Hay dos formas de acercarse a la inteligencia artificial desde una empresa. La primera es esperar a entenderla del todo antes de hacer nada, lo que en la práctica equivale a no hacer nada. La segunda es empezar a explorar lo que ya existe, lo que ya funciona y lo que ya está al alcance de cualquier organización, con independencia de su tamaño o sector. La brecha entre ambas actitudes se está convirtiendo, silenciosamente, en una brecha de competitividad.
"Veo muchísimas oportunidades que se están perdiendo por desconocimiento o incertidumbre", resumió Miguel Ángel Durán, conocido como Midudev, uno de los divulgadores de tecnología e IA más influyentes en España, en una intervención que encadenó demostraciones en directo con herramientas que ya están disponibles, funcionan y en muchos casos son gratuitas.
La pregunta no es si la IA va a transformar tu empresa. Ya lo está haciendo en las que se han puesto en marcha. La pregunta real es cuánto tiempo queda antes de que la diferencia entre las que se han movido y las que no sea irreversible.
Lo que ya puedes hacer hoy
El catálogo de lo que la IA permite hacer ahora mismo en una empresa es más amplio de lo que la mayoría imagina, y más accesible de lo que muchos directivos suponen.
Generación automática de informes y documentación. Herramientas como NotebookLM permiten convertir cualquier documento —un informe técnico, un dossier comercial, un manual de procesos— en recursos visuales, mapas mentales, guías estructuradas o incluso podcasts explicativos. Lo que antes requería horas de síntesis se convierte en minutos de revisión.
Análisis y organización de datos. Los modelos de lenguaje actuales pueden procesar grandes volúmenes de información no estructurada, identificar patrones, detectar anomalías y generar resúmenes ejecutivos. Sin necesidad de conocimientos técnicos avanzados.
Automatización de flujos de trabajo repetitivos. Desde la clasificación de correos y documentos hasta la generación de borradores de contratos, propuestas o respuestas a clientes. Tareas que consumen tiempo sin generar valor diferencial son exactamente donde la IA tiene más impacto inmediato.
Revisión de código y detección de vulnerabilidades. Para empresas con equipos de desarrollo, los asistentes de programación basados en IA ya son una realidad cotidiana. "El código no va a desaparecer, pero sí va a cambiar la forma de programar. Cada vez vamos a hablar más con las máquinas en lenguaje natural", explicó Midudev.
Soporte y atención al cliente. Asistentes capaces de responder consultas frecuentes, escalar incidencias o guiar procesos de onboarding con un nivel de precisión y disponibilidad que ningún equipo humano puede replicar a ese coste.
Lo que la IA todavía no puede hacer
Aquí es donde la conversación se vuelve más interesante, y más útil. Porque el entusiasmo tecnológico tiene un coste cuando se traduce en expectativas que la realidad todavía no cumple.
"La IA debe verse como un asistente, no como quien toma decisiones críticas que afectan al negocio", defendió Juan Luis Carús, director de Innovación de TSK, en una mesa redonda que reunió a directivos de empresas industriales con experiencia real en la implementación de estas tecnologías. Carús insistió en la necesidad de ser conscientes de los riesgos asociados y de evitar una dependencia ciega en procesos estratégicos.
La contextualización sigue siendo humana. La IA procesa información, pero no entiende el contexto de negocio, las relaciones de confianza, la historia de una empresa o las implicaciones no explícitas de una decisión. Un modelo puede generar un análisis de mercado en segundos, pero no puede saber qué matices importan en una negociación concreta con un cliente específico.
La planificación a largo plazo tampoco es su fuerte. "Antes hacíamos planificaciones a cinco años; hoy eso prácticamente ya no existe", reconoció Ricardo Rodríguez, director general de Asturfeito, que explicó cómo su empresa trabaja con análisis continuos de riesgos para adaptar decisiones sobre la marcha. La IA puede alimentar ese análisis, pero no puede sustituir el juicio sobre cuándo y cómo actuar.
Y la ciberseguridad tiene una paradoja incómoda: cuanto más IA integras, más superficie de ataque generas. "Todos somos vulnerables", advirtió Yerai Fernández, coordinador de I+D+i de Windar Renovables, alertando especialmente de los riesgos dentro de cadenas de suministro y entornos industriales complejos. "Cuanto más digitalicemos, más problemas aparecerán", añadió Rodríguez.
Las tecnologías que nadie menciona pero que lo hacen posible todo
Uno de los momentos más reveladores de la conversación llegó cuando la mesa abordó qué tecnologías están sobrevaloradas y cuáles infravaloradas. La respuesta de Carús fue directa: "La IA parece que va a venir a quitarnos el trabajo a todos, y eso está sobrevalorado. Pero hay tecnologías infravaloradas que son fundamentales para que la IA funcione de verdad: la sensórica, el IoT, el almacenamiento de datos o la capacidad de estructurar bien la información."
Es un punto que se pasa por alto constantemente en el debate público sobre inteligencia artificial. Los modelos de lenguaje y las herramientas generativas acaparan los titulares, pero dependen de datos limpios, bien estructurados y accesibles. Una empresa que no ha resuelto su arquitectura de datos, que no tiene sensores fiables en sus procesos o que no gestiona bien su información interna no va a sacar partido real de la IA, por mucho que contrate las mejores herramientas del mercado.
Construir esa base no es glamuroso. No genera titulares. Pero es lo que separa a las empresas que van a escalar sus proyectos de IA de las que van a seguir acumulando pilotos sin retorno.
El punto de partida: estrategia antes que herramienta
Adrián Nicieza, conocido como @Edrian.exe y coordinador tecnológico en ArcelorMittal, lo sintetizó con una frase que resume bien el estado actual del mercado: "Tenemos que recordar que somos humanos usando la IA, y no al revés."
La advertencia es pertinente en un momento en que muchos proyectos empresariales vinculados a la IA no están generando retorno real, en gran medida porque las herramientas se implantan sin estrategia clara o directamente no llegan a utilizarse. Identificar primero qué tareas pueden automatizarse, qué procesos deben seguir protegidos por el criterio humano y qué datos necesitan estructurarse antes de añadir cualquier capa de inteligencia artificial: ese es el orden correcto.
No es una cuestión de esperar. Es una cuestión de empezar bien.
