La inteligencia artificial afronta después del verano una fase menos marcada por la experimentación y más por la exigencia de resultados. Tras meses de pilotos, asistentes generativos y primeras aplicaciones de Agentic AI, muchas empresas vuelven al curso con una cuestión operativa sobre la mesa: qué distingue a los proyectos que generan retorno de los que amplían costes, riesgos o complejidad. Los datos de IDC encargados por SAS apuntan a una respuesta vinculada a la forma en que se gobierna y se integra la tecnología.
Según esa investigación, las organizaciones que priorizan una IA confiable tienen un 60% más de probabilidades de duplicar el retorno de sus proyectos. El mismo trabajo sitúa la experiencia de cliente entre los usos con mejor rendimiento económico: las iniciativas orientadas a mejorarla generan casi un 20% más de retorno que aquellas enfocadas en reducir costes.
A medida que las organizaciones acumulan experiencia, IDC detecta además un desplazamiento hacia la eficiencia de procesos y la toma de decisiones. Entre las compañías con más de ocho años de uso de IA, el 64% prioriza la eficiencia de procesos y el 60% la toma de decisiones. La reducción de costes pierde peso entre los objetivos principales de las organizaciones más maduras.
Tres claves para rentabilizar la inteligencia artificial
La primera pasa por definir qué decisiones pueden delegarse y cuáles requieren intervención humana real. El concepto «human in the lead», utilizado por SAS, va más allá de introducir una aprobación al final de un flujo automatizado. Implica que las personas fijan objetivos, límites y criterios de excepción, especialmente cuando el sistema actúa sobre clientes, empleados, riesgo financiero o procesos donde una respuesta incorrecta puede tener consecuencias difíciles de revertir.
Esa distinción gana importancia con la Agentic AI. Los sistemas agénticos pueden encadenar tareas y ejecutar acciones con más autonomía que los asistentes generativos convencionales. Esa capacidad abre margen para automatizar procesos multietapa, aunque también amplía la superficie de control: un error puede propagarse a una secuencia de acciones antes de que intervenga una persona.
Reggie Townsend, vicepresidente de Data Ethics de SAS, sostiene que la supervisión humana no debería convertirse en «un control ceremonial al final de un proceso automatizado». Su planteamiento sitúa a las personas en el diseño, el gobierno y el uso de los sistemas cuando existen ambigüedad, riesgo o consecuencias relevantes.
Para las empresas, esto obliga a trasladar la gobernanza desde los principios generales hasta los procesos concretos. Conviene identificar qué herramientas toman decisiones, qué datos emplean, quién puede detener una ejecución y cómo se documenta una excepción. El retorno puede deteriorarse si el ahorro de tiempo queda absorbido por revisiones tardías, incidencias de calidad o correcciones posteriores.
La formación en inteligencia artificial entra en la gestión
La segunda clave afecta a las capacidades internas. La adopción requiere conocimientos ajustados al riesgo y al uso que cada función hace de la tecnología, sin convertir a toda la organización en un equipo de especialistas de datos. Un departamento comercial necesita entender límites sobre información confidencial y generación de contenido; el área financiera requiere criterios de validación; recursos humanos debe reconocer cuándo una aplicación puede afectar a derechos o decisiones sensibles.
Este punto ha dejado de ser únicamente una recomendación organizativa en Europa. El AI Act obliga desde el 2 de febrero de 2025 a proveedores y responsables del despliegue de sistemas de IA a adoptar medidas que garanticen un nivel suficiente de alfabetización en IA entre su personal. Desde el 3 de agosto de 2026 se aplican las reglas de supervisión y ejecución de esa obligación, según la Comisión Europea.
La fecha introduce un matiz para el curso que comienza en septiembre. Las políticas internas de IA, la formación y la asignación de responsabilidades forman ya parte de un marco regulatorio en aplicación. Para compañías españolas que están ampliando el uso de herramientas generativas o preparando agentes autónomos, la capacitación difícilmente puede resolverse con sesiones voluntarias o documentos genéricos.
IDC identifica, además, una falta de capacidades que sigue frenando la escala. En su informe sobre impacto de datos e IA, el 41% de las organizaciones cita la escasez de especialistas como barrera, mientras que entre las organizaciones más maduras aparece la necesidad de formación y «reskilling», señalada por el 42%.
Controlar la «Shadow AI» sin frenar el uso
La tercera clave está relacionada con la «Shadow AI», el uso de servicios o modelos no autorizados por parte de empleados. El problema suele aparecer cuando la demanda interna avanza más rápido que la oferta corporativa, o cuando las normas resultan difíciles de aplicar al trabajo diario.
Bloquear herramientas puede reducir una parte del riesgo, aunque deja intacta la necesidad que llevó al empleado a utilizarlas. La alternativa operativa combina un catálogo de soluciones aprobadas, reglas comprensibles sobre datos y usos, controles técnicos y formación. Jay Upchurch, CIO de SAS, plantea además que los directivos deben explicar dónde ayuda la IA, dónde genera riesgo y cómo debe utilizarse de forma responsable.
El impacto de la «Shadow AI» puede alcanzar a la propiedad intelectual, la protección de datos, la trazabilidad, el cumplimiento contractual o la consistencia de la información entregada a un cliente. Para una empresa que pretende escalar IA, desconocer qué herramientas se utilizan dentro de la organización complica incluso la medición del retorno: parte de la productividad puede producirse fuera de los sistemas controlados y parte del riesgo, quedar sin registrar.
El cliente ofrece más retorno que el recorte de costes
Los datos de IDC aportan una referencia adicional para decidir dónde asignar presupuesto. Las organizaciones que utilizan IA para mejorar la experiencia de cliente obtienen 1,83 dólares por cada dólar invertido, frente a 1,54 dólares entre las que priorizan el ahorro de costes. Las iniciativas centradas en ampliar cuota de mercado alcanzan 1,74 dólares.
La diferencia mantiene intacta la utilidad de los proyectos de eficiencia, pero modifica su posición relativa. Automatizar tareas administrativas, reducir tiempos o eliminar operaciones repetitivas puede liberar capacidad y mejorar márgenes. Los datos, sin embargo, sitúan un retorno superior cuando la IA se incorpora a procesos que afectan a ingresos, experiencia, innovación o calidad de decisión y deja de quedar confinada a una lógica de reducción de gasto.
Bryan Harris, CTO de SAS, vincula la ventaja competitiva al criterio de quienes conocen el negocio, sus clientes y las decisiones que condicionan el futuro de la empresa. Cuando el acceso a la IA se generaliza, esa capacidad humana gana peso frente a la mera disponibilidad de herramientas.
Después del verano, la agenda para muchas compañías españolas coincide así con un cambio regulatorio y otro operativo. El AI Act ya obliga a prestar atención a la alfabetización, mientras los proyectos agénticos elevan el nivel de autonomía que puede introducirse en los procesos. El siguiente salto de rentabilidad dependerá de elegir dónde genera valor la tecnología, quién conserva la responsabilidad y qué capacidades necesita la plantilla para utilizarla con criterio.
