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. Añada un pequeño grupo de personas de alto nivel de varias áreas para fijar las prioridades, y una persona responsable de la IA en cada unidad de negocio.
Días, una persona Nombre a un único responsable de la IA
-
Diga qué datos pueden ir a qué herramientas de IA, usando las clases de datos que ya tiene. Refuerce la regla con controles técnicos sobre lo que se sube y se descarga.
Días, una persona Decida qué datos pueden ir a qué herramientas de IA
-
Fije una lista estándar de preguntas para cada compra de IA, con revisión de seguridad y jurídica. Pruebe cada herramienta con su propio material y guarde el conjunto de pruebas.
Semanas, unas pocas personas Pida pruebas a los proveedores de IA antes de comprar, y haga una prueba con su propio material
-
Antes de aprobar una herramienta, ponga una cifra a la formación, al rediseño y al tiempo de revisión. Cuente con que la calidad de los datos y la integración se lleven una parte mayor cuando los pilotos se extiendan.
Días, una persona Presupueste para las personas y los procesos, no solo para las herramientas
-
Tome un proceso en el que un piloto haya mostrado una mejora en un solo paso. Rediseñe todo el proceso en torno a ella, y nombre a una sola persona responsable de todo él.
Meses, varios equipos Rediseñe el proceso de trabajo en lugar de añadirle una herramienta
Lo propio de este tamaño
- La mayoría de las empresas ya ha empezado. En la encuesta de RSM de 2026 a empresas medianas de Estados Unidos y Canadá, el 86 % dijo que había incorporado la IA en parte o por completo a sus operaciones. Esa encuesta define el tamaño por la facturación, no por la plantilla (RSM).
- Los datos y la integración son los puntos de bloqueo. Entre las empresas cuyos pilotos solo tuvieron un éxito moderado o limitado, los obstáculos más citados para extenderlos fueron la calidad de los datos (53 %) y la integración con los sistemas existentes (47 %), en la misma encuesta. Dar una licencia a cada persona no es integrar. En un experimento aleatorizado en 66 empresas, un asistente de IA de oficina ahorró tiempo de correo electrónico y no cambió aquello en lo que trabajaba la gente (página del estudio).
- La ventaja del tamaño es discutible. El estudio de BCG de 2026 encontró que las grandes empresas tenían más probabilidades de declarar aumentos importantes de ingresos gracias a la IA, gastaban en ella una parte mayor de sus ingresos y contrataban especialistas en IA más deprisa (BCG).
- Una estructura habitual. Un alto directivo responsable, con nombre, y un pequeño grupo de personas de alto nivel fijan las prioridades. Las unidades de negocio tienen sus propios responsables de IA, respaldados por un equipo central para las herramientas, los datos y las reglas comunes.
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: 29 prácticas adecuadas para empresas de 250–999 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)
- Empiece por la IA ya integrada en el software que usa, antes de desarrollar la suya Su software de oficina, contabilidad, atención al cliente y ventas probablemente ya tiene funciones de IA. Pruébelas en una tarea, con unas pocas licencias y un resultado medido, antes de pagar a nadie para desarrollar algo a medida. Hacer primero · Esfuerzo: bajo (días, una persona)
- Empiece por un proceso costoso, no por una implementación en toda la empresa Elija un proceso que cueste tiempo o dinero de forma visible. Aplique allí la IA, con una persona que revise el resultado, y amplíe solo cuando las cifras se muevan. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- 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.
- Butler Snow: un despacho con una política de IA y un socio que no la cumplió La política del despacho exigía permiso por escrito antes de usar ChatGPT para investigación jurídica. Un socio lo usó sin permiso y presentó cinco citas que ChatGPT había inventado. El tribunal apartó del caso a tres abogados. El despacho pagó una revisión de 2400 citas.
- Duolingo: 148 cursos de idiomas nuevos en cerca de un año, tras 12 años para los 100 primeros Duolingo sustituyó una forma lenta y manual de crear cursos de idiomas por otra construida en torno a la IA. Lanzó 148 cursos nuevos en menos de un año, después de tardar unos 12 años en los 100 primeros. Esa misma semana, su consejero delegado explicó a toda la plantilla qué significaría “AI-first” para los colaboradores externos, la contratación y el número de puestos.
- META-Regalbau: sensores y análisis con IA de la preparación de pedidos, amortizados en un año aproximadamente Un fabricante de estanterías con unos 300 empleados hizo que su personal llevara pequeños sensores para que una IA analizara cómo se preparan los pedidos en su almacén. Los resultados dieron forma a la distribución de un almacén nuevo y ahorran unos 22.000 € al año. Desde el principio se explicó el objetivo a los responsables, al comité de empresa y a toda la plantilla.
- NSW Reconstruction Authority: un trabajador temporal subió a ChatGPT datos de 2031 personas Un trabajador temporal subió a ChatGPT, que la agencia no había aprobado, una hoja de cálculo de solicitantes de ayudas por inundaciones. Contenía datos personales y de salud de 2031 personas. Después la agencia redactó pautas sobre la IA, reforzó la formación y bloqueó ese tipo de subidas.
- Rue La La: las recomendaciones de precios con aprendizaje automático subieron cerca de un 10 % los ingresos en una prueba Rue La La, un minorista de moda en línea, encargó una herramienta que predice la demanda de productos que nunca ha vendido y recomienda un precio para cada uno. En una prueba de cinco meses, unos investigadores estimaron que los ingresos de los productos probados subieron un 9,7 %. El minorista fijó límites firmes a lo que podía hacer la herramienta antes de dejarla tocar un precio.
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.