De pilotos aislados de IA a una IA realmente integrada en el negocio
La mayoría de las empresas con las que trabajo comenzaron con un piloto de IA generativa o un caso simple de automatización. Pero lo que vemos ahora es un cambio de escala:
- En un retailer con el que trabajo, la IA ha pasado de ser una prueba en atención al cliente a formar parte del aprovisionamiento, pricing dinámico y planificación de personal.
- En banca, hemos visto cómo modelos que empezaron como una simple ayuda en backoffice han dado el salto a procesos regulatorios y operativos.
El patrón es claro: la IA deja de ser “la novedad” y pasa a ser “la infraestructura invisible”.
El cloud, los datos y el edge se convierten en el tejido operativo básico
En varios proyectos industriales y de smart cities he visto cómo la combinación de cloud y Edge; e IoT ya no se discute: se da por sentada.
- En un proyecto de movilidad urbana, por ejemplo, no era viable esperar al cloud para procesar vídeo: la lógica tenía que ocurrir en el edge por latencia y coste.
- En banca, en cambio, la tendencia va hacia entornos híbridos donde conviven datos muy regulados on-premise con capacidades de IA y analítica en la nube.
Menos foco en “adoptar tecnología” y más en gobernar datos y capacitar personas
En prácticamente todos los clientes donde hemos hecho acompañamiento estratégico, lo que más limita la transformación no es la tecnología: es la organización.
Falta gobierno del dato, roles claros, marcos de responsabilidad y competencias digitales. Por eso cada vez vemos más interés por CDOs, oficinas de datos, modelos de gobierno y programas de adopción.
En resumen, es la industrialización real de la IA, los datos y el cloud dentro de los procesos que generan impacto tangible.
¿Cómo afecta la innovación tecnológica a la forma de trabajar en este ámbito?
La innovación tecnológica está cambiando radicalmente la forma de trabajar tanto de los equipos internos de nuestros clientes como de los equipos de consultoría. Lo que veo todos los días:
“Trabajo aumentado”: los equipos rinden más, no porque trabajen más, sino porque trabajan mejor. En muchos proyectos hemos visto cómo la IA generativa permite a analistas, comerciales o responsables de operaciones producir trabajo de mayor calidad en menos tiempo:
- En una compañía de seguros con la que trabajamos, el tiempo de análisis de reclamaciones se redujo más del 40% gracias a resúmenes inteligentes.
- En banca, la documentación regulatoria pasó de días a horas con herramientas de apoyo.
- La IA no sustituye, pero sí cambia el tipo de valor que aporta cada persona.
Las decisiones se apoyan más en datos y menos en intuiciones personales: Esto lo he visto especialmente en sectores muy operativos: transporte, retail o energía.
Los directivos siguen aportando criterio y experiencia, pero ahora con dashboards, modelos predictivos y simulaciones que permiten anticipar escenarios, no solo reaccionar a ellos.
Equipos más híbridos y transversales: Los proyectos que mejor funcionan —y te lo digo por experiencia directa— son aquellos donde, por ejemplo, negocio, tecnología, datos, seguridad y personas trabajan desde el día uno.
Cada vez es más difícil separar “lo tecnológico” de “lo operativo”.
Trabajo más distribuido, pero más orientado a resultados: En muchos clientes vemos cómo las herramientas colaborativas permiten procesos más ágiles, pero también generan una presión mayor por justificar el impacto del trabajo.
¿Qué papel juega la colaboración entre diferentes actores del sector para lograr mejores resultados?
La colaboración entre distintos actores no es un bonito concepto: es clave para que los proyectos funcionen. Y lo digo porque lo veo en el terreno:
Los problemas son demasiado complejos para afrontarlos solos: En un proyecto reciente de ciudad inteligente, por ejemplo, participaron: el ayuntamiento, nosotros con varios roles (datos, TI, comunicaciones), fabricantes y una empresa de movilidad. Si uno falla, el proyecto entero se cae. La interdependencia es total.
Los ecosistemas aceleran la innovación
En un cliente del sector salud, la colaboración entre el hospital, una startup de visión artificial y un proveedor cloud permitió automatizar parte del análisis de imágenes médicas en semanas, no meses. Ningún actor por separado habría llegado tan rápido.
La colaboración permite compartir riesgos y definir estándares comunes
Esto lo veo en proyectos industriales y logísticos. A veces no es tanto que cada empresa adopte una tecnología, sino que todos adopten la misma para poder interoperar. Eso requiere sentarse juntos, no competir.
La administración pública empieza a jugar un papel estructural: Sobre todo en datos (con los famosos espacios de datos), IA y seguridad. He visto proyectos bloqueados hasta que se clarifica el marco regulatorio, y otros desbloqueados cuando el regulador se convierte en catalizador en vez de freno.
Consejos para las organizaciones que quieren adaptarse a los nuevos desafíos: Los consejos que suelo dar se basan en experiencias reales, en proyectos que han salido bien… y en otros que han aprendido a base de tropiezos:
Empezar por un problema real, no por una tecnología: En una gran empresa industrial, por ejemplo, descartamos usar IA en mantenimiento porque el ROI era insuficiente… y en cambio descubrimos un ahorro enorme automatizando el backoffice.
La diferencia fue enfocarse en el dolor real, no en la moda.
Pilotar rápido, pero con intención de escalar: Lo que funciona es lo que se puede industrializar, no la demo bonita. En un cliente de banca, los pilotos que definimos con métricas claras pasaron a producción en meses; los difusos murieron.
Invertir en datos y gobierno antes de prometer “magia”: He visto proyectos de IA fracasar por una razón muy simple: los datos no estaban listos. Sin calidad, sin gobierno, sin integración… la IA no arregla nada.
Acompañar a las personas desde el principio: En todos los proyectos donde hemos hecho gestión del cambio —formación, comunicación, medición de adopción— la tecnología se adoptó mejor y más rápido.
Cuando no se hace, la resistencia interna se convierte en el mayor freno.
Construir capacidades internas, no depender siempre del proveedor: En varios clientes hemos desarrollado equipos internos de datos y de IA que hoy son autónomos gracias a un programa de formación y gestión del cambio. Esto les da una ventaja competitiva imposible de replicar solo externalizando.
Aceptar que la transformación digital no tiene fin: No es una “fase”. Es una capacidad continua. Las organizaciones más maduras son aquellas que han entendido que adaptarse no es un proyecto, es una forma de trabajar.
