El lunes, un titular dice que el nuevo modelo razona como un analista con experiencia. El jueves, otro dice que la IA se ha estancado. Entre uno y otro, una empresa cualquiera puede haber aprobado dos licencias, congelado un proyecto y no haber tocado ni un solo dato de su ERP. Esa empresa ha reaccionado tres veces y no ha avanzado nada.

Planteo una hipótesis que he visto repetirse con distintos nombres.

Comité de dirección. El director comercial trae una demo que ha visto en un evento. El financiero pregunta cuánto cuesta. Operaciones recuerda que el piloto del año pasado no salió del laboratorio. Alguien propone esperar al siguiente modelo, porque "dicen que viene uno mucho mejor".

Se cierra la reunión sin decisión.

Y la pregunta de fondo sigue sin respuesta: ¿qué tiene que estar listo en la empresa, venga el modelo que venga?

Tres reacciones, un mismo error

El ruido alrededor de la IA se mueve en ciclos. Y cada fase empuja a la dirección a una reacción distinta.

  • Hype. Se decide por titulares, filtraciones y demos. La conversación interna gira alrededor de qué modelo es mejor esta semana.
  • Pánico. Cuando la IA deja de parecer una moda, aparece el miedo a quedarse atrás. Se compran licencias en paralelo, cada departamento lanza su piloto y nadie es dueño del conjunto.
  • Pausa. Cuando los avances parecen frenarse, se congela todo. "Ya veremos cuando madure."

Las tres reacciones comparten algo: ponen el foco en el modelo. Y el modelo es la única pieza del sistema que la empresa no controla.

Infografía: tres reacciones ante la IA (hype, pánico y pausa) y la comparación entre poner el foco en el modelo o en la empresa
El modelo lo cambia el proveedor. Los datos y el significado de tu negocio solo los puedes ordenar tú.

Lo que el ruido sí dice

Incluso los rumores más especulativos dejan una señal útil si se leen con calma.

La primera: hay bastante consenso en que los modelos actuales no razonan de forma fiable. Funcionan muy bien con lenguaje y con patrones conocidos. Fallan cuando el caso se sale de lo que han visto, cuando hay que encadenar pasos con rigor o cuando falta un dato y lo rellenan con algo verosímil.

La segunda: hay un debate abierto sobre cómo se resolverá. Unos creen que llegará con más datos de entrenamiento. Otros, que necesitará una estructura externa al modelo que aporte reglas y relaciones.

Para una empresa, ese debate tiene una lectura práctica.

En los dos escenarios, el modelo rinde más cuando trabaja sobre información conectada, verificable y con significado claro. No hace falta saber quién gana la discusión para saber qué preparar.

La pausa no es estancamiento

Los grandes modelos se parecen cada vez más entre sí. Las diferencias de capacidad se estrechan, las alternativas abiertas compiten de tú a tú en muchos usos concretos y las novedades son mejoras útiles, pero no saltos que cambien el tablero cada trimestre.

Eso tiene una consecuencia directa: la ventaja deja de estar en el modelo que eliges y pasa a estar en lo que le das.

Si tu competencia puede contratar el mismo modelo que tú mañana, la diferencia solo puede venir de tres sitios:

  1. Tus datos, y cómo de conectados están entre sí.
  2. Tu conocimiento del negocio, y si está escrito o solo vive en la cabeza de algunas personas.
  3. Tus procesos, y si están definidos lo suficiente como para que una máquina los siga sin improvisar.

Ninguno de los tres se compra con una licencia.

La tecnología ya es útil, pero necesita andamiaje

Conviene no caer en el extremo contrario. La IA actual ya hace trabajo serio. Con una persona en el bucle y el contexto adecuado, resuelve tareas que hace poco eran impensables.

El reto es el contexto adecuado. Unos ejemplos de lo que pasa cuando falta:

  • Compras. El mismo proveedor aparece con tres códigos distintos en el ERP. La IA calcula el volumen anual y te da un tercio de la cifra real.
  • Comercial. El CRM tiene el cliente como "cuenta activa" y finanzas lo tiene bloqueado por impagos. El asistente propone una oferta a quien no se le puede servir.
  • Finanzas. "Margen" significa una cosa para el equipo de ventas y otra para contabilidad. La respuesta es correcta según una definición y falsa según la otra.
  • Atención al cliente. El historial de incidencias no está vinculado al número de pedido. El agente responde sin saber que es la tercera reclamación del mismo envío.
  • Logística. El plazo de entrega estándar está en un PDF que nadie ha actualizado. La IA promete fechas que el almacén no puede cumplir.

En ninguno de estos casos el modelo es el culpable. Hace exactamente lo que puede con lo que recibe.

Un buen modelo sobre datos desconectados no te da inteligencia. Te da errores más rápidos y mejor redactados.

Quién hace qué mientras baja el ruido

Aquí está, para mí, la parte más interesante del momento actual. La IA puede ayudar a construir su propio andamiaje, pero no puede construirlo sola.

Infografía en cuatro pasos: conectar los datos, la IA propone, las personas deciden y el resultado vuelve al modelo

El reparto de papeles funciona así:

  1. Conectar los datos. Que el mismo cliente, el mismo pedido y el mismo proveedor sean reconocibles en el ERP, el CRM, la herramienta de tickets y el almacén. Es trabajo de integración, no de inteligencia artificial.
  2. La IA propone. A partir de documentos, tablas e históricos, un modelo puede sugerir qué entidades existen, cómo se relacionan y qué términos son sinónimos. Hace en horas un primer mapa que a mano llevaría semanas.
  3. Las personas deciden. Ese mapa es un borrador. Quien conoce el negocio afina los conceptos, resuelve las ambigüedades y valida qué significa cada cosa. Esta parte no se puede delegar.
  4. El resultado vuelve al modelo. Con esa estructura validada, la IA trabaja sobre un contexto fiable. Inventa menos, omite menos y sus respuestas se pueden comprobar.

Las personas no desaparecen del proceso. Se mueven al sitio donde aportan más: decidir qué significa cada cosa. La IA las libera del trabajo repetitivo de clasificar, cruzar y buscar.

La IA puede dibujar el mapa. Decidir qué es verdad en tu empresa sigue siendo trabajo de tu equipo.

Qué hacer mientras otros esperan

Si la dirección quiere aprovechar este momento, hay decisiones concretas que no dependen del próximo lanzamiento:

  • Elegir un proceso con dolor real y medir cuánto tiempo se pierde hoy cruzando datos a mano.
  • Inventariar los sistemas que intervienen en ese proceso y cómo se identifica en cada uno al cliente, al producto y al pedido.
  • Escribir las definiciones que generan discusión: qué es un cliente activo, qué es margen, qué es un pedido servido.
  • Nombrar un responsable de ese significado, con autoridad para resolver contradicciones entre departamentos.
  • Probar la IA sobre esa base y comparar resultados con el mismo modelo sobre los datos sin ordenar.

Nada de esto caduca cuando sale un modelo nuevo. Al contrario: cada mejora del modelo rinde más sobre una base ordenada.

Esta es mi apuesta

El ruido va a seguir subiendo y bajando. Habrá semanas de euforia y semanas de desencanto, y ninguna de las dos es buena consejera para decidir inversiones.

Mi apuesta es que la etapa actual se parece más a un relevo que a una pausa. Los modelos han hecho una parte importante del trabajo. La parte que queda le corresponde a cada empresa: conectar sus datos, escribir lo que sabe y validar el significado con las personas que lo entienden.

Las empresas que usen este momento para construir esa base estarán preparadas para la siguiente ola, venga cuando venga. Las que sigan reaccionando a cada titular probablemente estarán donde están hoy, con más licencias y los mismos datos.