La Inteligencia Artificial ya trabaja en la empresa, ¿cuánto de mito y cuánto de realidad?

La Inteligencia Artificial (IA) pasó en corto tiempo de curiosidad tecnológica, a convertirse en un sistema capaz de redactar, programar, analizar y hasta conversar. Pero la lección de mi abuelo aún mantiene plena vigencia: cuanto más poderosa es la herramienta, más importa el criterio y la experiencia de quien la usa. El individuo es quien decide qué preguntar, cómo interpretar la respuesta y hasta dónde confiar en la solución propuesta.

La IA, en poco menos de una década experimentó la tasa de adopción más veloz que haya registrado tecnología alguna. Según el AI Index Report de la Universidad de Stanford (2026), en 2017 apenas dos de cada diez empresas en el mundo empleaban IA en alguna función. Hoy la utilizan casi nueve de cada diez.

Conviene, sin embargo, no confundir adoptar con transformar. De acuerdo con el reporte The State of AI de la consultora McKinsey (2025), solo un tercio de las organizaciones consiguió integrar efectivamente la IA en sus operaciones, más allá de la prueba piloto. Hallaron, además, que la capacidad de escalar e incorporar integralmente su uso se observa principalmente en grandes corporaciones, no así, o a una escala mucho menor, en PyMES.

La ola más reciente, la de los llamados “Agentes de IA”, sistemas capaces de ejecutar tareas completas sin supervisión constante, recién comienza. Aunque la mayoría de las empresas ya experimenta con agentes en alguna función del negocio, solo una de cada diez los tiene funcionando a escala plena.

Cuando se habla de una adopción integral de esta u otras tecnologías, no se considera únicamente la digitalización de procesos o funciones aisladas, sino de una transformación completa, un cambio de paradigma en la forma de dirigir, integrar y relacionar la empresa con su entorno económico, social y ambiental.

Mientras la digitalización toma un proceso existente y lo convierte a un soporte digital, en un proceso de transformación digital, en el sentido que la IA vuelve posible, la tecnología deja de ser un soporte y pasa a redefinir la propuesta de valor. El producto cambia en sí su naturaleza, de una estática a una adaptativa, personalizada y en tiempo real. Y con él cambia el modelo de negocio, es decir, la forma de crear, entregar y capturar valor para el consumidor.

Un estudio del Center for Information Systems Research (CISR) del MIT (2025) anticipa que la IA será el catalizador para una mayor adopción de modelos de negocio “en tiempo real”, impulsados por la revolución de los datos. Esto no cambia únicamente cuánta tecnología se usa, sino que altera la forma misma de competir.

Otro hallazgo del CISR, que siguió a más de dos mil empresas durante una década, muestra que el modelo que más crece es el de las compañías que se convierten en punto de encuentro para sus clientes, coordinando productos y servicios propios y ajenos, por ejemplo, Amazon y Apple. En 2013 este modelo lo adoptaba solo una de cada diez empresas, mientras que hoy lo hacen seis de cada diez. Es el único grupo de empresas cuyos ingresos crecieron sistemáticamente por encima del promedio de su industria.

No obstante, aunque la tecnología permite ganancias en tareas específicas, por ejemplo, equipos de atención al cliente que resuelven más casos por hora; programadores que completan su trabajo en una fracción del tiempo anterior; o áreas de marketing más ágiles, una mayor productividad no implica necesariamente un mejor resultado financiero.

McKinsey (2025) reporta que menos del 40% de las organizaciones atribuye a la IA algún efecto medible sobre sus ganancias, y casi siempre ese efecto es inferior al 5%. Solo el 6% de las empresas capturan valor de forma significativa y lo hacen porque emplean la IA no solo para reducir costos, sino para innovar y crecer. Rediseñan procesos en lugar de solo automatizar tareas independientes.

Es un patrón que la historia económica ya conoció con la electricidad y con el internet. Como explican Agrawal, Gans y Goldfarb (2019) en The Economics of Artificial Intelligence, las tecnologías de uso general tardan años en producir ganancias generalizadas, porque el cambio verdadero no reside en instalar la herramienta, sino en rediseñar el sistema en torno a ella, es decir, la manera de trabajar y relacionarse de una empresa.

Otra dimensión importante que la revolución de la IA trae a debate es el impacto sobre el trabajo. Es el mercado laboral donde los efectos se perciben con mayor claridad que en los estados financieros.

De acuerdo con el AI Index Report (Stanford, 2026), en Estados Unidos, mientras la ocupación de programadores jóvenes (22 – 25 años) cayó cerca de 20% desde su último pico, la contratación de programadores con experiencia continúa al alza.

McKinsey (2025), por su parte, reporta que tres de cada diez empresas prevén reducir su fuerza laboral en los próximos años. Agrawal, Gans y Goldfarb (2019), desde una perspectiva económica, señalan que en casos de disrupciones tecnológicas dos fuerzas contrarias intervienen en el proceso de adopción: una que desplaza tareas y otra que crea trabajo nuevo, allí donde el ser humano sigue siendo insustituible.

La cuestión relevante pasa a ser entonces, ya no cuántas tareas realiza la máquina, sino con cuánto acierto rediseñamos el trabajo humano a su alrededor.

Importantes universidades como el MIT y Stanford, que se encuentran a la vanguardia en la investigación del fenómeno IA, ya están considerando la formación de profesionales con nuevas competencias directivas. Por ejemplo, poder conducir equipos híbridos de personas y agentes de IA, con criterio para decidir qué delegar, cuándo verificar y cuándo detenerse.

Ningún currículo tradicional está formando todavía este tipo de profesionales. Es, literalmente, el conocimiento y experiencia de mi abuelo frente al uso de la regla de cálculo, llevados a una escala que él mismo no habría imaginado.

Frente a este contexto global de adopción acelerada, resultados financieros aún modestos y un empleo en plena redefinición, cabe entonces preguntarse hacia dónde vamos con la IA. La respuesta, al menos en lo inmediato, parece estar marcada por el capital.

Aunque los resultados aún son incipientes, la inversión sigue fluyendo, en cifras difíciles de imaginar, a través de las Big Tech: Microsoft, Google, Amazon y Meta. Se estima que solo estas cuatro empresas inviertan alrededor de 725.000 millones de dólares en 2026, y superen el billón (un millón de millones) de dólares en 2027.

De acuerdo con McKinsey (2025), 2026 y 2027 serán los años en que más empresas pasen de la prueba piloto a la producción real, con agentes de IA y el rediseño de procesos como sus motores de agregación de valor.

Los reportes consultados concluyen que existe una gran brecha de expectativas entre una fuerza laboral escéptica de los beneficios anunciados y los especialistas que argumentan efectos positivos sobre el empleo. Coinciden en que cerrar esta brecha resulta, al menos, tan urgente como cerrar la brecha tecnológica.

En esta encrucijada, es precisamente donde el rol de las instituciones de formación se convierte en decisivo. Desde la academia, sabemos que el impacto de un avance tecnológico de la magnitud de la IA solo se resuelve formando personas capaces de usarla con criterio.

Por ello debemos asumir el reto y compromiso de repensar, desde los cimientos, la manera en que formamos a nuestros profesionales. No para competir con la máquina, sino para dirigirla con responsabilidad, juicio y sentido humano.

Fuentes

1. Stanford HAI, AI Index Report 2026, Universidad de Stanford, 2026.
2. McKinsey & Company, The State of AI in 2025, noviembre de 2025.
3. Weill, P.; Sebastian, I. M.; Woerner, S. L. y Benedict, G., Business Models in the AI Era, MIT Center for Information Systems Research (MIT CISR), Research Briefing, Vol. XXV, No. 10, octubre de 2025.
4. Agrawal, A.; Gans, J. y Goldfarb, A. (eds.), The Economics of Artificial Intelligence: An Agenda, National Bureau of Economic Research / University of Chicago Press, 2019.