---
title: Empresas subutilizan la inteligencia artificial al limitarla a chats y pierden la visión integral de sus datos
url: https://www.elseif.net/es/empresas-subutilizan-la-inteligencia-artificial-al-limitarla-a-chats-y-pierden-la-vision-integral-de-sus-datos
published: 2026-11-19T16:08:15+00:00
language: es
section: Agentes
source: https://itforum.com.br/noticias/manolis-kelis-professor-do-mit-emtech-brasil/
organizations: MIT, EmTech Brasil
publisher: elseif
---

# Empresas subutilizan la inteligencia artificial al limitarla a chats y pierden la visión integral de sus datos

Las organizaciones están empleando la inteligencia artificial de manera restringida, utilizándola principalmente como un foro de preguntas y respuestas, lo que les impide visualizar el conjunto completo de información que ya poseen. Esta evaluación fue presentada por Manolis Kellis, profesor del Instituto Tecnológico de Massachusetts, durante la conferencia de apertura del evento EmTech Brasil, donde abordó los impactos de esta tecnología en el entorno corporativo.

El experto argumenta que la solución radica en transformar documentos, correos electrónicos, contratos y bases de datos en mapas de conocimiento que permitan a los humanos y a los agentes de inteligencia artificial navegar juntos por la información. A diferencia de la búsqueda tradicional que entrega puntos aislados, estos mapas muestran las relaciones entre los datos, permitiendo observar directamente el panorama completo en lugar de consultar documentos individuales o solicitar listas de resúmenes.

Durante una demostración práctica, el académico organizó veinte mil proteínas humanas en un único mapa y realizó consultas a la inteligencia artificial sobre las funciones de cada grupo. Según su explicación, este mismo método es aplicable a los datos empresariales, integrando fuentes diversas como sistemas de mensajería interna, acuerdos legales, normativas regulatorias, plataformas de gestión de clientes y archivos almacenados en la nube. En este escenario compartido, humanos y agentes coexisten en el mismo espacio de trabajo, donde la mayoría de los participantes que recorren el mapa pueden ser entidades automatizadas.

Un caso de aplicación en el sector hospitalario ilustró el potencial económico de este enfoque. Al comparar historiales clínicos de pacientes y tratamientos casi idénticos, el método identificó aproximadamente veinte millones de dólares en procedimientos que habían sido facturados por debajo del valor correcto. Este hallazgo se debió a que los profesionales médicos tienden a subregistrar cobros cuando no tienen certeza de que la evidencia respalda la facturación, una brecha que el sistema de mapeo logró detectar.

Otro ejemplo citado involucró a una cadena de restaurantes con planes de abrir cien establecimientos en Estados Unidos. El equipo analítico cruzó ochocientos conjuntos de datos distintos, incluyendo información demográfica, patrones de tráfico e imágenes de las calles, para comparar locales operativos con aquellos que cerraron recientemente. Este análisis permitió indicar con precisión dónde era viable expandir la operación, demostrando la utilidad de integrar múltiples fuentes de datos estructurados.

Kellis criticó la obsesión actual de las compañías por perseguir constantemente los modelos más recientes, señalando que falta pensar en la integración con los procesos existentes y existe poca transparencia sobre el origen de los datos. Advirtió que un agente autónomo no es suficiente por sí solo, ya que estas herramientas tienen dificultades con las operaciones matemáticas y requieren acceso a instrumentos especializados para funcionar correctamente. La clave, según el profesor, es definir la estructura en la que se organizan los datos, un cambio de paradigma comparable a cómo se redefinió la comprensión de la gravedad.

El académico afirmó que para comprender la totalidad de una operación empresarial, este enfoque de mapeo es indispensable, calificando el resultado como una superinteligencia de dominio específico. Mirando hacia el futuro, predijo que la próxima ola tecnológica traducirá los datos del lenguaje natural a términos matemáticos para resolver consultas y luego revertirá la respuesta al lenguaje humano. Este proceso podría generar una aceleración de mil veces en velocidad junto con una reducción significativa en los costos operativos.
