Netmind sitúa el retorno de la IA en un terreno menos visible que el despliegue tecnológico: la calidad y la velocidad de las decisiones que una organización consigue cambiar. El planteamiento llega cuando la adopción empresarial de inteligencia artificial se acerca a niveles masivos, pero los resultados financieros continúan siendo desiguales. La 29ª Encuesta Mundial de CEO de PwC, realizada entre 4.454 primeros ejecutivos de 95 países y territorios, señala que el 56% todavía no ha logrado ni mayores ingresos ni menores costes gracias a la IA, mientras solo el 12% declara haber conseguido ambas mejoras.
La distancia entre uso y resultado aparece también en otros estudios. McKinsey estima que el 88% de las organizaciones utiliza IA de forma regular en al menos una función, aunque cerca de dos tercios siguen sin escalarla a nivel empresarial. Su grupo de compañías de mayor rendimiento, alrededor del 6% de la muestra, atribuye a la IA un impacto de al menos el 5% en el EBIT y un valor empresarial significativo.
El retorno de la IA sigue por detrás de la adopción
La magnitud de la inversión ha elevado la presión sobre ese desfase. Un análisis citado en 2026 por la Initiative on the Digital Economy del MIT apunta a casi 40.000 millones de dólares invertidos en IA generativa y a un 95% de organizaciones sin retorno en el estudio de referencia de 2025. Son cifras que conviene leer junto a una adopción que ya alcanza a casi nueve de cada diez empresas: desplegar herramientas se ha convertido en una práctica extendida, mientras convertirlas en impacto económico sigue siendo bastante menos habitual.
El problema tampoco queda resuelto cuando la herramienta ahorra minutos u horas en una tarea. Workday calculó a comienzos de 2026 que cerca del 40% del tiempo ahorrado con IA se pierde después en corregir errores, reescribir contenidos o verificar resultados. El 85% de los empleados consultados afirmaba ahorrar entre una y siete horas semanales, pero solo el 14% obtenía de forma consistente un resultado neto claramente positivo. Producir más rápido puede trasladar trabajo hacia la revisión sin modificar el rendimiento final del proceso.
Isaac Cantalejo, managing director de Netmind, plantea que la referencia debería ser la decisión empresarial que cambia gracias a la tecnología. «La ventaja real está en convertir ese despliegue en mejores decisiones de negocio, en velocidad de ejecución, en la reinvención de cadenas de valor completas y en hacerlo de forma consistente y a escala», sostiene.
People-based Data Transformations cambia el punto de partida
Sobre esa premisa, Netmind articula su enfoque People-based Data Transformations. La propuesta conecta cultura, liderazgo, capacidades, procesos y tecnología, con la intención de llevar los datos y la IA hasta decisiones concretas y repetibles. En lugar de iniciar el recorrido con una plataforma, la compañía plantea identificar primero qué decisiones generan valor, cuáles penalizan al negocio cuando llegan tarde y qué información necesita cada una.
A partir de ahí entran la analítica y la IA: aceleran la obtención o interpretación de información, pero mantienen explícito quién valida el resultado, quién asume el criterio y cómo se convierte la recomendación en una acción. El diseño desplaza parte de la discusión desde la arquitectura tecnológica hacia el modelo operativo. También cambia la métrica. El número de usuarios, copilotos o agentes puede seguir siendo relevante, aunque pierde peso frente al tiempo de decisión, el coste del error, la velocidad de ejecución o el efecto sobre ingresos y costes.
Los datos de McKinsey ofrecen un contraste útil. Entre las organizaciones con mejores resultados, el rediseño fundamental de flujos de trabajo es casi tres veces más frecuente que entre el resto y aparece como uno de los factores con mayor contribución al impacto empresarial. Solo alrededor de un tercio de las compañías ha comenzado a escalar sus programas de IA en toda la organización.
Las capacidades humanas frenan parte del despliegue
La investigación interna de BTS añade otra capa. Su AI Pulse Survey 2026, basada en 388 profesionales de distintos sectores, geografías y niveles de responsabilidad, identifica la falta de competencias o confianza como la principal barrera de adopción para el 47% de los participantes. Solo el 7% describe su organización como plenamente «AI-native» y casi uno de cada tres reconoce utilizar, al menos algunas veces, herramientas de IA no aprobadas. El estudio también detecta que los líderes promueven la experimentación con mayor frecuencia de la que modelan personalmente ese uso.
La formación, bajo este enfoque, se extiende al planteamiento de problemas, la interpretación de resultados, la validación y la responsabilidad sobre la decisión. Ese cambio gana peso cuando la IA pasa de asistir a ejecutar partes de un flujo de trabajo.
BTS, matriz de Netmind, presenta su propio despliegue como caso de adopción interna. La compañía asegura haber alcanzado un 95% de adopción de una primera solución de IA aplicada en ocho semanas dentro de una estructura distribuida en 24 países y 38 oficinas. En equipos concretos, añade, ya se gestionan decenas de agentes creados internamente y sometidos a criterios de rendimiento. La experiencia es corporativa y no equivale por sí sola a una prueba generalizable, pero ilustra el cambio organizativo que Netmind sitúa en el centro de su propuesta.
Los agentes elevan el problema de gobierno
La expansión de la IA agéntica amplía el alcance de estas decisiones. McKinsey señala que el 23% de las organizaciones ya está escalando algún sistema de agentes en al menos una función y otro 39% se encuentra experimentando. Sin embargo, en ninguna función empresarial concreta más del 10% de los encuestados afirma estar escalando agentes.
Gartner anticipa que más del 40% de los proyectos de IA agéntica se cancelará antes de finalizar 2027 por el aumento de costes, un valor de negocio poco claro o controles de riesgo insuficientes. La firma prevé al mismo tiempo que, para 2028, al menos el 15% de las decisiones laborales cotidianas se tomará de forma autónoma mediante sistemas agénticos. La combinación de mayor autonomía y elevada tasa de abandono desplaza parte del reto hacia la gobernanza: qué puede ejecutar una máquina, qué exige validación humana, qué evidencia permite ampliar su autonomía y quién responde cuando el sistema falla.
Netmind encuadra ahí tres elementos: liderazgo para priorizar y gobernar iniciativas, equipos capaces de cuestionar y validar las recomendaciones automáticas y formas de trabajo que integren dato, IA y juicio humano. Para los comités de dirección, la derivada económica es concreta. A medida que aumentan el número de agentes y el coste de operar modelos, la cartera de IA necesitará competir por capital con otros proyectos bajo métricas de negocio comparables. La calidad de las decisiones que modifica, junto con el coste de gobernarlas, introduce una vara de medir más exigente que el simple volumen de tecnología desplegada.
