Resumen ejecutivo:

Cuando las empresas implementan modelos de IA de vanguardia como Claude o ChatGPT, el uso activo semanal suele estancarse en torno a los 14%, limitándose a la simple reescritura de correos electrónicos, mientras que las tareas manuales que suponen una gran fricción siguen sin abordarse. Tratar la IA de vanguardia como si se tratara de una adquisición tradicional de SaaS no funciona porque el valor no reside en el modelo en sí, sino en la distancia que existe entre el modelo y el data interno de la empresa, los permisos y los flujos de trabajo diarios. El valor se rige por una sencilla ecuación aritmética: Valor = Modelo × Implementación × Capa. Si no se acorta esa distancia, una empresa no dispone de capacidad en materia de inteligencia artificial; solo cuenta con una suscripción.

Hace unos meses, un director de sistemas de información (CIO) me mostró su panel de control de Claude Enterprise. Dos mil usuarios, implantado en seis semanas, inicio de sesión único a través del proveedor de identidad corporativo, una política de uso aprobada por el departamento jurídico y aceptada por todos los empleados en su primer inicio de sesión. A continuación, se desplazó hasta la segunda pestaña. Usuarios activos semanales: 14%. La solicitud más habitual: “resuma este correo electrónico”. La segunda más habitual: “reescriba esto en un tono más profesional”. Ni una sola conexión con el ERP, el almacén data o los repositorios de documentos. Ni un solo agente en producción. Tres plantas más abajo, el equipo de cuentas por pagar abría uno a uno los archivos PDF de los proveedores, leía el número de factura, el importe y el centro de coste, y los introducía manualmente en el sistema financiero: aproximadamente un centenar de facturas al mes, lo que suponía alrededor de un día y medio de trabajo para una persona.

Ya no me sorprende en absoluto. Ahora creo que es el resultado habitual de la forma en que las empresas adquieren la IA, y quiero ser franco al explicar por qué.

Hemos decidido colectivamente tratar los modelos de vanguardia como si fueran software: adquirir la licencia, asignar las licencias de usuario, organizar un seminario web y seguir adelante. Eso funcionó con el correo electrónico y con el CRM, porque el valor de esas herramientas residía en la propia herramienta: la bandeja de entrada era el producto, la vista del proceso de ventas era el producto. El valor de un modelo de vanguardia no reside en el propio modelo. Se encuentra en la distancia que separa el modelo de los parámetros data, los permisos, los hábitos y los procesos de una empresa concreta: si el modelo puede mostrar las ventas del último trimestre por SKU, si sabe que los “ingresos netos” en esta empresa excluyen los gastos comerciales, si una directora de ventas lo ha utilizado alguna vez para responder a una pregunta que realmente tenía que resolver esa misma semana. A nadie en la organización se le paga por acortar esa distancia. El departamento de TI es responsable del entorno y mide el tiempo de actividad. El negocio es responsable de los casos de uso y no mide nada. El proveedor es responsable de la hoja de ruta y mide el número de usuarios. El espacio intermedio no pertenece a nadie, y es precisamente en ese espacio donde reside el valor.

Mi convicción, tras un año de incorporarme a empresas en el momento 14%, es que este ámbito constituye una disciplina en sí misma. No se trata de gestión del cambio con diapositivas mejoradas, ni de integración de sistemas con una nueva API. Se trata de ingeniería, data, seguridad y trabajo de adopción realizados de forma conjunta, dentro de la propia empresa del cliente, por personas que también forman parte de la hoja de ruta del laboratorio y que son responsables de un resultado, más que de un producto final. Yo lo denomino la «capa de implementación», y este artículo es mi argumento de por qué es más importante que el próximo lanzamiento de un modelo.

¿Por qué se estanca la implantación de la IA en las empresas tras la firma de la licencia?

El patrón es el mismo en el sector bancario, en el de bienes de consumo, en el inmobiliario y en el de las telecomunicaciones, y se desarrolla siguiendo una secuencia reconocible. Un proyecto piloto tiene éxito: un pequeño equipo de marketing o de atención al cliente, un patrocinador comprensivo, un caso de uso claro, una demostración que hace que el comité ejecutivo se incline hacia delante. Un segundo proyecto piloto tiene éxito en otra área. La dirección aprueba una implantación a escala empresarial, a menudo con un objetivo del tipo “IA para todos antes del segundo trimestre”. Se lleva a cabo la implantación. La adopción aumenta durante tres semanas gracias a la novedad, se estabiliza al nivel de un mejor motor de búsqueda, y los agentes que se suponía que debían seguir la implantación se quedan en una diapositiva titulada “Fase 2”.”

Las explicaciones habituales son erróneas. No es que los empleados se resistan al cambio; los que conozco están deseando que la herramienta les ayude en su trabajo diario y se sienten frustrados porque esta no puede ver la hoja de cálculo que están consultando. No es que los modelos sean inmaduros; ya eran capaces de hacer la mayor parte de esto hace dos generaciones, y la brecha entre lo que Claude o GPT pueden hacer y lo que la organización les exige no ha hecho más que ampliarse desde entonces. Y tampoco se trata de una falta de casos de uso. En cada taller que he impartido se generan ochenta de ellos en una mañana, la mitad de los cuales son variaciones de “dejen de obligarme a volver a introducir estos datos”.”

Se bloquea porque hay tres preguntas que no tienen responsable:

  • ¿Qué sabe el modelo sobre nosotros? ¿A qué sistemas tiene acceso: al almacén, a los repositorios de documentos, al sistema de gestión de entradas o a la plataforma de recursos humanos? ¿Bajo qué permisos tiene acceso a ellos: los de la cuenta de servicio o los de la persona que realiza la consulta? Y cuando proporciona un número, ¿puede alguien rastrearlo hasta la tabla o el documento del que procede?
  • ¿Quién es el responsable de la adopción de medidas en cada departamento? No se trata de las cifras de licencias, sino de la costumbre que se ha arraigado los lunes por la mañana de utilizar la herramienta en el trabajo real de los departamentos de Ventas, Finanzas, Asuntos Jurídicos y Operaciones, cada uno de los cuales tiene un data distinto, un vocabulario diferente y una definición distinta de lo que es “útil”.”
  • ¿Quién se encarga de crear los agentes y quién se ocupa de su mantenimiento cuando los consultores se marchan? ¿Una cartera de proyectos de TI que ya acumula dieciocho meses de retraso, un proveedor externo con un contrato de «tiempo y materiales», o personas que trabajan en la empresa y comprenden el proceso que se está automatizando?

Todavía no he visto ningún programa que haya tenido éxito en el que estas cuestiones las haya resuelto un comité directivo. Son las personas que realizan el trabajo, sobre el terreno, las que tienen la autoridad para decidir.

La aritmética del valor de la IA

El cálculo al que siempre vuelvo es sencillo: Valor = Modelo × Implementación × Capa

El modelo es un número muy grande. Si lo multiplica por cero, el resultado es cero. Cada lanzamiento de los laboratorios hace que el primer factor sea mayor y que el segundo factor resulte más decisivo.

Y aquí viene la parte incómoda para cualquiera que espere salirse con la suya a base de dinero: la capa de implementación no se puede adquirir como software. Los laboratorios venden el modelo y la plataforma, y hacen bien en limitarse a eso. El contexto, los permisos, los hábitos a nivel de departamento y los primeros agentes son específicos del data y de la política de cada empresa —qué sistema es la fuente de verdad para un cliente, a quién se le permite ver el margen por producto, cómo cierra realmente el mes el equipo financiero—. Deben desarrollarse internamente, por personas que comprendan tanto la hoja de ruta del modelo como los sistemas del cliente. No hay atajos, y desconfío de cualquiera que prometa uno.

⏭️ A continuación, en la parte 2: El plan de acción: implementar, asentar, adoptar, desarrollar

Si la capa de implementación no se puede adquirir como software listo para usar, ¿en qué consiste? En Parte 2, desglosamos los cuatro componentes concretos que convierten un modelo genérico en un compañero de trabajo interno —Implementación, Consolidación, Adopción, Desarrollo— y analizamos cómo el grupo de productos para el cuidado del cabello Bora Brasil Resolvió la clásica consulta comercial de los lunes por la mañana al asignar a Claude a la empresa data, que opera en tiempo real.