Los empleados usan la IA para redactar correos, traducir y preparar informes, y su productividad individual ha mejorado de verdad, pero los resultados del negocio no suelen mejorar con ella. Saber usar la IA es una habilidad personal; la capacidad de IA de una empresa es un sistema formado por datos, procesos, reglas y organización, y lo primero no se convierte automáticamente en lo segundo.
El entusiasmo de los empleados ya está ahí; la cuestión es si la empresa sabe recogerlo. A partir de una serie de datos de encuestas, analizamos de dónde viene la brecha entre la capacidad individual y la de la empresa, qué componentes forman la capacidad de IA empresarial y cómo convertir los usos de la IA dispersos entre los empleados en capacidad propia de la organización.
Si todos los empleados usan IA, ¿por qué el negocio no mejora?
Los beneficios de la IA a nivel individual ya son evidentes, pero en su mayoría se quedan en manos de cada persona. Los empleados se han adelantado a la dirección, y la empresa no ha sabido recoger esos usos.
Tres encuestas lo muestran desde ángulos distintos:
- Las personas aceleran; la empresa se queda donde estaba. En «The state of AI in 2026» de McKinsey, con 1.719 encuestados de todo el mundo, el 80 % considera que la IA ha mejorado su eficiencia en el trabajo y cerca de la mitad afirma que le ha ayudado a tomar mejores decisiones; sin embargo, solo el 37 % opina que la IA contribuye al beneficio antes de intereses e impuestos (EBIT) de su empresa, una cifra prácticamente igual a la del año anterior. El informe señala sin rodeos que los beneficios a nivel individual aún no se han traducido en impacto financiero para la empresa (fuente).
- La «IA en la sombra» está generalizada. El informe de 2025 «The GenAI Divide», del proyecto NANDA del MIT, muestra que solo alrededor del 40 % de las empresas ha contratado una suscripción oficial a grandes modelos de lenguaje, pero en más del 90 % hay empleados que usan herramientas de IA personales para trabajar; al mismo tiempo, el 95 % de las empresas no ve un retorno empresarial medible de la IA generativa (fuente). La muestra de este estudio es limitada y sus cifras concretas son objeto de debate, pero el fenómeno que describe es muy común.
- El riesgo ya se ha materializado. Según una encuesta de PagerDuty, encargada a Wakefield Research en abril de 2026 a 1.250 empleados de oficina de grandes empresas de Estados Unidos, Reino Unido, Japón y Australia, el 66 % de los que han usado IA lo ha hecho alguna vez a pesar de creer que la empresa no lo permitía; el 34 % ha introducido datos de clientes en herramientas de IA públicas y el 31 % ha introducido información financiera o documentos confidenciales de la empresa (fuente).
Pensemos, por ejemplo, en una empresa mayorista de unas treinta personas en la que casi todos usan IA: compras la emplea para traducir presupuestos en otros idiomas, ventas para redactar respuestas a clientes y contabilidad para leer cartas de la agencia tributaria. Sin embargo, al revisar el año, el exceso de inventario, el plazo de cobro y la pérdida de clientes son prácticamente los mismos que el año anterior; nadie sabe decir en qué herramientas se han pegado los precios y los datos de clientes de la empresa; y el buen método que una comercial había descubierto desapareció con su salida. Todos saben usar la IA, pero la empresa no ha ganado por ello capacidad de IA.
«Yo trabajo más rápido» frente a «la empresa trabaja mejor»: ¿dónde está la diferencia?
La capacidad de IA individual es la habilidad de una persona para hacer más rápido y mejor su propio trabajo con IA; la capacidad de IA empresarial es la de integrar la IA de forma estable en los procesos de negocio y generar resultados de forma sostenida. La primera es la base de la segunda, pero difieren por completo en alcance, replicabilidad y gestión del riesgo.
| Dimensión | Capacidad de IA individual | Capacidad de IA empresarial |
|---|---|---|
| Alcance | Una tarea de una persona | Un proceso de negocio que atraviesa varios departamentos |
| Datos utilizados | Fragmentos pegados al momento en el cuadro de diálogo | Datos de negocio conectados a los sistemas, con criterios unificados |
| Dónde queda la experiencia | En los hábitos y los prompts de cada empleado | En procesos, plantillas y sistemas que sirven aunque cambie la persona |
| Replicabilidad | Depende de cada persona; resultados inestables | Estándar común, extensible a toda la empresa |
| Quién gestiona el riesgo | Muchas veces, nadie | Hay reglas, permisos y responsables |
| Cómo se mide | «Parece que va más rápido» | Indicadores de negocio: plazos, costes, tasa de errores, ingresos |
Esta tabla también puede usarse al revés: la fila en la que la empresa siga en la columna izquierda indica qué tipo de capacidad aún no ha pasado de las personas a la organización.
¿Por qué las capacidades individuales no se suman hasta formar una capacidad organizativa?
Treinta empleados que saben usar la IA no hacen una empresa con capacidad de IA. Entre la persona y la organización hay al menos cuatro obstáculos: experiencia, datos, procesos y riesgo.
La experiencia no se acumula. Un buen prompt o un uso ya validado solo existe en el historial de chat de un empleado. Los demás no lo conocen ni pueden aprenderlo, y desaparece cuando esa persona se marcha. Es el mismo problema de la época de las hojas de cálculo, en la que «los datos se iban con las personas»; solo que ahora lo que se va son los usos y la experiencia.
Los datos no están conectados. Lo único que un empleado puede darle a la IA es el pequeño fragmento de información que copia y pega. La IA no ve el panorama completo de inventario, pedidos y cobros, y por eso no puede responder a las preguntas que de verdad afectan al negocio, como «¿qué productos conviene comprar menos?» o «¿a qué cliente hay que reclamarle el pago?». El informe del MIT señala además que la mayoría de los sistemas de IA generativa no conserva el feedback, no se adapta al contexto y no mejora con el tiempo, y esa es la razón por la que cuesta confiar en ellos para trabajos importantes.
El proceso no se ha rediseñado. El empleado usa la IA para acelerar su paso, pero lo que viene antes y después no cambia. Por rápido que se redacte un presupuesto, sigue esperando a que el jefe lo apruebe al día siguiente; por rápido que se responda a un cliente, el pedido sigue introduciéndose a mano en el sistema. La eficiencia se atasca en los traspasos. La encuesta de McKinsey detectó que casi tres cuartas partes de las empresas de alto rendimiento en IA han rediseñado a fondo sus flujos de trabajo en torno a la IA, frente a solo una cuarta parte aproximadamente del resto.
Nadie gestiona el riesgo. No hay respuesta a en qué herramientas se han pegado los datos de clientes, los presupuestos y los contratos, si alguien verifica lo que genera la IA o quién responde cuando hay un error. Para las empresas que operan en la UE, los datos personales de los clientes están sujetos al Reglamento General de Protección de Datos (RGPD); no es solo una cuestión de gestión, sino también de cumplimiento normativo.
Los cuatro pilares de la capacidad de IA empresarial
Si el uso individual de la IA por parte de los empleados son los cimientos, la capacidad de IA empresarial necesita levantar sobre ellos cuatro pilares: datos, procesos, reglas, y personas y organización. Corresponden exactamente a los cuatro obstáculos descritos antes.
- Datos: que la IA vea el panorama completo. Los datos de negocio se conectan a los sistemas, con criterios unificados, y la IA puede utilizarlos dentro del ámbito autorizado. Si inventario, pedidos y cobros siguen dispersos en distintas hojas de cálculo y programas, por muy inteligente que sea la IA solo podrá adivinar a partir de fragmentos.
- Procesos: que la eficiencia no se atasque en los traspasos. No se trata de meter la IA en un paso del proceso existente, sino de rediseñar el proceso completo en torno a ella: qué fases se le encargan, cuáles debe confirmar una persona y cómo se enlazan los traspasos.
- Reglas: que los empleados puedan usarla con tranquilidad. Definir qué herramientas de IA se pueden usar, qué datos no pueden introducirse en herramientas externas, en qué casos es obligatoria la revisión humana y quién responde si algo sale mal. Las reglas no sirven para limitar a los empleados, sino para que dejen de usarla «a escondidas».
- Personas y organización: que la experiencia se quede en la empresa. Convertir los buenos usos que los empleados han ido descubriendo en plantillas y procesos estándar, para que quien se incorpore pueda usarlos desde el primer día; designar a una persona responsable de impulsar las aplicaciones de IA; y medir los resultados con indicadores de negocio, no con la sensación de que «va más rápido».
Los cuatro pilares son interdependientes. Por ejemplo, sin reglas, la empresa no se atreve a conectar sus datos a la IA; sin datos, el proceso rediseñado no puede funcionar. Por eso conviene construirlos a la vez en torno a un escenario de negocio concreto, en lugar de dividirlos en cuatro proyectos independientes.
No hace falta prohibir la «IA en la sombra»: hay que canalizarla
Ante el uso de la IA por iniciativa de los empleados, una prohibición generalizada suele limitarse a empujarlo a la clandestinidad. Es más eficaz tomar como punto de partida los usos que los empleados ya han validado y trasladarlos de las manos de cada persona a los datos, los procesos y las reglas de la organización. Se puede empezar por cinco acciones.
Inventariar: averiguar cómo la usan ya los empleados. Investigar qué herramientas de IA se usan, en qué fases y a dónde van a parar los datos, y localizar los mayores cuellos de botella entre pedidos, compras, inventario y cobros. Con frecuencia se descubre que el escenario más valioso está escondido en los usos espontáneos de los empleados.
Fijar reglas: dar a los empleados una opción que puedan usar con tranquilidad. Con el sistema de permisos de la empresa, definir los límites de los datos y los requisitos de revisión humana, y ofrecer una herramienta corporativa segura y cómoda. Cuando el canal oficial es más cómodo que el uso a escondidas, la «IA en la sombra» disminuye por sí sola.
Conectar: que la IA use los datos y el conocimiento de la propia empresa. Integrar los datos dispersos en sistemas y hojas de cálculo, unificar los criterios de los indicadores y organizar la documentación de producto, las reglas de presupuestación y las preguntas frecuentes en una base de conocimiento de la empresa. La IA deja de depender de los fragmentos que el empleado pega en el momento en el cuadro de diálogo.
Consolidar: llevar los buenos usos al proceso. Elegir un escenario con reglas claras y resultados medibles, como la introducción de pedidos, la conciliación de cuentas o las consultas frecuentes de clientes, y convertir los usos validados por los empleados en plantillas, flujos de trabajo inteligentes o agentes que asuman las tareas repetitivas de introducción, verificación y traspaso, con las personas supervisando los puntos críticos.
Medir: decidir con indicadores de negocio si se extiende. Antes del piloto, fijar indicadores como el tiempo de tramitación, la tasa de errores y el plazo de cobro; una vez validados los resultados, replicar el mismo método en el siguiente escenario.
Estas cinco acciones se corresponden una a una con los cuatro obstáculos anteriores:
| Por qué la capacidad individual no se suma a la organizativa | Acción correspondiente |
|---|---|
| La experiencia no se acumula | Consolidar: llevar los buenos usos a procesos y plantillas |
| Los datos no están conectados | Conectar: unificar los criterios de datos y crear la base de conocimiento de la empresa |
| El proceso no se ha rediseñado | Inventariar + consolidar: partir del escenario y rediseñar el reparto de tareas entre personas e IA |
| Nadie gestiona el riesgo | Fijar reglas: permisos, límites de datos y revisión humana |
Todo ello se rige por un principio: el control en manos de las personas. La IA ayuda a avanzar dentro del ámbito autorizado; en lo que afecta a objetivos, responsabilidades y juicios críticos, decide una persona.
Conclusión: de «yo sé usarla» a «la empresa sabe usarla»
Que las personas sepan usar la IA hace que el trabajo de cada una sea más rápido; que la empresa tenga capacidad de IA hace que todo el negocio funcione mejor. Entre ambas están los datos, los procesos, las reglas y la organización, y nada de eso aparece por sí solo porque los empleados escriban mejores prompts.
El entusiasmo de los empleados es el mejor punto de partida para la empresa, no un riesgo que haya que reprimir. El siguiente paso es que la propia empresa aprenda también a usar la IA.
Referencias
- The state of AI in 2026: On the road to ROI, McKinsey, agosto de 2026
- MIT report finds most AI business investments fail, reveals "GenAI Divide", Virtualization Review, agosto de 2025 (sobre el informe «The GenAI Divide: State of AI in Business 2025» del MIT NANDA)
- PagerDuty 2026 Shadow AI Survey, PagerDuty, 2026
