IA para el director general y el CEO: lo que debes saber

Al pensar en cómo trabajamos con nuestros clientes y al hablar con colegas y socios, coincidimos con rotundidad en algo vital para un piloto de IA con éxito en tu equipo.

Las iniciativas de IA deben impulsarse de arriba abajo. El artículo de hoy va para el directivo de la empresa que se plantea qué puede hacer, si es que puede algo, con esta nueva tecnología.

Si el CEO respalda a su equipo para analizar la necesidad de cierta automatización de procedimientos, enhorabuena: has resuelto la primera barrera para entrar en el mundo de la IA. El artículo de hoy mira a vista de pájaro lo que como directivo debes saber, cómo organizar y sembrar las semillas adecuadas, identificar tus necesidades únicas (esta es la parte de I+D en IA) y dónde poner tus expectativas a medida que desarrollas capacidad de IA interna en tus operaciones y en los activos de marketing externos, como tu web.

---

Una pequeña salvedad antes de empezar. Lo difícil de esta conversación es que te pido que encuentres tiempo para entender lo que tienes delante cuando, como CEO ocupado, andas justísimo de tiempo. Lo sé. Hay informes para el consejo, escalados de clientes, la contratación que llevas seis semanas intentando cerrar, la renegociación con el proveedor que sigue deslizándose. Una negociación de contrato… Aun así te lo voy a pedir, porque el coste de no sacar el tiempo ahora es materialmente más alto que hace un año, y no es el coste obvio.

La razón por la que esto necesita tu atención ahora no es la que te han contado

La conversación que lleváis teniendo internamente probablemente vaya algo así: ¿deberíamos usar más IA, vamos con retraso? ¿Necesitamos un director de IA, deberíamos lanzar un piloto? Son preguntas razonables. También han envejecido mal. La pregunta real, la que está moviendo presupuestos y plantillas en las empresas con las que me siento, es distinta.

Es algo así: dado que el coste de producir trabajo rutinario ha caído un orden de magnitud en los últimos dieciocho meses y sigue cayendo, ¿cómo es de verdad la organización que dirigimos dentro de dos años, y cuáles de las hipótesis operativas que asumimos al montar esto son ahora erróneas?

Es una pregunta estructural, y te toca a ti plantearla.

La forma de la respuesta pasa por cómo organizas los equipos, cómo fijas objetivos, cómo decides qué trabajo traer dentro y qué externalizar, cómo vendes y cómo contratas. Nada de eso cambia porque alguien lance un piloto de Copilot. Cambia porque el equipo directivo decide que hay una estrategia de IA que necesita definirse.

Los datos no son sutiles sobre lo que pasa cuando el liderazgo no se implica a este nivel. La encuesta global de IA de McKinsey de finales de 2025 informó de que el 88 % de las organizaciones usan ya IA en al menos una función de negocio, pero solo el 39 % ve un impacto medible en el EBITDA, y solo el 6 % se considera «AI high performers». Hay ocho empresas con IA en producción por cada una que ha construido un foso real con ella. La brecha no es el modelo. La brecha es arquitectónica, y la arquitectura solo puedes cambiarla tú.

El informe Estado de los Agentes de IA de Anthropic de 2026, que encuestó a quinientos líderes técnicos a finales de 2025, sostiene lo mismo desde el lado de la implementación. El 80 % de las organizaciones dicen que su inversión en agentes de IA ya ha entregado impacto financiero medible. Las barreras que citan cuando se les pregunta qué les frenó para hacer más no son «el modelo no es lo bastante bueno». Son la integración con sistemas existentes (46 %), el acceso y la calidad de los datos (42 %), el coste de implementación (43 %) y, en empresas más pequeñas, la resistencia y la formación de los empleados (51 %). Cada una es una respuesta organizativa vestida de ropa técnica. Las responde el equipo directivo o no se responden.

Deborah Golden, de Deloitte, tiene una frase para lo que pasa cuando el liderazgo no se implica. Lo llama «pilot purgatory» (purgatorio del piloto). El comité de riesgos exige precisión perfecta a un sistema que, por diseño, es probabilístico. La dirección intermedia castiga a quienes fracasan en sus experimentos porque sus KPI premian la repetición sin errores. TI bloquea los datos porque los sistemas subyacentes no soportan el contexto dinámico que necesitan las nuevas herramientas. El piloto no logra escapar al resto del negocio. El negocio es, en la práctica, alérgico a él.

¿Qué cambia entonces en el trabajo real?

El cambio no es la IA reemplazará a tus trabajadores del conocimiento. Ese encuadre es, como dice Nate B Jones en su excelente canal de YouTube, la pregunta equivocada. La pregunta correcta es qué se vuelve posible cuando el coste de hacer trabajo cognitivo rutinario cae un orden de magnitud.

La respuesta directa, respaldada por lo que ocurre en empresas que tienen estos sistemas en producción, es que el cuello de botella se mueve. Se aparta de la ejecución y se desplaza hacia el juicio. Donde la limitación solía ser «no nos podemos permitir construir eso», ahora es «no estamos seguros de si deberíamos». El Índice Económico de Anthropic de 2025, a partir del análisis de 3,5 millones de conversaciones con Claude, muestra que las conversaciones directivas (las que entregan tareas completas en lugar de colaborar paso a paso) subieron del 27 % al 39 % en ocho meses.

Es la primera vez que la automatización ha superado a la augmentación en el uso empresarial. Por ahora, esa proporción sigue subiendo.

¿Quién lo está haciendo ya?

Novo Nordisk tiene un equipo de once personas que construyó un sistema interno llamado NovoScribe. NovoScribe redacta informes de estudios clínicos, documentos que llegan a las trescientas páginas y que antes llevaban a los redactores meses analizar.

Su plataforma los pasa de más de diez semanas a diez minutos. Así, los recursos necesarios para crear protocolos de verificación de dispositivos cayeron un 95 %. El equipo no ha crecido.

Doctolib, la plataforma europea de tecnología sanitaria con noventa millones de pacientes en Francia, Alemania, Italia y los Países Bajos, hizo un piloto con treinta ingenieros y luego desplegó las herramientas en toda la organización de ingeniería. Su plataforma da soporte a trescientos usuarios internos diarios, lo que se traduce en un 40 % más rápido en «shipping» (un término de los desarrolladores para sacar cosas adelante).

L'Oréal construyó una configuración multiagente para que sus equipos regionales en 150 países pudieran preguntar a sus propios datos en inglés llano. El sistema gestiona 2,5 millones de consultas internas al mes con un 99,9 % de precisión en analítica conversacional.

NBIM, el fondo soberano que gestiona los 1,7 billones de dólares de los activos de pensiones de Noruega, devuelve el 20 % de la semana de cada analista.

Los enumero porque cada uno es un grupo pequeño de personas que eligió un problema operativo concreto con coste medible, evaluó las soluciones disponibles contra trabajo real y lo entregó de punta a punta. No ejecutaron una transformación. Ejecutaron un experimento, el experimento funcionó y se convirtió en parte de cómo opera el negocio.

Hay un hallazgo de investigación que explica por qué esto funciona a nivel individual incluso antes de que construyas un equipo alrededor. Un experimento de campo de Harvard Business School con setecientos setenta y seis profesionales de Procter & Gamble probó la asistencia con IA en innovación de producto real.

Los individuos que trabajaban con IA tenían tres veces más probabilidad de producir ideas en el 10 % superior de calidad, evaluado de forma independiente. Una sola persona con IA igualaba la calidad de salida de un equipo de dos personas sin IA. La IA actuaba como un valor añadido de coordinación, rompiendo los silos entre I+D y marketing que las empresas suelen pagar con reuniones.

¿Y qué?

El punto más grande aquí es que el mundo tiene aproximadamente treinta y cinco millones de desarrolladores y muchos cientos de millones de expertos del dominio legítimos. La médica que sabe qué software necesita su cartera de pacientes. El responsable de logística que puede esbozar el algoritmo de rutas en una pizarra. La persona de compliance que sabe exactamente qué casos límite regulatorios no soporta el sistema actual. Todas esas personas han estado, hasta hace poco, bloqueadas para construir nada por lo que él llama la capa de traducción: el hueco entre saber qué debería existir y ser capaz de hacerlo existir como una pieza de software. Esa capa se está hundiendo.

Herramientas como Lovable, Replit y las distintas plataformas potenciadas por Anthropic permiten ahora a los expertos del dominio esbozar un prototipo funcional en una tarde. Lovable alcanzó cuarenta millones de dólares de ingresos recurrentes anuales en seis meses desde su lanzamiento. Antes, la barrera era solo la habilidad. Originalmente era el coste de traducir intención en código que funcionara, lenta y dolorosamente, y la naturaleza de ese coste es, para cualquier definición razonable de razonable, una métrica completamente distinta.

Cuando hablo con equipos directivos sobre lo que esto significa para su negocio, suele caer la ficha en un momento concreto. Cae cuando se sientan junto a uno de los suyos usando bien estas herramientas, o ven de primera mano de qué son capaces.

El trabajo que llevaba dos días lleva dos horas. El compañero del que el operador solía esperar una extracción de datos ya no está en el bucle. Su primera reacción suele ser un pequeño ah sin filtro.

Ese es el momento en que las presentaciones de estrategia dejan de importar y el modelo operativo empieza a moverse.

Aquí tengo una opinión fuerte que no comparte la mayoría de la industria consultora, así que quiero exponerla directamente. La opinión es que este trabajo tiene que ser patrocinado por ti, el director general o consejero delegado, o no funciona. No por ningún principio abstracto sobre liderazgo.

El modo de fallo es así: alguien ve lo que pasa, se emociona y empieza a construir. Puede estar en marketing, en operaciones, en finanzas. Construye algo útil. Se lo enseña a sus compañeros. Los compañeros quedan impresionados y tratan de usarlo. Sus casos de uso son algo distintos y necesitan algo que la persona que lo construyó no puede darles, porque ella no controla los datos, el presupuesto ni el tiempo de la gente que podría ayudar.

El trabajo se atasca. La constructora original se frustra, porque su trabajo es lo que tenía en la mesa antes de empezar a construir, y el trabajo de IA se ha vuelto un proyecto lateral que compite con eso.

O renuncia o se marcha. Los datos de Carta sobre fundadores en solitario muestran que la proporción de nuevas empresas estadounidenses fundadas por una sola persona ha subido de un cuarto a un tercio en los últimos años.

Algunas de esas personas son exactamente los operadores que describo. Se fueron porque su empresa no les respaldó.

Si el trabajo se patrocina desde arriba, nada de eso tiene por qué pasar. El patrocinador no necesita entender la tecnología en detalle. El patrocinador necesita hacer tres cosas, y son cosas que solo puede hacer el equipo directivo.

1. Decidir qué problemas merecen trabajarse, en qué orden.
2. Asignar el presupuesto y a las personas, incluido el pequeño pero real capital político necesario para darles cobertura cuando se active la respuesta inmune.
3. Sostener el tipo en las preguntas de modelo operativo que hay que responder a medida que avanza el trabajo, porque esas preguntas no son de nadie más.

El patrón de integración que se desprende de esto es uno en el que coinciden la mayoría de quienes lideran este tema.

Un pequeño equipo dedicado que funciona como algo parecido a un skunk works (el término de Lockheed Martin). Dale a alguien un mandato claro y la autoridad para entregar un prototipo trabajando con datos acotados, desfasados o anonimizados sin pasar por la cola de aprobaciones de cada departamento.

El cometido es directo. Encuentra los problemas del negocio que son simples pero caros (la conciliación que hace finanzas al cierre de mes, el triaje de tickets que hace un agente de servicio senior porque el equipo junior no enruta bien, la extracción de datos que lleva a un responsable de marketing dos semanas) y entrega herramientas que los resuelvan. Luego, enseña a la gente cuyo trabajo ha cambiado a operar las nuevas herramientas con juicio y a construir su experiencia en hacer y probar pequeños cambios de procedimiento para obtener las respuestas que necesitan antes de entregar el trabajo.

Luego, pasa al siguiente problema.

Aquí quiero mencionar cómo vemos esto en Converly, porque el patrón que describo es el que construimos alrededor de nuestra práctica. Mi consejo, si vas a traer consultoría externa, es ejecutar el AI Audit. Un audit es un recorrido estructurado por tu negocio que saca a la luz los problemas simples pero caros, los ordena por dónde es más alcanzable la captura de valor en el próximo trimestre y produce un informe que el equipo directivo puede aprobar.

Menciono la estructura no para vender el encargo. La menciono porque aún no he encontrado otra forma que sobreviva de forma consistente a la respuesta inmune. La consultoría pura que produce una presentación de estrategia no lo hace (aunque pueden ser muy caras, según el tamaño de la consultora que contrates).

Una contratación interna que entra fría sin patrocinio desde arriba no va a dar estos pasos muy rápido, en mi experiencia, porque abrirse paso entre la política y las objeciones puede ser agotador y desalentador.

Un equipo pequeño con patrocinio desde arriba y un audit que priorice sin piedad puede lograr cosas escuchando, analizando, entendiendo los puntos de dolor del negocio y ejecutando con autonomía. Si prefieres correr esto internamente sin una parte externa, esta es la forma que elegiría.

Por qué la «IA agéntica» es el segundo movimiento, no el primero

Quiero abordar la IA agéntica directamente porque el término hace mucho trabajo en el discurso actual, y la mayor parte de ese trabajo es vender la siguiente ronda de horas de consultoría.

La IA agéntica (sistemas autónomos de varios pasos que toman acciones entre sistemas por su cuenta, con supervisión humana en lugar de dirección humana) es real. Está en producción en cada una de las empresas de los casos que nombré antes. Tampoco es el sitio por el que empezar.

Si te saltas primero los fundamentos aburridos, estás hecho. Lo digo muy en serio. Los sistemas agénticos requieren alfabetización del operador, disciplina de evaluación y una tolerancia a salidas probabilísticas que la organización media aún no tiene. Sin esos fundamentos en sitio en al menos parte del negocio, obtendrás lo que Tom Martin, de Boston Consulting Group, describe (en la contribución de BCG al informe de Anthropic de 2026) como «un añadido a los procesos heredados» en lugar de una transformación real.

La IA agéntica de añadido fracasa. El sistema hace el trabajo en veinte segundos y luego la salida se queda tres días en la bandeja de alguien porque nadie en el equipo sabe cómo evaluarla, firmarla y enrutarla al siguiente paso. Presupuesto gastado, sin resultados.

Lo que el mercado de empleo ya te está diciendo

La prueba más clara de que el patrón que describo es el dominante, y no solo mi visión, está en los datos de contratación. Las presentaciones de estrategia son fáciles de publicar. Las ofertas de empleo cuestan dinero de verdad y reflejan apuestas reales que las empresas hacen con sus presupuestos de plantilla.

YubHub, que gestiono como sitio dentro de nuestra cartera, indexa feeds de empleo de empresas que contratan explícitamente para trabajo de IA. La instantánea actual muestra más de 15.000 ofertas.

Los datos de tendencia son muy reveladores.

Los cargos que más suben en las últimas dos semanas no son «estratega de IA» ni «director de transformación con IA». Son cargos de despliegue. Forward deployed software engineer (ingeniero de software desplegado sobre el terreno) sube 23 desde una base de cero. Deployment strategist (estratega de despliegue) sube 17. AI deployment strategist, principal applied scientist, senior applied scientist, machine learning engineer, todos subiendo.

El gráfico de la página en vivo de YubHub que pregunta «¿Qué trabajos hace ya Claude?» es, en la práctica, el mercado laboral respondiendo a la misma pregunta que plantea este artículo.

Las empresas que se distancian están contratando a gente cuyo trabajo explícito es coger un modelo y ponerlo delante de un problema organizativo real hasta que pase algo útil.

Hay un dato más que merece poner delante de ti, porque va en contra del relato que la mayoría de equipos directivos han escuchado. Whoop, la empresa de wearables, anunció hace poco que contrata a seiscientas personas, casi el doble de su plantilla de ochocientas.

A su consejero delegado, Will Ahmed, le preguntaron públicamente si la empresa elegía inversión en IA frente a plantilla. Su respuesta fue que hacían ambas cosas. Cursor, la herramienta de programación nativa de IA, lanzó una actualización en febrero de 2026 que permite a los desarrolladores ejecutar veinte agentes de IA en paralelo sobre máquinas aisladas en la nube.

Aproximadamente un tercio del propio código de Cursor está ahora escrito por agentes. Su equipo de ingeniería no se ha reducido. Las empresas que más ruido hacen recortando plantilla son, sobre todo, las que se sobredimensionaron durante la época de tipos de interés cero y habrían recortado de todos modos.

Las empresas que contratan son las que saben qué construyen y han descubierto que, cuando comprimes el coste de la ejecución, la demanda de las personas que saben dirigir bien esa ejecución sube, no baja.

Esto tiene un nombre en economía, paradoja de Jevons, y cada ronda previa de mejora de eficiencia se ha desarrollado de forma parecida: el acero más barato construyó rascacielos. La computación más barata construyó internet. El trabajo cognitivo más barato construirá categorías de trabajo que antes no eran económicamente viables.

Por ahora, la mayoría de equipos directivos aún no han leído bien esta señal. Los que lo hagan, en 2026 y 2027, serán los que contraten para la nueva forma de trabajo mientras sus competidores siguen discutiendo sobre plantillas en el consejo.

La ficha suele caer rápido una vez empieza el trabajo. Ahora es el momento de sacar el tiempo.