En los últimos 18 meses me he sentado con decenas de clientes que llegaban con la misma frase: "queremos meter IA en nuestro proceso". La primera pregunta honesta, y la única importante, es siempre la misma: ¿para resolver qué?
Este post no va de promesas futuristas. Va de lo que estoy viendo que funciona, lo que está fracasando, y por qué la diferencia entre unas empresas y otras tiene poco que ver con su presupuesto y mucho con cómo entienden el problema.
La distancia entre el hype y la realidad
Si abres LinkedIn, todo el mundo usa IA para todo y factura el triple. Si hablas con 10 directores de operaciones cara a cara, 7 te dirán que "están explorando casos de uso", 2 que "hicieron un piloto que no escaló", y solo 1 tendrá un flujo productivo real con IA que mueve números en su P&L.
El informe The State of AI de McKinsey 2025 lo dice con datos: el 72% de empresas dicen "usar IA", pero menos del 15% reportan impacto en resultados financieros. La brecha entre adopción y value capture es enorme. Y eso no es porque la tecnología no funcione; es porque la mayoría la integra mal.
3 áreas donde la IA SÍ está cambiando el negocio
1. Soporte y atención al cliente
Es el caso de uso más maduro y el que más ROI genera hoy. Bien implementado, un agente LLM de soporte:
- Resuelve 60-75% de tickets de primer nivel sin intervención humana.
- Reduce el tiempo medio de respuesta de horas a segundos.
- Libera al equipo humano para casos complejos donde sí aportan valor.
La clave: no sustituyes al humano, lo liberas. El ticket complejo sigue siendo humano. Y siempre hay opción de escalar. Clientes míos que aplicaron esto bien en 2025: bajaron coste de soporte un 40% y subieron el CSAT. Clientes que lo aplicaron mal (botón escondido para pedir humano, IA contestando cualquier cosa): bajaron el CSAT 15 puntos y tuvieron que revertir.
2. Operaciones internas y documentación
Donde menos hype tiene, más impacto real está teniendo. Ejemplos concretos que veo:
- Búsqueda semántica sobre documentación interna: dejas de perder 20 minutos buscando la política de viajes.
- Resúmenes automáticos de reuniones que de verdad capturan lo importante.
- Triaje de emails que categoriza y prioriza antes de que el CEO los lea.
- Generación de contratos base con revisión humana antes de firmar.
Ninguno de estos casos es sexy en una keynote. Todos suman horas reales a la semana. Y se implementan con soluciones relativamente baratas: API de Claude, OpenAI, y un par de integraciones bien pensadas.
3. Marketing y contenido
El tercer caso de uso con ROI comprobado, aunque con trampas. Lo que funciona:
- Variantes de copy para A/B tests a escala que antes eran inviables.
- Personalización de emails por segmento sin tener 30 personas escribiendo.
- Traducciones con revisión humana final (no sin ella).
- Primeros drafts de posts de blog a partir de brief, datos y referencias.
Lo que NO funciona: publicar contenido IA sin revisar. Lo detecta Google (con los updates post-2024 sobre contenido de baja calidad), lo detectan los lectores, y te daña la marca. La IA es un multiplicador de criterio —si no tienes criterio, multiplica ruido.
3 áreas donde la IA prometió y no ha llegado
1. Reemplazo completo de roles
Nadie que conozca el detalle técnico cree hoy que un LLM vaya a reemplazar a un senior developer, un abogado o un consultor estratégico. Los roles donde sí hay desplazamiento son los de tarea repetitiva y bien definida. En el resto, la IA aumenta productividad del profesional —no lo sustituye.
2. Decisiones estratégicas autónomas
"Déjale a la IA decidir qué producto lanzamos" es una locura en 2026 igual que lo era en 2024. Los modelos pueden sintetizar información, generar opciones, presentar trade-offs. No entienden contexto de negocio, dinámicas de equipo, timing de mercado. La decisión sigue siendo humana.
3. Creatividad radical
La IA es muy buena para crear variaciones sobre un patrón conocido. Es muy mala para romper el patrón. Si tu producto es "uno más", la IA te ayuda a sacarlo más rápido y barato. Si tu producto es distinto de verdad, la IA te ayuda a ejecutar, pero no a inventar.
Qué hago con mis clientes antes de "meter IA"
Cuando un cliente me pide "integración con IA", le propongo este proceso antes de tocar nada:
- Mapeo de procesos: ¿dónde pierden tiempo tus equipos? Lo medimos en horas/semana real, no impresiones.
- Priorización por ROI potencial: de esos procesos, ¿cuáles tienen entrada y salida bien definidas? Esos son candidatos.
- Piloto estrecho: un único caso, 4-6 semanas, métricas claras antes de escalar.
- Revisión honesta: si no mueve la aguja, no se escala. Si la mueve, se documenta el flujo y se extiende.
Este proceso es boring. Por eso muchas consultoras venden paquetes de "transformación con IA" sin hacerlo. Y por eso la mayoría de esas transformaciones fracasan.
La mejor frase que he oído sobre IA empresarial en 2026: "la IA no arregla procesos rotos, los hace romperse más rápido".
Cultura y cambio: el obstáculo real
Más del 70% del fracaso de proyectos de IA que veo no es técnico. Es organizacional. Los patrones que mato siempre:
- Miedo al reemplazo en el equipo → sabotean el piloto ("no quiero enseñar a mi sustituto"). Se resuelve con comunicación transparente desde el día uno.
- Dirección pidiendo magia → esperan reducir costes un 50% en el primer trimestre. Se desilusionan, abandonan.
- Herramientas mal elegidas → contratan la suite cara porque "está el logo" cuando una API básica cubre el caso.
- Sin dueño interno → nadie se responsabiliza del piloto, se diluye.
Si tu empresa no está dispuesta a nombrar a una persona dueña del piloto, con tiempo real asignado, no merece la pena empezar.
Video: cómo funciona un LLM por dentro, sin marketing
Antes de invertir en IA, conviene entender qué es de verdad un LLM y dónde está su límite. La explicación visual de Grant Sanderson (3Blue1Brown) sobre el mecanismo de atención en transformers es la mejor intuición de 25 minutos que vas a encontrar. Si eres CEO, CTO o responsable de operaciones y quieres separar lo que la IA puede hacer hoy de lo que vende la keynote de turno, empieza por aquí:
Conclusión: empezar pequeño, medir honesto, iterar
Las empresas que están sacando valor real de la IA en 2026 no son las que tienen el presupuesto más grande ni la marca más tecnológica. Son las que entendieron que la IA es una herramienta, no una estrategia. Que la integran sobre procesos bien definidos. Que miden de verdad. Y que están dispuestas a pivotar si el piloto no funciona.
Si tú estás pensando en meter IA en tu empresa y llegas hasta aquí, mi recomendación: antes de contratar a nadie, siéntate con tu equipo, mapea los 3 procesos donde más tiempo se pierde, y pregúntate cuál tiene entrada/salida más clara. Ese es por el que tienes que empezar.
Y si quieres un sparring sin compromiso para validar si tu caso tiene sentido o no, escríbeme. Prefiero decirte "no merece la pena" que venderte humo.
