De la experimentación al impacto: aprovechar la IA para obtener resultados empresariales

El jueves 4 de junio de 2026, Venari Partners reunió a un grupo de directivos en una mesa redonda celebrada en el hotel Pan Pacific de Londres para explorar cómo las organizaciones pueden ir más allá de la experimentación con IA y empezar a generar valor empresarial medible. Dirigida por Bayo Ibirogba, cuya trayectoria abarca la consultoría estratégica y la fundación de una empresa tecnológica impulsada por IA, la sesión analizó una cuestión cada vez más relevante para los equipos directivos: a medida que la capacidad de la IA sigue acelerándose, ¿cómo pueden las organizaciones crear valor duradero a partir de ella?

Un mensaje surgió de forma constante a lo largo de la sesión. Aunque la capacidad de los modelos sigue evolucionando a un ritmo extraordinario, el principal reto al que se enfrenta la mayoría de las empresas ya no es la capacidad tecnológica, sino la adopción organizacional. El éxito depende cada vez más de identificar dónde la IA genera valor, integrarla en las formas de trabajo ya establecidas y asegurarse de que las ganancias de productividad se traduzcan en resultados comerciales medibles.

Estas son las principales conclusiones de la mesa redonda:

En muchas organizaciones, el uso de la IA sigue impulsado por personas y equipos individuales, y no por un despliegue empresarial cohesionado. Los empleados ya usan la IA para investigar, analizar, redactar, programar y automatizar tareas rutinarias, mientras los equipos directivos siguen desarrollando la gobernanza, los modelos operativos y las prioridades de inversión.

En el debate surgieron repetidamente tres barreras interrelacionadas. La primera es el conocimiento: entender lo que la IA es capaz de hacer hoy, y no lo que podía hacer hace poco. La segunda es el caso de negocio: identificar dónde la IA crea valor comercial medible y no solo ganancias de productividad aisladas. La tercera es la voluntad organizacional. Aprovechar los dividendos de la IA suele exigir rediseñar procesos y modelos operativos consolidados, y estos cambios suelen avanzar más despacio que la propia tecnología.

En conjunto, estas barreras ayudan a explicar por qué la experimentación individual ha superado a la implantación en toda la organización. Por tanto, la oportunidad para los equipos directivos no es simplemente animar a usar la IA, sino crear las condiciones para que la adopción individual exitosa se convierta en una capacidad organizacional repetible.

Los modelos fundacionales siguen mejorando con rapidez. El principal cuello de botella ha pasado de lo que la IA puede hacer a la eficacia con que las organizaciones integran esas capacidades en el trabajo diario. Basándose en investigaciones citadas durante el debate, Bayo se refirió a la «red-blue gap»: una expresión tomada de un estudio de Anthropic para describir la diferencia entre lo que la IA podría lograr en teoría y lo que realmente se ha incorporado a los flujos de trabajo existentes. La oportunidad, según argumentó, está en cerrar esa brecha en lugar de esperar simplemente a la siguiente generación de modelos.

Es un cambio importante de énfasis. La ventaja competitiva depende cada vez menos del acceso a la última tecnología y más de la capacidad de una organización para integrar las capacidades existentes en flujos de trabajo donde mejoren la productividad, la calidad y la toma de decisiones.

Una parte importante del debate se centró en el valor económico de la IA y en dónde se está acumulando actualmente. Muchas empresas pagan herramientas de IA, pero buena parte del beneficio inmediato de productividad sigue en manos de los empleados individuales. A menos que los flujos de trabajo, las expectativas y los modelos operativos evolucionen, es poco probable que la empresa capte esas ganancias. Tal como están las cosas, la empresa paga las herramientas mientras el empleado se queda con el tiempo ahorrado.

La paradoja emergente del gasto en IA fue otro tema de interés. Aunque los costos por token siguen bajando, el gasto total en IA aumenta a medida que las organizaciones la usan más. El reto, por tanto, no es simplemente reducir lo que cuesta la IA, sino desplegar modelos cada vez más capaces que generen valor real, en lugar de usarlos principalmente para tareas sencillas (comparado durante la charla con «tomar un Concorde para ir al supermercado»). El dividendo de productividad es hoy personal, pero debe convertirse en organizacional si la inversión en IA quiere generar rendimientos comerciales sostenibles. Para ello, las organizaciones tendrán que replantear sus flujos de trabajo, reasignar capacidad y decidir cómo se materializa el valor adicional que genera la IA.

A pesar de las muchas suposiciones que circulan sobre la IA y el empleo, esta tecnología automatiza progresivamente tareas individuales en lugar de sustituir profesiones de la noche a la mañana. El trabajo informatizado, repetitivo, muy estructurado, con poca necesidad de juicio y con baja complejidad de los grupos de interés es la oportunidad más clara para la automatización.

Por ello, es probable que las organizaciones rediseñen los puestos antes de reducir de forma drástica el número de empleados. La ingeniería de software es un primer ejemplo, y la evolución de la demanda de desarrolladores junior podría anticipar cómo evolucionarán otras profesiones basadas en el conocimiento. Para los equipos directivos, la pregunta más útil no es qué empleos desaparecerán, sino qué actividades dentro de cada puesto tienen más probabilidades de ser potenciadas o automatizadas.

Uno de los debates que más invitaron a la reflexión giró en torno al «AI slop». La IA ha elevado el nivel base de los textos escritos, pero también ha aumentado el volumen de material pulido que carece de profundidad, originalidad o pensamiento crítico. La pregunta recurrente era sencilla: «¿Hizo usted el trabajo y la IA lo refinó, o hizo la IA el trabajo y usted lo refinó?» La preocupación no es que la IA produzca resultados deficientes, sino que las presentaciones convincentes puedan disfrazar un razonamiento débil o desalentar el cuestionamiento necesario.

En este contexto, el valor que se da al juicio humano probablemente aumente en lugar de disminuir. La capacidad de cuestionar supuestos, aplicar el contexto y ejercer el juicio profesional se vuelve más valiosa a medida que la IA gana capacidades. Por ello, la IA debe tratarse como un colega junior capaz: necesita contexto, salvaguardas, control de calidad y, sobre todo, supervisión humana.

A medida que el acceso a modelos avanzados de IA se generaliza, es poco probable que la ventaja competitiva sostenible provenga de la tecnología en sí. En cambio, la diferenciación dependerá de activos que los competidores no puedan replicar fácilmente, como los datos propios, las relaciones con los clientes, las marcas de confianza, la excelencia operativa y la experiencia sectorial profunda.

La pregunta estratégica clave no es, por tanto, simplemente cómo usar la IA, sino cómo puede la IA potenciar lo que ya hace distinta a su organización. Si todos tienen acceso a los mismos modelos, ¿qué sigue siendo exclusivamente suyo? Las empresas mejor posicionadas para crear valor duradero serán las que usen la IA para reforzar sus fortalezas actuales, en lugar de considerar la tecnología como una fuente de ventaja competitiva en sí misma.

Surgieron tres perspectivas prácticas para evaluar las oportunidades de la IA:

Conocimiento

• ¿Dónde está la brecha entre lo que la IA podría lograr y lo que ya está incorporado?

• ¿Nos comparamos con la competencia o con lo que es realmente posible?

Caso de negocio

• ¿Adónde va actualmente el dividendo de productividad?

• Si la capacidad dejara de estar limitada, ¿cómo se rediseñaría el trabajo?

Voluntad

• ¿En qué actividades debería ayudar la IA y cuáles debería automatizar o reinventar?

• ¿Qué barreras organizacionales impiden una adopción más rápida?

Estas observaciones apuntan a un cambio más amplio en la forma en que las organizaciones deben pensar sobre la IA. El debate versó menos sobre la tecnología en sí que sobre las capacidades organizacionales necesarias para convertir el progreso tecnológico en valor empresarial medible.

Para muchas organizaciones, la cuestión ya no es si la IA es capaz de transformar el trabajo. El reto es integrarla con criterio, rediseñar los flujos de trabajo cuando sea oportuno y asegurar que los beneficios se materialicen a nivel organizacional y no solo individual. En última instancia, las organizaciones con más probabilidades de crear valor duradero serán las que cierren la brecha entre la posibilidad tecnológica y la ejecución organizacional, integrando la IA para lograr un impacto comercial medible y reforzando al mismo tiempo las capacidades que ya distinguen a su negocio.