La adopción de inteligencia artificial avanza rápidamente en las empresas mexicanas, aunque pocas han conseguido llevarla hasta nuevos productos y servicios. Una posible explicación está cambiando el orden de la conversación: entender primero el trabajo y después decidir dónde desplegar la tecnología.
Hay una escena que comienza a resultar familiar en muchas oficinas. Una compañía decide adoptar inteligencia artificial, selecciona las herramientas, compra licencias, establece algunas reglas y finalmente las pone a disposición de sus empleados. Durante las primeras semanas abundan los experimentos: alguien descubre que puede resumir documentos, otro prepara presentaciones más rápido y algunos encuentran maneras de ahorrarse tareas que antes consumían horas.
Es un buen comienzo, pero existe otra manera de plantear el proceso. Antes de decidir qué inteligencia artificial necesita cada área, la compañía puede sentarse con quienes realizan el trabajo y preguntarles dónde pierden tiempo, qué tareas repiten, qué información necesitan constantemente, qué procesos generan fricción y qué parte de su jornada podrían dedicar a algo más valioso.
Entonces la tecnología aparece como respuesta a un problema que ya conocemos y no como una herramienta a la que posteriormente tendremos que encontrarle un uso.
La diferencia puede parecer menor, pero ayuda a explicar uno de los grandes desafíos de la inteligencia artificial empresarial. El estudio Desbloqueando el potencial de la IA en México 2026, elaborado por Strand Partners para Amazon Web Services (AWS), estima que 48% de las organizaciones mexicanas ya utiliza inteligencia artificial, frente a 38% de hace un año. En términos absolutos, más de 2.5 millones de empresas la utilizan y cerca de 550,000 comenzaron a hacerlo durante los últimos doce meses.
La adopción avanza. La profundidad es otra cuestión. El mismo estudio encontró que 63% de las organizaciones permanece en usos básicos y mejoras incrementales, mientras que sólo 18% de las empresas que adoptaron IA ha desarrollado un nuevo producto o servicio impulsado por ella.
Los números no significan que las empresas mexicanas estén utilizando mal la inteligencia artificial. De hecho, 88% de quienes la han adoptado reporta mejoras de productividad y 86% afirma haber obtenido retornos positivos. Más bien sugieren que existe una oportunidad para pasar de utilizar herramientas de IA a descubrir dónde pueden cambiar realmente la manera en que funciona el negocio.
Ahí es donde las personas que hacen el trabajo adquieren un papel mucho más importante.
Antes de automatizar el trabajo hay que entenderlo
Pensemos en alguien que todos los viernes dedica tres horas a preparar un reporte. Descarga información de diferentes sistemas, la coloca en una hoja de cálculo, identifica los cambios importantes, escribe algunas conclusiones y finalmente prepara una presentación para su jefe.
La empresa podría darle una herramienta de inteligencia artificial para acelerar el proceso. Pero antes puede hacer algo mucho más sencillo: preguntarle qué ocurre durante esas tres horas.
Quizá descubra que buena parte del tiempo se consume recopilando información, que solamente cinco de las veinte columnas del documento sirven para tomar decisiones o que algunos datos tienen que copiarse manualmente porque dos sistemas no se comunican. También podría descubrir que el empleado dedica tanto tiempo a construir el reporte que apenas le queda espacio para analizar lo que encontró.
Entonces ya sabemos qué problema queremos resolver.
Una IA podría recopilar y ordenar automáticamente los datos, identificar variaciones y preparar un primer análisis. El empleado recuperaría tiempo para interpretar qué está ocurriendo, encontrar oportunidades y decidir qué debería hacer la empresa.
La diferencia es importante porque el proyecto de IA ya no comenzó con una herramienta. Comenzó con una conversación sobre el trabajo.
Ese enfoque permite además hacer preguntas que difícilmente aparecen cuando una compañía empieza directamente por la tecnología. ¿Qué parte del proceso realmente necesita automatización? ¿Dónde es indispensable el criterio de una persona? ¿Qué información necesitaría la IA? ¿Qué resultado consideraríamos una mejora? ¿Cuánto tiempo queremos recuperar?
Cuando esas respuestas existen antes del deployment, también resulta más sencillo saber después si la implementación funcionó.
Los empleados pueden convertirse en el mapa de oportunidades
Las decisiones tecnológicas necesariamente involucran a dirección, TI, seguridad, compras y otras áreas especializadas. Pero identificar dónde utilizar la IA puede requerir una conversación mucho más amplia.
Quienes realizan diariamente los procesos conocen detalles que difícilmente aparecen en un organigrama. Saben que cada miércoles alguien pasa dos horas copiando información entre sistemas, que determinada reunión existe porque dos departamentos no comparten datos o que responder una solicitud requiere consultar cuatro aplicaciones. También conocen el documento que tarda tres días en aprobarse, el reporte que contiene información que casi nadie utiliza y ese procedimiento que todos realizan de determinada manera simplemente porque así se ha hecho durante años.
Individualmente parecen pequeñas ineficiencias. Multiplicadas por cientos o miles de trabajadores, pueden convertirse en un mapa bastante preciso de dónde existe una oportunidad para utilizar inteligencia artificial.
Por eso la conversación con los empleados puede tener un objetivo muy concreto. En lugar de preguntarles simplemente “¿cómo te gustaría utilizar IA?”, una compañía puede preguntar “¿qué parte de tu trabajo te impide dedicar más tiempo a aquello para lo que realmente necesitamos tu experiencia?”
La segunda pregunta probablemente produzca respuestas mucho más útiles.
Un contador quizá no necesita imaginar un agente financiero; puede explicar que dedica seis horas cada semana a reconciliar información. Un vendedor no necesita conocer las capacidades de un modelo de lenguaje; sabe que antes de cada visita pierde 40 minutos recopilando antecedentes del cliente. Un abogado puede señalar que encontrar determinada cláusula entre cientos de contratos consume una parte considerable de su jornada.
La tecnología puede seleccionarse después.
Del “tenemos que usar IA” al “tenemos este problema”
Este cambio también puede hacer más sencilla la adopción.
Cuando una herramienta llega desde arriba acompañada únicamente por la instrucción de utilizarla, cada trabajador tiene que descubrir qué hacer con ella. Algunos encontrarán usos rápidamente, otros necesitarán capacitación y muchos probablemente continuarán trabajando como antes porque sus procesos actuales ya funcionan.
El camino contrario parte de un problema conocido por el propio trabajador. Si una persona dedica varias horas cada semana a una tarea repetitiva y una herramienta consigue reducirla significativamente, la razón para utilizarla resulta evidente.
El deployment deja entonces de ser el momento en que comienza la transformación. Se convierte en el momento en que una solución previamente identificada llega a las personas que la necesitan.
Esto tampoco significa que cada empleado deba elegir sus propias herramientas ni que una organización pueda implementar cualquier aplicación que alguien encuentre en internet. Seguridad, privacidad, integración, costos y gobernanza siguen siendo decisiones empresariales. La diferencia está en que esas decisiones pueden responder a necesidades previamente identificadas en lugar de intentar descubrirlas después de comprar la tecnología.
Capacitar para encontrar oportunidades
El mismo principio puede aplicarse a la capacitación. Durante los últimos años, muchos cursos empresariales de inteligencia artificial se han concentrado en enseñar cómo escribir un buen prompt, resumir documentos, generar imágenes o preparar presentaciones. Son habilidades útiles, pero existe otra capacidad que puede resultar incluso más valiosa: enseñar a las personas a observar su propio trabajo.
Una tarea cotidiana puede analizarse preguntando qué parte es repetitiva, dónde se invierte más tiempo, qué información hay que buscar constantemente, qué decisiones requieren experiencia y qué podría preparar una máquina antes de que intervenga una persona.
Eso convierte al trabajador en algo más que usuario final de la tecnología. Lo convierte en una fuente permanente de oportunidades para mejorar procesos.
El estudio de AWS aporta una señal interesante en este punto. La falta de talento calificado aparece entre las principales barreras para ampliar el uso de inteligencia artificial en México: 49% de las empresas identifica este problema y 42% reconoce dificultades para contratar trabajadores con las competencias digitales necesarias.
Una parte de la respuesta puede consistir, naturalmente, en contratar especialistas. Pero también existe la posibilidad de desarrollar capacidades entre quienes ya conocen profundamente el negocio. Un trabajador que entiende su área y aprende qué problemas puede resolver la inteligencia artificial combina dos conocimientos que difícilmente pueden obtenerse comprando únicamente tecnología.
Probar, medir y después escalar
Este enfoque permite además que la transformación AI-native comience en pequeño. Una compañía puede identificar cinco problemas concretos dentro de un equipo, seleccionar uno que tenga suficiente impacto y bajo riesgo, establecer cómo medirá el resultado y realizar una primera implementación.
Si una tarea consumía diez horas semanales y ahora necesita cuatro, hay un resultado. Si un cliente recibe respuesta en cinco minutos en lugar de dos horas, hay otro. Si disminuyen los errores, mejora una decisión o un equipo consigue procesar más trabajo con los mismos recursos, también podemos medirlo.
Después viene una pregunta especialmente importante: ¿funcionaría esto en otra parte de la organización?
Una mejora encontrada por Finanzas puede revelar un proceso similar en Compras. Una herramienta utilizada por Ventas puede resolver un problema parecido en Atención al Cliente. Lo que comenzó como una conversación con cinco personas puede terminar convirtiéndose en una capacidad utilizada por cientos.
Así el despliegue puede crecer detrás de los resultados, en lugar de esperar que los resultados aparezcan después de un despliegue masivo.
Ser AI-native también puede significar escuchar mejor
ChatGPT, Claude, Gemini, Copilot y otros sistemas seguirán mejorando y estarán disponibles para cada vez más compañías. Dos competidores pueden comprar el mismo modelo y acceder prácticamente a las mismas capacidades tecnológicas, pero difícilmente tendrán la misma organización, los mismos procesos, los mismos datos o el mismo conocimiento acumulado entre sus trabajadores.
Ahí existe una ventaja que muchas compañías ya poseen.
Durante años han acumulado experiencia dentro de su gente: personas que saben qué cliente necesita una excepción, qué proceso suele generar problemas, dónde se pierde tiempo, qué información resulta realmente importante y qué pasos podrían simplificarse. La inteligencia artificial ofrece una oportunidad para convertir parte de ese conocimiento en mejores maneras de trabajar.
Por eso quizá el camino hacia una organización AI-native pueda comenzar cambiando el orden habitual de las preguntas. En lugar de elegir primero la tecnología y después buscar dónde utilizarla, una empresa puede comenzar por conocer mejor el trabajo, identificar junto con sus empleados dónde existe una oportunidad, seleccionar la tecnología adecuada y entonces desplegarla.
La inteligencia artificial aporta nuevas capacidades. Las personas aportan el conocimiento necesario para saber dónde pueden ser útiles.
El deployment viene después.
