VER MÁS
MARKET DATA
<%userdata?.email%>
Editar perfil
Credencial
Salir
(Twitter)
Instagram
Facebook
LinkedIn
YouTube
TikTok
Alto contraste
Tomás Sánchez
Esta semana Blackstone, Goldman Sachs y Hellman & Friedman pusieron 1.500 millones de dólares junto a Anthropic para crear lo que la prensa bautizó como “el McKinsey de la IA”. Tres gigantes apostando esa cifra a ayudar a las grandes empresas a usar IA. La señal es directa: contratar un copiloto no es lo mismo que tener una estrategia y capacidades de IA, y el mercado sabe que ahí está toda la diferencia.
Mientras tanto, en los directorios pasa otra cosa. Cada mes se aprueban más contratos: licencias, APIs, agentes. La factura sube. La productividad reportada también. Pero pocos hacen la pregunta que importa: de cada peso invertido en IA, ¿cuánto queda como activo de la empresa y cuánto se evapora cuando alguien cierra la sesión?
Decidir consumir IA o construir capacidades en torno a ellas no es una decisión operacional ni técnica, sino que estratégica.
La respuesta separa hoy a las empresas en dos: Las que compran IA: una suscripción que se paga y se consume; y las que la construyen una capacidad propia. La primera es OpEx que se evapora; la segunda, CapEx que compone. En pocos años, los segundos tendrán una ventaja competitiva clara y soberanía sobre su conocimiento y expertise.
El error más común es tratarlo como un tema técnico. No lo es. Es una decisión de negocio con consecuencias técnicas, que alinear al CEO con su CIO/CTO, y líderes operacionales. Si esa alineación no existe, quiere decir que no hay estrategia, sino que una colección pilotos que se ven lindos en una presentación pero no mueven la aguja.
Una forma simple de verlo: la IA empresarial es una cadena de cuatro capas. Abajo, la infraestructura y datos; encima de ella, los modelos IA e inteligencia; una tercera dónde están las aplicaciones de negocios y operaciones, copilotos, agentes, y automatizaciones. Y al tope, una capa menos comentada pero vital: gobernanza y conocimiento empresarial. Esa última captura y reutiliza lo que la empresa aprende cada vez que usa IA. Sin ella, las otras tres son gasto recurrente. Con ella, es una inversión con interés compuesto.
Acá suele estar el error. Por un lado, se asume que el uso de IA es simplemente consumir ChatGPT o Claude, sin entender que existe toda una estrategia y diseño operacional a plantear para reducir dependencias y ser eficientes. Por otro, no ocuparse de construir capacidades y conocimientos que apalanquen el conocimiento de la empresa y el aprendizaje que todas las personas, procesos y aplicaciones generan día a día.
Desarrollar capacidades de IA en forma robusta, flexible y segura va más allá de que todos en la empresa usen Claude o Gemini, sino que implica un diseño operacional y tecnológico que sirva al negocio. Y en este proceso, es esencial la construcción de un conocimiento corporativo que puede ser apalancado en cada acción que un agente IA ejecute. Es la diferencia entre tener mil empleados competentes en una sola tarea, versus mil expertos en mi industria y empresa ejecutando esas tareas.
Decidir consumir IA o construir capacidades en torno a ellas no es una decisión operacional ni técnica, sino que estratégica. Sin duda mañana aparecerán nuevas soluciones, pero ello no es razón para paralizarse, pues esa dinámica será una constante. Por lo mismo, la respuesta debe ser un diseño flexible, que asegure soberanía de conocimientos, privacidad y resiliencia operacional.
