Las empresas están debatiendo las preguntas equivocadas sobre la IA

Bill Gates pide que se establezcan salvaguardias para la IA porque, si no se la controla, podría causar «mil millones de muertes». Esta declaración llega poco después de que un investigador principal de Anthropic dijera que cree que hay más de un 10 % de probabilidades de que la IA «mate a todos los seres humanos» en la próxima década. Sin embargo, mientras los gobiernos, los filósofos y el reducido grupo de principales desarrolladores de IA debaten sobre las medidas de protección, es fundamental que las empresas que utilizan IA reconozcan que, si se centran en lo que acapara los titulares, podrían estar pasando por alto los mayores riesgos que realmente afrontan en la era de la IA.

Además del temor a que los bots puedan imponerse a los seres humanos, gran parte del debate empresarial sobre la IA gira en torno a cuestiones como los peligros de los agentes descontrolados, los costos desorbitados de los tokens, los modelos de IA de frontera relativamente autónomos y la IA no soberana.

Amenazas como estas acaparan gran parte del debate sobre los riesgos de la IA, pero centrarse en esas tendencias en lugar de en los riesgos empresariales reales puede conducir a malos resultados que podrían haberse evitado. He visto a decenas de empresas reducir considerablemente sus riesgos relacionados con la IA al centrar mucho más su atención en los resultados empresariales que en los tecnológicos. Veamos cómo pueden hacerlo y por qué deberían hacerlo.

Céntrese en el caso de negocio, no en el modelo de IA

Las empresas deben entender que no necesitan usar los modelos de IA más recientes —ni pagar costos astronómicos por tokens para convertir a cada empleado en un desarrollador ciudadano— con el fin de mejorar considerablemente el retorno de la inversión.

Lo que deben hacer es examinar de cerca las áreas específicas en las que pueden reducir sus gastos de dinero o de tiempo y elaborar un plan para resolver ese problema concreto con todas las herramientas disponibles. Estas incluyen no solo la IA agéntica, sino también la IA generativa, los solucionadores, el aprendizaje automático e incluso los programas basados en reglas, de modo que puedan elegir la herramienta adecuada para cada tarea.

Por ejemplo, según informa McKinsey, los modelos de previsión basados en IA pueden alcanzar una precisión superior al 90 por ciento al predecir las necesidades de personal. Hace poco lo comprobé en una empresa de seguridad que envía decenas de miles de guardias a miles de emplazamientos para grandes multinacionales como Nike y Amazon. Como muchas otras empresas con gran intensidad de mano de obra y basadas en turnos, afrontaba costos desorbitados en horas extra y subcontrataciones costosas cuando se disparaba la demanda.

No hicieron falta modelos de frontera para aumentar el retorno de la inversión (ROI) de esta empresa, ni fue necesario comprometerse con un proveedor o una tecnología de IA específicos. En cambio, la empresa de seguridad partió de la solución de uno de sus mayores problemas empresariales, y seleccionó las herramientas según su capacidad para resolver ese desafío concreto. Los solucionadores inteligentes pueden asignar equipos de manera óptima, reducir los costos de las horas extra y evitar subcontrataciones costosas gracias a una mejor previsión de las necesidades de contratación. En este caso, la IA generativa, combinada con otras herramientas, redujo la rotación de personal, mejoró la planificación y ayudó a crear horarios más convenientes tanto para los clientes como para los empleados; por ejemplo, sugirió cómo reducir el número de turnos que exigían largos desplazamientos y cómo distribuir de manera más equitativa los fines de semana libres. La aplicación de recomendaciones como estas redujo en un 30 por ciento los costos de las horas extra y disminuyó los gastos de subcontratación, a la vez que redujo el tiempo necesario para elaborar los planes de personal y mejoró su calidad y vigencia. Cuando la empresa de seguridad puso en práctica las recomendaciones de IA, terminó aumentando el EBITDA en 200 puntos básicos, un gran logro en un sector conocido por sus márgenes muy estrechos. Que el problema empresarial sea grande no significa que la solución de IA tenga que ser arriesgada.

De hecho, se están resolviendo muchos desafíos empresariales concretos —como mejorar la asignación de inventario, optimizar la conciliación de cobros, agilizar las conciliaciones bancarias, aumentar la precisión de las previsiones, automatizar la conciliación de facturas y consultar catálogos para responder a las preguntas de los consumidores— mediante herramientas de IA mínimamente invasivas. Estas mejoran de forma drástica los resultados financieros sin correr el riesgo de acabar con la humanidad y sin siquiera tener que recurrir a modelos de frontera o agentes sin supervisión.

Atención: alejarse del retorno de la inversión podría acarrear un impuesto por la euforia en torno a la IA

Además de reducir la probabilidad de que la IA se descontrole, ceñirse a objetivos empresariales concretos también puede proteger a las empresas de pagar el impuesto por la euforia en torno a la IA que detectó mi empresa al analizar la cotización bursátil y los informes anuales de 275 empresas cotizadas de todo el mundo.

El Barómetro de IA de 2026 reveló que las cotizaciones de las mayores empresas cotizadas del mundo mostraban una fuerte correlación entre apostar fuerte por la IA y disfrutar de una evolución bursátil más favorable. Sin embargo, esa correlación solo se mantenía mientras dichas empresas comunicaran medidas concretas y objetivos precisos. Según el análisis de las cotizaciones, la principal lección es que las declaraciones generales sobre las transformaciones impulsadas por la IA no bastan para los inversionistas.

Entonces, ¿qué sí funcionó? El informe detectó una gran brecha de rentabilidad bursátil a favor de las empresas que especificaron las medidas concretas que adoptarían para implementar la IA y las mejoras de eficiencia o de ingresos que esperaban obtener. Al año siguiente, esas empresas superaron en 14 puntos porcentuales a las que mencionaron la IA de forma vaga en sus informes financieros.

He comprobado de primera mano que, si se centran en objetivos concretos de ingresos y productividad que puedan alcanzarse con las herramientas de IA más eficientes y de menor riesgo —a menudo implementadas como pequeñas aplicaciones integradas en el entorno de TI— en lugar de perseguir los modelos de IA más nuevos y llamativos, las empresas pueden evitar en gran medida los escenarios apocalípticos que acaparan los titulares y, en cambio, impulsar resultados empresariales que mejoren sus beneficios.