La respuesta más útil a la pregunta de cuánta IA se debe utilizar en una empresa no es «toda la que sea posible». Es «hasta el punto en que aporte valor sin mermar el criterio, la calidad y la diferenciación».
Esto tiene hoy más importancia de lo que parece. En Italia, la adopción de la inteligencia artificial en las empresas ha pasadodel 8,2 % en 2024 al 16,4 % en 2025, según los datos del Istat publicados por Il Foglio. El hecho de que se haya duplicado en solo un año pone de manifiesto algo muy sencillo: la cuestión ya no es si dar el paso, sino cómo ajustar el nivel.
Como director general de una plataforma de IA para pymes europeas y como investigador que trabaja en la comercialización de los resultados de los modelos lingüísticos, veo cómo se repite el mismo error. Las empresas tratan la IA como si fuera un interruptor. O la ignoran, o intentan automatizarlo todo. Ambas opciones destruyen valor. La primera, porque te deja rezagado. La segunda, porque te inunda de resultados correctos en apariencia, pero débiles en el fondo.
El marco que funciona es más sencillo y más riguroso: utilizar la IA allí donde reduce el trabajo mecánico, y dejar de usarla cuando se requiere responsabilidad, contexto y el toque humano.
La mayoría de las empresas se equivocan, ya sea por exceso o por retraso. La cuestión no es adoptar la IA. La cuestión es encontrar el umbral a partir del cual el rendimiento operativo aumenta menos que el riesgo que se está introduciendo.
Balaji Srinivasan lo ha resumido mejor que nadie: «El 0 % de IA es lento. Pero el 100 % de IA es un desastre». Como director general, así es como lo interpreto. Un uso insuficiente de la IA genera costes innecesarios en la empresa. Un uso excesivo de la IA sustituye el criterio humano por resultados plausibles, pero intercambiables.
La lógica es la de la curva de Laffer aplicada al trabajo del conocimiento. Al principio, cada punto adicional de IA genera un alto rendimiento: menos tiempo perdido en actividades repetitivas, mayor rapidez de ejecución y mayor uniformidad en los procesos. Luego se alcanza un umbral. Más allá de ese umbral, el beneficio marginal disminuye y comienzan a aumentar los costes que muchos directivos tardan en detectar: errores bien disimulados, menor control, responsabilidades más confusas y contenidos todos iguales.
Quedarse a cero no es prudencia. Es optar por pagar a personas cualificadas para que realicen un trabajo que no genera ventaja competitiva.
Ocurre todos los días. El equipo de finanzas recompone archivos manualmente. El equipo comercial reescribe correos electrónicos casi idénticos. El equipo de operaciones traslada datos de un sistema a otro. El equipo de marketing prepara los primeros borradores y las modificaciones de formato a mano. Estas actividades no mejoran la estrategia, no refuerzan el posicionamiento ni aumentan el valor percibido por el cliente. Solo consumen la atención de los directivos y horas de trabajo.
Por eso el mercado está en movimiento. Como se ha señalado al principio, la adopción va en aumento porque la inacción tiene un coste cada vez más evidente, primero en plazos y luego en márgenes.
Sin IA, la ejecución se ralentiza. Con demasiada IA, se estandariza incluso aquello que debería seguir siendo distintivo.
El otro error es más sutil, porque al principio parece una mejora en la eficiencia.
Un informe financiero redactado íntegramente por la IA puede parecer correcto, ordenado e incluso convincente. Pero un director financiero serio no firma un documento solo porque «suene bien». Lo compara con los pedidos, los cobros, las existencias, los retrasos operativos y las excepciones comerciales. Sin este paso, la empresa no está automatizando correctamente. Solo está trasladando el riesgo más adelante en la cadena.
Lo mismo ocurre en ventas y marketing. Un correo electrónico generado al 100 % por la IA puede respetar el tono, la estructura y la gramática. Sin embargo, a menudo carece de ese detalle personal: la referencia a la situación concreta del cliente, a la dinámica de su sector o a la dificultad específica que ha surgido durante la llamada. Es ahí donde se genera la conversión. Y es ahí donde la automatización total empieza a acabar con la diferenciación.
Esto es lo que se conoce como «slop». Material legible, rápido de producir, formalmente aceptable, pero que carece de responsabilidad y de ventaja competitiva. He analizado este riesgo con más detalle aquí: cómo abordan las empresas la IA.
La regla práctica es la siguiente:
La IA no automatiza bien un proceso completo. Automatiza bien la parte central del proceso. Funciona «de centro a centro».
Al principio se necesita una persona que defina el problema, el contexto, las limitaciones y los datos relevantes. Al final se necesita una persona que verifique el resultado, lo ponga en contexto y asuma la responsabilidad del mismo. Entre medias, en cambio, la IA puede reducir horas de trabajo.
Tomemos como ejemplo un análisis comercial. La dirección define la pregunta inicial: qué clientes están perdiendo impulso, qué líneas de negocio crecen y dónde se está reduciendo el margen. La IA agrega datos, depura tablas, señala patrones y elabora el informe. A continuación, un experto revisa el resultado y decide si ese patrón es una verdadera anomalía o un ruido temporal.
El mismo esquema se aplica al servicio de atención al cliente, las finanzas, las operaciones y el marketing. La IA es eficaz en tareas de transformación, clasificación, síntesis, adaptación de formatos y elaboración de borradores. Sin embargo, por sí sola, no es adecuada para establecer prioridades empresariales ni para asumir el riesgo de la decisión final.
Muchos empresarios se fijan en las API o en las licencias. Es una parte del coste, pero rara vez es el factor decisivo. El verdadero coste reside en las horas de trabajo cualificado que se necesitan para dar instrucciones adecuadas y para verificar los resultados.
Aquí entra en juego un dato que suelo compartir con los equipos. Solo el 10 % del valor de la IA proviene de los algoritmos, el 20 % de los datos y el 70 % de las personas, los procesos y la cultura empresarial, tal y como resume Archimedia en su guía práctica. Si no se gestionan bien la organización, la gobernanza y las responsabilidades, se puede tener el mejor modelo y, aun así, obtener pocos resultados.
Regla de gestión: la IA no elimina la necesidad de contar con competencia. La traslada de la ejecución mecánica a la capacidad de juzgar adecuadamente.
Por eso, las empresas que intentan «sustituir a las personas» suelen llevarse una decepción. En cambio, aquellas que rediseñan las funciones obtienen mejores resultados. Menos tiempo dedicado a la producción manual. Más tiempo dedicado a la verificación, la interpretación y la toma de decisiones.
Tres implicaciones prácticas:
La forma más rápida de equivocarse en la adopción es considerar los límites de la IA como problemas temporales. Muchos de ellos no lo son. Son límites estructurales que sirven precisamente para decidir dónde detenerse.
Primera limitación: la económica. La IA a gran escala no es gratuita. Cada llamada, flujo de trabajo, orquestación, integración y control supone un coste adicional. Si la tarea tiene poco valor o requiere demasiados pasos de revisión, la automatización puede empeorar los resultados económicos en lugar de mejorarlos.
Segunda limitación, de carácter matemático. La IA no resuelve por arte de magia los problemas en los que el sistema es inestable, caótico o difícil de observar. Un modelo puede ayudar a interpretar señales, pero no puede convertir la incertidumbre radical en certeza.
Tercera limitación, de carácter práctico. Aunque el modelo sea bueno, la tarea completa no se puede automatizar por completo. Alguien tiene que formular el problema y alguien tiene que comprobar la respuesta.
Cuarto límite: el físico. La IA no está presente en tu planta, no visita al cliente, no percibe la tensión en una negociación, no ve una máquina que vibra de forma anómala si nadie se lo indica en los datos.
Si el proceso requiere un contexto implícito, una percepción directa o una gran responsabilidad jurídica, la IA debe actuar como asistente, no como piloto.
El cuello de botella más subestimado es la competencia interna. En Italia, el 68 % de las empresas con menos de 50 empleados considera que la falta de competencias internas es el principal obstáculo para la adopción de la IA, y se necesitan una media de entre 4 y 6 semanas de formación para poder utilizarla de forma autónoma, según este análisis sobre el uso de la IA, los datos, las competencias y la formación.
Este dato es más importante que muchas demostraciones espectaculares. Si nadie en la empresa sabe controlar un resultado, la automatización no supone una ventaja. Es un riesgo operativo.
Para un directivo, la pregunta correcta no es «¿la IA es capaz de hacerlo?». Es esta:
Si alguna de estas respuestas es «no», aumenta la cuota humana.
El problema estratégico más sutil no es el error garrafal. Es la convergencia hacia la mediocridad de buena calidad. A este efecto lo denomino «B+ Trap».
Los principales modelos generativos producen cada vez con más frecuencia resultados «suficientemente buenos». Textos claros. Resúmenes legibles. Análisis ordenados. Estructuras correctas. Pero cuando todo el mundo utiliza los mismos modelos, los mismos patrones de prompts y los mismos flujos, el resultado tiende a converger.
Para muchas empresas, esto pasa desapercibido al principio. Ven la rapidez y la calidad aparente. No ven la pérdida de voz, de distinción ni de ventaja competitiva. En marketing, esto se traduce en contenidos intercambiables. En el análisis, se traduce en conocimientos que cualquiera puede obtener. En estrategia, se traduce en decisiones basadas en una inteligencia de mercado media, y no en tu ventaja competitiva exclusiva.
La empresa que deja el trabajo estándar en manos de la IA y luego incorpora la experiencia interna, el contexto del sector, los datos propios y el criterio directivo consigue un resultado diferente. No necesariamente más largo ni más complejo. Más útil.
Por eso la IA al 100 % es un callejón sin salida desde el punto de vista competitivo. No porque la IA sea deficiente, sino porque, si dejas que lo genere todo sin intervención humana, obtienes resultados cada vez más similares a los de todos los demás. Lo que genera margen es el elemento que no es un producto básico.
Para quienes deseen profundizar en este punto de vista desde una perspectiva de investigación, les recomiendo las publicaciones sobre análisis basados en IA.
La ventaja en 2026 no es tener acceso a la IA. Es saber dónde detener la automatización y añadir tu propia capa personalizada.
Cuando un empresario me pregunta cuánta IA debe utilizar en su empresa, parto de dos variables. No de la herramienta.
Lo primero es la naturaleza de la tarea. ¿Es mecánica, analítica o de toma de decisiones?
La segunda es el coste del error. Si el resultado es incorrecto, ¿pierdes unos minutos, un cliente, margen o credibilidad?
Este enfoque tiene sentido también por una razón muy concreta. El impacto más inmediato de la IA generativa se aprecia en la automatización de tareas repetitivas, como la gestión del correo electrónico y la elaboración de informes estándar, lo que libera recursos humanos para tareas de mayor valor, tal y como destaca Huware en su análisis sobre la productividad empresarial.
| Tipo de tarea | Bajo coste del error | Coste medio del error | Alto coste del error |
|---|---|---|---|
| Mecánico y repetitivo | Casi un 90 % de IA. Formateo de datos, programación, etiquetado y distribución de contenidos. | Alrededor del 70 % de IA. Automatización avanzada con control final. | Alrededor del 50 % de IA. La IA lo prepara y el humano lo revisa línea por línea. |
| Analítico e interpretativo | Alrededor del 70 % de IA. La IA detecta patrones y el ser humano los confirma. | Alrededor del 50 % de IA. Buen equilibrio para los informes de gestión. | Alrededor del 40 % de IA. Se necesita una revisión sistemática por parte de expertos. |
| Decisivo y estratégico | Alrededor del 40 % de IA. Compatibilidad con escenarios y opciones. | Alrededor del 30 % de IA. La IA ayuda, pero no toma decisiones. | Cerca del 30 % de IA. Fijación de precios, estrategia, contrataciones, comunicaciones delicadas. |
Estos porcentajes no son una ley natural. Son un punto de partida operativo. Sirven para evitar dos errores clásicos: automatizar demasiado pronto procesos de alto riesgo, o dejar manuales procesos que ya deberían estar automatizados.
En la práctica, conviene revisar el nivel de automatización con regularidad. Las métricas más útiles son sencillas.
Si quieres formalizar este paso, conviene reflexionar sobre cómo evaluar el retorno de la inversión en IA antes de ampliar su implantación a toda la empresa.
Puntos clave
La mejor forma de entender este marco es verlo aplicado sin teorías superfluas. Internamente, el proceso no partió de un proyecto abstracto sobre el «nivel de IA». Partió de una regla sencilla: automatizar solo allí donde el coste de un error no detectado sea bajo, manteniendo el control humano allí donde el coste del error sea alto.
El ejemplo más claro es el proceso editorial. El primer intento fue sencillo: automatizarlo todo, desde el borrador inicial hasta la distribución en los canales, incluyendo los ajustes de formato, las imágenes y la programación. Funcionaba. Pero el resultado era, en general, correcto.
El tono estaba ahí. El formato también. Lo que faltaba era aquello que un lector experto percibe de inmediato: el enfoque específico, la opinión, el punto de vista.
El ajuste se logró reintroduciendo la intervención humana en solo dos puntos: la revisión del mensaje clave y la selección del ángulo para cada plataforma. La IA siguió encargándose de la adaptación del formato, la producción de los materiales creativos y la publicación. De este modo, el proceso pasó de tres horas a unos 30 minutos de trabajo humano por ciclo, con un equilibrio final de aproximadamente un 80 % de IA y un 20 % de intervención humana.
El punto óptimo no es aquel en el que la IA es capaz de hacerlo todo. Es aquel en el que el equipo deja de corregir en exceso y el resultado sigue siendo creíble.
El método utilizado para lograrlo se puede aplicar en cualquier pyme.
Las métricas internas que se analizan son tres: la tasa de intervenciones correctivas, el tiempo total de principio a fin y la calidad percibida por el usuario final. Cuando alguna de ellas empeora, hay que volver atrás.
Este enfoque también refleja bien una filosofía de producto que considero acertada: la IA debería sustituir el trabajo del analista cuando este es repetitivo y estructurado, no el criterio empresarial. En otras palabras, está diseñada para sustituir a tu analista, no a tu criterio.
La ventaja competitiva no se consigue utilizando más IA. Se consigue sabiendo establecer un límite antes de que la automatización empiece a mermar los márgenes, la confianza y la singularidad del trabajo.
Por eso, la pregunta correcta no es si adoptarla, sino cuánta IA utilizar en la empresa en cada proceso relevante. La curva de Laffer de la IA sirve precisamente para eso: encontrar el punto en el que la automatización aumenta la productividad y la velocidad sin empujar al equipo a la trampa del «B+», es decir, resultados lo suficientemente buenos como para pasar, pero demasiado genéricos como para diferenciar a la empresa.
En la práctica, la IA debe utilizarse cuando permite ahorrar tiempo, reduce el trabajo repetitivo y mantiene bajos los costes de verificación. Debe dejarse de lado cuando un error tiene más peso que el tiempo ahorrado, cuando el contexto es más importante que el formato y cuando la decisión tiene implicaciones comerciales o para la reputación.
Aquí es donde se aprecia la madurez directiva.
En el próximo ciclo competitivo, ganarán aquellas empresas que sepan establecer unos límites claros para la IA. No las que la aplican en todo, sino las que mantienen el criterio humano y automatizan el resto con disciplina.
Si quieres aplicar este enfoque con una plataforma que automatice el análisis sin que pierdas el control sobre la toma de decisiones, descubre ELECTE, una plataforma de análisis de datos basada en IA para pymes. Podrás ver cómo convierte los datos brutos en información útil, informes automáticos y señales que te ayudarán a tomar decisiones más rápidamente, sin depender al 100 % de la IA. ¿Listo para actuar en función de tus datos? Empieza tu prueba gratuita →
.svg)
.svg)
.svg)
