Arnau J. Rosselló, ESAT: «La IA produce en grandes empresas, pero no en todas»

La inteligencia artificial ha pasado en pocos años de ser una promesa tecnológica a convertirse en un elemento central del discurso empresarial. Sin embargo, la distancia entre la narrativa y la implementación real sigue siendo significativa en buena parte del tejido productivo, especialmente fuera de las grandes corporaciones y sectores tecnológicos.

Para Arnau Josep Rosselló Castelló, director del programa HND en Inteligencia Artificial y Cloud Computing de ESAT (Escuela Superior de Arte y Tecnología), el verdadero cambio no está en la experimentación con modelos, sino en la capacidad de integrarlos en procesos productivos reales, escalables y medibles.

Desde su experiencia formando perfiles técnicos que se incorporan al mercado laboral y colaborando con empresas en proyectos tecnológicos, Rosselló sostiene que la adopción de la IA en España avanza, pero todavía se encuentra en una fase de transición hacia la producción operativa.

De la experimentación a la productividad real

– Desde tu experiencia, ¿en qué punto real se encuentra hoy la adopción de la inteligencia artificial en las empresas españolas: es una palanca clara de productividad o todavía es más discurso que práctica?

Desde mi experiencia en ESAT, trabajando con empresas y formando perfiles que luego se incorporan a estos sectores, vemos claramente que en las grandes corporaciones y sectores más técnicos, como la banca o las telecomunicaciones, la inteligencia artificial es ya un motor de productividad operativa, especialmente en la automatización de procesos internos y análisis de datos. Sin embargo, en la realidad empresarial general todavía existe una gran distancia entre el posicionamiento corporativo y la implementación productiva.

Muchas organizaciones se encuentran en una fase de experimentación o «pilotos» que no siempre llegan a producción. La adopción es real en cuanto a interés e inversión inicial, pero su integración como multiplicador de eficiencia es un proceso en marcha, no una realidad consolidada.

Aplicaciones empresariales con mayor impacto

– ¿Qué aplicaciones concretas de la IA están generando hoy mayor valor en el entorno empresarial?

Actualmente, las aplicaciones que ofrecen resultados más consistentes son aquellas que optimizan tareas de procesamiento de datos a gran escala. En operaciones, el mantenimiento predictivo basado en el análisis de series temporales permite reducir tiempos de parada de forma drástica.

En el área de atención al cliente, la arquitectura RAG (Generación Aumentada por Recuperación) ha permitido que los modelos de lenguaje operen sobre bases de conocimiento privadas, minimizando alucinaciones y proporcionando respuestas precisas en entornos técnicos. También destaca el marketing por la capacidad de personalización masiva y generación de contenidos, así como la automatización de tareas en finanzas mediante la visión artificial para el procesamiento de documentos y la detección de anomalías en transacciones en tiempo real.

Errores habituales en la implantación de IA

– Muchas compañías dudan ante la inversión en IA. ¿Qué errores ves más a menudo cuando las empresas intentan implantarla?

El error técnico más frecuente es intentar desplegar modelos complejos sin disponer de un conjunto de datos limpio, estructurado y representativo. Este es precisamente uno de los retos que trasladamos en ESAT.

El factor más influyente en el éxito en implantación IA es la ingeniería de datos y no el modelo en sí. Otro fallo crítico es la ausencia de una cultura de MLOps, lo que provoca que modelos que funcionan correctamente en entornos de desarrollo fallen al ser llevados a producción por falta de escalabilidad o por degradación del modelo en el tiempo.

Finalmente, muchas empresas cometen el error de no definir métricas técnicas de éxito claras (KPI técnicos), lo que impide evaluar si la solución realmente está aportando una mejora frente a algoritmos tradicionales más sencillos y económicos.

Talento tecnológico y nuevas demandas profesionales

– ¿Qué perfiles profesionales vinculados a la IA están siendo hoy más demandados por las empresas?

La demanda actual se desplaza desde el científico de datos purista hacia perfiles más orientados a la ingeniería y la puesta en producción. Los ingenieros de aprendizaje automático y especialistas en MLOps son los más buscados, ya que son capaces de construir puentes entre el modelo teórico y el entorno operativo real.

Existe un déficit de talento real, pero no es tanto una falta de personas con conocimientos básicos, sino una escasez de profesionales con experiencia técnica profunda en el despliegue, optimización y mantenimiento de modelos en entornos de producción complejos.

Es precisamente esa necesidad del mercado de buscar profesionales especializados la que ha llevado a ESAT a apostar por la formación en inteligencia artificial dentro de su oferta académica.

Competencias clave para trabajar con IA

– Desde ESAT, ¿qué competencias consideráis críticas para que un profesional sea realmente empleable en proyectos de inteligencia artificial?

Para que un profesional sea realmente empleable, consideramos indispensable una mentalidad de aprendizaje continuo y adaptabilidad técnica, dado que las herramientas y frameworks evolucionan en ciclos de pocos meses.

Además de los fundamentos técnicos necesarios, priorizamos las habilidades interpersonales orientadas a la resolución de problemas y la comunicación clara, permitiendo que el perfil técnico traduzca requisitos de negocio en especificaciones funcionales.

El conocimiento de arquitecturas de nube, la gestión de grandes volúmenes de datos y la comprensión ética y legal sobre el tratamiento de datos se han vuelto competencias críticas en entornos profesionales.

Formación técnica orientada al despliegue real-

– ¿Qué demandan hoy realmente las empresas cuando buscan talento en inteligencia artificial?

La demanda actual de las empresas se ha desplazado desde la experimentación hacia el despliegue operativo. Ya no se buscan perfiles que solo entiendan el funcionamiento de una red neuronal, sino técnicos capaces de integrar modelos en infraestructuras existentes de forma escalable y segura.

En respuesta, ESAT ha estructurado una metodología basada en el trabajo por proyectos, donde los alumnos operan en equipos técnicos con dinámicas idénticas a las de una empresa de desarrollo de software.

La actualización técnica del currículo se realiza cada seis meses para garantizar la alineación con las tecnologías que utiliza el mercado, como el programa HND en Cloud Computing e Inteligencia Artificial.

IA, pymes y computación en la nube

– ¿Qué oportunidades reales tienen hoy las pymes para integrar estas tecnologías?

Las pymes pueden integrar la IA mediante el consumo de servicios, APIs y modelos públicos en lugar de desarrollar modelos propios desde cero. La disponibilidad de modelos preentrenados permite implementar soluciones con una inversión mínima en infraestructura.

El reto no es la investigación científica, sino la integración técnica en los flujos de trabajo existentes.

– ¿Puede haber IA competitiva sin una buena estrategia cloud?

La nube es el sustrato técnico que permite que la IA sea escalable y viable económicamente. Es prácticamente imposible sostener una IA competitiva sin una estrategia cloud bien definida. Una buena arquitectura en la nube diferencia un experimento de laboratorio de una solución profesional.

El futuro del trabajo tecnológico

– Mirando a tres o cinco años vista, ¿qué cambios estructurales provocará la IA en el mercado laboral tecnológico?

A medio plazo, el cambio estructural más profundo será la transición de flujos de trabajo deterministas a sistemas basados en modelos probabilísticos, desplazando el foco hacia la arquitectura de sistemas.

El escalón de entrada para perfiles junior será más exigente, con responsabilidades cercanas a la supervisión de sistemas de IA. La relevancia profesional residirá en la capacidad para diseñar estructuras complejas donde la IA se integre de forma segura y robusta, priorizando la visión arquitectónica y la lógica de negocio sobre la mera escritura de código.