Así está cambiando en la empresa el uso de la IA generativa: de facilitador a la toma de decisiones

Al principio muchas empresas descubrieron la inteligencia artificial generativa como una herramienta útil para acelerar tareas como redactar borradores, resumir documentos o proponer ideas. Sin embargo, el foco se ha desplazado a un nivel más alto en pocos años de aplicación. 

Hoy, de hecho, el objetivo de la inteligencia artificial (IA) en el trabajo ya no es solo hacer más rápido lo de siempre, sino integrar sistemas que asisten en el propio flujo de decisión. 

Uso de la IA en la empresa: cada vez más sistemático

En el McKinsey Global Survey on AI de 2024, el 65 % de los encuestados afirmó que su organización usaba de forma regular IA generativa, casi el doble que en la encuesta del año anterior. En 2025, McKinsey situó este porcentaje en un 78 % y describió cómo el uso ya se extiende a más funciones y unidades. 

A medida que baja el coste y se integran con datos y herramientas internas, muchas compañías están pasando de usos puntuales a integraciones más sistémicas.

Los agentes de IA piden paso en la empresa

El término que más se repite en esta nueva fase es agente (agentic AI). 

A diferencia del chatbot que responde preguntas, un agente de IA es un sistema que puede ejecutar una tarea en varios pasos: interpreta un objetivo, consulta información, toma decisiones intermedias, llama a herramientas (por ejemplo, un CRM, un ERP, un gestor de tickets o una base documental) y produce una recomendación o una acción. 

Grandes plataformas de gestión están incorporando ya agentes de IA capaces de ejecutar tareas y decisiones operativas dentro de los flujos de trabajo.

Según una estimación de Gartner, para 2028 un tercio de las aplicaciones de software empresarial incluirán capacidades agénticas y al menos el 15 % de las decisiones de trabajo no críticas se tomarán de forma autónoma mediante estos sistemas. 

Algunas organizaciones ya están explorando la posibilidad de delegar microdecisiones repetitivas y usar la IA como una especie de “seleccionador de opciones” en decisiones más complejas.

Decisiones operativas y decisiones estratégicas con inteligencia artificial

Esta evolución afecta a dos planos dentro de las empresas. 

El primero de ellos es operativo: compras, inventario, rutas logísticas, previsiones de demanda, priorización de incidencias o asignación de recursos. Son ámbitos donde hay muchos casos, poco tiempo y reglas relativamente claras. 

El segundo plano es el táctico-estratégico: marketing, pricing, riesgo, inversiones, expansión, portafolio de producto. Aquí la inteligencia artificial sirve para contrastar el criterio humano, ampliando escenarios, variables y comparación con datos históricos internos.

Ejemplo de uso de IA para tomar decisiones empresariales

La industria audiovisual lleva años usando modelos predictivos para tomar decisiones de distribución y marketing, y ha experimentado con herramientas para estimar los resultados comerciales. 

Desde 2020 existen ejemplos de colaboración entre grandes productoras y startups que usan machine learning para ayudar a predecir el rendimiento de proyectos y guiar decisiones en fases tempranas. 

En estos casos, el software se usaría como apoyo a la toma de decisiones, especialmente en marketing y distribución, y no como un sistema que aprueba o rechaza películas de forma automática. 

Se trata de plataformas integradas de datos, analítica e inteligencia predictiva para informar decisiones críticas a lo largo de la cadena de valor de una película.

La investigación académica lleva más de una década explorando predicciones de taquilla con señales previas al estreno, por ejemplo, a partir de actividades en Wikipedia. Nadie garantiza aciertos, pero permite llegar a la reunión de decisión con más información.

La misma idea es extrapolable a muchos sectores: cuando una empresa tiene suficientes datos de calidad comparables (históricos de proyectos, costes, ventanas de lanzamiento, territorios, rendimiento por canales), la IA puede convertir la discusión en algo menos intuitivo y más verificable.

Cómo usar IA para tomar decisiones en la empresa: riesgos y precauciones

Ahora bien, cuando la IA entra en el circuito decisional, puede aparecer cierta pereza analítica: “Si lo dijo el modelo, será cierto”. Quienes hayan experimentado con modelos de IA en este ámbito saben que puede costar muy caro.

Diseñar controles para la IA

En otras palabras, aunque un sistema automatizado interactúe con el cliente o proponga una decisión, la organización debe seguir respondiendo de ello. 

Esto obliga a diseñar controles que pasan por trazabilidad, supervisión, gestión de incidencias, gobierno del dato, actualización de contenidos y límites claros sobre qué puede “cerrar” la máquina y qué debe escalarse a una persona.

Pedir contraargumentos y explicaciones a la IA

También existe un riesgo cognitivo: si se usa la IA como confirmación de una hipótesis, tenderá a reforzar el marco inicial y a hacer más convincente una mala decisión. Es decir, tiende a darnos la razón. 

El antídoto en este caso es pedirle contraargumentos, explorar escenarios negativos, identificar variables que podrían invalidar la recomendación y exigir explicaciones operativas (¿cómo has llegado a esa conclusión?). Tenemos que cuestionarnos cualquier respuesta de la IA.

Identificar riesgos y decidir procesos

A nivel normativo, el AI Act en la UE y el NIST AI Risk Management Framework en EEUU (voluntario) proponen un enfoque práctico para identificar y gestionar riesgos a lo largo del ciclo de vida del sistema. En cuanto a la propia empresa, si la IA va a influir en decisiones, hay que decidir primero cómo será ese proceso. Es decir, qué datos se usan, quién valida, qué umbrales activan revisión humana, cómo se auditan los resultados y cómo se corrige el sistema cuando el entorno cambia.

La IA está cambiando el trabajo directivo, que se basará menos en producir información y más en evaluar su calidad, contexto y consecuencias. La ventaja competitiva estará en favorecer la toma de decisiones importantes de una forma más deliberada.

Te recomendamos:

• ¿Puede la IA pensar como un matemático? Así lo están intentando
• Diseñando el futuro: la IA transforma la experiencia del cliente bancario