Una estrategia de inteligencia artificial para empresas no se parece en nada a lo que suele llegar a un comité: ni un catálogo de herramientas, ni una lista de departamentos que "van a probar cosas". Es un documento corto que responde a cuatro preguntas —dónde queremos que la IA cree valor, qué apostamos primero, cuánto ponemos y cómo sabremos si funciona— y que se puede defender delante de un consejo.
La buena noticia es que esas cuatro preguntas se contestan desde dirección, no desde IT. No hacen falta perfiles técnicos para tomarlas: hace falta criterio de negocio, que es exactamente lo que ya tienes. Esta guía es el orden en el que conviene tomarlas.
1. Qué es (y qué no es) una estrategia de IA
1.1 No es una lista de herramientas
El error más común es confundir la estrategia con el stack. "Vamos a contratar licencias para toda la plantilla" es una decisión de compra, no una estrategia: no dice dónde esperas ganar dinero ni cómo lo vas a comprobar. Las licencias son baratas comparadas con el coste real de la adopción, que es el tiempo de las personas y el rediseño de los procesos.
Una estrategia tampoco es un manifiesto. Los documentos de tres páginas sobre "la transformación con IA" no sobreviven al segundo trimestre porque nadie puede decir si se están cumpliendo. Si no hay un dueño, un plazo y un número, todavía no hay estrategia.
1.2 Es un reparto de apuestas con dueño y plazo
Lo que sí es: un reparto explícito de recursos entre unas pocas apuestas, cada una con un responsable y una métrica acordada de antemano. Tres apuestas bien elegidas valen más que veinte pilotos simultáneos, porque las tres se pueden seguir de verdad y las veinte no.
Ese formato tiene una ventaja política que no conviene subestimar: convierte la IA en una conversación de negocio, con el mismo lenguaje que usas para cualquier otra inversión. Deja de ser un tema de innovación y pasa a ser un tema de asignación de capital.
Si tu estrategia de IA no cabe en una página con tres filas —apuesta, dueño, métrica—, todavía no es una estrategia.
2. El dato que ordena toda la conversación
2.1 La productividad individual ya está ahí; el impacto en la cuenta de resultados, no todavía
En la encuesta global State of AI de McKinsey publicada en agosto de 2026, sobre 1.719 profesionales y directivos, el 80 % de quienes usan IA declara una mejora en su productividad individual, pero solo el 37 % de las organizaciones atribuye algún impacto en el EBIT a su uso de IA —una cifra que no se movió respecto al año anterior. Y solo un 6 % entra en la categoría de high performers: los que atribuyen más de un 5 % del EBIT a la IA.
Esa distancia entre "la gente trabaja mejor" y "el resultado mejora" es el problema real que resuelve una estrategia. No es un problema de herramientas —las herramientas ya funcionan y ya están dentro de tu empresa— sino de dónde se aplican y de si alguien ha rediseñado el trabajo alrededor.
2.2 Qué hace distinto a ese 6 %
Los datos de la misma encuesta apuntan a tres diferencias, y las tres son decisiones de dirección, no de tecnología:
- Rediseñan flujos de trabajo de punta a punta. Cerca de tres cuartas partes de los high performers dicen haber rediseñado procesos por su uso de IA, frente a en torno a una cuarta parte del resto.
- Tienen compromiso visible de la alta dirección. Son alrededor del doble de propensos a decir que sus líderes demuestran compromiso con las iniciativas de IA.
- Miden. Son también alrededor del doble de propensos a tener procesos definidos para medir el impacto de esas iniciativas.
Ninguna de las tres requiere un departamento de IA. Requieren que alguien de dirección decida, se moje y revise. Es la diferencia entre adopción por inercia —cada uno usa lo que quiere y nadie sabe qué se gana— y adopción con criterio.
3. Paso uno: decide dónde quieres que la IA cree valor
3.1 Eficiencia, crecimiento o las dos
Casi todo el mundo empieza por eficiencia: ahorrar horas. Es legítimo y es fácil de medir, pero tiene un techo bajo si es el único objetivo. En la encuesta de McKinsey, el 80 % de los participantes fija la eficiencia como objetivo de sus iniciativas de IA, mientras que las compañías que más valor obtienen suelen añadir objetivos de crecimiento o innovación.
La pregunta para el comité no es "¿dónde ahorramos horas?" sino "¿qué podríamos hacer que hoy no hacemos porque no da el equipo?". Propuestas que no se envían por falta de tiempo, cuentas pequeñas que no se atienden, análisis que nunca se hace. Ahí es donde la IA deja de ser un ahorro y pasa a ser una palanca de ingresos.
3.2 Un mapa por áreas, no por tecnologías
Ordena la conversación por dónde duele o dónde crece el negocio, no por familias de tecnología. Un mapa útil cabe en una tabla: por cada área (comercial, operaciones, finanzas, atención al cliente, producto), qué tarea consume más horas cualificadas y qué decisión se toma hoy con peor información de la que te gustaría.
En los datos de McKinsey, las reducciones de coste se reportan con más frecuencia en cadena de suministro, operaciones de servicio y fabricación; los aumentos de ingresos, en marketing y ventas, seguidos de desarrollo de producto e ingeniería de software. Es una pista de por dónde empezar a mirar, no una receta: tu mapa lo dicta tu cuenta de resultados, no un informe.
4. Paso dos: la shortlist, de veinte ideas a tres apuestas
4.1 Cuatro filtros que hacen el trabajo
Del mapa salen siempre demasiadas ideas. Estos cuatro filtros dejan tres:
- Volumen. ¿La tarea se repite muchas veces al mes? Una mejora del 30 % sobre algo que pasa dos veces al año no cambia nada.
- Dueño identificable. ¿Hay una persona concreta que pueda responder de este caso? Si la respuesta es "varias áreas", todavía no está listo.
- Riesgo asumible. ¿Qué pasa si la IA se equivoca aquí? Empieza donde el error se detecta fácil y no llega al cliente sin revisión humana.
- Medible en un trimestre. Si no puedes saber en tres meses si ha funcionado, no es una apuesta: es un artículo de fe.
4.2 Cada apuesta, con dueño, plazo y métrica
Escríbelo antes de gastar un euro. Para cada una de las tres apuestas: quién responde, qué se espera que cambie, con qué número se comprueba y en qué fecha se revisa. La métrica no tiene que ser sofisticada —horas dedicadas, propuestas enviadas, tiempo de respuesta, tasa de error— pero tiene que estar acordada antes, porque después de gastar todo el mundo encuentra el número que le conviene.
Estas son las quick wins que hacen que la segunda ronda de inversión sea fácil de aprobar. Y son el material con el que se construye un business case de verdad, en lugar de una estimación de ahorro sacada de un informe de proveedor.
5. Paso tres: rediseñar el trabajo, no añadir una herramienta
Aquí está, según los datos, la línea que separa al 6 % del resto. Añadir un asistente encima de un proceso que nadie ha tocado produce exactamente lo que produce hoy en la mayoría de empresas: gente que va más rápida en su parte y un resultado agregado que no se mueve.
Rediseñar significa preguntarse, para cada apuesta, qué pasos desaparecen. Si la IA redacta el primer borrador de una propuesta, ¿quién la revisa y cuánto tiempo dedica? ¿Se elimina la reunión de preparación? ¿Cambia quién aprueba? Sin esas respuestas, lo único que has hecho es dar a tu equipo una herramienta para hacer más rápido un trabajo que quizá no había que hacer.
El ahorro no aparece cuando la tarea se hace más rápido. Aparece cuando el proceso tiene un paso menos y alguien ha decidido en qué se emplea el hueco.
Este es el trabajo que hacemos en un executive workshop: sentarse con el equipo directivo, coger dos o tres procesos reales de la empresa y rediseñarlos sobre la mesa, con sus casos y sus números.
6. Paso cuatro: presupuesto, datos y gobernanza
6.1 Cuánto se invierte y con qué criterio
No hay una cifra correcta que valga para todas las empresas, y desconfía de quien te la dé. Lo que sí muestran los datos es una correlación: los high performers de la encuesta de McKinsey son más del doble de propensos a dedicar más del 15 % de su presupuesto TIC a IA. Correlación, no causa —lo interesante no es el porcentaje, sino que la inversión está concentrada donde ya se ha demostrado valor, no repartida a partes iguales para contentar a todo el mundo.
El criterio práctico: presupuesta las tres apuestas, deja una reserva pequeña para lo que aparezca y no comprometas el resto hasta la primera revisión. La IA se mueve rápido; congelar hoy el gasto de doce meses es regalar opcionalidad.
6.2 Qué información puede salir de la empresa
Es la decisión que más se pospone y la que más barata sale tomar pronto. Define tres cajones —sí, no, solo en herramienta corporativa con contrato— y clasifica en ellos las categorías que maneja tu empresa: datos personales de clientes, información financiera, propiedad intelectual, ofertas en curso, código.
El efecto secundario es el más valioso: cambia el mensaje al equipo de "no uséis eso" —que nadie cumple— a "usadlo así" —que sí funciona—. Sin esa decisión, la política de facto de tu empresa la está escribiendo cada empleado por su cuenta.
6.3 Alfabetización: obligación y palanca
Desde febrero de 2025, el Reglamento europeo de IA exige que el personal que utiliza sistemas de IA tenga un nivel suficiente de alfabetización en la materia. Conviene resolverlo, pero no es el motivo por el que merece la pena: un equipo que entiende qué puede y qué no puede pedirle a estas herramientas toma mejores decisiones, y eso se nota en las tres apuestas mucho antes que en ninguna auditoría.
Ojo al orden. La formación de los equipos que ejecutan va después de decidir dónde vas a jugar: formar a toda la plantilla antes de tener una shortlist es la forma más cara de no cambiar nada. Qué debería cubrir esa formación cuando le toca a dirección lo analizamos en este artículo sobre formación de IA para directivos.
7. Paso cinco: cómo se sabe si está funcionando
7.1 Dos números por apuesta, revisados en fecha
Uno de resultado (lo que le importa al negocio: ingresos, coste, tiempo de ciclo, calidad) y uno de adopción (cuánta gente lo usa de verdad, con qué frecuencia). El segundo explica el primero: una apuesta con buen resultado y adopción baja suele ser una casualidad, y una con adopción alta y resultado plano indica que el proceso no se rediseñó.
Fija la fecha de revisión el mismo día que apruebas la apuesta y ponla en el calendario del comité. Las revisiones que se convocan "cuando haya datos" no se convocan nunca.
7.2 Qué se decide en la revisión
Solo hay tres salidas posibles, y decirlo por adelantado ahorra mucha discusión: escalar (funciona, se extiende a más áreas con más presupuesto), ajustar (la intuición era buena, el diseño no) o cerrar (no era el sitio; se libera el presupuesto para la siguiente apuesta).
Cerrar una apuesta no es un fracaso, es el mecanismo que hace que la estrategia sea creíble. Una cartera donde nada se cierra nunca es una cartera donde nadie está midiendo.
8. Por dónde empezar esta semana
Si tuvieras que arrancar el lunes, sin presupuesto ni proveedor, este es el orden:
- Lunes. Pregunta a las tres personas que más decisiones toman en tu empresa qué tarea les come más horas cualificadas. Sin filtrar, sin proponer soluciones. Anótalo.
- Martes. Haz los tres cajones de información: sí, no, solo en corporativa. Cabe en media hora y desbloquea todo lo demás.
- Miércoles. De la lista del lunes, pasa los cuatro filtros y quédate con tres candidatas.
- Jueves. Ponles dueño, métrica y fecha de revisión. Una fila por apuesta.
- Viernes. Llévalo al comité. Ya tienes la estrategia en una página.
Si quieres una base práctica antes de esa conversación, la guía para empezar con Claude sirve para tener criterio propio sobre lo que estas herramientas hacen bien y mal, y cómo implantar la IA en una empresa desarrolla la parte de ejecución que viene justo después de tener la shortlist.
Y si prefieres hacer ese trabajo acompañado —con alguien que ya ha visto el patrón en otras empresas y que hace de sparring cuando toca decidir dónde va el presupuesto—, eso es exactamente lo que hacemos: training & strategy de IA para C-level, en directo, a medida y sobre tus propios casos. Déjanos tu email y hablamos de por dónde tiene más sentido empezar en tu caso.
¿Y en tu empresa, por dónde empezaríais?
Hacemos training & strategy de IA para C-level: sesiones hands-on para encontrar dónde crea valor en vuestro negocio, con un shortlist priorizado y las métricas para juzgarlo. En directo, a medida y en español. Déjanos tu email y te contactamos sin compromiso.