Tres señales de que la IA está empezando a cambiar la empresa

Esta semana aparecieron tres datos que, vistos por separado, podrían parecer noticias distintas sobre inteligencia artificial.

Juntos cuentan una historia mucho más interesante.

La IA ya está aumentando la capacidad de las personas, pero eso todavía no significa que esté aumentando en la misma proporción la capacidad de las empresas.

Al mismo tiempo, algunas organizaciones comienzan a rediseñar la manera en que trabajan alrededor de ella.

Estas son las tres señales que vale la pena observar.

1. 80% dice ser más productivo. Sólo 37% de las empresas ve impacto en EBIT

McKinsey publicó esta semana su State of AI 2026, basado en una encuesta global a 1,719 participantes de 97 países.

El contraste probablemente sea uno de los datos más importantes sobre IA empresarial de este año.

80% de los encuestados afirma que la IA mejoró su productividad individual.

Pero solamente 37% reporta algún impacto positivo de la IA sobre el EBIT de su organización, prácticamente la misma proporción que el año anterior.

Todavía más revelador:

Sólo 6% puede considerarse un grupo de alto desempeño en IA, definido por McKinsey como organizaciones que atribuyen al menos 5% de impacto en EBIT a su uso de inteligencia artificial y consideran significativo ese impacto.

La tecnología está funcionando, las personas producen más, pero el resultado no se está viendo, todavía, reflejado en la empresa.

¿Por qué?

Una pista aparece cuando observamos al pequeño grupo que sí está obteniendo resultados.

Casi tres cuartas partes de las empresas de alto desempeño están rediseñando fundamentalmente sus flujos de trabajo alrededor de la IA.

Entre las demás lo hace apenas una cuarta parte.

La diferencia no parece estar simplemente en usar más IA, está en cambiar el sistema donde la IA trabaja.

Ese puede terminar siendo uno de los grandes aprendizajes de esta etapa:

Automatizar tareas no transforma una empresa. Rediseñar cómo trabaja, sí.

2. En seguros ya podemos observar qué ocurre cuando desaparece el primer escalón

Ayer hablábamos de una preocupación:

Si la inteligencia artificial hace las tareas rutinarias a través de las cuales aprendían los trabajadores jóvenes, ¿de dónde saldrán los profesionales experimentados del futuro?

Hoy apareció un caso concreto.

Las vacantes para ajustadores junior de seguros en Estados Unidos han caído cerca de 50% desde principios de 2024.

En el mismo periodo, las vacantes entry-level del mercado general disminuyeron aproximadamente 15%.

Lo que llama la atención es que la demanda de profesionales experimentados se mantiene a la alza, esto es, las vacantes senior para ajustadores permanecen aproximadamente 80% por encima de los niveles de 2017.

Las aseguradoras siguen necesitando experiencia, lo que comienza a reducirse es el mecanismo mediante el cual se construye esa experiencia.

La IA puede recabar información, revisar documentación y realizar parte del trabajo rutinario de una reclamación. Son los casos complejos los que siguen necesitando análisis humano con vasta experiencia.

El problema aparece entre ambos extremos.

Un ajustador experimentado no llegó siendo experimentado, durante años resolvió casos sencillos antes de enfrentarse a los difíciles.

Si automatizamos los primeros, tendremos que encontrar otra manera de construir la experiencia necesaria para resolver los segundos.

La pregunta empieza a dejar de ser teóricaPor eso nos debemos preguntar:

¿Qué sucede cuando una empresa automatiza también su sistema de aprendizaje?

3. Cisco acaba de entregar un agente de IA a cada uno de sus 90,000 empleados

Mientras algunas empresas continúan experimentando con chatbots y herramientas aisladas, Cisco está probando algo mucho más cercano a una nueva arquitectura de trabajo.

La compañía desplegó MyAgent, un agente personal de IA, para aproximadamente 90,000 empleados.

Estos agentes no se limitan a contestar preguntas.

Administran correos, resumen información, analizan datos y solicitan trabajo a más de 800 subagentes especializados conectados con sistemas empresariales.

Lo más interesante ya no es lo que pueden hacer sino cómo están diseñados.

El agente trabaja exclusivamente para una persona, accede a información según los permisos que ese colaborador ya tiene.

Las acciones externas requieren autorización humana por lo que un servidor de políticas limita lo que puede hacer.

Además, Cisco desarrolló un sistema que decide qué modelo utilizar para cada tarea considerando capacidad y costo.

Entre 50% y 60% de las solicitudes pueden resolverse mediante modelos abiertos y otro 20% a 30% mediante automatización tradicional. Sólo una pequeña proporción necesita recurrir a modelos fundacionales externos.

Esto refleja el concepto del colaborador "aumentado".

La empresa del futuro probablemente no tendrá simplemente “una IA”, tendrá una arquitectura donde personas, agentes, automatizaciones, modelos y sistemas corporativos trabajan juntos bajo reglas explícitas.

Debemos dejar de preguntar:

¿Qué herramienta de IA debemos comprar?

Es mejor preguntarnos:

¿Cómo diseñamos el sistema en el que personas e inteligencia artificial trabajen juntas?

Lo que conectan estas tres noticias

Mientras que McKinsey nos muestra el problema, Cisco nos muestra una posible dirección y el mercado laboral empieza a mostrarnos las consecuencias.

La primera etapa de la inteligencia artificial empresarial consistió en darle herramientas a las personas, la siguiente parece bastante diferente.

Consiste en rediseñar la empresa alrededor de nuevas capacidades.

Eso incluye procesos, información, permisos, costos, gobernanza y responsabilidades.

También incluye algo que apenas estamos empezando a analizar:

Cómo aprenderán las personas dentro de esas nuevas organizaciones.