sí. Para nosotros, centrarse en la mejora intencionada y en resultados medibles centrados en el negocio y en el ser humano ha sido clave para escalar la IA de forma responsable.
En ETS, la gobernanza se trata como trabajo operativo, no como un ejercicio puntual. Esto incluye la revisión transversal de casos de uso de IA y una estrecha colaboración con el cumplimiento normativo para ayudar a garantizar que los esfuerzos de IA se alineen con las expectativas y requisitos cambiantes.