La empresa AI-first: una guía de implementación por tamaño de empresa

En abril de 2016, el director ejecutivo de Google, Sundar Pichai, dijo que there would “soon be a transition from mobile first to AI first.” [“pronto habrá una transición de lo móvil primero a la IA primero”].¹ Diez años después, muchas empresas se llaman a sí mismas AI-first. Pocas le sacan mucho a la IA.

Cuántas empresas usan IA depende de a quién se pregunte. En la UE, el 20 % de las empresas con diez o más empleados usaba alguna tecnología de IA en 2025.² En Estados Unidos, la encuesta empresarial de la Census Bureau, diseñada para representar a todas las empresas, sitúa la cifra en torno al 18–20 %.³ En una encuesta hecha con bancos centrales de Estados Unidos, el Reino Unido, Alemania y Australia, el 69 % de cerca de 6000 directivos dijo que su empresa usaba IA. Alrededor de nueve de cada diez dijeron que la IA no había cambiado nada en la productividad ni en el empleo de su empresa en los últimos tres años.⁴ La encuesta mundial de McKinsey de 2025 encontró que el 88 % de las organizaciones usaba IA en al menos una función del negocio. Solo alrededor del 6 % eran “AI high performers” [“empresas de alto rendimiento en IA”]: empresas que atribuyen a la IA el 5 % o más de su EBIT (beneficio de explotación).⁵

Lo que significa ser AI-first depende del tamaño de la empresa. Una empresa de diez personas, un fabricante de 150, un banco regional de 600 y una gran empresa mundial tienen presupuestos distintos, personas distintas con las que contar y riesgos distintos. Esta guía usa cuatro tramos de tamaño. Los dos más pequeños siguen la definición de pyme de la Unión Europea: microempresas y pequeñas empresas (1–49 empleados), medianas empresas (50–249), empresas medianas-grandes (250–999) y grandes empresas (1000+). Cada cifra enlaza con su fuente. Las cifras que solo publica la propia empresa, o el proveedor que vendió la herramienta, se señalan como tales.

---

Qué significa ser AI-first y en qué se diferencia de usar IA

Una empresa que usa IA la añade a un trabajo que, por lo demás, sigue igual: un chatbot en el sitio web, una herramienta que redacta correos. Una empresa AI-first cambia el propio trabajo, de modo que la IA hace una parte y las personas hacen el resto. Piense en dos equipos de marketing. En el primero, el personal usa ChatGPT para redactar entradas de blog, y no cambia nada más. En el segundo, el equipo ha reconstruido su forma de producir contenidos. La IA se encarga de la búsqueda de información, los primeros borradores y las versiones para cada canal. Las personas eligen los temas, editan y revisan la calidad.

Hay tres términos relacionados que aparecen a menudo:

• AI-native: una empresa creada con la IA como producto, como OpenAI, Anthropic o Midjourney.
• AI-enabled: una empresa que añade IA a algunas tareas sin cambiar su forma de trabajar, como el chatbot de un banco o la previsión de demanda de un minorista.
• AI-augmented: el personal usa la IA para sacar adelante más trabajo propio, y sigue a cargo de ese trabajo.

AI-first es lo que más exige a una empresa, porque cambia los procesos, los puestos y las reglas, no solo las herramientas.

Dos consultoras ofrecen reglas prácticas. BCG describe tres niveles de ambición: Deploy [desplegar] herramientas ya hechas, para una mejora de productividad del 10–15 %; Reshape [remodelar] funciones enteras en torno a la IA, para un 30–50 %; e Invent [inventar] nuevos productos y servicios basados en IA.⁶ Los porcentajes son estimaciones de BCG. La “regla 10-20-70” de BCG dice que, en un programa de IA, el 10 % del esfuerzo se dedica a los algoritmos, el 20 % a la tecnología y los datos, y el 70 % a cambiar cómo trabajan las personas y los procesos.⁷ La investigación Rewired de McKinsey dice que las empresas con éxito emplean a sus propios especialistas digitales en lugar de depender de especialistas externos.⁸

Un comunicado público “AI-first” le dice lo que pretende un director ejecutivo, no lo que pasó. En abril de 2025, el director ejecutivo de Shopify dijo a los equipos que, antes de pedir más personal, tenían que demostrar por qué la IA no podía hacer el trabajo.⁹ Ese mismo mes, el director ejecutivo de Duolingo anunció un plan AI-first que incluía dejar poco a poco de contar con colaboradores externos para el trabajo que pudiera hacer la IA. Tras las críticas públicas, dijo que el comunicado no había dado suficiente contexto.¹⁰

---

Microempresas y pequeñas empresas (1–49 empleados)

Las empresas pequeñas son las que menos han empezado. En la UE, el 17 % de las pequeñas empresas (10–49 empleados) usaba IA en 2025, frente al 55 % de las grandes. Eurostat no cuenta las empresas de menos de diez empleados.² En la zona del euro, a finales de 2025, el 41 % de las microempresas no usaba ninguna IA, frente al 13 % de las grandes empresas. Aun así, en todos los tamaños, alrededor del 7–8 % de las empresas hacía un uso importante de la IA.¹¹ En Estados Unidos, los registros bancarios muestran que el 17,7 % de las pequeñas empresas había pagado un servicio de IA hasta diciembre de 2025.¹² Cuando la Reserva Federal preguntó a pequeñas empresas con empleados, el 46 % dijo que usaba IA.¹³

Pocas empresas pequeñas tienen especialistas en datos o informática. A este tamaño, ser AI-first significa llevar el trabajo principal con herramientas ya hechas, no construir sistemas propios. La ventaja es la rapidez. Con poco software antiguo que sustituir y solo una o dos personas que tienen que ponerse de acuerdo, una empresa pequeña puede cambiar un proceso en semanas.

La evidencia más sólida respalda empezar por una tarea bien definida. En un estudio de campo con más de 5000 agentes de atención al cliente que recibieron un asistente de IA generativa, los agentes resolvieron alrededor de un 15 % más de consultas por hora. Los agentes con menos experiencia fueron los que más mejoraron.¹⁴ Dar una herramienta al personal no basta por sí solo. Un gran estudio con trabajadores daneses encontró que los chatbots de IA ahorraban a sus usuarios alrededor del 3 % de sus horas de trabajo de media. Los chatbots no cambiaron de forma medible lo que ganaban esos trabajadores ni cuántas horas trabajaban.¹⁵ Juntos, los dos estudios dicen que la IA compensa cuando una tarea es frecuente y está bien definida y una persona revisa el resultado. Compensa mucho menos cuando simplemente se da acceso al personal.

Cuando nadie revisa los consejos, las personas que más necesitan ayuda pueden salir perdiendo. En un ensayo aleatorizado, 640 propietarios de pequeñas empresas en Kenia recibieron un mentor de negocio basado en GPT-4 por WhatsApp. De media, no cambió nada en los ingresos ni en los beneficios. A los propietarios a quienes les iba mal al principio les fue casi un 10 % peor con él. Los propietarios a quienes ya les iba bien quizá ganaron más de un 15 %.¹⁶

Las empresas pequeñas usan la IA para tareas prácticas de ingeniería y operaciones, no solo para redactar. Hrag Kalebjian, propietario de Henry’s House of Coffee en San Francisco, usó ChatGPT para escribir el código Arduino de un pequeño aparato que rocía una niebla fina sobre los molinillos de café de la tienda para reducir la electricidad estática.¹⁷ Aragon AI, que vende retratos profesionales hechos con IA, dice que llegó a 10 millones de dólares de ingresos recurrentes anuales en unos dos años con un equipo de nueve personas (cifra declarada por la empresa).¹⁸ Las empresas como Aragon siguen siendo raras. En Product Hunt, un sitio web donde se lanzan productos nuevos, los fundadores en solitario lanzaron más productos tras la llegada de ChatGPT, pero los equipos ocupan cada vez más puestos de cabeza en la clasificación.¹⁹

La mayoría de las herramientas que usan las empresas pequeñas caen en cuatro grupos. Los precios cambian a menudo, y varios proveedores que antes dejaban registrarse a cualquiera en línea ahora solo venden a clientes más grandes. Compruebe los precios actuales antes de fijar un presupuesto.

Grupo	Herramientas habituales	Qué comprobar
Redacción y búsqueda de información	ChatGPT, Claude, Gemini, Microsoft Copilot	Planes para empresas con condiciones de protección de datos; si sus datos se usan para entrenar el modelo
Automatización	Zapier, Make, n8n	Límites de tareas o ejecuciones; si puede ejecutarla en su propio servidor (n8n)
Atención al cliente	Chatbots en herramientas de soporte, ManyChat	Paso a una persona; registro de las conversaciones
Marketing y comercio electrónico	Canva, la IA integrada de Shopify, Klaviyo	Si las funciones de IA están incluidas o se cobran aparte

Un buen primer proyecto a este tamaño empieza por un proceso que cuesta claramente tiempo o dinero, como responder consultas rutinarias, preparar presupuestos o procesar facturas. Mida cuánto tarda ahora. Use una herramienta ya hecha, con una persona que revise lo que produce. Amplíe su uso solo cuando las cifras mejoren.

---

Medianas empresas (50–249 empleados)

Alrededor de tres de cada diez medianas empresas usan IA. En la UE, el 30,4 % de las empresas con 50–249 empleados usaba IA en 2025.² En Estados Unidos, la encuesta empresarial de la Census Bureau muestra porcentajes parecidos para las empresas con 100–249 empleados.³ En siete países de la OECD, el 31 % de las pymes dijo que usaba IA generativa.²⁰

Una empresa de este tamaño puede dar a una persona la responsabilidad de la IA. Suele ser alguien de operaciones o de informática con tiempo y presupuesto reservados para ello. La empresa rara vez tiene un equipo de ciencia de datos. Por eso, el camino práctico es comprar herramientas, configurarlas y fijar las reglas para usarlas, no desarrollar. La regla 10-20-70 de BCG es la que más importa a este tamaño.⁷ Elegir las herramientas es la parte fácil. Los resultados dependen de cambiar el proceso, formar a las personas que lo usan y medir lo que cambia.

Si su empresa opera en la UE, la ley ahora también se le aplica. Con la Ley de IA de la UE, las prohibiciones de ciertos usos de la IA se aplican desde febrero de 2025, y las reglas para los modelos de IA de uso general desde agosto de 2025. En su primera versión, la Ley exigía a toda empresa que despliega sistemas de IA (que los usa en su propio negocio) asegurarse de que su personal tuviera conocimientos suficientes sobre IA. En mayo de 2026, las instituciones de la UE acordaron una modificación llamada “Digital Omnibus”. Aplaza a diciembre de 2027 la mayoría de las obligaciones para los sistemas de alto riesgo enumerados en el anexo III. También suaviza el deber sobre los conocimientos de IA: ahora las empresas deben apoyar los conocimientos de IA de su personal, no garantizar un nivel concreto.²¹ Como mínimo, una mediana empresa debería tener una política breve y escrita de uso de la IA, una lista de los sistemas de IA que usa y una formación básica para el personal.

---

Empresas medianas-grandes (250–999 empleados)

Las empresas medianas-grandes tienen presupuestos reales y menos niveles de aprobación que las grandes empresas. En la encuesta de RSM de 2026 a empresas del segmento medio en Estados Unidos y Canadá, el 86 % dijo haber integrado la IA en sus operaciones de forma parcial o completa. Algunas empresas dijeron que sus pilotos solo habían salido moderadamente bien, o peor. Los obstáculos que esas empresas citaron con más frecuencia para extender la IA fueron la calidad de los datos (53 %) y conectar la IA con sus sistemas actuales (47 %).²² RSM define el segmento medio por la facturación, no por la plantilla, así que sus empresas se solapan con este tramo de tamaño, pero no coinciden con él.

El informe GenAI Divide de MIT NANDA de 2025 se cita a menudo sobre las empresas de este tamaño. Es un informe preliminar, no un estudio con mediciones. Se basa en una revisión de más de 300 iniciativas públicas de IA, 52 entrevistas y 153 respuestas a una encuesta recogidas en cuatro congresos del sector, y usa dos definiciones distintas de éxito.²³ Decía que las empresas medianas-grandes tardaban unos 90 días en pasar del piloto al uso completo, frente a nueve meses o más en las grandes empresas. También decía que las herramientas compradas a proveedores especializados salían bien alrededor del 67 % de las veces, mucho más a menudo que las herramientas que las empresas desarrollaban por su cuenta. El propio informe dice que esas tasas “may reflect organizational capabilities rather than implementation approach alone” [“pueden reflejar las capacidades de la organización más que solo la forma de implementación”]. Vea la verificación de cifras sobre el 95 % del informe.

Si este tramo de tamaño tiene una ventaja es una cuestión discutida. En enero de 2025, unos investigadores vinculados a BCG y a su Henderson Institute sostuvieron en Fortune que las empresas medianas podrían tener una ventaja “Goldilocks” [“ni demasiado grandes ni demasiado pequeñas”] en IA. También señalaron que las empresas medianas iban por detrás: el 28 % declaraba una madurez media o alta en IA generativa, frente al 46 % de las grandes empresas.²⁴ El estudio de BCG de 2026 sobre el segmento medio encontró que las grandes empresas declaraban con más frecuencia aumentos importantes de ingresos gracias a la IA. Las grandes empresas también dedicaban a la IA una parte mayor de sus ingresos y contrataban especialistas en IA más deprisa.²⁵ Decidir rápido solo es una ventaja para una empresa que luego actúa según lo que decide.

Las empresas de este tamaño suelen organizar la IA en tres etapas. Primero, un directivo con nombre y un pequeño grupo formado por varios departamentos fijan las prioridades. Después, cada unidad de negocio recibe su propio responsable de IA, y un equipo central se ocupa de las herramientas, los datos y las reglas comunes. Por último, cada departamento usa herramientas de IA hechas para sus propios puestos como parte del trabajo normal, y mide los resultados con regularidad.

---

Grandes empresas (1000+ empleados)

En una gran empresa, ser AI-first significa reorganizar las operaciones, la estrategia y la cultura en torno a la IA. Aquí es donde más distancia hay entre usar la IA y ganar dinero con ella. La encuesta de McKinsey de 2025 (véase el principio de esta guía) encontró que las pocas empresas de alto rendimiento tenían casi tres veces más probabilidades que las demás de haber reconstruido desde la base procesos de trabajo concretos.⁵ Las empresas también gestionan más riesgos de la IA que antes: una media de cuatro en 2025, frente a dos en 2022.⁵

Volkswagen ha dicho su objetivo con claridad. En 2025 anunció planes para invertir hasta 1000 millones de euros en IA hasta 2030 bajo el principio “no process without AI” [“ningún proceso sin IA”]. Dijo que esperaba mejoras de eficiencia y costos evitados de hasta 4000 millones de euros para 2035.²⁶ Los bancos muestran cómo es esto a gran escala. JPMorgan Chase elevó su objetivo de valor de negocio obtenido con la IA a 1500 millones de dólares para finales de 2023, con usos en riesgos, marketing, atención al cliente y prevención del fraude.²⁷ El asistente virtual de Bank of America, Erica, había atendido más de 3200 millones de interacciones con clientes en marzo de 2026.²⁸ El director ejecutivo de Goldman Sachs, David Solomon, dijo en enero de 2025 que la IA podía redactar el 95 % del folleto de una salida a bolsa en minutos. Ese trabajo antes llevaba dos semanas a un equipo de seis personas.²⁹

UnitedHealth Group, la aseguradora de salud estadounidense, declaró unos 1000 usos de IA en funcionamiento diario en 2025.³⁰ En su presentación de resultados de abril de 2025, el que entonces era su director ejecutivo dijo que un agente de IA había dirigido 26 millones de llamadas de clientes a la persona de atención adecuada con más acierto que antes, y que la IA dirigiría más de la mitad de las llamadas de la empresa durante 2025.³¹

Cuanto más grande es la empresa, más necesita reglas claras y responsables con nombre para la IA. La investigación de McKinsey de marzo de 2025 encontró que un director ejecutivo que supervisa cómo se gestiona la IA es uno de los factores más asociados con un mayor beneficio gracias a la IA. En el 28 % de las organizaciones que usaban IA, el director ejecutivo era el responsable.³² La encuesta posterior de McKinsey encontró que algo más de la mitad de las organizaciones que usaban IA había sufrido al menos una consecuencia negativa. La más habitual eran resultados inexactos.⁵

---

Lo que falla y qué empresas dieron marcha atrás

La mayoría de los proyectos de IA todavía no llega nunca al uso diario o nunca se rentabiliza. Gartner, una empresa de investigación sobre tecnología, predijo que al menos el 30 % de los proyectos de IA generativa se abandonarían tras la prueba de concepto antes de finales de 2025.³³ En la encuesta de S&P Global de 2025, el 42 % de las empresas dijo haber abandonado la mayoría de sus iniciativas de IA, frente al 17 % un año antes.³⁴ El informe preliminar de MIT NANDA decía que alrededor del 95 % de las organizaciones no veía ningún efecto medible en su cuenta de resultados con sus pilotos de IA generativa. Esa cifra se basa en 52 entrevistas y 153 respuestas a una encuesta en congresos. El propio informe dice que sus cifras son “directionally accurate based on individual interviews rather than official company reporting” [“aproximadamente correctas en su dirección, a partir de entrevistas individuales y no de información oficial de las empresas”].²³

Varias apuestas AI-first muy conocidas se han revertido en parte. Klarna dijo en 2024 que su asistente de IA hacía el trabajo de 700 agentes de atención al cliente. En 2025, su director ejecutivo dijo que el costo había sido “a too predominant evaluation factor” [“un factor de evaluación demasiado predominante”] y que la calidad se había resentido. Klarna contrataría más agentes humanos.³⁵ Starbucks retiró una herramienta de IA para contar existencias tras unos nueve meses, después de quejas porque sus recuentos eran erróneos.³⁶ En julio de 2025, Commonwealth Bank of Australia dijo que suprimiría 45 puestos de atención al cliente tras introducir un bot de voz con IA. El Finance Sector Union, el sindicato del sector financiero, recurrió la decisión. En pocas semanas, el banco dijo que su evaluación “did not adequately consider all relevant business considerations” [“no tuvo debidamente en cuenta todas las consideraciones empresariales pertinentes”]. Dijo que los puestos no sobraban y pidió disculpas.³⁷

Los casos de esta guía se dividen por una sola línea. Las empresas que obtuvieron resultados cambiaron un proceso concreto y midieron el resultado. Las empresas que fracasaron extendieron la IA de forma general por orden de la dirección, la juzgaron sobre todo por el costo y no revisaron la calidad.

---

La IA en siete sectores

Las empresas de tecnología y software son las que más se acercan a la forma pura de AI-first, porque la IA suele ser el propio producto. Stripe construyó un modelo fundacional para pagos: un gran modelo de IA entrenado con decenas de miles de millones de sus transacciones. Stripe dice que el modelo aumentó un 64 % casi de inmediato su tasa de detección de ataques de prueba de tarjetas contra grandes empresas (cifra declarada por la empresa).³⁸ En un ataque de prueba de tarjetas, los delincuentes prueban números de tarjetas robadas con pagos pequeños.

Los equipos de marketing adoptaron pronto la IA generativa. Adore Me, una marca de lencería, usó Writer para producir descripciones de producto y notas de estilismo. El tiempo que dedicaba cada mes a las descripciones de producto para plataformas de venta en línea bajó de 20 horas a 20 minutos (caso publicado por el proveedor).³⁹ Bayer Australia usó el aprendizaje automático de Google Cloud para predecir cuándo aumentarían las búsquedas sobre resfriados y gripe, y ajustó sus anuncios de búsqueda a ello. Declaró un aumento del 85 % en la tasa de clics (la parte de las personas que ven el anuncio y hacen clic en él) y un costo por clic un 33 % menor que el año anterior (caso publicado por Google).⁴⁰

Los minoristas usan la IA desde el primer contacto con el cliente hasta el almacén. En una encuesta de 2026 a empresas minoristas y de bienes de consumo hecha por NVIDIA, que fabrica los chips con los que funciona la mayor parte de la IA, el 91 % dijo que usaba o estaba evaluando la IA.⁴¹ McKinsey calcula que la IA generativa podría crear entre 240.000 y 390.000 millones de dólares de valor económico para los minoristas. Es una previsión, no una ganancia medida.⁴²

Los fabricantes usan la IA sobre todo en ingeniería, mantenimiento y calidad. Siemens añadió agentes de IA a su Industrial Copilot en 2025. Un cliente, thyssenkrupp Automation Engineering, está implementando el Copilot en todo el mundo y declara un código de mejor calidad y un desarrollo más rápido (nota de prensa de Siemens).⁴³ Rolls-Royce usa gemelos digitales de motores de avión: copias en software de motores reales, alimentadas con datos de esos motores. Dice que esto ha alargado hasta un 50 % el tiempo entre mantenimientos de algunos motores.⁴⁴ En la UE, los fabricantes que usan IA la usan sobre todo para marketing y ventas (30 %) y para la administración (27 %), según Eurostat.²

Las empresas de servicios financieros gastan mucho en IA y tienen que probar y aprobar sus modelos con reglas estrictas. En la encuesta de NVIDIA de 2026 a más de 800 personas que trabajan en servicios financieros, el 65 % dijo que su empresa usaba la IA de forma activa, frente al 45 % un año antes.⁴⁵ Klarna (véase más arriba) muestra el riesgo de juzgar sobre todo por el costo la IA que atiende a los clientes.

La sanidad muestra por qué importa la evidencia independiente. Un asistente médico de IA para notas clínicas escucha una consulta y redacta las notas del médico. Los proveedores suelen prometer grandes ahorros de tiempo. Dos ensayos aleatorizados encontraron ahorros menores. En UCLA Health, una de las dos herramientas probadas redujo un 9,5 % el tiempo que los médicos dedicaban a escribir notas. La otra no cambió nada más allá del azar. Las medidas de agotamiento profesional mejoraron un poco. Los médicos usaron las herramientas solo en el 33,5 % y el 29,5 % de las visitas.⁴⁶ En la University of Wisconsin, un asistente de este tipo redujo en 0,36 horas al día el tiempo dedicado a las notas y se usó en el 38 % de las notas.⁴⁷ En The Permanente Medical Group, el grupo de médicos de Kaiser Permanente, estos asistentes ahorraron unas 15.791 horas estimadas de redacción de notas en aproximadamente los primeros 15 meses.⁴⁸ La empresa de asistentes clínicos Abridge obtuvo 300 millones de dólares de inversores en junio de 2025.⁴⁹

Las empresas de servicios profesionales adoptaron deprisa la IA generativa, pero las mejoras varían mucho. En una encuesta de BCG a trabajadores de servicios profesionales de Estados Unidos, hecha a finales de 2024 y publicada en 2025, el 95 % usaba IA generativa al menos una vez al mes. Aun así, el 53 % dijo que le ahorraba menos de una cuarta parte de su tiempo.⁵⁰ McKinsey dice que el 72 % de su propio personal usa su herramienta interna de IA, Lilli, y le envía más de 500.000 consultas al mes (cifra declarada por la empresa).⁵¹ En la encuesta de tecnología de la American Bar Association de 2024, el 30 % de los abogados dijo que usaba herramientas de IA, frente al 11 % del año anterior.⁵² Harvey, que vende IA a despachos de abogados, dice que la mayoría de las tareas que midió eran entre un 60 y un 90 % más rápidas con sus herramientas (afirmación del proveedor).⁵³ Los riesgos están bien documentados. A 16 de octubre de 2026, la base de datos de un investigador recogía 2199 resoluciones judiciales con material inventado por la IA, 871 de ellas con abogados implicados.⁵⁴ En los despachos pequeños, el tiempo ahorrado todavía no se ha convertido en dinero ganado. En una encuesta de Clio, que vende software a despachos de abogados, el 86 % de los abogados que trabajan solos y el 78 % de los despachos pequeños no habían cambiado sus precios por la IA (encuesta del proveedor).⁵⁵

---

Herramientas y sistemas según el tamaño

Lo que usa una empresa depende de su tamaño. Las microempresas y pequeñas empresas usan herramientas por suscripción en línea que exigen pocos conocimientos técnicos. Las medianas empresas añaden herramientas de automatización y las funciones de IA integradas en el software de gestión que ya pagan. Las empresas medianas-grandes combinan la IA de sus proveedores principales de software con unas pocas herramientas especializadas y conexiones directas con modelos de IA (API), sobre un único almacén compartido de datos de la empresa. Las grandes empresas construyen lo suyo: plataformas de datos, equipos que ponen en marcha y vigilan los modelos, y modelos entrenados con sus propios datos, en la nube y en sus propios centros de datos.

Los proveedores también están metiendo la IA en los planes que ya existen y subiendo los precios. Google incluyó su IA Gemini en todos los planes de empresa de Workspace y subió el precio de Business Standard en 2 dólares por usuario al mes.⁵⁶

Las piezas son las mismas en cualquier tamaño. Los datos están en la base. Los modelos de IA, y el trabajo de mantenerlos en marcha, están encima. Arriba están las aplicaciones que usan las personas: asistentes, agentes y herramientas hechas para un sector. Lo que cambia con el tamaño es cuánto de cada pieza tiene en propiedad una empresa y cuánto alquila.

Lea con cuidado las cifras de rentabilidad de la inversión. IDC hizo una investigación para Microsoft, que vende herramientas de IA. Las empresas dijeron a IDC que obtenían un retorno medio de 3,50 dólares por cada dólar invertido en IA en 2023, y de 3,70 dólares por cada dólar invertido en IA generativa en 2024. Estas cifras las declararon los propios directivos; nadie las midió.⁵⁷ Las estimaciones de las propias personas pueden equivocarse en cualquier dirección. En un ensayo aleatorizado, desarrolladores de software con experiencia tardaron un 19 % más en sus tareas cuando usaban IA. Después creían que la IA los había hecho alrededor de un 20 % más rápidos.⁵⁸ En el conjunto de la población activa de Estados Unidos, las estimaciones de los propios trabajadores sobre el tiempo que les ahorra la IA generativa sumaban alrededor del 2 % de todas las horas de trabajo en abril de 2026.⁵⁹ La evidencia independiente de esta guía, de estudios de campo y de las altas tasas de abandono, apunta a retornos menores y mucho más desiguales.

---

Quién hace qué: puestos y dirección

Ser AI-first exige nuevas responsabilidades más que nuevos cargos. Alguien tiene que responder de cada proceso apoyado por IA, de principio a fin. Alguien tiene que mantener en funcionamiento las instrucciones, las configuraciones y las conexiones entre sistemas a medida que cambian las herramientas. Alguien tiene que responder del riesgo y del cumplimiento legal. En una empresa pequeña, a menudo una sola persona hace las tres cosas. En una gran empresa, pasan a ser puestos separados, a menudo en un equipo central de IA.

Microsoft, que vende herramientas de IA, describe tres fases en su Work Trend Index 2025. Primero, la IA trabaja como asistente de cada empleado. Después, los agentes de IA se incorporan a los equipos como “digital colleagues” [“compañeros digitales”] que asumen tareas concretas. Por último, las personas dirigen agentes que llevan procesos completos.⁶⁰ Es una previsión de Microsoft, no un resultado medido.

La dirección importa tanto como la tecnología. McKinsey encontró que las empresas de alto rendimiento en IA tenían unas tres veces más probabilidades que las demás de contar con altos directivos que asumen la IA como propia y muestran su compromiso con ella.⁵ En la práctica, eso significa directivos que usan las herramientas en persona. Presentan la IA como una ayuda para el personal, no como su sustituto. Y tratan lo que produce la IA como un borrador del que responde una persona.

---

Qué hacer, según el tamaño de la empresa

• Microempresas y pequeñas empresas: empiece por un proceso costoso y repetitivo. Use herramientas ya hechas, con una persona que revise lo que producen. Antes de hacer más, mida el tiempo ahorrado y si se movieron las ventas o los honorarios.
• Medianas empresas: nombre a una persona responsable de la IA. Ponga en marcha una política breve de uso de la IA y la formación del personal. Compre y configure herramientas en lugar de desarrollarlas.
• Empresas medianas-grandes: aproveche su capacidad de decidir rápido. Empiece por la IA de su software principal y unas pocas herramientas especializadas. Construya pronto datos compartidos y reglas para la IA.
• Grandes empresas: cambie los procesos de trabajo en lugar de añadirles herramientas. Ponga a altos directivos al frente, de forma visible. Gestione la IA como parte de cómo funciona la empresa, no como un proyecto de informática.

En cualquier tamaño, comprar la tecnología es la parte menor del trabajo. La mayor parte del trabajo es cambiar cómo trabajan las personas y los procesos (la regla 10-20-70 de BCG, más arriba). Las empresas que tratan AI-first como una compra de software suelen sumarse a la mayoría cuyos proyectos se estancan. Las empresas que ganan, según la evidencia hasta ahora, son las que cambiaron cómo se hace el trabajo.

Fuentes

1. 9to5Google, sobre las declaraciones de Sundar Pichai y su Founders’ Letter de 2016, 28 de abril de 2016: https://9to5google.com/2016/04/28/founders-letter-2016-pichai/ ↩

2. Eurostat, “Use of artificial intelligence in enterprises,” datos de 2025: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises ↩ ↩² ↩³ ↩⁴

3. US Census Bureau, Business Trends and Outlook Survey, mayo de 2026: https://census.gov/library/stories/2026/05/ai-use-businesses.html ↩ ↩²

4. I. Yotzov, J. M. Barrero, N. Bloom y otros, “Firm Data on AI,” NBER Working Paper 34836, 2026: https://www.nber.org/papers/w34836 ↩

5. McKinsey, “The state of AI in 2025,” 5 de noviembre de 2025 (copia archivada; la dirección activa muestra ahora la edición de 2026): https://web.archive.org/web/20251215/https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩ ↩² ↩³ ↩⁴ ↩⁵

6. BCG, “CEO’s Guide to Maximizing Value Potential from AI in 2024,” julio de 2024: https://media-publications.bcg.com/BCG-Executive-Perspectives-CEOs-Guide-to-Maximizing-Value-from-AI-EP0-3July2024.pdf ↩

7. BCG, “5 Rules for Fixing AI and Machine Learning for Your Business,” 2022: https://www.bcg.com/publications/2022/5-rules-for-fixing-ai-and-machine-learning-for-your-business ↩ ↩²

8. McKinsey, “The rewired enterprise: How five companies built to outcompete”: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-rewired-enterprise-how-five-companies-built-to-outcompete ↩

9. Tobi Lütke, comunicado interno publicado en X, 7 de abril de 2025: https://x.com/tobi/status/1909251946235437514 ↩

10. Fortune, “Duolingo CEO admits controversial AI memo did not give enough context,” 18 de agosto de 2025: https://fortune.com/2025/08/18/duolingo-ceo-admits-controversial-ai-memo-did-not-give-enough-context-insists-company-never-laid-off-full-time-employees ↩

11. Annalisa Ferrando, Sara Lamboglia, Judit Rariga y Maurice Schmidt, “Adoption and investment in AI across the euro area: insights from harmonised firm-level data,” ECB Occasional Paper 395, 2026: https://www.ecb.europa.eu/pub/pdf/scpops/ecb.op395.en.pdf ↩

12. JPMorganChase Institute, “Understanding the use of AI among small businesses,” abril de 2026: https://www.jpmorganchase.com/institute/all-topics/business-growth-and-entrepreneurship/understanding-ai-use-by-small-businesses ↩

13. Federal Reserve Banks, Small Business Credit Survey, “2026 Report on Employer Firms,” marzo de 2026: https://www.fedsmallbusiness.org/-/media/project/clevelandfedtenant/fsbsite/reports/2026/2026-report-on-employer-firms/2026-report-on-employer-firms.pdf ↩

14. Erik Brynjolfsson, Danielle Li y Lindsey Raymond, “Generative AI at Work,” The Quarterly Journal of Economics 140(2), 2025: https://doi.org/10.1093/qje/qjae044. Versión anterior: NBER Working Paper 31161: https://www.nber.org/papers/w31161 ↩

15. Anders Humlum y Emilie Vestergaard, “Large Language Models, Small Labor Market Effects,” versión de mayo de 2025 (BFI Working Paper 2025-56; ahorro medio de tiempo del 2,8 %): https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf. Revisado como NBER Working Paper 33777: https://www.nber.org/papers/w33777 ↩

16. Nicholas G. Otis, Rowan Clarke, Solène Delecourt, David Holtz y Rembrand Koning, “The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya,” Management Science, 2026: https://doi.org/10.1287/mnsc.2024.06909 ↩

17. Daily Coffee News, 18 de octubre de 2024: https://dailycoffeenews.com/2024/10/18/weekly-coffee-news-gpt-assisted-grinder-hack-an-espresso-smoker ↩

18. ARR Club, “Aragon AI at $10M ARR in 2 years with 9 people”: https://www.arr.club/signal/aragon-ai-arr-at-10m-in-2-years-with-9-people ↩

19. Hyunso Kim, Hyo Kang y Jaeyong Song, “Generative AI Fuels Solo Entrepreneurship, but Teams Still Lead at the Top,” arXiv 2605.10291, mayo de 2026: https://arxiv.org/abs/2605.10291 ↩

20. OECD, “Generative AI and the SME Workforce,” 2025: https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html ↩

21. Gibson Dunn, “EU AI Act Omnibus agreement: postponed high-risk deadlines and other key changes,” mayo de 2026: https://www.gibsondunn.com/eu-ai-act-omnibus-agreement-postponed-high-risk-deadlines-and-other-key-changes/ ↩

22. RSM, “Middle market embraced AI; now comes the hard part,” 2026: https://rsmus.com/newsroom/2026/rsm-survey-middle-market-embraced-ai-now-comes-hard-part.html ↩

23. A. Challapally, C. Pease, R. Raskar y P. Chari, MIT NANDA, “The GenAI Divide: State of AI in Business 2025,” resultados preliminares, julio de 2025. Copia alojada en mlq.ai, no en un dominio del MIT: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↩ ↩²

24. Fortune, artículo de opinión de investigadores vinculados a BCG, 10 de enero de 2025: https://fortune.com/2025/01/10/ai-artificial-intelligence-goldilocks-mid-sized-companies ↩

25. BCG, “How midmarket firms can get value from AI,” septiembre de 2026: https://www.bcg.com/publications/2026/midmarket-firms-get-value-from-ai ↩

26. Volkswagen Group, “Boosting innovation, reshaping mobility: Volkswagen Group invests in AI,” septiembre de 2025: https://www.volkswagen-group.com/en/press-releases/boosting-innovation-reshaping-mobility-volkswagen-group-invests-in-ai-19852 ↩

27. Markets Media, “JPMorgan Chase raises target for value realised from AI,” mayo de 2023: https://www.marketsmedia.com/jpmorgan-chase-raises-target-for-value-realised-from-ai/ ↩

28. Sala de prensa de Bank of America, marzo de 2026: https://newsroom.bankofamerica.com/content/newsroom/press-releases/2026/03/bofa-ai-and-digital-innovations-fuel-30-billion-client-interacti.html ↩

29. Fortune, “Goldman Sachs CEO David Solomon on AI,” 17 de enero de 2025: https://fortune.com/2025/01/17/goldman-sachs-ceo-david-solomon-ai-tasks-ipo-prospectus-s1-filing-sec ↩

30. Becker’s Payer Issues, “UnitedHealth has 1,000 AI use cases,” 2025: https://www.beckerspayer.com/payer/unitedhealth-has-1000-ai-use-cases-report/ ↩

31. UnitedHealth Group, intervención en la presentación de resultados del primer trimestre de 2025, 17 de abril de 2025: https://www.unitedhealthgroup.com/content/dam/UHG/PDF/investors/2025/UNH-Q1-2025-Remarks.pdf ↩

32. McKinsey, “The state of AI: How organizations are rewiring to capture value,” marzo de 2025: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value ↩

33. Gartner, “Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025,” 29 de julio de 2024: https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025 ↩

34. CIO Dive, “AI project failure rates are on the rise,” sobre datos de S&P Global Market Intelligence, 2025: https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/ ↩

35. Entrepreneur, “Klarna CEO reverses course by hiring more humans, not AI,” 2025: https://www.entrepreneur.com/business-news/klarna-ceo-reverses-course-by-hiring-more-humans-not-ai/491396; cita del director ejecutivo a través de Customer Experience Dive, que cita a Bloomberg, 9 de mayo de 2025: https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/ ↩

36. Fortune, 28 de mayo de 2026: https://fortune.com/2026/05/28/starbucks-quietly-retired-ai-inventory-agent-barista-complaints-hallucinations/ ↩

37. Information Age (Australian Computer Society), “CBA reverses AI-driven job cuts, admits ‘error’,” 21 de agosto de 2025: https://ia.acs.org.au/article/2025/cba-reverses-ai-driven-job-cuts—admits—error-.html ↩

38. TechCrunch, “Stripe unveils AI foundation model for payments,” 7 de mayo de 2025: https://techcrunch.com/2025/05/07/stripe-unveils-ai-foundation-model-for-payments-reveals-deeper-partnership-with-nvidia ↩

39. Writer, “Adore Me customer story”: https://writer.com/blog/adore-me-customer-story ↩

40. Google, “Bayer: search trends and demand predictions”: https://business.google.com/us/think/ai-excellence/search-trends-demand-predictions-bayer/ ↩

41. NVIDIA, “State of AI in Retail and CPG,” 2026: https://blogs.nvidia.com/blog/ai-in-retail-cpg-survey-2026 ↩

42. McKinsey, “LLM to ROI: How to scale gen AI in retail”: https://www.mckinsey.com/industries/retail/our-insights/llm-to-roi-how-to-scale-gen-ai-in-retail ↩

43. Siemens, “Siemens introduces AI agents for industrial automation,” 12 de mayo de 2025: https://www.businesswire.com/news/home/20250512053219/en ↩

44. CIO, “Rolls-Royce turns to digital twins to improve jet engine efficiency,” 2021: https://www.cio.com/article/3620993/rolls-royce-turns-to-digital-twins-to-improve-jet-engine-efficiency.html ↩

45. NVIDIA, “Survey Reveals the Financial Services Industry Is Doubling Down on AI Investment and Open Source,” 22 de enero de 2026: https://blogs.nvidia.com/blog/ai-in-financial-services-survey-2026/ ↩

46. Lukac y otros, “Ambient AI scribes in clinical practice: a randomized trial,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2501000 ↩

47. Afshar y otros, “A pragmatic randomized controlled trial of ambient artificial intelligence to improve health practitioner well-being,” NEJM AI, 2025: https://doi.org/10.1056/AIoa2500945 ↩

48. American Medical Association, “AI scribes save 15,000 hours and restore the human side of medicine”: https://www.ama-assn.org/practice-management/digital-health/ai-scribes-save-15000-hours-and-restore-human-side-medicine ↩

49. Latham & Watkins, “Latham & Watkins advises Abridge in US$300 million Series E funding round,” junio de 2025: https://www.lw.com/en/news/2025/06/latham-watkins-advises-abridge-in-us300-million-series-e-funding-round ↩

50. BCG, “Gen AI in professional services,” 2025: https://www.bcg.com/publications/2025/gen-ai-in-professional-services ↩

51. McKinsey, “Rewiring the way McKinsey works with Lilli”: https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewiring-the-way-mckinsey-works-with-lilli ↩

52. LawNext, “ABA tech survey finds growing adoption of AI in legal practice,” marzo de 2025: https://lawnext.com/2025/03/aba-tech-survey-finds-growing-adoption-of-ai-in-legal-practice-with-efficiency-gains-as-primary-driver.html ↩

53. Harvey, “How Harvey saves lawyers time,” 31 de julio de 2025: https://www.harvey.ai/blog/how-harvey-saves-lawyers-time ↩

54. Damien Charlotin, base de datos “AI Hallucination Cases”, recuento a 16 de octubre de 2026: https://www.damiencharlotin.com/hallucinations/ ↩

55. Clio, “Legal Trends for Solo and Small Law Firms 2026,” nota de prensa, 4 de mayo de 2026: https://www.clio.com/about/press/2026-solo-small-firm-report/ ↩

56. Blog de Google Workspace, anuncio de Gemini en todos los planes de empresa de Workspace y de los nuevos precios, 15 de enero de 2025: https://workspace.google.com/blog/product-announcements/empowering-businesses-with-AI ↩

57. Microsoft, “New study validates the business value and opportunity of AI,” 2 de noviembre de 2023: https://blogs.microsoft.com/blog/2023/11/02/new-study-validates-the-business-value-and-opportunity-of-ai/ y “IDC’s 2024 AI opportunity study,” 12 de noviembre de 2024: https://blogs.microsoft.com/blog/2024/11/12/idcs-2024-ai-opportunity-study-top-five-ai-trends-to-watch/ ↩

58. METR, estudio aleatorizado con desarrolladores de código abierto con experiencia que usaban herramientas de IA de principios de 2025, 10 de julio de 2025: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ ↩

59. Alexander Bick, Adam Blandin y David Deming, “Generative Artificial Intelligence, Time Savings: Employed Adults,” serie RPSGENAITSALL, Federal Reserve Bank of St. Louis (FRED), valor de abril de 2026: https://fred.stlouisfed.org/series/RPSGENAITSALL ↩

60. Microsoft, Work Trend Index 2025, “2025: The year the Frontier Firm is born”: https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born ↩