Tu negocio ya usa AI. ¿Por qué sigue funcionando igual?

El problema ya no es adoptar AI. Es decidir qué debería funcionar diferente ahora que la tenemos.

AI ya está dentro de muchas empresas.

Se usa para research, marketing, análisis, preparación de propuestas, customer service, administración y cada vez más para ejecutar partes completas de un workflow.

Sin embargo, hay una contradicción que me parece mucho más interesante que hablar de cuántas herramientas está utilizando una empresa:

debajo de toda esa tecnología, muchas organizaciones siguen operando casi de la misma manera.

Y si la forma de operar no cambia, vale la pena hacerse una pregunta incómoda:

¿Estamos transformando el negocio o simplemente agregando AI al negocio que ya teníamos?

Para mí, esa es una de las conversaciones más importantes de AI Strategy en este momento.

El problema no es usar AI. Es dónde la estamos colocando.

Pensemos en un Realtor.

Puede usar AI para preparar una Listing presentation, analizar market data, organizar información del CRM y llegar mejor preparado a una conversación con un Seller.

Todo eso tiene valor.

Pero hay una diferencia importante entre mejorar esas tareas y preguntarse si el proceso completo debería seguir funcionando de la misma manera.

Quizás el verdadero cambio no sea preparar la Listing presentation más rápido.

Quizás sea llegar a la reunión con las objeciones probables del Seller identificadas, cambios recientes del mercado organizados y diferentes escenarios listos para discutir.

En ese caso, AI no está simplemente ayudando a preparar un documento.

Está cambiando dónde comienza el trabajo del Realtor.

Eso es mucho más interesante.

Y ocurre fuera de Real Estate también.

Una marketing agency puede utilizar AI para research, propuestas, campañas y reporting. Pero si mantiene un proceso lleno de revisiones, briefs deficientes y decisiones lentas, agregar AI a cada etapa no resuelve el problema.

En algunos casos, simplemente acelera un proceso que necesitaba ser cuestionado.

La diferencia empieza a aparecer en los datos

Esto ya no es solamente una impresión.

Deloitte encontró en su State of AI in the Enterprise 2026 que solo 34% de las organizaciones encuestadas está utilizando AI para transformar profundamente el negocio. Otro 30% está rediseñando procesos importantes alrededor de AI, mientras 37% permanece en un uso más superficial, con pocos cambios en sus procesos existentes.

McKinsey acaba de publicar un análisis que llega a una conclusión parecida desde otro ángulo. En su investigación, las organizaciones que realmente están reinventando cómo trabajan representan apenas 13% de la muestra, pero reportan mucho más valor empresarial de AI que aquellas concentradas principalmente en dar acceso a herramientas.

No necesitamos veinte estadísticas para entender lo que está pasando.

Usar AI y cambiar un negocio con AI son dos cosas diferentes.

Tal vez estamos haciendo la pregunta equivocada

Durante los últimos años una de las preguntas más comunes ha sido:

¿Dónde podemos usar AI?

Era una pregunta necesaria cuando estábamos aprendiendo qué podía hacer esta tecnología.

Pero hoy me interesa mucho más otra:

¿Qué debería funcionar diferente ahora que AI existe?

La diferencia parece pequeña, pero cambia completamente la conversación.

La primera pregunta nos lleva hacia tools.

La segunda nos lleva hacia el negocio.

Y cuando empezamos por el negocio, aparecen tres preguntas que considero mucho más útiles.

1. ¿Qué debería desaparecer?

Esta puede ser la pregunta más valiosa de todas.

Hay procesos que no necesitan AI.

Necesitan dejar de existir.

Un reporte que nadie utiliza no mejora porque ahora se genere automáticamente. Una reunión innecesaria no se vuelve estratégica porque AI prepare el resumen.

Automatizar un mal proceso no lo convierte en uno bueno.

Por eso, antes de preguntarnos cómo incorporar AI a un workflow, deberíamos preguntarnos si ese workflow todavía tiene sentido.

2. ¿Qué debería funcionar diferente?

Aquí comienza la transformación de verdad.

Volvamos al Realtor.

Si AI puede organizar antes de una reunión la información del cliente, el contexto del mercado y los puntos que necesitan una decisión, el profesional ya no debería utilizar buena parte de esa conversación recopilando información que podía conocer de antemano.

Puede dedicarla a lo que realmente necesita criterio humano: interpretar, asesorar, negociar y generar confianza.

No eliminamos al profesional.

Movemos su valor hacia una parte más importante del proceso.

Y esa misma lógica funciona en muchos negocios.

El objetivo no debería ser insertar AI en cada tarea. Debería ser rediseñar el trabajo para que tecnología y personas hagan mejor aquello para lo que cada una aporta más valor.

3. ¿Qué merece más atención humana?

Esta pregunta se pierde demasiado en la conversación sobre automation.

Cuando AI puede asumir una parte del trabajo operativo, no solamente debemos decidir qué delegarle.

También debemos decidir dónde queremos invertir más atención humana.

Puede ser una conversación difícil con un cliente. Una decisión estratégica. Una negociación. Entender por qué un customer se está yendo. Desarrollar una relación. Crear una nueva oferta.

Esto importa porque Business Transformation no significa necesariamente sacar personas del proceso.

A veces significa exactamente lo contrario:

sacar a las personas de la parte equivocada del proceso para que puedan estar presentes donde realmente importan.

Producir más tampoco significa transformar

Hay otra señal que me parece importante observar.

Generative AI ha hecho muchísimo más fácil producir.

Una empresa puede crear más contenido, más análisis, más propuestas y más comunicación que hace unos años.

Pero eso también puede crear una ilusión de progreso.

Un Realtor puede publicar mucho más y seguir sin generar suficientes conversaciones relevantes.

Una marketing agency puede producir más assets sin entender mejor el problema del cliente.

Más output no corrige una mala prioridad.

A medida que producir se vuelve más fácil, decidir qué vale la pena producir se vuelve más importante.

Ese cambio es fundamental.

La ventaja empieza a moverse de hacer hacia decidir qué merece hacerse.

Aquí es donde veo el verdadero valor de Recovered Capacity

En el editorial anterior planteé la idea de Recovered Capacity, pero creo que es importante aterrizarla bien.

No estoy hablando simplemente de ahorrar horas.

Estoy hablando de algo más valioso:

la capacidad que aparece cuando AI deja de obligarnos a utilizar personas, atención y criterio en partes del negocio donde ya no aportan el mayor valor.

Esa capacidad puede utilizarse para atender mejor a un cliente, tomar una decisión antes, desarrollar una oportunidad o simplemente pensar con más profundidad sobre un problema importante.

Por eso no me interesa demasiado celebrar que una tarea ahora tarda menos.

Me interesa saber:

¿Qué puede hacer mejor el negocio como consecuencia?

Si la respuesta es nada, probablemente todavía estamos hablando de una mejora técnica.

No de transformación.

AI Strategy empieza por el negocio, no por AI

Esta es probablemente la parte donde más ha cambiado mi forma de pensar sobre AI Strategy.

No empezaría una conversación con un business owner preguntando:

¿Qué herramientas estás utilizando?

Empezaría preguntando:

¿Dónde se está trabando el negocio?

¿Qué necesita mejorar?

¿Dónde se pierde una oportunidad?

¿Qué experiencia del cliente no funciona suficientemente bien?

¿Qué decisión llega demasiado tarde?

¿Qué proceso existe porque “siempre se ha hecho así”?

Después podemos decidir si AI tiene algo que aportar.

Porque no todo necesita AI.

Y no todo lo que AI puede hacer merece implementarse.

La estrategia consiste precisamente en saber la diferencia.

La ventaja de tener AI está desapareciendo

Hay otra razón por la que esta conversación importa ahora.

El acceso a AI se está normalizando rápidamente.

Deloitte reporta que alrededor del 60% de los trabajadores en las organizaciones estudiadas ya tiene acceso a soluciones de AI aprobadas por su empresa, frente a menos del 40% un año antes.

Eso significa que “tenemos AI” será cada vez menos diferenciador.

McKinsey encontró algo más interesante: las organizaciones que están en la etapa de reinvención, donde se rediseñan roles, workflows y operating models, reportan con mucha mayor frecuencia valor empresarial significativo que aquellas que principalmente habilitan herramientas para sus empleados.

La tecnología se democratiza.

La capacidad de rediseñar el negocio no necesariamente.

Ahí puede estar una ventaja mucho más sostenible.

Mi visión: AI debería obligarnos a cuestionar cómo funciona el negocio

Creo que durante la primera etapa de AI necesitábamos experimentar.

Había que probar herramientas, entender capacidades y descubrir dónde podían ayudar.

Esa etapa no ha terminado, pero ya no es suficiente.

La siguiente conversación tiene que ser más incómoda.

No:

¿Dónde más podemos poner AI?

Sino:

¿Qué hacemos hoy que ya no tiene sentido hacer de la misma manera?

Esa pregunta cambia AI de una conversación tecnológica a una conversación empresarial.

Y también cambia el papel de las personas.

Porque el objetivo no debería ser construir un negocio donde AI haga más cosas.

Debería ser construir un negocio que funcione mejor porque ahora existen capacidades que antes no existían.

Ese es el punto que muchas empresas todavía no han cruzado.

Tienen AI.

La usan.

Incluso pueden estar obteniendo resultados con ella.

Pero la estructura que existe debajo continúa prácticamente intacta.

AI Transformation comienza cuando dejamos de colocar tecnología encima del negocio viejo y empezamos a preguntarnos cómo debería funcionar el negocio nuevo.

Miguel Humbria — Consultor en Estrategia de IA y Sistemas para Negocios

Más en miguelhumbria.com