AI Top Business Leaders México | Entrevista editorial
El área de inteligencia artificial de TV Azteca cumplió su primer año en diciembre de 2025. Nació por decisión de la alta dirección, bajo el liderazgo del Chief AI Officer, Héctor Romero Pico, como una función independiente de Tecnología y orientada al negocio, e incorporó una Dirección de Innovación y Negocio de Inteligencia Artificial enfocada en la transformación de la empresa. Esa estructura permitió partir de una visión compartida sobre la importancia de la IA y concentrar el esfuerzo en las audiencias, los anunciantes y los ingresos.
Brenda Sánchez, su directora, cuestiona medir el avance únicamente por el retorno de la inversión en una industria que no produce bienes tangibles. A esa visión suma una decisión central: mantener la soberanía sobre el uso de la IA mediante infraestructura propia, sin depender de un único proveedor y aprovechando los datos y el contexto del negocio.
"En muchos casos no se trata de sustituir a las personas, sino de ayudarlas a multiplicar el trabajo que ya realizan".
¿Qué implicó que el área de IA naciera orientada al negocio y no subordinada a Tecnología?
TV Azteca tenía una visión clara: necesitaba un área especializada que ayudara a transformar la empresa. Al estar orientada al negocio, no tuvimos que convencer a la dirección sobre la importancia de la IA; nuestro reto ha sido definir cómo utilizarla de forma correcta y responsable.
Para ello, partimos de las necesidades de cada área, especialmente de los equipos de contenidos y comerciales. Ellos conocen sus procesos y sus puntos de dolor, y nosotros analizamos cómo la IA puede ayudar a resolverlos. En muchos casos no se trata de sustituir a las personas, sino de ayudarlas a multiplicar el trabajo que ya realizan.
¿Cómo evitan que cada iniciativa se quede en un proyecto aislado?
Estamos en un punto intermedio. Empezamos con casos de uso concretos porque necesitábamos experimentar y generar resultados rápidos que demostraran valor. Hoy ya no los vemos como proyectos aislados, sino como puntos de partida para transformar procesos más amplios.
Me gusta pensar que cada caso de uso es una semilla. Si alguien me pide transcribir contenidos, analizo también qué ocurrió antes y qué puede ocurrir después: esa transcripción puede convertirse en un guion, alimentar un repositorio de conocimiento o generar nuevas capacidades.
En el gobierno trabajamos con un responsable del negocio que actúe como owner (responsable) o sponsor (patrocinador) de cada proyecto. Además, contamos con una red de champions (impulsores) con autonomía para experimentar. Cuando una iniciativa alcanza a toda la organización, intervenimos para abordar aspectos como infraestructura, seguridad, escalabilidad y costos.
"Nuestra idea es que la IA sea un compañero de trabajo más".
En un negocio que no fabrica nada tangible, ¿cómo saben si la IA está aportando valor?
En algunas industrias el retorno de la inteligencia artificial es más tangible, como en una cadena de suministro. Nosotros vendemos contextos y contenido, así que prefiero hablar de costo evitado: qué gastos podemos evitar gracias a la IA.
Una decisión importante ha sido mantener la soberanía sobre nuestro uso de la IA. No dependemos de un único proveedor ni de cambios en los costos de los tokens o en la disponibilidad de los modelos. Construimos infraestructura propia que nos permite utilizar modelos locales o consumir otros vía API, manteniendo el control y evitando duplicar licencias. Nuestra idea es que la IA sea un compañero de trabajo más, capaz de aprender de nuestros datos y del negocio.
Sobre esa base desarrollamos capacidades, como la generación de guiones. Antes, el proceso dependía de proveedores externos; hoy, la IA puede transcribir contenidos, entender el contexto y describir escenas, acelerando procesos de doblaje y distribución en otros mercados. La misma capacidad puede servir después para traducciones o alimentar un archivo de conocimiento.
También trabajamos en publicidad contextual sobre contenidos previamente grabados. Buscamos que la publicidad no sea solo un formato, sino que tenga contexto. Al final, la gente no recuerda un banner; recuerda cómo se sintió al ver esa escena.
¿Qué está resultando más difícil de lo esperado?
En lo tecnológico, tenemos que auditar los modelos, revisar sus entradas y salidas e incorporar controles ante nuevas vulnerabilidades. El desafío está en encontrar el equilibrio entre avanzar con la agilidad que exige la tecnología y cumplir con las normativas, los procesos y los estándares requeridos.
En cuanto a las personas, lo más sorprendente ha sido la velocidad del cambio. Cuando se creó el área existía cierta resistencia, pero la presencia creciente de la IA en las redes sociales y en la vida cotidiana llevó a muchas personas a verla también como una herramienta de trabajo. Hoy el reto es acompañarlas para que lo hagan de forma correcta y responsable.
¿Dónde ve la oportunidad de México?
México tiene una enorme riqueza cultural y una cantidad de información que todavía no hemos aprovechado como podríamos. Muchos de los modelos con los que trabajamos han sido entrenados con datos de otros contextos y, aunque han mejorado, siguen teniendo sesgos en la forma de entender al país. Siempre digo que es como si fueran personas que nacieron y crecieron en otro lugar: interpretan el mundo desde esa realidad.
Tenemos una oportunidad, no solo por la cantidad de datos, sino por el contexto cultural que podemos aportar. Sin embargo, no basta con entregar a la IA toda la información que hemos generado: hay que prepararla para que pueda utilizarla correctamente. El reto está en aprender a organizarla, estructurarla y habilitarla en el formato adecuado.
¿Qué entiende hoy que no entendía al empezar?
Que los proyectos de IA no pueden construirse de espaldas al negocio. Nosotros aportamos la tecnología, pero las personas de las distintas áreas conocen sus procesos, necesidades y prioridades. Si el negocio no acompaña el proyecto desde el inicio, difícilmente generará el valor que esperamos.
También aprendí que no podemos esperar a que todo sea perfecto para empezar. La versión que tenemos hoy es, probablemente, la peor que vamos a conocer, porque mañana habrá algo mejor. Eso no significa avanzar sin control: hay que validar los proyectos y cumplir con las medidas de seguridad. Tratamos de activarlos cuanto antes, aunque sea mediante un piloto, para aprender y, si aportan valor, escalarlos.
Tampoco existe una receta única para la transformación. Cada empresa parte de un nivel de madurez distinto y puede necesitar trabajar primero sus datos, la cultura, la infraestructura o el modelo operativo. El reto es entender cómo la IA puede adaptarse a las necesidades de cada organización.