Si todas las empresas tienen acceso a los mismos modelos, la ventaja competitiva no puede estar en el modelo. Está en lo que solo tú tienes: tus datos, tu conocimiento de dominio y la calidad con la que están conectados tus sistemas. Es decir, está en la ingeniería.
Durante el pico del entusiasmo se asumió lo contrario: que la IA igualaría las capacidades y que el diferencial se movería al marketing o a la velocidad de adopción. Los datos de los dos últimos años apuntan en la dirección opuesta. La adopción se ha igualado y los resultados no.
McKinsey, en su encuesta global de 2025 sobre 1.993 participantes en 105 países, encontró que el 88% de las organizaciones usa IA en al menos una función, pero solo el 39% reporta algún impacto en EBIT a nivel de empresa y apenas un 6% supera el 5% de EBIT atribuible.
Ese diferencial es la noticia. Si el 88% tiene acceso y el 6% obtiene ventaja significativa, el acceso no es la variable. El factor que McKinsey señala como más correlacionado con impacto es el rediseño profundo de los flujos de trabajo, que solo había acometido el 21% de los adoptantes.
Rediseñar flujos de trabajo, integrarlos con los sistemas existentes y sostenerlos en producción tiene un nombre. No es «estrategia de IA»: es ingeniería.
Activo | Se puede comprar | Se construye |
|---|---|---|
Modelo de lenguaje | Sí, a varios proveedores | — |
Herramientas de desarrollo | Sí | — |
Datos propios estructurados y fiables | No | Años de disciplina operativa |
Procesos definidos y medidos | No | Trabajo de negocio e ingeniería |
Integración entre sistemas propios | No | Arquitectura y contratos |
Conocimiento de dominio codificado | No | Experiencia convertida en reglas |
Las tres primeras filas se han commoditizado a una velocidad notable: Stanford HAI documentó que el coste de inferencia de un sistema equivalente a GPT-3.5 se dividió por más de 280 entre finales de 2022 y finales de 2024. Lo que se abarata deja de diferenciar.
Las cuatro últimas no se abaratan, porque no son productos: son el resultado acumulado de decisiones internas. Y son exactamente las que determinan si un modelo genérico produce valor dentro de una organización concreta.
Hay una confirmación de mercado interesante. Reuters analizó en agosto de 2026 por qué compañías europeas establecidas —SAP, Capgemini, Sopra Steria, OVHcloud— se han convertido en ganadoras inesperadas del ciclo de la IA: porque el reto de las empresas ya no es elegir el mejor modelo, sino hacer que funcione con el software, los datos y los procesos que ya tienen.
La lectura pesimista sería que solo las grandes pueden competir. Es lo contrario, y por una razón concreta: las capacidades que ahora diferencian son más accesibles para una empresa mediana que para una multinacional.
Un fabricante de tamaño medio conoce su proceso mejor que cualquier consultora, tiene menos sistemas que integrar, puede rediseñar un flujo de trabajo sin dieciocho meses de comité y tiene datos propios de su nicho que nadie más posee. Todo eso juega a favor.
Lo que suele faltar no es tamaño: es criterio técnico senior de forma continuada. Por eso funciona bien el modelo de CTO externo o fractional [enlace interno], un ingeniero senior uno o dos días por semana, con apoyo a comité, supervisión del equipo y decisiones de arquitectura. Es la forma de tener criterio sin la estructura de una gran corporación.
Poner en orden los datos propios. Una fuente de verdad por dato, definiciones compartidas, historial consistente. Es un trabajo poco vistoso y es la base de todo lo demás. Un modelo aplicado sobre datos contradictorios no produce ventaja: produce respuestas seguras y contradictorias.
Definir y medir los procesos que dan margen. No todos, solo los dos o tres que explican tu rentabilidad. Definirlos, medirlos y entonces decidir qué automatizar.
Construir la capa de integración. Contratos entre sistemas, permisos, trazabilidad. Es lo que permite incorporar cualquier capacidad nueva —hoy un modelo, mañana otra cosa— sin rehacer el conjunto. Es también lo que evita que la lógica de tu negocio acabe viviendo dentro de la configuración de un proveedor.
Las tres tienen una propiedad común y poco habitual: su valor no depende de qué tecnología gane. Sean cuales sean los modelos dominantes dentro de tres años, una empresa con datos limpios, procesos definidos y sistemas bien integrados estará mejor situada que una que no los tenga.
Hay un argumento que rara vez se plantea en términos técnicos y pesa mucho en el consejo. En una due diligence tecnológica, un comprador o un inversor valora exactamente estas cosas: si el código y la propiedad intelectual son de la empresa, si existe documentación de arquitectura, si el sistema puede mantenerlo otro equipo, si hay dependencia crítica de un proveedor.
Una empresa cuyo sistema solo entiende su proveedor tiene un descuento implícito en cualquier operación. Una empresa con arquitectura documentada y propiedad clara tiene un activo. Es la misma inversión, valorada de dos formas distintas según cómo se hizo.
La conversación sobre IA se normalizará, igual que se normalizó la conversación sobre la nube o sobre tener web. Cuando eso ocurra, la pregunta no será qué modelo usa cada empresa, porque probablemente usarán los mismos.
La pregunta será la de siempre: quién ha construido un sistema que entiende su negocio, que puede cambiar cuando el negocio cambie y del que es dueño.
Eso no es una moda. Es oficio.
Porque los modelos y las herramientas se han commoditizado y ya no diferencian: el 88% de las organizaciones usa IA según McKinsey (2025), pero solo un 6% obtiene un impacto significativo en EBIT. La diferencia está en los datos propios, los procesos definidos y la calidad de la integración entre sistemas.
Cuatro: datos propios estructurados y fiables, procesos definidos y medidos, integración entre sistemas propios y conocimiento de dominio codificado en reglas. Son el resultado acumulado de decisiones internas, no productos disponibles en el mercado.
Sí, y con ventajas: conoce mejor su proceso, tiene menos sistemas que integrar, puede rediseñar un flujo sin largos ciclos de comité y posee datos de nicho que nadie más tiene. Lo que suele faltarle no es tamaño, sino criterio técnico senior de forma continuada.
Es un ingeniero senior que actúa como director de tecnología uno o dos días por semana: apoyo al comité, supervisión del equipo y decisiones de arquitectura. Tiene sentido cuando la empresa necesita criterio técnico continuado pero no justifica una estructura directiva completa.
Tres: ordenar los datos propios con una única fuente de verdad, definir y medir los procesos que explican el margen, y construir la capa de integración con contratos, permisos y trazabilidad. Su valor no depende de qué tecnología acabe imponiéndose.
En una due diligence tecnológica se evalúa si el código y la propiedad intelectual pertenecen a la empresa, si existe documentación de arquitectura, si otro equipo podría mantenerlo y si hay dependencia crítica de un proveedor. Un sistema que solo entiende su proveedor introduce un descuento implícito en la operación.
¿Tienes criterio técnico senior de forma continuada? Nuestro servicio de CTO externo pone a un ingeniero senior en tu comité uno o dos días por semana: arquitectura, supervisión de equipo y decisiones que no se pueden delegar en un proveedor. Hablemos → |
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
