Empezar aquí: cinco pasos, en orden
Haga primero estas cinco cosas, una tras otra. Cada una enlaza con la práctica completa y la evidencia que la respalda.
-
Nombre a un alto directivo responsable de la IA, con un equipo central. Haga que el riesgo y el cumplimiento normativo sean funciones separadas.
Días, una persona Nombre a un único responsable de la IA
-
Lleve un registro de todos los usos de la IA en la empresa, incluidas las herramientas que el personal adoptó por su cuenta. Déjelo en manos del área jurídica y de cumplimiento, y consúltelo antes de comprar cualquier herramienta de IA nueva.
Días, una persona Conozca las reglas que ya se aplican a su uso de la IA
-
Presupueste de forma central la formación, el rediseño y la ayuda a las personas durante el cambio. Si se deja en manos de cada unidad, cada una lo financia por debajo de lo necesario.
Días, una persona Presupueste para las personas y los procesos, no solo para las herramientas
-
Elija un proceso en el que un piloto ya haya mostrado una mejora en un paso. Rediséñelo de principio a fin, bajo una persona responsable con autoridad sobre toda la cadena.
Meses, varios equipos Rediseñe el proceso de trabajo en lugar de añadirle una herramienta
-
Antes de extender cualquier uso de la IA, pase casos reales del pasado de tres maneras: la persona sola, la IA sola y la persona con la IA. Compare primero la calidad y después el tiempo.
Semanas, unas pocas personas Para cada tipo de tarea, compruebe si una persona con IA supera a cualquiera de las dos por separado
Después: las 27 prácticas para este tamaño
Véalo en una empresa como la suya Procter & Gamble: una persona con IA igualó a un equipo de dos sin IA
Lo propio de este tamaño
- Uso amplio, beneficio escaso. En la encuesta mundial de McKinsey de 2025, el 88 % de las organizaciones usaba la IA en al menos una función de negocio. Alrededor del 6 % atribuía a la IA el 5 % o más de su beneficio operativo (página del estudio). Las encuestas diseñadas para representar a todas las empresas encuentran menos. En una encuesta a cerca de 6000 directivos de Estados Unidos, el Reino Unido, Alemania y Australia, hecha con bancos centrales, el 69 % de las empresas usaba IA. Alrededor de nueve de cada diez no declararon ningún efecto en su propio empleo ni en su productividad en los últimos tres años (documento de trabajo). En la encuesta de la US Census Bureau, el uso de la IA solo llegó al 50–60 % entre las empresas muy grandes de información, servicios profesionales y finanzas (página del estudio).
- El rediseño separa a los dos grupos. Esas empresas con mejores resultados tenían casi tres veces más probabilidades que las demás de haber reconstruido desde cero procesos de trabajo concretos.
- El liderazgo se nota. Las empresas con mejores resultados tenían tres veces más probabilidades de decir que la alta dirección asume la IA como propia y se compromete con ella.
- El riesgo crece con la escala. En la misma encuesta, el 51 % de las organizaciones que usaban la IA había sufrido al menos una consecuencia negativa, casi siempre resultados inexactos.
- Dos pruebas aleatorizadas de un asistente de oficina. HMRC, la administración tributaria del Reino Unido, dio 3000 licencias de Microsoft 365 Copilot a personal elegido al azar. El 83 % las usó. Los usuarios dijeron ahorrar unos 60 minutos a la semana, después de que HMRC rebajara la cifra autodeclarada alrededor de un 20 % para tener en cuenta el sesgo (caso de HMRC). En 66 empresas, 7137 trabajadores que recibieron al azar la misma herramienta dedicaron unas dos horas menos a la semana al correo electrónico, sin cambios en la cantidad ni en la combinación de sus tareas. Tres de los cuatro autores trabajaban para Microsoft (página del estudio).
- La contratación de personal júnior es un asunto discutido. En datos de currículos de Estados Unidos, las empresas que publicaron ofertas para integrar la IA generativa en su trabajo eran el 3,7 % de las empresas, pero empleaban al 16 % de los trabajadores. Seis trimestres después de empezar, su empleo júnior era alrededor de un 9 % más bajo que en otras empresas, y el empleo sénior se mantuvo (página del estudio). El seguimiento mensual del Yale Budget Lab, actualizado en septiembre de 2026, no encuentra una alteración clara en el conjunto del mercado laboral de Estados Unidos (Yale Budget Lab). Vea conserve las tareas de nivel inicial con las que aprende el personal nuevo.
Lea la sección de la guía sobre este tamaño para ver las cifras y sus fuentes.
Todas las prácticas para este tamaño
Esta es la lista completa a la que volver después de los cinco pasos: 27 prácticas adecuadas para empresas de 1000+ empleados. Se agrupan por etapa. En cada grupo, lo que hay que hacer primero va primero. Fíltrelas por tema, momento o nivel de evidencia.
Explorar
Averigüe dónde está y dónde podría ayudar la IA.
- Haga un mapa de las tareas antes de decidir qué automatizar Divida los puestos en tareas y examine cada una. Hay puntuaciones publicadas que miden cuánto de un puesto podría hacer la IA, su “exposición”. Trate una puntuación alta como un lugar donde mirar, no como una decisión de automatizar. Hacer primero · Esfuerzo: bajo (días, una persona)
- Pida pruebas a los proveedores de IA antes de comprar, y haga una prueba con su propio material No acepte sin más la cifra de precisión de un proveedor de IA ni su promesa de “cumplimiento total”. Pregunte cómo se probó y con qué material, haga una pequeña prueba con su propio material y revise las condiciones sobre sus datos y sobre la salida del contrato. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Conozca las reglas que ya se aplican a su uso de la IA La mayoría de las reglas que obligan a su empresa cuando usa IA no son leyes de IA. Usted responde de lo que su IA dice y hace según las normas de consumo, privacidad, publicidad y profesionales que ya cumple. Haga una lista de sus usos de la IA y asigne a cada uno sus reglas. Hacer primero · Esfuerzo: bajo (días, una persona)
- No trate una puntuación de madurez como una previsión Una puntuación de madurez o de preparación para la IA describe dónde dice usted que está. Las pruebas de que una puntuación más alta lleva a mejores resultados son escasas y controvertidas. Úsela para abrir una conversación, no para predecir la rentabilidad. Hacer después · Esfuerzo: bajo (días, una persona)
- Evalúe la preparación con varias fuentes, no con la opinión de un solo directivo Un cuestionario de preparación que rellena un solo alto cargo refleja la opinión de esa persona. Pregunte también al personal y a los mandos, y compare las respuestas con lo que puede observar. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Mida por separado la disposición y la resistencia El personal puede estar entusiasmado con la IA y preocupado por ella a la vez. Pregunte por las dos cosas por separado. Una sola puntuación de “preparación” oculta la preocupación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
Adoptar
Ponga la IA a trabajar en tareas reales, con personas que revisan los resultados.
- Proteja la seguridad psicológica durante una implementación de IA Los proyectos de IA pueden hacer que el personal tenga miedo de hablar y no quiera compartir lo que sabe. Diga pronto qué significa la IA para los puestos de trabajo, y consulte a las personas afectadas. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Forme al personal en las herramientas que de verdad eligió Muestre a cada usuario qué es la herramienta de IA elegida, dónde se equivoca y qué debe revisar. Use sus propias tareas y sus propias reglas, dé tiempo para practicar e incluya al personal temporal. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Mantenga a una persona revisando todo lo que llega a un cliente o tiene peso legal Antes de que lo que produce la IA salga de la empresa o sirva de base para una decisión, una persona concreta lo compara con fuentes reales y da su visto bueno. Haga de la revisión un paso del proceso, con tiempo reservado para ella. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Presupueste para las personas y los procesos, no solo para las herramientas Las licencias son la parte pequeña del costo. Reserve la mayor parte del tiempo y del dinero para la formación, el rediseño del trabajo y el acompañamiento de las personas durante el cambio. Hacer primero · Esfuerzo: bajo (días, una persona)
- Decida qué datos pueden ir a qué herramientas de IA Divida sus datos en dos o tres grupos y diga a qué herramientas de IA puede ir cada grupo. Los secretos de los clientes y los datos personales no entran en herramientas públicas. Donde un error sería grave, bloquee la subida en lugar de confiar en una regla. Hacer primero · Esfuerzo: bajo (días, una persona)
- Escriba una política de uso de la IA de una página que el personal lea de verdad Ponga en una página las reglas para la IA: qué herramientas se permiten, qué no se debe escribir nunca en ellas, quién revisa el resultado y a quién preguntar. Después lleve la regla más importante al propio trabajo, porque una página sola se ignora. Hacer primero · Esfuerzo: bajo (días, una persona)
- Mida el tiempo ahorrado por tarea frente a una medición de partida Anote cuánto tarda una tarea y lo bueno que es el resultado antes de añadir la IA. Sin esa cifra de partida no podrá distinguir una mejora real de una esperanza. Hacer primero · Esfuerzo: bajo (días, una persona)
- Nombre a un único responsable de la IA Dé a un alto cargo concreto la responsabilidad de la IA: prioridades, presupuesto, riesgos y resultados. Cuando la responsabilidad se comparte, lo habitual es que nadie decida. Hacer primero · Esfuerzo: bajo (días, una persona)
- Presupueste el trabajo que crea la IA La IA elimina un trabajo y añade otro: revisar lo que produce, llevar registros, atender las excepciones y cuidar de las herramientas. Cuente ese trabajo y asígnele un responsable antes de contar el ahorro. Hacer primero · Esfuerzo: bajo (días, una persona)
- Haga que la IA muestre en qué se basa su respuesta Una puntuación o una estimación sin una razón al lado es difícil de juzgar. Elija y configure las herramientas de IA para que cada respuesta venga con aquello en lo que se apoya: la parte marcada de la imagen, los casos pasados parecidos, el pasaje del documento. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Ponga a prueba los conocimientos de IA en lugar de pedir al personal que se autoevalúe Las personas juzgan mal sus propias competencias. Para saber qué sabe su personal sobre la IA, use una prueba breve de conocimientos o una segunda opinión, no solo una autoevaluación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Afirme solo lo que se ha comprobado que su IA hace Si dice a sus clientes que su producto o servicio usa IA, o lo bien que funciona, tenga las pruebas antes de decirlo. Los reguladores tratan “con IA” y “98 % de precisión” como afirmaciones sobre hechos, igual que cualquier otra. Hacer después · Esfuerzo: bajo (días, una persona)
- Dé primero la ayuda de la IA al personal más nuevo Cuando implemente un asistente de IA para una tarea bien definida, empiece por las personas con menos experiencia. Los estudios muestran que son las que más ganan. Hacer después · Esfuerzo: bajo (días, una persona)
- Ponga en orden sus propios registros antes de pedir a la IA que prediga a partir de ellos Una IA que estima un precio, un tiempo o el siguiente paso aprende de sus trabajos y clientes anteriores. Primero consiga que esos registros estén completos, sean coherentes y estén en un solo lugar. En los casos de esta página, eso fue la mayor parte del trabajo. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Fije los límites antes de que la herramienta actúe Antes de que una herramienta de IA fije un precio, envíe un mensaje o dé un paso por usted, escriba lo que no debe hacer nunca, hasta dónde puede llegar y qué necesita a una persona. Integre esos límites en la herramienta y después haga pruebas dentro de ellos. Hacer después · Esfuerzo: bajo (días, una persona)
- Trabaje en dos vías: pase unas tareas a la IA y dé ayuda de IA a los expertos en otras Trate el trabajo con IA como dos programas. Uno automatiza tareas digitales repetibles cuyos resultados son fáciles de comprobar. El otro da ayuda de IA a los expertos en un trabajo que no se puede delegar. Juzgue cada uno con su propia medida. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
Rediseñar
Cambie cómo se hace el trabajo, no solo las herramientas.
- Para cada tipo de tarea, compruebe si una persona con IA supera a cualquiera de las dos por separado No dé por hecho que añadir una persona a la IA, o la IA a una persona, da el mejor resultado. Compruébelo para cada tipo de tarea antes de dar por cerrado el proceso. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Rediseñe el proceso de trabajo en lugar de añadirle una herramienta Dar a las personas una herramienta de IA dentro de un proceso que no cambia cambia poco. Vuelva a decidir quién hace cada paso, en qué orden y dónde revisa una persona. Hacer después · Esfuerzo: alto (meses, varios equipos)
Mantener
Haga que siga funcionando: competencias, calidad y revisiones a lo largo del tiempo.
- Cuando la IA se equivoca, corrija rápido y de forma abierta Decida ahora qué pasa cuando sale un error de la IA: a quién se avisa, quién retira o corrige el trabajo y quién comprueba hasta dónde llega el problema. En los casos documentados, las empresas que lo reconocieron rápido salieron mucho mejor paradas que las que defendieron el error. Hacer después · Esfuerzo: bajo (días, una persona)
- Compruebe de vez en cuando lo que el personal puede hacer sin la IA En una muestra de casos, pida a las personas que hagan el trabajo sin la IA y compare el resultado con su trabajo habitual. Empiece por quienes revisan lo que produce la IA y por quienes aún están aprendiendo el oficio, y configure las herramientas de quienes aprenden para que den pistas, no respuestas. Hacer más adelante · Esfuerzo: medio (semanas, unas pocas personas)
- Conserve las tareas de nivel inicial con las que aprende el personal nuevo Antes de automatizar un trabajo rutinario, compruebe si es la forma en que el personal júnior aprende el oficio. Si lo es, reserve una parte para ese personal, o sustituya ese aprendizaje de otra manera. Hacer más adelante · Esfuerzo: medio (semanas, unas pocas personas)
Casos de empresas
Son empresas con nombre de este tamaño, con cifras y una fuente pública. Todos los casos.
- Air Canada: responsable de lo que el chatbot de su web le dijo a un cliente El chatbot de la web de Air Canada dio a un cliente información errónea sobre reembolsos. Un tribunal de Canadá ordenó pagar a la aerolínea. Rechazó el argumento de que la empresa no era responsable de su chatbot.
- Ashurst: primeros borradores entre un 45 % y un 80 % más rápidos en pruebas cronometradas, con los abogados aún por delante en exactitud El despacho de abogados Ashurst probó la IA generativa con 411 de sus profesionales durante cinco meses y publicó los resultados. Los primeros borradores salieron entre un 45 % y un 80 % más rápido en pruebas cronometradas. En una comparación ciega, los borradores de los propios abogados fueron de media más exactos, y un borrador de la IA citó un fallo judicial equivocado.
- Commonwealth Bank of Australia suprimió 45 puestos por un bot de voz, y después dijo que no sobraban Commonwealth Bank of Australia anunció que un bot de voz con IA sustituiría 45 puestos de atención al cliente. El sindicato del personal dijo que las llamadas aumentaban, no disminuían. Un mes después el banco dijo que su evaluación había sido un error, que los puestos no sobraban, y pidió disculpas.
- Deloitte Australia: un informe para el Gobierno reeditado para corregir citas erróneas Un informe de Deloitte para un departamento del Gobierno de Australia tuvo que reeditarse para corregir citas y el resumen de una sentencia. La versión corregida declaró el uso de una herramienta de IA generativa. El informe no dice que la IA causara los errores.
- El servicio de protección de menores de Victoria: un trabajador introdujo datos de un caso en ChatGPT y el regulador ordenó bloquear las herramientas Un trabajador de protección de menores escribió en ChatGPT datos personales de una familia para redactar un informe para un tribunal. El informe contenía errores. El regulador de privacidad concluyó que el departamento no tenía reglas, ni formación, ni límites técnicos para estas herramientas, y le ordenó bloquearlas.
- eBay: la traducción automática subió cerca de un 11 % las ventas internacionales eBay empezó a traducir las búsquedas y los títulos de los anuncios para compradores hispanohablantes. Un estudio revisado por pares concluyó que las exportaciones de Estados Unidos a esos compradores en eBay subieron un 10,9 %. Es uno de los pocos resultados de la IA en el comercio minorista medidos por investigadores externos.
- Hitachi Energy: un modelo de IA señaló los dos pasos de producción que estropeaban chips Unos investigadores entrenaron un modelo de IA con los registros de producción de una planta de chips y le preguntaron qué pasos del proceso estropeaban más chips. Los ingenieros probaron sus dos sugerencias en un lote real, y las pérdidas bajaron un 21,7 %. En un segundo producto, el mismo método redujo las pérdidas un 51,3 %. El análisis habitual de la planta no había detectado ninguna de las dos causas.
- HMRC repartió 3000 licencias de Copilot al azar: cerca de una hora a la semana ahorrada, según estimó el personal La autoridad fiscal del Reino Unido eligió al azar a 3000 empleados y les dio durante tres meses un asistente de IA dentro de su software de oficina. La mayoría lo usó y le gustó. El personal estimó que le ahorraba cerca de una hora a la semana, y la autoridad rebajó las estimaciones autodeclaradas para tener en cuenta que los usuarios más entusiastas responden más a menudo.
- Klarna: la IA redujo en una cuarta parte el gasto en proveedores externos de marketing Klarna informó de que las herramientas de IA le permitieron gastar un 25 % menos en proveedores externos de marketing y lanzar más campañas. Para las agencias, es un cliente que dice en público qué trabajo ha pasado a hacer internamente.
- Klarna: un asistente de IA asumió dos tercios de los chats de atención al cliente, y después la empresa volvió a contratar personas Klarna informó de grandes ahorros gracias a un asistente de IA de atención al cliente. Cerca de un año después, su consejero delegado dijo que la empresa había juzgado el trabajo demasiado por su costo, y empezó a contratar de nuevo agentes humanos. El asistente de IA se quedó.
- Morgan & Morgan: ocho casos inventados por la herramienta de IA del propio despacho, firmados por tres abogados Un abogado pidió a la herramienta de IA de su propio despacho que añadiera jurisprudencia a un escrito judicial. Ocho de los nueve casos que citó no existían. Otros dos abogados firmaron sin leerlo. El despacho había formado a su personal, y después añadió un aviso dentro de la herramienta.
- Procter & Gamble: una persona con IA igualó a un equipo de dos sin IA Unos investigadores hicieron un experimento con 776 empleados de Procter & Gamble sobre tareas reales de desarrollo de productos. Las personas que trabajaban solas con IA propusieron ideas tan bien valoradas como las de equipos de dos sin IA, y más rápido.
- PSG Global Solutions: la IA hizo las entrevistas de trabajo y las personas tomaron las decisiones de contratación Una empresa de selección dejó que un agente de voz con IA hiciera entrevistas de trabajo, y sus reclutadores mantuvieron todas las decisiones de contratación. En un estudio aleatorizado de 70.884 candidaturas, las personas entrevistadas por la IA tuvieron un 12 % más de probabilidades de recibir una oferta y más probabilidades de seguir en el puesto.
- Rite Aid: cinco años sin poder usar reconocimiento facial tras comprarlo sin ponerlo a prueba Rite Aid usó reconocimiento facial para detectar a presuntos ladrones. El regulador de consumo de Estados Unidos dijo que la cadena nunca preguntó a sus proveedores lo exacto que era el sistema, nunca lo puso a prueba y no formó al personal. Se acusó injustamente a clientes. A la cadena se le prohibió usar esta tecnología durante cinco años.
- Siemens: los inspectores detectaron más defectos cuando la IA mostró lo que había visto Unos investigadores dieron a 48 inspectores de una fábrica de electrónica de Siemens una ayuda de IA para revisar placas de circuito. La mitad solo veía la puntuación de la IA. La otra mitad veía además una imagen que marcaba dónde había encontrado la IA un problema. El segundo grupo detectó más defectos, y la mayoría de sus miembros lo hizo mejor que la IA sola.
- UK Department for Business and Trade: 1000 licencias de Copilot, usuarios satisfechos y ninguna mejora de productividad demostrada Un departamento del Gobierno del Reino Unido dio a 1000 personas un asistente de IA dentro del software de oficina que ya usaban, y midió el resultado. La mayoría de los usuarios quedaron satisfechos y las tareas de redacción fueron más rápidas. Algunas tareas fueron más lentas o salieron peor, y el departamento no encontró pruebas de una mayor productividad.
- Walmart: IA generativa para corregir 850 millones de datos de producto Walmart contó a sus inversores que usó IA generativa para crear o mejorar más de 850 millones de datos de producto. La tarea es acotada, repetitiva y fácil de revisar, que es donde la IA suele funcionar.
- WPP: £300 millones al año en una plataforma de IA, y aun así los ingresos cayeron WPP, uno de los mayores grupos de publicidad, invirtió mucho en su propia plataforma de IA y declaró que su personal la usaba ampliamente. Aun así, sus ingresos cayeron en 2025. Invertir en IA no protegió por sí solo los ingresos de una agencia.
Ejemplo práctico
Este ejemplo es una empresa mediana. Los pasos son los mismos en cualquier tamaño: trace el mapa de tareas, clasifíquelas, nombre responsables y haga pilotos por etapas.