La inte­li­gen­cia arti­fi­cial avan­za en las empre­sas a una velo­ci­dad supe­rior a la capa­ci­dad de muchas orga­ni­za­cio­nes para gober­nar­la. Esta tec­no­lo­gía ya ha entra­do en el día a día de los equi­pos, pero su adop­ción ace­le­ra­da está dejan­do al des­cu­bier­to una bre­cha cada vez más evi­den­te. Y es que muchas com­pa­ñías prue­ban la IA, pero pocas con­si­guen esca­lar­la, medir su retorno o con­tro­lar ade­cua­da­men­te sus ries­gos.

Según los datos ana­li­za­dos por h&k, el 88% de las orga­ni­za­cio­nes uti­li­za IA en al menos una fun­ción, pero solo el 33% ha comen­za­do a esca­lar sus pilo­tos a pro­duc­ción. Al mis­mo tiem­po, el 79% no cuen­ta con un mode­lo madu­ro de gober­nan­za para IA, solo el 25% de las ini­cia­ti­vas entre­ga el retorno espe­ra­do, y ape­nas el 20% de las empre­sas uti­li­za estas herra­mien­tas para incre­men­tar los ingre­sos. Para la con­sul­to­ra tec­no­ló­gi­ca, estos datos mues­tran que el ver­da­de­ro reto ya no está en acce­der a la IA, sino con­ver­tir­la en una capa­ci­dad gober­na­da, segu­ra y conec­ta­da con el nego­cio.

“La IA está lle­gan­do a las pymes antes que sus mode­los de con­trol. Muchas orga­ni­za­cio­nes han empe­za­do por pro­bar herra­mien­tas, pero toda­vía no han defi­ni­do quién las gobier­na, qué datos uti­li­zan, qué ries­gos asu­men o cómo van a medir su impac­to. El ries­go no está en usar IA, sino en esca­lar­la sin una estra­te­gia cla­ra”, seña­la Javier Teja­da, copre­si­den­te y res­pon­sa­ble de tec­no­lo­gía de h&k.

Diez lec­cio­nes cla­ve

Ante este esce­na­rio, h&k ha iden­ti­fi­ca­do diez lec­cio­nes cla­ve para ayu­dar a las pymes a apli­car la IA de for­ma res­pon­sa­ble, sos­te­ni­ble y ali­nea­da con las nue­vas exi­gen­cias regu­la­to­rias euro­peas.

1. El acce­so no garan­ti­za la adop­ción. Dis­po­ner de licen­cias o for­mar a los equi­pos de mane­ra pun­tual no ase­gu­ra un uso real. El 60% de quie­nes tie­nen acce­so a IA la uti­li­za a dia­rio, pero solo el 36% se sien­te bien for­ma­do. Esta dife­ren­cia demues­tra que el pro­ble­ma no es solo tec­no­ló­gi­co, sino orga­ni­za­ti­vo. La adop­ción debe medir­se por el cam­bio de hábi­tos, el uso acti­vo y la inte­gra­ción de la IA en las tareas reales de cada per­fil.
2. El cue­llo de bote­lla está en pasar del pilo­to a pro­duc­ción. Muchas empre­sas ya han pro­ba­do la IA, pero no con­si­guen lle­var esos pro­yec­tos al fun­cio­na­mien­to ordi­na­rio del nego­cio. Solo el 33% ha comen­za­do a esca­lar a pro­duc­ción y el 74% reco­no­ce difi­cul­ta­des para gene­rar valor más allá de los pilo­tos. h&k advier­te que lan­zar prue­bas sin cri­te­rios de éxi­to ni datos aumen­ta el ries­go de acu­mu­lar pro­yec­tos que nun­ca salen del labo­ra­to­rio.
3. La IA se está usan­do más para aho­rrar que para cre­cer. El 66% de las orga­ni­za­cio­nes uti­li­za IA para mejo­rar su pro­duc­ti­vi­dad y el 40% para redu­cir cos­tes, pero solo el 20% la apli­ca con el obje­ti­vo de incre­men­tar ingre­sos. Sin duda, esta ten­den­cia limi­ta su poten­cial estra­té­gi­co. La efi­cien­cia pue­de ser un buen pun­to de par­ti­da, pero la ven­ta­ja com­pe­ti­ti­va lle­ga­rá cuan­do la IA se conec­te con pro­ce­sos de cre­ci­mien­to.
4. Auto­ma­ti­zar pro­ce­sos mal dise­ña­dos no resuel­ve el pro­ble­ma. Uno de los erro­res más habi­tua­les es apli­car IA sobre pro­ce­sos que ya eran inefi­cien­tes. Según h&k, aña­dir inte­li­gen­cia arti­fi­cial a work­flows poco cla­ros, redun­dan­tes o mal docu­men­ta­dos gene­ra un valor limi­ta­do. Antes de auto­ma­ti­zar, las empre­sas deben revi­sar sus pro­ce­sos, orde­nar res­pon­sa­bi­li­da­des, pre­pa­rar los datos y redi­se­ñar los flu­jos de tra­ba­jo en los que la IA pue­de apor­tar valor real.
5. La gober­nan­za lle­ga tar­de, espe­cial­men­te con los agen­tes de IA. El 79% de las orga­ni­za­cio­nes no dis­po­ne de un mode­lo madu­ro de gober­nan­za para IA. Esta fal­ta de con­trol se vuel­ve más crí­ti­ca con la apa­ri­ción de agen­tes capa­ces de eje­cu­tar accio­nes, tomar deci­sio­nes o conec­tar­se con sis­te­mas cor­po­ra­ti­vos. h&k reco­mien­da esta­ble­cer des­de el ini­cio un comi­té de IA, super­vi­sión huma­na y cri­te­rios cla­ros sobre qué pue­de hacer cada solu­ción.
6. Muchas empre­sas no saben medir el retorno. Solo el 25% de las ini­cia­ti­vas de IA entre­ga el ROI espe­ra­do y ape­nas el 6% con­si­gue un impac­to EBIT (Ear­nings Befo­re Inter­est and Taxes) igual o supe­rior al 5%. Par­te del pro­ble­ma está en medir acti­vi­dad en lugar de resul­ta­dos. No bas­ta con saber cuán­tas per­so­nas usan una herra­mien­ta o cuán­tos pilo­tos se han lan­za­do, sino que hay que medir el aho­rro real, los ingre­sos incre­men­ta­les, la reduc­ción de tiem­pos o los cam­bios en la pro­duc­ti­vi­dad.
7. La dis­per­sión de casos de uso pue­de fre­nar la trans­for­ma­ción. La pre­sión por “hacer algo con IA” está lle­van­do a muchas empre­sas a acu­mu­lar dece­nas de ideas sin prio­ri­za­ción cla­ra. h&k reco­mien­da evi­tar lis­tas inter­mi­na­bles de pilo­tos y empe­zar por menos de 15 casos de alto valor, con impul­so direc­ti­vo, via­bi­li­dad téc­ni­ca y métri­cas con­cre­tas. Y es que el exce­so de pilo­tos con­su­me más recur­sos de los que libe­ra.
8. Un chat­bot no es un agen­te autó­no­mo. El 62% de las orga­ni­za­cio­nes expe­ri­men­ta con agen­tes de IA, pero solo el 23% con­si­gue esca­lar­los. Ade­más, solo el 10% de las orga­ni­za­cio­nes con IA agén­ti­ca repor­ta un ROI sig­ni­fi­ca­ti­vo. El sal­to de un chat­bot a un agen­te autó­no­mo es mucho mayor de lo que pare­ce, pues exi­ge datos lim­pios, APIs gober­na­das, pro­ce­sos estan­da­ri­za­dos, lími­tes de ries­go y regis­tro exhaus­ti­vo de deci­sio­nes.
9. El reto labo­ral no es solo sus­ti­tuir, sino recua­li­fi­car. El 31% de la fuer­za labo­ral nece­si­ta­rá recua­li­fi­ca­ción en los pró­xi­mos tres años. Por tan­to, plan­tear la IA solo como una vía para redu­cir plan­ti­lla pue­de gene­rar recha­zo, incer­ti­dum­bre y mala adop­ción. La cla­ve está en for­mar a los equi­pos, redi­se­ñar fun­cio­nes y mover talen­to hacia acti­vi­da­des de mayor valor.
10. La IA exi­ge inver­sión sos­te­ni­da, no impul­sos ais­la­dos. El 91% de las empre­sas pre­vé aumen­tar su inver­sión en IA en 2026, pese a que muchas toda­vía no han obte­ni­do el retorno espe­ra­do. Para h&k, esta apa­ren­te con­tra­dic­ción refle­ja que la IA debe enten­der­se como una trans­for­ma­ción de medio pla­zo que com­bi­ne pri­me­ros resul­ta­dos visi­bles con pro­yec­tos trans­for­ma­do­res.

A par­tir de estas lec­cio­nes, h&k resu­me en cua­tro las deci­sio­nes que sepa­ran a las orga­ni­za­cio­nes líde­res del res­to:

1. Ambi­ción para tra­tar la IA como una trans­for­ma­ción empre­sa­rial.
2. Enfo­que para prio­ri­zar menos casos, pero mejor eje­cu­ta­dos.
3. Dis­ci­pli­na para implan­tar gobierno, KPIs y revi­sio­nes perió­di­cas.
4. For­ma­ción del per­so­nal para acom­pa­ñar la adop­ción con for­ma­ción, recua­li­fi­ca­ción y redi­se­ño de roles.

En este sen­ti­do, la com­pa­ñía defien­de que la inte­li­gen­cia arti­fi­cial solo gene­ra valor cuan­do se inte­gra en la estra­te­gia cor­po­ra­ti­va, se conec­ta con los pro­ce­sos cla­ve y cuen­ta con un mode­lo de gobierno que garan­ti­ce segu­ri­dad, esca­la­bi­li­dad e impac­to real en el nego­cio. Para ello, h&k pro­po­ne tra­ba­jar a par­tir de un Plan Direc­tor de IA que ayu­de a defi­nir qué casos de uso prio­ri­zar, qué habi­li­ta­do­res cons­truir pri­me­ro y cómo esca­lar la tec­no­lo­gía de for­ma orde­na­da.

Como pri­mer paso, h&k ha pues­to a dis­po­si­ción de las empre­sas su Guía de Auto­diag­nós­ti­co IA, un recur­so dise­ña­do para ayu­dar a las orga­ni­za­cio­nes a iden­ti­fi­car en qué pun­to se encuen­tran, qué barre­ras están blo­quean­do sus ini­cia­ti­vas y cuál debe­ría ser el siguien­te paso para apli­car la inte­li­gen­cia arti­fi­cial con impac­to real. La Guía de Auto­diag­nós­ti­co IA se pue­de des­car­gar del sitio web de h&k.