Todos dicen que usan IA. Casi nadie la está adoptando

Hay una conversación que tengo casi todas las semanas, en reuniones de consultoría, en demos, en almuerzos con gerentes. Empieza siempre igual.

—¿Ustedes están usando IA?

—Sí, obvio. Acá todos usan IA.

Hasta ahí, perfecto. El problema aparece con la segunda pregunta.

—¿Y cómo la están usando?

Silencio breve. Y después alguna versión de estas tres respuestas: “Cada uno tiene su cuenta gratuita de ChatGPT.” O: “Cada empleado elige la herramienta que más le sirve.” O la tercera, mi favorita: “Habilitamos Copilot, pero con permisos muy limitados, porque legales todavía lo está revisando.”

Eso no es adopción de IA. Eso es una empresa mirando cómo sus empleados adoptan IA por su cuenta, sin estrategia, sin gobernanza y sin capturar casi nada del valor.

Y mientras tanto, del otro lado, la tecnología corre a una velocidad que no tiene precedente.

La velocidad del laboratorio

Hagamos memoria, porque la aceleración fue tan rápida que ya la naturalizamos.

En 2023, entre el lanzamiento de un modelo de frontera y el siguiente pasaban seis meses, a veces más. GPT-4 salió en marzo de ese año y durante meses fue, sin discusión, el techo de lo posible. Uno podía tomarse un semestre para evaluar, planificar, decidir.

Hoy eso suena a otra era. En los últimos doce meses los grandes laboratorios lanzaron modelos nuevos a un ritmo de prácticamente uno por mes entre todos: versiones de Claude, de GPT, de Gemini, más la avalancha de modelos abiertos que cada tanto sacude el tablero. Esta semana estoy probando Claude Fable 5, el modelo más reciente de Anthropic, y la distancia con lo que usábamos hace apenas un año es difícil de explicar sin sonar exagerado. No es que responde mejor: es que hace categorías de trabajo que antes directamente no se podían delegar.

Cada generación no suma un poco. Multiplica. Contextos más largos, razonamiento sostenido, agentes que ejecutan tareas completas, modelos que operan una computadora. La curva no es lineal y el intervalo entre saltos se achica.

Ese es el lado de la oferta. Velocidad de laboratorio.

La velocidad del comité

Del lado de la demanda corporativa, el reloj corre distinto.

En las empresas con las que trabajo —estudios jurídicos, empresas de servicios, pymes industriales, alguna corporación grande— el patrón se repite con una consistencia que ya me dejó de sorprender. La “adopción de IA” suele ser una de estas tres cosas:

La adopción fantasma. Los empleados usan cuentas gratuitas, personales, de la herramienta que cada uno descubrió por su lado. La empresa no decidió nada: la IA entró por la puerta de atrás, un navegador a la vez. Nadie sabe qué información sale, a dónde va, ni qué hace cada proveedor con ella. Y cuando pregunto si hay una política escrita sobre qué se puede y qué no se puede cargar en esas herramientas, la respuesta casi siempre es una mirada incómoda.

La adopción feudal. Cada equipo, o cada persona, elige su herramienta. Marketing usa una, legales otra, el equipo comercial una tercera. Nadie comparte aprendizajes, nadie consolida prompts ni flujos de trabajo, nadie mide nada. La empresa paga —cuando paga— por cinco suscripciones distintas que hacen lo mismo, y el conocimiento de cómo usarlas bien vive en la cabeza de personas que mañana pueden irse.

La adopción asustada. La empresa sí tomó una decisión formal: habilitó Copilot, o alguna herramienta corporativa, con tantos permisos recortados y tantas restricciones que el resultado es una IA capada que nadie quiere usar. Entonces los empleados vuelven, en silencio, a sus cuentas gratuitas personales. Y el círculo se cierra: la empresa cree que controló el riesgo, cuando en realidad solo lo empujó a la sombra.

Lo digo sin superioridad, porque entiendo cómo se llega ahí. El miedo es razonable: confidencialidad, propiedad intelectual, cumplimiento, errores. Pero el resultado de ese miedo mal gestionado es el peor de los mundos posibles: la empresa asume el riesgo igual —porque la adopción fantasma ya está pasando— y no captura el valor.

El costo del gap

Acá está el punto que me parece que casi nadie está midiendo.

Cuando la tecnología mejora cada mes y tu organización tarda dieciocho meses en tomar una decisión, no estás dieciocho meses atrasado. Estás atrasado contra un blanco que se mueve. Para cuando el comité aprueba la herramienta que evaluó el año pasado, esa herramienta ya fue superada dos o tres veces. La evaluación nace vieja.

Y hay un segundo costo, más silencioso. En la adopción fantasma, el valor de la IA no desaparece: se lo quedan los individuos. El empleado que aprendió a usarla bien trabaja mejor, más rápido, y ese conocimiento es suyo, no de la empresa. No está documentado, no está en ningún proceso, no se transfiere. El día que se va, se va con él. La empresa puso los datos —muchas veces sin saberlo— y no se quedó ni con el aprendizaje.

Mientras tanto, en la conversación pública, esa misma empresa dice que “ya usa IA”. Y técnicamente es cierto.

Cómo se ve la adopción real

No tengo una fórmula mágica, y desconfío de quien diga tenerla. Pero después de varios años trabajando en esto, hay cosas que distinguen a las organizaciones que adoptan en serio de las que adoptan de palabra.

La adopción real empieza con una decisión explícita, no con una compra. Qué herramientas sí, cuáles no, con qué datos, para qué tareas. Una política de una página vale más que un comité de seis meses. Es, exactamente, el contenido de un programa de gobernanza.

Sigue con la pregunta correcta. La mayoría arranca preguntando “¿qué herramienta compramos?”, cuando la pregunta es “¿qué trabajo queremos transformar?”. La herramienta es consecuencia, no punto de partida.

Incluye entrenamiento de verdad. No un webinar de una hora: práctica sobre los casos reales del negocio, con tiempo asignado para que la gente aprenda. La brecha entre quien sabe usar estos modelos y quien los usa como un buscador es enorme, y se agranda con cada generación nueva.

Y exige medir algo. Horas recuperadas, ciclos de revisión, tiempos de respuesta. Lo que sea, pero algo. Sin medición, la adopción es una sensación. Para un punto de partida concreto, la calculadora de capacidad recuperada sirve para dimensionar el orden de magnitud.

Nada de esto es sofisticado. Por eso me llama la atención lo poco que se hace.

La brecha no es tecnológica

Si tuviera que resumir lo que veo en una sola idea, sería esta: el cuello de botella de la IA ya no está en los modelos. Está en las organizaciones.

Los laboratorios van a seguir lanzando modelos cada vez más capaces, a un ritmo cada vez más corto. Esa parte de la ecuación no depende de nosotros y no va a esperar a nadie. La parte que sí depende de cada empresa —decidir, gobernar, entrenar, medir— avanza a la velocidad que cada una elija.

Y esa elección, aunque casi nunca se tome de manera consciente, se está tomando igual. Todos los días, en cada empresa donde los empleados resuelven por su cuenta lo que la dirección todavía no resolvió.

La distancia entre la velocidad del laboratorio y la velocidad del comité es, hoy, la ventaja competitiva más barata que existe. No hace falta más presupuesto que el de la competencia. Hace falta decidir antes.

Algunos ya lo están haciendo. La mayoría, todavía no se dio cuenta de que el reloj arrancó hace rato.