La tecnología ya está. Lo que falta son los equipos que la usen

Casi todas las empresas ya dieron algún paso hacia la inteligencia artificial: una licencia nueva, un agente, un piloto en algún equipo. El dato más reciente de McKinsey lo confirma: el 89% de las organizaciones la usa en al menos una función de negocio, y el 80% de los empleados dice haber ganado productividad individual gracias a ella. La adopción, en ese sentido, ya no es el problema. Lo llamativo es otra cosa: solo el 37% de esas empresas logra traducir ese uso en un impacto medible sobre el EBIT —las ganancias antes de intereses e impuestos, la métrica que mejor refleja si algo realmente cambió en el negocio—, un número que no se movió respecto del año anterior, y apenas el 6% llega a un impacto que pueda llamarse significativo.

«Lo que pasa cuando una empresa va sumando sistemas, año tras año, hasta que una parte enorme de ellos queda obsoleta, sin soporte, sin nadie que los entienda del todo, nosotros la llamamos entropía tecnológica. En algún momento esa acumulación se vuelve tan grande que la empresa deja de poder moverse con agilidad, por más que cada sistema individual haya sido, en su momento, una buena decisión», explica Julián Colombo, CEO y fundador de N5.

En esta línea, el directivo recuerda que uno de los bancos más grandes del mundo —con más de 240.000 empleados— tiene 72.000 softwares activos: uno cada tres personas. Buena parte de ellos ya no tiene soporte técnico ni nadie que sepa exactamente para qué sirve, pero nadie se anima a apagarlos: quedan ahí, ocupando lugar, sumando fricción a cada decisión que necesita pasar por ellos.

El riesgo, según Colombo, es que la inteligencia artificial termine funcionando de la misma manera: otra capa que se suma arriba de una estructura que nunca se terminó de ordenar. El dato de McKinsey sostiene esa lectura: lo que distingue a las empresas que sí logran impacto real en sus resultados —los «high performers«— no es qué modelo de IA eligieron ni cuánto invirtieron, sino que se animaron a rediseñar sus flujos de trabajo desde cero en lugar de instalar los sistemas de aprendizaje automático sobre procesos que ya venían rotos. Casi tres de cada cuatro de esas empresas de alto desempeño rediseñaron sus procesos de fondo; el resto simplemente sumó una herramienta nueva arriba de lo que ya tenía. Si nadie revisa cómo circula la información, ni quién decide qué y en qué momento, la inteligencia artificial no reduce la entropía tecnológica: la alimenta, con otro nombre.

En los últimos años, ese mismo patrón se repitió en industrias que no tenían nada que ver entre sí: retail, salud, manufactura, servicios. Cambiaba el sector; se repetía la escena puertas adentro. Equipos que reconstruían a mano información que ya existía en otro sistema. Decisiones que se frenaban porque dependían de alguien que estaba en otra reunión. Gente entrenada para usar herramientas nuevas, pero todavía atada a la lógica de las viejas. La tecnología maduró más rápido que las organizaciones que la usan.

El último relevamiento de McKinsey sobre más de 10.000 ejecutivos senior en 15 países y 16 industrias le pone número a esa sensación: el 72% admite que su organización no está lista para los cambios que vienen. Y entre los que sí se declaran optimistas frente a ese futuro, apenas un tercio se siente preparado. No es un problema de presupuesto ni de acceso a la tecnología —eso, a esta altura, está prácticamente resuelto en la mayoría de las empresas—. Es un problema de diseño: de cómo está armado el equipo que tiene que sostener, todos los días, lo que la tecnología promete.

«Hoy casi todas las empresas tienen la tecnología. Muy pocas tienen el equipo preparado para sacarle el jugo. Si seguís sumando inteligencia artificial sin revisar cómo trabaja tu gente, no estás resolviendo la entropía tecnológica: la estás alimentando de nuevo, con otro nombre. Esa es la conversación que todavía no estamos dando», dice Colombo.

Ahí aparece la idea de volver a las bases. No hacia atrás —hacia adentro—, mirar la tecnología, sí, pero también mirar cómo trabaja cada equipo en el día a día: qué información tiene a mano, cuánto tiempo pierde reconstruyendo contexto que ya existía en otro lado, cuánto de lo que hace depende de que otra persona haya hecho bien su parte primero. No es una pregunta abstracta sobre cultura organizacional; es una pregunta operativa, medible, sobre fricción: cuánta hay, dónde se acumula y qué cuesta sacarla de encima.

«La ventaja ya no va a estar en qué herramienta incorporaste, sino que va a estar en cómo tu talento trabaja con ella todos los días. Podés tener la mejor tecnología del mercado, pero si tu equipo sigue operando como si nada hubiera cambiado, esa tecnología se convierte en un sistema más arriba de la pila», resume Colombo.

Durante los últimos años, la conversación sobre tecnología estuvo casi enteramente del lado de la oferta: qué modelo elegir, qué plataforma comprar, qué proveedor promete más. Los datos de 2026 empiezan a correr esa conversación hacia otro lado. La brecha ya no separa a las empresas que tienen IA de las que no la tienen, separa a las que se animaron a repensar cómo trabaja su gente alrededor de esa tecnología de las que simplemente la instalaron encima de lo que ya tenían.

Volver a las bases, entonces, no es nostalgia ni una excusa para frenar la innovación: es resolver primero el problema que sí está en manos de cada organización, antes de seguir sumando herramientas sobre una estructura que todavía no está lista para sostenerlas.