En 2026, la IA para directivos será una de las habilidades más importantes para los ejecutivos y, de hecho, transformará el liderazgo empresarial
El 92% de las compañías planea aumentar su inversión en inteligencia artificial en los próximos tres años, según el último informe de McKinsey sobre el estado de la IA. La cifra es contundente, pero esconde una paradoja que muy pocos mencionan cuando la presentan ante el consejo de administración: todo ese presupuesto puede quedarse en nada si quienes toman las decisiones no entienden la tecnología que están comprando.
De hecho, el 70% de las organizaciones reconoce que tiene dificultades para enseñar a sus equipos las habilidades de IA que necesitan. Y no hablamos de formar a los técnicos, sino a los directivos, a las personas que firman.
Pero ¿cómo abordamos esto?
McKinsey asegura que cerca del 88% de las organizaciones ya utilizan IA de forma regular en al menos una función de negocio. No obstante, solo el 33% de los directivos y managers utiliza con frecuencia herramientas de IA. Si esto lo bajamos al nivel de los empleados de forma individual, la cifra cae al 16%. Está claro que existe inversión y presupuestos en marcha, pero en demasiados casos no hay una adopción real.
El World Economic Forum estima que el 77% de las empresas planea recualificar a sus trabajadores en IA entre 2025 y 2030. Suena ambicioso, pero ¿cuántos han empezado? Pues solo un 13%. Paradójicamente, el 46% de los líderes empresariales reconoce que la falta de competencias en IA está frenando la transformación tecnológica de sus organizaciones…
Resulta difícil de entender ya que se destinan muchos recursos a herramientas de software, a infraestructura cloud, a consultoras que prometen roadmaps de transformación digital, pero la formación de quienes tienen que decidir qué hacer con todo eso, recibe una fracción mínima del esfuerzo.
Un directivo que aprueba un proyecto de inteligencia artificial sin comprender las capacidades ni las limitaciones de esa tecnología está, en esencia, delegando en el proveedor la toma de decisiones estratégicas. Y eso tiene consecuencias, no solo económicas.
Cuando un proyecto de IA fracasa, no se pierde únicamente el presupuesto, sino también la confianza del equipo en futuras iniciativas tecnológicas. Y eso sucede normalmente porque nadie definió bien el problema que debía resolver.
Cuando esto sucede, se instala la idea de que "esto de la IA no funciona" y darle la vuelta a esa percepción cuesta mucho más que el dinero invertido.
Obviamente, nadie le va a pedir a un director financiero que aprenda Python, eso hay que dejarlo claro desde el principio, pero sí necesita un marco de referencia que le permita distinguir un proyecto de IA con fundamento de uno que es puro humo con un chatbot delante.
Lo primero: entender qué puede hacer la IA hoy y qué no.
Parece básico, pero según Deloitte, el 34% de las empresas ya ha implementado inteligencia artificial en sus programas de formación interna y otro 32% tiene previsto hacerlo en los próximos dos años.
Después, está la cuestión de los casos de uso, ya que no todo vale para todo.
Y hay algo que se pasa por alto con demasiada frecuencia: la capacidad de evaluar a los proveedores. Saber qué preguntar antes de firmar. ¿De dónde provienen los datos de entrenamiento del modelo? ¿Es explicable o funciona como una caja negra? ¿Qué pasa con la privacidad? No hace falta dominar la ingeniería para hacer esas preguntas. Solo hace falta saber qué hay que hacer.
Cuando empezamos a usar la IA generativa, debemos aprender a formular buenas preguntas. Es en este punto donde encontramos el prompt engineering. Si la IA generativa es el motor, el prompt engineering es saber conducir.
¿Y qué tiene que ver esto con alguien que dirige un departamento? Más de lo que parece a primera vista.
Un director financiero puede pedirle a un sistema de IA que simule tres escenarios de tesorería a 90 días y recomiende acciones para cada uno. Un responsable de compras puede solicitar un análisis comparativo de proveedores que incluya los riesgos contractuales. Un director comercial puede elaborar un brief para el comité en cuestión de segundos. Todo eso funciona siempre que la instrucción esté bien formulada. Si no lo está, el resultado será genérico, incompleto o directamente inservible.
Si los datos que alimentan un modelo son incompletos, obsoletos o contradictorios, el resultado será deficiente, da igual lo sofisticado que sea el sistema que lo procese.
De hecho, construir una cultura orientada al dato no es tan simple y supone uno de los principales dolores de cabeza en los procesos de transformación digital. Lo he vivido en muchos proyectos.
Es necesario tomar decisiones informadas basadas en datos verificados y esto implica definir quién genera los datos, quién los valida y cómo se almacenan.
Cuando el comité de dirección fundamenta sus decisiones en datos de calidad, el mensaje cala hacia abajo. Cuando no, cuando se sigue decidiendo por instinto, la IA se convierte en un juguete caro que nadie sabe usar.
De entrada, deberíamos huir de los macroproyectos si no queremos encontrarnos con proyectos encallados, herramientas sin usar y, por ende, con dinero mal empleado. Lo que funciona es más modesto.
Deberíamos, conocer dónde se encuentra el equipo directivo en términos de alfabetización en IA. Deloitte señala que solo el 36% de las organizaciones reconoce que sus líderes comprenden plenamente la importancia de integrar la IA en la estrategia de negocio. Sin ese diagnóstico inicial, cualquier inversión será ciega.
Después deberíamos elegir un caso de uso concreto con un impacto medible. Por ejemplo, automatizar un proceso de reporting, implementar un sistema de alertas tempranas para la gestión de riesgos o integrar un asistente de IA en el análisis financiero diario. De hecho, herramientas como Insight View ya permiten consultar informes comerciales en lenguaje natural, sin necesidad de ser analista de datos. Ese es el tipo de piloto que funciona: acotado, medible y con impacto directo.
Y, lo más importante, definir indicadores antes de arrancar. Tiempo ahorrado, precisión de las recomendaciones, porcentaje de adopción por parte del equipo. Si no se mide, no se puede saber si funciona, es obvio.
Y tercero, solo cuando el piloto dé resultados claros, iterar y escalar.
La inteligencia artificial no es, en el fondo, un reto tecnológico. Las herramientas están ahí. Los datos existen y los proveedores ofrecen soluciones cada vez más accesibles.
Lo que marca la diferencia es que las personas que toman decisiones entienden lo suficiente como para tomarlas bien.
En este momento, la pregunta no es si la inteligencia artificial va a transformar la gestión empresarial, ya que eso está ocurriendo. La pregunta es si quienes dirigen las empresas estarán preparados o si seguirán aprobando presupuestos millonarios sin entender en qué los gastan.
