IA en los GBS (Global Business Services): el cambio empresarial que está oculto a simple vista

Diseñados para escalar, los GBS (Global Business Services) están redefiniendo el valor como una fuente de inteligencia institucional y como una base para operaciones más inteligentes y resilientes.

En resumen

• El auge de la IA requiere una renovación estructural, fusionando la eficiencia operativa con la innovación en un marco unificado.
• La automatización redefine los roles, lo que exige que las organizaciones prioricen la educación y la transparencia para generar confianza y empoderar a los empleados.
• La integración de la IA en los GBS redefine su rol, posicionándolo como un líder estratégico en la inteligencia empresarial.

Agradecimientos especiales a Raul Melano por sus contribuciones a este artículo.

Durante años, los Global Business Services (GBS) han sido la columna vertebral operativa, fundamental, confiable y diseñada para escalar.

Esta evolución es más que un cambio funcional, refleja una recalibración empresarial más amplia. A medida que las organizaciones aceleran la adopción de la inteligencia artificial (IA), los GBS están emergiendo como el ecosistema natural donde los datos, la disciplina de procesos, el gobierno y el talento convergen a escala. Esa convergencia ya está dando resultados: el 96% de las organizaciones que invierten en IA reportan mejoras en la productividad, según al último estudio de EY AI Pulse Survey.

La IA en GBS está generando un sentido de urgencia

Aunque la IA ha sido promocionada como una revolución, su introducción comienza de manera silenciosa para la mayoría de las organizaciones. Un modelo de pronóstico que finalmente revela patrones enterrados en años de datos financieros. Un chatbot que resuelve preguntas de los empleados en segundos en lugar de días, mejorando la experiencia del empleado. Un asistente de documentos que resume y compara revisiones de contratos al instante, tareas que antes consumían horas de trabajo humano.

Estas “pequeñas” victorias a menudo encienden algo más grande: claridad. Los líderes ven cómo la IA puede agilizar cargas de trabajo, acelerar decisiones, ofrecer transparencia operativa de maneras que las herramientas tradicionales nunca lograron y crear una experiencia de usuario que sorprende. Los líderes lo ven y piden más, cuestionando qué más puede automatizarse mediante IA.

Hay mucho espacio para crecer. Más de la mitad de los encuestados utilizan IA solo para fines limitados y específicos de tareas, y el 21% reporta no usar IA en absoluto, según el informe de SSON R&A. Mientras tanto, casi el 40% no tiene un equipo dedicado a la IA, una brecha que refleja tanto un desafío de liderazgo como una oportunidad estratégica perdida.

Esto no se debe a indiferencia: es la dura realidad de los datos y la preparación.

“La IA está tratando de acceder a un mundo digital a través de uno analógico”, dice Dorian Redding, EY Americas Global Business Services Solution Leader. “Cuando las organizaciones aún dependen de sistemas heredados o tecnología de “pantalla verde”, la IA simplemente no puede llegar a los datos subyacentes. Por eso, tener una base sólida — datos, flujos de trabajo y gobierno — no es opcional si quieres que la IA escale.”

Incluso cuando la IA tiene acceso a los datos, muchos equipos siguen dudando en confiar en sus resultados hasta compararlos repetidamente con datos históricos.

La confianza, en otras palabras, se convierte en un viaje en sí mismo.

El problema fundamental que nadie puede saltarse

Las organizaciones siempre están buscando formas de acelerar la adopción de la IA, pero la verdad es simple: la IA no puede escalar hasta que los procesos subyacentes y las estructuras de datos estén listas. No es fácil fusionar un futuro digital con un pasado analógico y esto puede llevar rápidamente a un desalineamiento que impide que la IA aprenda de manera efectiva o funcione de manera confiable.

Por ello, muchas organizaciones regresan a lo básico: la arquitectura de datos, la orquestación de flujos de trabajo y la gobernanza. Las organizaciones que tienen éxito no tratan la IA como una herramienta añadida, sino como una capacidad que crece sobre fundamentos disciplinados. Revisan políticas que varían de un país a otro. Estandarizan flujos de trabajo que han acumulado excepciones durante décadas. Introducen capas de gobernanza que definen no solo lo que la tecnología puede hacer, sino lo que la organización está dispuesta a autorizar.

Este trabajo fundamental puede sentirse lento. No es la imagen del “futuro del trabajo” que los ejecutivos suelen imaginar. Pero es esencial. Sin esto, la IA amplifica la fragmentación en lugar de la eficiencia.

Un momento de reflexión organizacional

La IA también plantea una tensión profundamente humana — una que aparece repetidamente en diversas industrias. Los empleados se preocupan por lo que la automatización significa para ellos. Algunos temen que la IA reduzca sus funciones antes de que puedan entender cómo evolucionar. Otros ven los recortes de personal asociados a la automatización como un riesgo inmediato y tangible. Por ejemplo, una organización con 6,000 empleados en servicios compartidos proyecta que la transformación digital y habilitada por IA podría reducirse a 500.

Este tipo de cambio estructural no puede ocultarse. Debe gestionarse.

“Si logras que el proceso de extremo a extremo funcione bien y lo habilitas con tecnología e IA, los humanos dejan de hacer trabajo operativo y— pasan a gestionar excepciones”, afirma Maria Saggese, EY Global and Europe West GBS Leader. “Pero eso requiere confianza en los datos, confianza en el proceso y tiempo para que las personas comprendan cómo será realmente su futuro.”

Las organizaciones que lo manejan bien tienden a hacer tres cosas:

1. Capacitan desde temprano y de forma constante: Ayudar a los equipos a entender lo que la IA puede hacer — donde sobresale y donde la supervisión humana sigue siendo esencial. 
2. Crean espacio para practicar: Permite que los empleados experimenten con herramientas de IA para que la familiaridad reemplace el miedo.
3. Articulan una visión para nuevos roles: Reforzar que los futuros equipos de GBS gestionarán excepciones, interpretarán insights y liderarán la toma de decisiones, no ejecutarán tareas repetitivas. 

Desde la perspectiva de EY US, esto representa una transición hacia un modelo de GBS orientado a habilidades, que integre alfabetización en IA, juicio analítico y competencias humanas como colaboración, ética y liderazgo del cambio. Para ello, las organizaciones deben cerrar la brecha entre las habilidades tradicionales de procesamiento de transacciones y las que se requieren para gestionar y resolver excepciones.

Los líderes también destacan la importancia de la conciencia interfuncional. Los equipos de ventas deben entender cómo sus decisiones impactan las cuentas por cobrar. Los equipos de compras necesitan comprender los efectos posteriores en las cuentas por pagar. La IA deja más clara que nunca la interdependencia de los flujos de trabajo de extremo a extremo y el GBS se convierte en el orquestador de esa empresa interconectada, asumiendo un rol aún más fuerte como defensor de la propiedad global de los procesos.

Lecciones del auge de RPA: un patrón de transformación familiar

El cambio empresarial hacia la IA refleja una ola previa de transformación: la automatización robótica de procesos (RPA por sus siglas en inglés). La era del RPA demostró que las organizaciones que obtenían los mayores beneficios eran aquellas que se apoyaban en flujos de trabajo globalmente estandarizados y en estructuras sólidas de gobernanza. Estos modelos generaban la consistencia y la claridad necesarias para que la automatización pudiera escalar a través de procesos, geografías y unidades de negocio.

Las organizaciones que tuvieron dificultades fueron típicamente aquellas que buscaron automatizaciones estrechas y de impacto rápido; pequeñas victorias aplicadas a procesos fragmentados. Estos esfuerzos brindaron un alivio aislado, pero no una transformación significativa. Muchas de estas organizaciones se vieron obligadas a pausar y reconsiderar todo su panorama operativo. En última instancia, reconocieron que la automatización necesitaba disciplina de procesos endtoend, no soluciones aisladas. Esa comprensión es directamente relevante hoy, ya que la IA eleva los riesgos y magnifica las consecuencias de fundamentos fragmentados.

La automatización robótica de procesos (RPA) también expuso el riesgo de automatizar procesos que estaban rotos o eran inconsistentes. Cuando las políticas, los flujos de trabajo o las rutas de excepción variaban ampliamente entre regiones o equipos, la automatización a menudo aumentaba la complejidad en lugar de reducirla. La IA hace que esta lección sea aún más urgente. Dado a que depende de datos de alta calidad, bien estructurados y de flujos de trabajo estables, los procesos inconsistentes pueden socavar rápidamente la precisión, confiabilidad y confianza en los modelos.

Es importante destacar que la RPA evidenció las realidades emocionales y organizacionales de la transformación. Muchos empleados temían la pérdida de empleo, dudaban de la confiabilidad de los resultados de la automatización o tenían dificultades para imaginar sus roles futuros. Las mismas preocupaciones están resurgiendo hoy, solo que amplificadas por el mayor alcance y capacidad de la IA. Las organizaciones que gestionaron la RPA de manera más efectiva fueron aquellas que invirtieron desde el inicio en comunicación, educación y transparencia, ayudando a los empleados a comprender cómo evolucionarían sus funciones y dónde surgirían nuevas oportunidades.

Si la RPA fue un catalizador para mejoras incrementales, la IA es un catalizador para el cambio estructural. Las lecciones fundamentales siguen siendo las mismas: una gobernanza sólida, flujos de trabajo estandarizados, políticas consistentes, responsabilidad clara y un compromiso con el desarrollo de capacidades no son opcionales, son requisitos previos. Estas bases determinan si la IA se convierte en una capacidad empresarial sostenible o en una serie de experimentos desconectados.

GBS como el primer hogar escalable para la IA

Al examinar dónde puede arraigarse la IA de manera más efectiva, los GBS surgen como un núcleo lógico. Es donde convergen los procesos globales, donde se agregan los flujos de datos y donde el gobierno ya está integrado en los modelos operativos.

La siguiente ola de la IA, particularmente IA generativa (GenAI) y IA agéntica, lleva esto aún más lejos. Estos modelos no solo están automatizando tareas; están comenzando a gestionar pasos dentro de procesos endtoend, priorizar excepciones y, en última instancia, ejecutar recomendaciones. Por ello, las organizaciones están reimaginando los GBS como un centro de inteligencia en lugar de uno transaccional.

Pero esta evolución requiere desarrollar capacidades:

• Centros de excelencia en IA que codifiquen el gobierno y la capacitación.
• Rutas de talento que recompensen el criterio analítico, la fluidez en procesos y la alfabetización técnica diseñada para adaptarse tanto a una fuerza laboral digital como humana.
• Programas de upskilling diseñados no solo para especialistas, sino para grandes segmentos de la fuerza laboral.
• Modelos operativos integrados donde los usuarios experimentados de la IA se sienten junto a los dueños de procesos en lugar de en un silo técnico separado.

No es sorprendente que el 85% de las organizaciones digan que están priorizando la IA, automatización y habilidades analíticas dentro de los GBS, según el informe de SSON R&A. Y el 34% menciona el upskilling como su principal prioridad de fuerza laboral. GBS está transformando no solo qué trabajo se realiza, sino quién lo hace y cómo lo hace.

Adaptando el modelo operativo: el cambio hacia la inteligencia

A medida que la IA se integra en las operaciones diarias, la estructura misma de la prestación de servicios comienza a cambiar. Trabajo que antes se externalizaba ahora está regresando a los GBS de la organización porque el valor no radica en el arbitraje laboral, sino en la inteligencia. Esta tendencia ya se refleja en los datos: el 41% de las organizaciones espera que la transformación digital impulse más el insourcing, en comparación con solo el 26% que espera más el outsourcing, según el informe de SSON R&A.

Cuando las operaciones se habilitan con IA, la gobernanza, la integridad de los procesos y la calidad de los datos pasan a ser más importantes que el costo laboral por sí solo. Por diseño, los GBS son el punto donde todos estos factores convergen.

El rol futuro de los GBS, tal como los líderes lo perciben cada vez más, va mucho más allá de la simple prestación de servicios. Es la función mejor posicionada para conectar tecnología, personas y datos en una capacidad empresarial coherente.

Para cumplir este rol, las organizaciones deben tomar pasos decisivos:

• Pasar de pilotos a plataformas: la IA debe abordarse como una capacidad — gobernada, estandarizada y escalable.
• Elevar a los GBS como un socio estratégico: no un tomador de órdenes, sino un líder de la transformación empresarial.
• Invertir de manera decidida en la preparación organizacional: la calidad de los datos, el gobierno y la madurez del talento no son opcionales — son prerrequisitos. El desajuste de habilidades de IA requiere atención. A medida que la IA se vuelve integral para las operaciones, el upskilling dirigido es esencial para equipar a los empleados con las habilidades necesarias para prosperar en un entorno laboral impulsado por IA.
• Ayudar a que la fuerza laboral evolucione: la confianza debe construirse mediante educación, transparencia y participación práctica.
• Diseñar para el viaje largo: la madurez de la IA toma tiempo. El mejor consejo para las organizaciones que aún evalúan su enfoque es simple, — más vale empezar. Esperar no acortará el camino.

Las organizaciones que consideran este camino pueden descubrir que la IA tiene el potencial de hacer más que simplemente acelerar las operaciones, podría remodelar fundamentalmente cómo se realiza el trabajo. En lugar de solo reaccionar a las necesidades del servicio, existe una oportunidad de cambiar hacia la creación proactiva de valor. Este enfoque podría fortalecer la capacidad de una empresa para aprender, adaptarse y evolucionar con el tiempo.