Las empresas ya no necesitan que les expliquen que sí, que deben utilizar inteligencia artificial. El verdadero reto empieza después, cuando se preguntan cuánto valor produce, qué hábitos obliga a cambiar, qué riesgos introduce y cuánto desgaste provoca en la organización. Ahí comienza una transformación menos tecnológica de lo que solemos admitir.
Hemos dedicado mucho tiempo a hablar sobre lo que puede hacer la IA. Tal vez haya llegado el momento de cambiar la pregunta. No porque sus capacidades hayan dejado de ser relevantes, sino porque sabemos, cada vez mejor, lo que es capaz de hacer, y bastante peor qué parte de todo ello acaba convirtiéndose en resultados. Ese desfase importa.
Una empresa puede disponer de las mejores herramientas, formar a miles de empleados, desarrollar agentes, automatizar tareas y acumular decenas de casos de uso sin haber cambiado de verdad su manera de trabajar. La adopción tecnológica es relativamente fácil de contabilizar. La transformación organizativa, bastante menos.
Ahí reside una de las contradicciones más interesantes de esta etapa. Tenemos instrumentos capaces de ahorrar tiempo, redactar documentos, analizar información o asistir en determinadas decisiones; sin embargo, seguimos teniendo dificultades para entender dónde está la productividad.
El piloto ya no es suficiente
Durante la primera fase de adopción casi todo resulta estimulante. Aparecen pruebas, equipos pioneros y profesionales capaces de encontrar usos inesperados de las nuevas herramientas. El problema comienza cuando hay que convertir esas excepciones en una forma ordinaria de trabajar.
La experiencia de Repsol resulta especialmente ilustrativa. La compañía cuenta con miles de empleados conectados utilizando Copilot, y dentro de esa población ha identificado aproximadamente 300 usuarios especialmente avanzados. La distancia entre ambos grupos explica mejor el desafío empresarial de la IA que muchas presentaciones sobre tecnología.
Tener acceso no equivale a saber utilizar, y tampoco a obtener rendimiento. Y obtener un rendimiento individual queda lejos de modificar la productividad de una organización completa. Ese último salto es el difícil.
Las empresas llevan décadas implantando software y están acostumbradas a organizar proyectos alrededor de una lógica relativamente estable: tecnología, formación, despliegue y adopción. La IA altera esa secuencia porque la herramienta cambia mientras se está enseñando. Una formación preparada hace doce meses puede llegar tarde. Un curso sobre prompts puede quedar envejecido cuando los equipos comienzan a trabajar con agentes. El manual ya no acompaña al producto; corre detrás de él.
Eso obliga a revisar qué entendemos por formación corporativa. Probablemente tendrán menos sentido los grandes programas cerrados y más valor los que son capaces de enseñar mientras el trabajo sucede: comunidades internas, experimentación, pequeños contenidos, acompañamiento y profesionales que comparten soluciones. No parece especialmente sofisticado. Precisamente por eso puede funcionar.
La productividad necesita apellido
Existe además una cuestión que tarde o temprano aparece en cualquier comité de dirección: cuánto cuesta todo esto y qué obtenemos a cambio. La pregunta no es enemiga de la innovación. Es una de sus condiciones. Licencias, infraestructura, integración, seguridad, formación y tiempo de los profesionales tienen un coste. Resulta razonable pedir que, después de cierto recorrido, la inversión pueda explicarse también en términos de negocio.
Aquí conviene evitar una trampa frecuente: reducir la mejora de productividad a reducción de plantilla. Si una automatización libera parte del tiempo de cinco personas, la cuenta no debería terminar necesariamente eliminando un puesto, sino disponiendo de capacidad que ahora puede dirigirse a clientes, análisis, innovación o nuevas fuentes de ingresos.
El verdadero coste de la IA no está solo en las licencias, aparece cuando una organización cambia más rápido de lo que aprende
El matiz es importante porque condiciona cómo se diseñan los proyectos. Una organización que concibe la IA solo como mecanismo de sustitución buscará casos de uso diferentes de otra que la emplea para ampliar la capacidad de sus equipos. También asumirá riesgos distintos.
En actividades donde la confianza tiene un peso determinante, la eficiencia tiene límites. Un cliente preocupado por sus inversiones durante una crisis financiera o geopolítica probablemente no quiera resolver todas sus dudas conversando con un agente automático, sino con una persona. La tecnología puede conseguir que esa persona tenga mejor información, responda antes y gestione más operaciones. Eso es distinto de hacerla desaparecer. La distinción parece obvia, pero no siempre aparece en los business cases.
La organización también se amortiza
Hay otra cuenta que rara vez figura en las hojas de cálculo: el desgaste. Las compañías saben calcular la depreciación de una máquina, estimar su vida útil o saber cuándo necesita mantenimiento. Con las organizaciones somos bastante menos precisos.
Un empleado puede encadenar reorganizaciones, cambios de herramientas o procesos, objetivos revisados y programas de transformación. Todo ello aparece normalmente bajo la palabra adaptación, como si adaptarse no consumiera energía.
La velocidad de la IA agrava el problema porque acorta los ciclos. Cuando un profesional termina de acostumbrarse a una herramienta, aparece una nueva función. Cuando aprende un procedimiento, el proceso vuelve a modificarse. Cuando domina una tarea, alguien descubre una manera de automatizar una parte. Las empresas que quieran mantener ese ritmo tendrán que empezar a observar el desgaste con la misma seriedad con la que observan otros activos.
Por ejemplo, en Mahou San Miguel se plantea el absentismo como uno de los indicadores capaces de aportar alguna señal sobre el compromiso y la salud de la organización. No será la única medida ni puede explicar por sí sola una realidad tan compleja, pero introduce una idea valiosa: acompañar a las personas también debería poder medirse. Bienestar físico, mental, profesional, laboral o financiero no son asuntos separados de la transformación. Forman parte de su coste de operación.
El nuevo riesgo de creer lo que vemos
A la discusión sobre productividad se suma la de la confianza digital. Hasta hace poco, recibir una llamada con la voz de alguien conocido, mantener una videoconferencia con un compañero o recibir determinadas instrucciones por correo proporcionaba cierto grado de seguridad. Esa presunción comienza a perder valor.
La capacidad de reproducir voces, generar imágenes, fabricar mensajes convincentes o personalizar intentos de fraude multiplica las posibilidades de ataque. Por eso la ciberseguridad ya no puede limitarse a mejorar sistemas. También necesita modificar comportamientos.
Aquí aparece otra paradoja interesante: las empresas necesitan que sus profesionales utilicen más la IA y, al mismo tiempo, que desconfíen más de aquello que reciben a través de canales digitales. La respuesta no puede consistir solo en añadir otro curso al catálogo corporativo. Tendrá que introducir procedimientos de verificación, nuevas rutinas y una cultura en la que contrastar una instrucción sensible deje de interpretarse como desconfianza y pase a considerarse profesionalidad.
El eslabón débil puede ser tecnológico, pero muchas veces tendrá nombre, apellidos y una bandeja de entrada llena.
Pensar sigue siendo un trabajo
Llegamos quizás al asunto menos cómodo de todos. Es relativamente sencillo enseñar a una persona a utilizar una herramienta. Mucho más difícil es enseñarle a pensar mejor con ella.
El pensamiento crítico aparece continuamente entre las capacidades necesarias para trabajar con inteligencia artificial, pero no existe un curso que garantice mejores preguntas, criterio empresarial o capacidad para detectar una respuesta aparentemente correcta que contiene un error. Quizás porque nunca fue una competencia que pudiera adquirirse así.
El riesgo de delegar progresivamente tareas intelectuales no está solo en recibir respuestas equivocadas, sino en perder, por falta de uso, la capacidad de saber cuándo lo son. Si dejamos de realizar determinados razonamientos porque una herramienta los resuelve por nosotros, podemos terminar siendo más rápidos y, al mismo tiempo, menos capaces de supervisar el resultado. Esa combinación sería una pésima noticia para cualquier empresa.
La ventaja organizativa de los próximos años no pertenecerá a quien acumule más herramientas ni a quien anuncie más proyectos de inteligencia artificial. Estará más cerca de las compañías capaces de convertir aprendizaje, criterio y anticipación en hábitos cotidianos.
La tecnología seguirá avanzando aunque una empresa decida esperar. Pero correr detrás de cada novedad tampoco constituye una estrategia. Entre quedarse quieto y perseguir cada lanzamiento existe un espacio bastante más interesante: saber qué merece la pena cambiar, cuánto valor genera, qué riesgo introduce y qué necesita aprender la organización para que ese cambio permanezca.
Ahí todavía queda mucho trabajo humano.
