Hay organizaciones que hoy pueden mostrar una larga lista de avances en inteligencia artificial. Licencias, pilotos, personas capacitadas, automatizaciones y ahora también agentes. Pero ese avance también puede mirarse de otra manera.
¿Qué sabe hacer hoy mejor una organización gracias a la inteligencia artificial?
No se trata únicamente de contar herramientas o de decir cuánto tiempo hemos reducido. También importa mirar si una decisión mejoró, si un proceso tuvo que replantearse, si apareció una capacidad que antes no existía o si realmente estamos haciendo algo distinto.
En Descubriendo la IA en el trabajo he venido observando ese punto. Me interesa cada vez menos quedarme solo en lo que la tecnología puede hacer y más en lo que ocurre con el trabajo, las decisiones y las capacidades cuando empezamos a incorporarla.
Esta semana esa reflexión estuvo también en la conferencia que compartí en Sofka Tech Day. Mientras la preparaba y luego al conversar con quienes estaban allí, volvió una idea que creo que merece desarrollarse con más calma.
Podemos tener mucha actividad alrededor de la inteligencia artificial y eso no significa necesariamente que hayamos construido capacidad.
El problema no es usar más, sino qué cambia después
Incorporar inteligencia artificial puede ayudar a reducir tiempos, facilitar tareas o resolver de otra manera actividades que antes requerían más esfuerzo. Pero esos resultados, por sí solos, todavía no dicen mucho sobre lo que la organización está aprendiendo.
Lo importante es mirar qué cambió realmente. Puede ser un proceso que ahora entendemos mejor, una decisión que se toma con más información, un equipo que encontró una manera distinta de trabajar o una forma nueva de resolver un problema.
El uso puede crecer rápido, pero eso no significa necesariamente que cambie la manera en que la organización decide, trabaja y aprende.
Acceder fue más fácil que construir
La inteligencia artificial generativa redujo muchas barreras de entrada. Empezar a usarla se volvió más sencillo, incluso sin grandes desarrollos internos. Y esa facilidad ayuda a entender por qué la adopción ha avanzado tan rápido.
El Índice Latinoamericano de Inteligencia Artificial, ILIA 2025, muestra que América Latina y el Caribe concentra el 17,7 % de las descargas mundiales de aplicaciones de IA generativa, mientras representa apenas el 1,1 % de la inversión privada global en inteligencia artificial.
En Colombia también se ve ese crecimiento. El estudio Desbloqueando el potencial de la IA en Colombia 2026, elaborado por Strand Partners para AWS, reporta que la adopción empresarial pasó del 34 % al 42 % en un año. Sin embargo, el 74 % de las empresas que ya utiliza inteligencia artificial sigue concentrado en aplicaciones básicas.
Los datos muestran una adopción que crece con rapidez, pero también una distancia entre empezar a usar inteligencia artificial y lograr que esa incorporación transforme realmente la manera de trabajar de una organización.
La presión por avanzar también puede desenfocar
Cuando la adopción crece tan rápido, también aumenta la necesidad de mostrar resultados. Se mira lo que hace la competencia, aparecen nuevas posibilidades casi cada semana y la sensación de que hay que avanzar rápido empieza a influir en las decisiones.
Esa presión es comprensible. El problema aparece cuando el ritmo de la tecnología termina marcando el ritmo de la organización, incluso antes de tener claro qué queremos cambiar.
Por eso el para qué me parece una pregunta más importante que el cuándo.
¿Para qué queremos incorporar un agente? ¿Qué problema necesitamos resolver? ¿Qué parte del proceso necesita realmente cambiar?
No todas las respuestas requieren más tecnología ni todo lo urgente necesita un agente. A veces el problema sigue estando en un proceso mal diseñado, en datos que todavía no permiten tomar una mejor decisión o en una necesidad que no hemos definido con suficiente claridad.
En esos casos, avanzar más rápido puede significar simplemente hacer más rápido algo que todavía no hemos revisado.
Lo que queda después de implementar
Una implementación puede cumplir sus objetivos, mejorar tiempos y mostrar resultados visibles. Pero eso no significa necesariamente que la organización haya aprendido algo que pueda llevar a otros procesos o decisiones.
Para mí, una señal distinta aparece cuando la incorporación de inteligencia artificial obliga a revisar algo que antes dábamos por hecho. Un proceso que llevaba años funcionando de la misma manera. Una decisión que se tomaba con información incompleta. Una tarea que seguía existiendo porque nadie se había detenido a preguntarse si todavía tenía sentido.
El cambio es más profundo cuando la herramienta también nos ayuda a comprender mejor lo que estamos haciendo, y no únicamente a hacerlo más rápido.
Puede quedar una forma distinta de tomar una decisión, un proceso que ahora entendemos mejor, datos que empiezan a tener otro valor o un equipo que aprendió a cuestionar una respuesta antes de aceptarla.
Pero también puede ocurrir lo contrario. Que la herramienta funcione, que el indicador mejore y que, cuando cambie el proveedor o aparezca una nueva tecnología, poco de ese aprendizaje permanezca.
Por eso hay una pregunta que me parece cada vez más útil para evaluar estos proyectos, si mañana cambia la herramienta, ¿qué capacidad queda en la organización?
Una capacidad no debería depender de una sola herramienta
Cuando una organización incorpora inteligencia artificial, parte del valor está en lo que la tecnología permite hacer mejor o más rápido. Pero también importa lo que las personas y los equipos aprenden durante ese proceso.
Puede ser formular mejor un problema antes de buscar una respuesta, revisar con más cuidado la calidad de los datos, cuestionar una recomendación, reorganizar un proceso o reconocer qué decisiones no conviene delegar.
Eso empieza a convertirse en una capacidad cuando puede seguir siendo útil incluso si cambia la herramienta.
Una organización puede reemplazar una plataforma, cambiar de proveedor o incorporar una tecnología más avanzada. Lo que no debería empezar de cero cada vez es la comprensión que desarrolló sobre sus procesos, sus decisiones y los límites que quiere establecer.
Incorporar tecnología y desarrollar capacidad no son lo mismo. Una herramienta puede resolver una necesidad concreta. Una capacidad debería poder trasladarse a otros problemas, otras decisiones y, seguramente, a tecnologías que todavía no conocemos.
Por eso el aprendizaje tampoco debería limitarse a saber utilizar una aplicación. También importa entender mejor el trabajo que estamos tratando de mejorar con ella.
La capacidad también está en las personas
Si una organización quiere construir capacidad con inteligencia artificial, no puede limitarse a pensar en lo que hace la herramienta. También tiene que mirar qué está pasando con las personas que trabajan con ella.
Incorporar IA puede ampliar lo que un equipo logra hacer, pero también puede volver más fácil dejar de preguntar, contrastar o comprender por qué se toma una decisión. No deberíamos confundir delegar una tarea con dejar de entenderla.
Si una persona utiliza inteligencia artificial para analizar información, proponer alternativas o preparar una decisión, sigue necesitando criterio para reconocer cuándo una respuesta tiene sentido, cuándo falta contexto y cuándo conviene detenerse antes de actuar.
Eso no significa volver a hacer manualmente lo que la tecnología ya puede resolver. Significa conservar la capacidad de comprender lo suficiente como para cuestionar, decidir y asumir responsabilidad.
Esa es una de las capacidades que más necesitamos cuidar. La organización puede avanzar con inteligencia artificial sin que las personas pierdan la posibilidad de entender qué están delegando y por qué.
Tal vez necesitamos preguntarnos con más frecuencia no cuánto estamos usando inteligencia artificial, sino qué queda después de usarla.
Las herramientas van a seguir cambiando. También los modelos y los proveedores. Lo que no debería empezar de cero cada vez es lo que la organización aprendió en el camino.
Por eso, cuando terminemos un proyecto de inteligencia artificial, quizá valga la pena hacernos una pregunta sencilla:
¿Qué sabemos hacer hoy mejor que antes?
