IA como servicio: cómo la empresa mediana puede usar inteligencia artificial sin construirla

Todos la usan, pocos la escalan

La encuesta global de McKinsey sobre el estado de la IA en 2025 mostró que el 79% de las organizaciones usa IA generativa, frente al 33% en 2023, y que el 88% usa algún tipo de IA en al menos una función. Sin embargo, solo el 7% considera que la ha escalado por completo (McKinsey). En compras, por ejemplo, un análisis de McKinsey reseñado por Industry Today estima que la adopción de IA es unas seis veces menor que en marketing y ventas, aunque su potencial de productividad es de 25% a 40% (Industry Today).

Para una empresa mediana, estas cifras tienen una lectura práctica. La tecnología está disponible y es accesible. Lo escaso es la capacidad de convertirla en un cambio sostenido en la forma de trabajar.

De la herramienta al flujo de trabajo

El error más común es empezar por la herramienta. La empresa contrata licencias de un asistente de IA, las distribuye y espera que la productividad mejore. En nuestro trabajo de diagnóstico con equipos de mercadeo, encontramos que el uso de versiones gratuitas de asistentes de IA y herramientas básicas de diseño no se traducía en mejores resultados, porque no había flujos de trabajo automatizados para la generación de contenido, el análisis de métricas o la gestión de tareas.

La alternativa es empezar por el flujo de trabajo. ¿Qué proceso consume más tiempo, tiene más errores o retrasa más las decisiones? ¿Qué pasos de ese proceso son repetitivos y basados en información? Esos pasos son candidatos a la IA.

Casos que ya funcionan en la empresa mediana

En nuestro trabajo encontramos casos de uso de IA con buena relación entre esfuerzo y valor. Uno fue la ubicación de publicidad exterior para una distribuidora, cruzando datos de flujo de personas y puntos de venta para recomendar dónde invertir. Otro fue el uso de asistentes de IA para que pequeños empresarios hicieran un autodiagnóstico organizacional guiado, con preguntas estratégicas estructuradas sobre el marco 7S, en un programa de formación para un gremio. Un tercero fue el diseño de herramientas de cotización y de pronóstico de demanda dentro de un portafolio de transformación.

Lo que tienen en común es que resuelven un problema concreto de un usuario concreto, con datos que la empresa ya tiene o que puede obtener.

Por qué contratarla como servicio

Para la mayoría de las empresas medianas, construir capacidades propias de IA (equipo de científicos de datos, infraestructura, mantenimiento de modelos) no es viable ni necesario. La IA como servicio permite acceder a esas capacidades de manera modular: un aliado diseña, implementa y opera la solución, y la empresa paga por el resultado o por el uso.

Este modelo tiene condiciones. Primero, el caso de uso debe tener un dueño de negocio en la empresa, no solo en el proveedor. Segundo, debe haber un indicador de resultado acordado desde el inicio. Tercero, la empresa debe conservar la propiedad de sus datos y la capacidad de cambiar de proveedor. Cuarto, debe haber un humano que revise y apruebe lo que la IA produce antes de que llegue a un cliente o a una decisión crítica.

El humano en el circuito

La supervisión humana no es una concesión a la cautela; es un principio de diseño. Los modelos de IA generativa pueden producir contenido incorrecto con apariencia de certeza. En aplicaciones comerciales, como la redacción de propuestas o la respuesta a clientes, el modelo más efectivo es que la IA prepare borradores y una persona los apruebe. En nuestro propio trabajo aplicamos esa regla: la IA acelera la preparación, el socio aprueba lo que sale.

Medir para escalar

Un piloto de IA se escala cuando demuestra un resultado medible. Recomendamos definir, antes de empezar, una línea base (cuánto tiempo toma hoy el proceso, cuántos errores tiene, cuánto cuesta) y medir contra ella. Sin línea base, el piloto se evalúa por entusiasmo, y el entusiasmo no convence a una junta.

Riesgos que hay que gestionar

La IA como servicio tiene riesgos que la empresa debe gestionar de forma explícita. El primero es la confidencialidad: la información que se entrega a una solución de IA debe protegerse con acuerdos claros sobre su uso, su almacenamiento y su eliminación. El segundo es la dependencia del proveedor: si la solución se construye de forma que solo un proveedor puede operarla, la empresa pierde capacidad de negociación. El tercero es la calidad: los modelos pueden degradarse con el tiempo si los datos cambian, y alguien debe monitorear su desempeño. El cuarto es el cumplimiento normativo, en particular la protección de datos personales.

Ninguno de estos riesgos es razón para no usar la IA. Son razones para usarla con un gobierno claro: un responsable, acuerdos de servicio, revisión periódica de resultados y reglas sobre qué decisiones pueden automatizarse y cuáles requieren aprobación humana.

Formar a los usuarios

La IA cambia la forma de trabajar de las personas que la usan, y ese cambio necesita formación. En los webinars que dictamos para empresarios, una lección fue que la calidad de lo que produce un asistente de IA depende mucho de la calidad de las preguntas. Por eso incluimos guías estructuradas de preguntas para tareas concretas. La formación en IA no debería centrarse en la herramienta, sino en cómo formular el problema, cómo verificar la respuesta y cuándo no confiar en ella.