9.4 Lo que aprenden las empresas

Qué aprenderás: qué dicen los datos sobre IA en empresas y tres reglas para hacerlo bien.

Los datos. En la encuesta de McKinsey de 2025: el 88 % de las organizaciones usa IA en al menos una función; solo alrededor de un tercio había empezado a escalarla; y solo el 39 % decía ver impacto en sus resultados económicos. Usar IA es fácil. Escalarla bien es lo difícil. (Existe una edición posterior de 2026; consulta las cifras actualizadas en la web de McKinsey antes de citarlas.)

Una historia con moraleja. Klarna, la empresa de pagos, presumió en 2024 de que su IA hacía el trabajo de unos 700 empleados de atención al cliente. En 2025, su propio CEO reconoció que el coste había pesado demasiado, que la calidad había bajado, y empezó a recontratar personas. Es un error de Delegación: se decidió casi solo por coste.

Otro dato para pensar. Según Microsoft (2025), el 67 % de los directivos se declaraba familiarizado con los agentes de IA, frente al 40 % de los empleados: la brecha es de formación.

Y una advertencia sobre «sentirse más rápido». En 2025, un estudio de METR con 16 desarrolladores expertos encontró que, con las herramientas de entonces, tardaban un 19 % más cuando usaban IA, aunque ellos creían ir más rápido. En 2026, METR reconoció que sus mediciones posteriores no eran fiables porque muchos participantes se negaban a trabajar sin IA. La lección no es «la IA no sirve»: es mide, no supongas.

Tres reglas que aplico:

1. Empieza por un proceso que se pueda medir, no por «hagamos IA».
2. Siempre una persona en el circuito cuando un error cuesta caro.
3. Mide antes y después. Lo que parece más rápido no siempre lo es.

Ejercicio (10 minutos). Piensa en un proceso repetitivo de tu estudio, tu clase o tu trabajo. ¿Cómo medirías si la IA lo mejora? Define una métrica (tiempo, errores, satisfacción) y cómo la medirías antes y después.

Fuentes: McKinsey, «The state of AI in 2025»; Klarna: Entrepreneur / Bloomberg (2025); Microsoft Work Trend Index 2025; METR (2025 y 2026).