La verdadera brecha de la IA no es tecnológica
La productividad individual no se traduce automáticamente en productividad organizacional: solo se convierte en ventaja competitiva cuando el conocimiento que genera una persona se documenta, se comparte y modifica la forma en que trabaja todo el equipo.
Las opiniones expresadas por los colaboradores de Entrepreneur son personales.
Conclusiones Clave
- Adoptar inteligencia artificial no es lo mismo que transformarse con ella.
- Mientras 80% de los profesionales reporta mejoras individuales de productividad, solo 37% ve ese impacto reflejado en el EBIT de su organización.
- La verdadera brecha no está en la tecnología, sino en la capacidad de las empresas para convertir la productividad personal en mejores decisiones colectivas.
Hay algo que me inquieta de la conversación que estamos teniendo sobre inteligencia artificial (IA) dentro de las empresas. Hemos dedicado mucho tiempo a discutir qué herramientas adoptar, qué procesos automatizar y cuánto podemos ganar en productividad, pero bastante menos a preguntarnos qué debería pasar con las personas cuando esa productividad finalmente aparece.
Si alguien consigue hacer en 20 minutos lo que antes le tomaba dos horas, existe una eficiencia evidente; la pregunta que realmente me interesa es qué hace esa persona con la capacidad que acaba de recuperar y, más importante todavía, qué hace la organización con ella.
Esta discusión empieza a ser relevante en toda la industria porque, conforme la IA se incorpora a más procesos, corremos el riesgo de confundir adopción con transformación. Utilizar más herramientas o desplegar más casos de uso no necesariamente significa construir mejores organizaciones. El cambio comienza cuando la tecnología permite que las personas aprovechen mejor su conocimiento, enfrenten problemas de mayor complejidad y eleven la calidad de sus decisiones. Si únicamente conseguimos hacer más rápido lo mismo que hacíamos antes, habremos ganado eficiencia, pero difícilmente podremos hablar de una transformación.
Durante décadas entendimos la tecnología como una forma de ampliar nuestra capacidad operativa mediante la digitalización y la automatización. Con la IA esa lógica empieza a cambiar, porque su impacto puede ir más allá de hacer eficiente una tarea y de extender las capacidades de quien la realiza. Sin embargo, ahí aparece una paradoja: podemos tener personas mucho más productivas sin que eso se traduzca necesariamente en organizaciones más productivas.
The State of AI 2026, de McKinsey, refleja precisamente esa distancia: 80% de los encuestados observa mejoras en su productividad individual a partir del uso de IA, mientras que solo 37% identifica un impacto positivo en el EBIT de su organización. La pregunta, entonces, es qué falta para convertir esa productividad individual en capacidad para la empresa.
Relacionado: La IA no está haciendo más productivas a las empresas: está revelando qué procesos están rotos
El valor de la especialización en tiempos de IA
En la industria financiera esta discusión adquiere una dimensión particular porque buena parte de nuestro negocio consiste en transformar información en decisiones. Evaluamos riesgos, otorgamos crédito, identificamos posibles fraudes y buscamos oportunidades de crecimiento a partir de enormes volúmenes de datos, por lo que acceder a mayor contexto y analizarlo con más profundidad puede cambiar de manera importante nuestra forma de trabajar. Al mismo tiempo, mientras más fácil se vuelve obtener una respuesta, más relevante se vuelve el criterio de quien la recibe. La velocidad no garantiza precisión y mucho menos una buena decisión; en un entorno donde producir y procesar información será cada vez menos costoso, saber interpretarla y reconocer cuándo debemos cuestionarla puede convertirse en una capacidad mucho más valiosa.
Esto inevitablemente nos obliga a revisar la manera en que pensamos el talento. Durante años construimos equipos alrededor de conocimientos especializados y funciones relativamente delimitadas, pero la IA empieza a flexibilizar esas fronteras al permitir que una persona aborde problemas que antes estaban fuera de su ámbito inmediato o profundice en un análisis con mayor autonomía. No significa que la especialización pierda valor, sino que las capacidades de cada persona pueden extenderse y, si esto ocurre a escala, tendremos que preguntarnos si nuestras estructuras están evolucionando al mismo ritmo que nuestra gente.
Por eso también resulta insuficiente medir la adopción únicamente por número de licencias, usuarios activos u horas ahorradas. Esos indicadores muestran cuánto utilizamos una tecnología, pero dicen poco sobre la capacidad que estamos construyendo. Una señal más relevante sería observar si las personas están tomando mejores decisiones, resolviendo problemas que antes necesitaban escalar y convirtiendo aprendizajes individuales en nuevas formas de trabajar. Cuando ese conocimiento empieza a modificar procesos y criterios más allá de quien lo descubrió, la IA deja de ser una herramienta de productividad personal y empieza a convertirse en una capacidad de la organización.
Para quienes ocupamos posiciones de liderazgo, ahí está probablemente el desafío más importante. Esta transformación no puede delegarse por completo al área de tecnología, pero tampoco puede imponerse desde la dirección mediante una política de adopción. En servicios financieros necesitaremos infraestructura, controles y límites claros para utilizar IA de manera responsable, pero el verdadero cambio ocurrirá cuando los equipos comiencen a cuestionar cómo trabajan y encuentren nuevas maneras de resolver los problemas que conocen de primera mano. Nuestra responsabilidad será crear las condiciones para que ese aprendizaje suceda y evitar que permanezca aislado.
Quizá hemos puesto demasiada atención en lo que los modelos serán capaces de hacer y todavía muy poca en lo que las personas serán capaces de hacer con ellos. La tecnología seguirá evolucionando y muchas de las funciones que hoy nos sorprenden terminarán incorporadas de forma casi imperceptible a las herramientas que utilizamos todos los días. Cuando prácticamente todas las organizaciones tengan acceso a capacidades tecnológicas similares, la ventaja difícilmente estará en la herramienta; estará en qué tan rápido puedan convertirla en conocimiento, criterio y mejores decisiones.
Una organización que aprende de manera continua y consigue que ese conocimiento circule será mucho más difícil de replicar que cualquier tecnología.
Ahí está, desde mi perspectiva, la verdadera oportunidad y también una de las principales responsabilidades que tendremos quienes dirigimos empresas en los próximos años. La inteligencia artificial podrá hacer que prácticamente cualquier organización trabaje más rápido; la verdadera brecha estará entre aquellas que simplemente acumulen eficiencia y las que sean capaces de convertirla en mejores decisiones, nuevas capacidades y, finalmente, mejores empresas.
Relacionado:La economía de los agentes de IA ya comenzó, aunque pocas empresas lo hayan notado
Conclusiones Clave
- Adoptar inteligencia artificial no es lo mismo que transformarse con ella.
- Mientras 80% de los profesionales reporta mejoras individuales de productividad, solo 37% ve ese impacto reflejado en el EBIT de su organización.
- La verdadera brecha no está en la tecnología, sino en la capacidad de las empresas para convertir la productividad personal en mejores decisiones colectivas.
Hay algo que me inquieta de la conversación que estamos teniendo sobre inteligencia artificial (IA) dentro de las empresas. Hemos dedicado mucho tiempo a discutir qué herramientas adoptar, qué procesos automatizar y cuánto podemos ganar en productividad, pero bastante menos a preguntarnos qué debería pasar con las personas cuando esa productividad finalmente aparece.
Si alguien consigue hacer en 20 minutos lo que antes le tomaba dos horas, existe una eficiencia evidente; la pregunta que realmente me interesa es qué hace esa persona con la capacidad que acaba de recuperar y, más importante todavía, qué hace la organización con ella.
Esta discusión empieza a ser relevante en toda la industria porque, conforme la IA se incorpora a más procesos, corremos el riesgo de confundir adopción con transformación. Utilizar más herramientas o desplegar más casos de uso no necesariamente significa construir mejores organizaciones. El cambio comienza cuando la tecnología permite que las personas aprovechen mejor su conocimiento, enfrenten problemas de mayor complejidad y eleven la calidad de sus decisiones. Si únicamente conseguimos hacer más rápido lo mismo que hacíamos antes, habremos ganado eficiencia, pero difícilmente podremos hablar de una transformación.
Durante décadas entendimos la tecnología como una forma de ampliar nuestra capacidad operativa mediante la digitalización y la automatización. Con la IA esa lógica empieza a cambiar, porque su impacto puede ir más allá de hacer eficiente una tarea y de extender las capacidades de quien la realiza. Sin embargo, ahí aparece una paradoja: podemos tener personas mucho más productivas sin que eso se traduzca necesariamente en organizaciones más productivas.
The State of AI 2026, de McKinsey, refleja precisamente esa distancia: 80% de los encuestados observa mejoras en su productividad individual a partir del uso de IA, mientras que solo 37% identifica un impacto positivo en el EBIT de su organización. La pregunta, entonces, es qué falta para convertir esa productividad individual en capacidad para la empresa.
Relacionado: La IA no está haciendo más productivas a las empresas: está revelando qué procesos están rotos
El valor de la especialización en tiempos de IA
En la industria financiera esta discusión adquiere una dimensión particular porque buena parte de nuestro negocio consiste en transformar información en decisiones. Evaluamos riesgos, otorgamos crédito, identificamos posibles fraudes y buscamos oportunidades de crecimiento a partir de enormes volúmenes de datos, por lo que acceder a mayor contexto y analizarlo con más profundidad puede cambiar de manera importante nuestra forma de trabajar. Al mismo tiempo, mientras más fácil se vuelve obtener una respuesta, más relevante se vuelve el criterio de quien la recibe. La velocidad no garantiza precisión y mucho menos una buena decisión; en un entorno donde producir y procesar información será cada vez menos costoso, saber interpretarla y reconocer cuándo debemos cuestionarla puede convertirse en una capacidad mucho más valiosa.
Esto inevitablemente nos obliga a revisar la manera en que pensamos el talento. Durante años construimos equipos alrededor de conocimientos especializados y funciones relativamente delimitadas, pero la IA empieza a flexibilizar esas fronteras al permitir que una persona aborde problemas que antes estaban fuera de su ámbito inmediato o profundice en un análisis con mayor autonomía. No significa que la especialización pierda valor, sino que las capacidades de cada persona pueden extenderse y, si esto ocurre a escala, tendremos que preguntarnos si nuestras estructuras están evolucionando al mismo ritmo que nuestra gente.
Por eso también resulta insuficiente medir la adopción únicamente por número de licencias, usuarios activos u horas ahorradas. Esos indicadores muestran cuánto utilizamos una tecnología, pero dicen poco sobre la capacidad que estamos construyendo. Una señal más relevante sería observar si las personas están tomando mejores decisiones, resolviendo problemas que antes necesitaban escalar y convirtiendo aprendizajes individuales en nuevas formas de trabajar. Cuando ese conocimiento empieza a modificar procesos y criterios más allá de quien lo descubrió, la IA deja de ser una herramienta de productividad personal y empieza a convertirse en una capacidad de la organización.
Para quienes ocupamos posiciones de liderazgo, ahí está probablemente el desafío más importante. Esta transformación no puede delegarse por completo al área de tecnología, pero tampoco puede imponerse desde la dirección mediante una política de adopción. En servicios financieros necesitaremos infraestructura, controles y límites claros para utilizar IA de manera responsable, pero el verdadero cambio ocurrirá cuando los equipos comiencen a cuestionar cómo trabajan y encuentren nuevas maneras de resolver los problemas que conocen de primera mano. Nuestra responsabilidad será crear las condiciones para que ese aprendizaje suceda y evitar que permanezca aislado.
Quizá hemos puesto demasiada atención en lo que los modelos serán capaces de hacer y todavía muy poca en lo que las personas serán capaces de hacer con ellos. La tecnología seguirá evolucionando y muchas de las funciones que hoy nos sorprenden terminarán incorporadas de forma casi imperceptible a las herramientas que utilizamos todos los días. Cuando prácticamente todas las organizaciones tengan acceso a capacidades tecnológicas similares, la ventaja difícilmente estará en la herramienta; estará en qué tan rápido puedan convertirla en conocimiento, criterio y mejores decisiones.
Una organización que aprende de manera continua y consigue que ese conocimiento circule será mucho más difícil de replicar que cualquier tecnología.
Ahí está, desde mi perspectiva, la verdadera oportunidad y también una de las principales responsabilidades que tendremos quienes dirigimos empresas en los próximos años. La inteligencia artificial podrá hacer que prácticamente cualquier organización trabaje más rápido; la verdadera brecha estará entre aquellas que simplemente acumulen eficiencia y las que sean capaces de convertirla en mejores decisiones, nuevas capacidades y, finalmente, mejores empresas.
Relacionado:La economía de los agentes de IA ya comenzó, aunque pocas empresas lo hayan notado
