La inteligencia artificial avanza a una velocidad difícil de comparar con otros ciclos tecnológicos recientes. Estados Unidos y China compiten por modelos, chips e infraestructura; la inversión continúa creciendo; los agentes empiezan a intervenir en procesos empresariales; y Europa avanza en la aplicación de su marco regulatorio. Para las compañías, el desafío ya no consiste simplemente en incorporar IA, sino en transformar toda esa capacidad tecnológica en una operación más inteligente, eficiente, gobernada y medible.
La inteligencia artificial ha dejado de ser únicamente una carrera por desarrollar el mejor modelo para convertirse en una competición tecnológica, económica y estratégica. La inversión mundial continúa creciendo con fuerza y una parte importante de ella se está destinando a construir la infraestructura, los centros de datos y la capacidad de procesamiento necesarios para sostener la nueva generación de sistemas de IA.
Al mismo tiempo, China está acelerando su posición. La irrupción de DeepSeek cuestionó algunos de los supuestos sobre costes y liderazgo tecnológico que habían marcado la primera etapa de la IA generativa, pero su aparición forma parte de un movimiento mucho más amplio. Nuevos modelos chinos están reduciendo distancias en ámbitos como programación, razonamiento y sistemas agénticos, mientras las grandes compañías tecnológicas del país aumentan sus inversiones en modelos, chips e infraestructura.
La evolución de la IA se está convirtiendo así en una cuestión de capacidad tecnológica, infraestructura, soberanía, competitividad y control. Mientras esta carrera global se acelera, dentro de las empresas aparece una paradoja: nunca se había invertido tanto en inteligencia artificial y, sin embargo, convertir esa inversión en una capacidad empresarial escalable continúa siendo uno de los grandes desafíos.
Nunca habíamos invertido tanto en IA. Pero escalarla sigue siendo difícil
La adopción está creciendo mucho más rápido que la capacidad para transformar la tecnología en resultados empresariales. Gartner señala que solo el 22% de las organizaciones ha conseguido escalar con éxito la IA en múltiples unidades de negocio o adoptar un enfoque AI-first, pese al crecimiento de la inversión. McKinsey dibuja una situación similar: cerca de nueve de cada diez organizaciones encuestadas utilizan regularmente IA en al menos una función y el 44% afirma estar escalándola en el conjunto de la empresa, pero el porcentaje que declara una contribución de la IA al EBIT se mantiene en el 37%.
Esta distancia entre inversión, adopción y resultados también está en el centro del análisis que hemos realizado desde Entelgy. Nuestro estudio sobre el retorno de la inversión tecnológica y en inteligencia artificial, elaborado a partir de la opinión de 300 directivos C-Level, muestra hasta qué punto las organizaciones están entrando en una etapa en la que ya no es suficiente con justificar la adopción de nuevas tecnologías: necesitan demostrar su impacto real sobre el negocio. La cuestión no es cuánto se está invirtiendo en IA, sino qué parte de esa inversión consigue traducirse en productividad, eficiencia, modernización y resultados medibles.
Estamos entrando, por tanto, en una fase mucho más exigente, en la que la pregunta ya no es quién utiliza inteligencia artificial, sino quién está consiguiendo convertirla en una capacidad operativa real. Ese es precisamente el salto hacia la Empresa Operativa con IA: pasar de la adopción de herramientas y casos de uso aislados a integrar la inteligencia artificial en los procesos, aplicaciones y sistemas sobre los que funciona el negocio.
De utilizar IA a operar con IA
Durante la primera etapa de la IA generativa, las organizaciones pudieron obtener resultados incorporando herramientas relativamente aisladas: asistentes, generación de contenidos, búsqueda inteligente, copilots o automatización de determinadas tareas. La siguiente etapa es diferente porque los sistemas agénticos empiezan a permitir que la IA no solo genere una respuesta, sino que también interprete una situación, consulte distintas fuentes de información, utilice herramientas e intervenga en la ejecución de un proceso.
Esta evolución amplía enormemente las posibilidades de la tecnología, pero también incrementa las exigencias sobre la organización. A medida que aumenta la autonomía de los sistemas, resulta necesario controlar no solo la calidad de sus respuestas, sino también los datos que utilizan, las aplicaciones con las que interactúan, los permisos de los que disponen, la infraestructura que los soporta, los costes que generan y las decisiones o acciones que pueden ejecutar.
Por eso, construir una Empresa Operativa con IA no consiste simplemente en incorporar modelos más avanzados. Implica preparar todo el entorno empresarial para trabajar con ellos y conectar capacidades que tradicionalmente se han gestionado de forma independiente.
El proceso se convierte en la nueva unidad de transformación
El siguiente salto consiste en dejar de pensar exclusivamente en casos de uso y comenzar a analizar procesos completos. Pensemos, por ejemplo, en la gestión de una incidencia tecnológica: detectar una anomalía, determinar su impacto, identificar su causa, consultar diferentes sistemas, establecer prioridades, proponer una respuesta, ejecutar una acción y comprobar posteriormente si el servicio se ha recuperado forman parte de un mismo flujo.
La inteligencia artificial puede participar progresivamente en diferentes puntos de ese recorrido, pero para hacerlo necesita contexto y conocimiento sobre cómo funciona realmente la organización. Aquí capacidades como Process Intelligence y Process Mining adquieren una importancia estratégica, porque permiten identificar los flujos reales de trabajo, descubrir ineficiencias y determinar dónde la IA y la automatización pueden producir un impacto medible.
Esta aproximación evita uno de los riesgos de la actual carrera por introducir inteligencia artificial en todos los ámbitos de la empresa: aplicar una tecnología extraordinariamente potente sobre procesos que continúan siendo ineficientes. Automatizar un proceso mal diseñado no necesariamente lo transforma; en determinadas circunstancias, simplemente permite ejecutar más rápido las mismas ineficiencias.
Desarrollo de software con IA: transformar el núcleo tecnológico
Uno de los ámbitos donde este cambio resulta más visible es el desarrollo de software. Los asistentes de programación han evolucionado rápidamente y la IA empieza a intervenir en cada vez más fases del ciclo de vida: análisis y especificación, generación y revisión de código, testing, documentación, mantenimiento y modernización de aplicaciones.
Esta evolución es especialmente relevante para las grandes organizaciones, porque buena parte de sus procesos críticos continúa dependiendo de aplicaciones desarrolladas años o incluso décadas antes de la llegada de la IA generativa. Construir una Empresa Operativa con IA únicamente añadiendo nuevas herramientas sobre arquitecturas legacy tiene límites evidentes. Para aprovechar realmente las nuevas capacidades es necesario abordar también la modernización del software y de las arquitecturas sobre las que funciona el negocio.
Desde Entelgy abordamos el Desarrollo de Software con IA desde esta perspectiva. No entendemos el valor de la IA simplemente como una forma de producir más líneas de código en menos tiempo, sino como una oportunidad para transformar cómo se especifican, desarrollan, prueban, modernizan y mantienen las aplicaciones. Incorporar contexto, conocimiento funcional y enfoques de desarrollo guiados por especificaciones permite trasladar las capacidades de los modelos a entornos empresariales complejos y convertirlas en productividad medible.
El cambio es significativo porque utilizar IA para generar código puede mejorar una tarea concreta, mientras que integrarla en todo el ciclo de desarrollo modifica el propio modelo operativo de TI. Esa transformación tecnológica será una condición cada vez más importante para que la inteligencia artificial pueda escalar al conjunto del negocio.
Cuanto más poderosa es la IA, más importante es gobernarla
La velocidad de esta evolución está provocando al mismo tiempo una conversación internacional sobre seguridad, control y límites. La competición tecnológica entre Estados Unidos y China ya no gira exclusivamente alrededor de quién desarrolla los modelos más avanzados, sino también sobre chips, infraestructura, estándares, seguridad y capacidad para controlar tecnologías cada vez más potentes. Europa, por su parte, avanza en la aplicación progresiva del AI Act, trasladando esta discusión directamente al terreno empresarial.
Para las organizaciones, la consecuencia es clara: Gobernanza de IA y escalabilidad empiezan a ser inseparables. A medida que aumentan los casos de uso y los niveles de autonomía, resulta imprescindible conocer qué sistemas de IA utiliza la organización, con qué finalidad, sobre qué datos trabajan, quién es responsable de ellos, qué nivel de riesgo presentan y qué acciones pueden ejecutar. También es necesario establecer cuándo debe intervenir una persona y disponer de mecanismos que permitan supervisar y reconstruir determinadas decisiones.
La gobernanza deja así de ser únicamente una cuestión de cumplimiento normativo para convertirse en una capacidad operativa. Gobernar la IA significa establecer las condiciones necesarias para utilizarla a escala manteniendo control, trazabilidad, seguridad y responsabilidad. No se trata de limitar la innovación, sino de crear un marco que permita avanzar sin que la velocidad tecnológica supere la capacidad de la organización para gestionar sus consecuencias.
Una Empresa Operativa con IA también debe ser observable
Si la inteligencia artificial empieza a formar parte de la operación, necesitamos saber qué está haciendo y cómo está afectando al conjunto del sistema. La observabilidad adquiere así una nueva dimensión, porque ya no basta con conocer si una aplicación o infraestructura está disponible: es necesario comprender cómo interactúan modelos, agentes, aplicaciones, infraestructura y procesos, detectar comportamientos anómalos y medir su rendimiento y sus costes.
Esta capacidad resulta especialmente relevante a medida que aumenta la autonomía de los sistemas. Un agente que participa en un proceso empresarial puede depender simultáneamente de diferentes modelos, APIs, fuentes de datos y aplicaciones. Cuando algo falla, la organización necesita suficiente contexto para identificar dónde se ha producido el problema, qué impacto tiene y cómo resolverlo.
La inteligencia artificial no puede convertirse en una nueva caja negra dentro de las organizaciones. Cuanta más autonomía proporcionemos a estos sistemas, mayor deberá ser también nuestra capacidad para observar su comportamiento y entender cómo afecta a la operación.
Del uso de la IA a la medición de su impacto
El crecimiento de la inversión está aumentando también la presión por demostrar el retorno. Modelos, chips, energía, centros de datos, licencias, integración y talento representan costes cada vez más relevantes, mientras las empresas empiezan a exigir resultados concretos a iniciativas que durante los últimos años se desarrollaron bajo una lógica fundamentalmente experimental.
Este es precisamente uno de los mensajes que se desprenden del estudio de Entelgy sobre inversión tecnológica e IA: la distancia entre invertir en tecnología y obtener un retorno reconocible por la dirección continúa siendo una cuestión estratégica. En un momento en el que la inteligencia artificial empieza a extenderse desde determinados casos de uso hacia procesos, aplicaciones y áreas completas de la organización, cuanto mayor sea la escala de implantación, mayor será también la necesidad de demostrar su contribución al negocio.
Esto obliga a revisar cómo medimos la IA. El número de licencias desplegadas, usuarios activos, prompts realizados o líneas de código generadas puede ayudar a entender la adopción, pero no demuestra necesariamente la existencia de valor empresarial. Una Empresa Operativa con IA necesita relacionar la utilización de la tecnología con indicadores como productividad, coste, calidad, disponibilidad, velocidad de desarrollo, reducción del time-to-market, tiempos de resolución o impacto económico.
Desde Entelgy entendemos que la evolución hacia una Empresa Operativa con IA debe ir acompañada de una capacidad equivalente para medir sus resultados, identificar dónde se está generando valor y corregir aquellas iniciativas que no están produciendo el impacto esperado. Porque escalar una tecnología sin conocer su impacto también puede significar escalar sus costes.
La ventaja competitiva no estará únicamente en el modelo
La carrera tecnológica continuará acelerándose. Estados Unidos seguirá impulsando modelos cada vez más capaces, China continuará aumentando su capacidad y aparecerán nuevas alternativas abiertas y propietarias. Los agentes ganarán autonomía, determinadas capacidades se abaratarán y otras exigirán grandes inversiones en infraestructura. En este escenario, disponer de acceso a un modelo avanzado difícilmente constituirá por sí mismo una ventaja competitiva sostenible.
La diferencia estará en qué organizaciones están preparadas para utilizar mejor esas capacidades y trasladarlas a su operación. Para hacerlo será necesario conectar ámbitos que durante años se han gestionado de forma relativamente independiente: los procesos permitirán identificar dónde introducir inteligencia y automatización; los datos proporcionarán información fiable y contexto; el desarrollo de software con IA facilitará la transformación y modernización de las aplicaciones; Cloud e infraestructuras aportarán capacidad y escalabilidad; la observabilidad permitirá comprender el funcionamiento del conjunto; y la Gobernanza de IA establecerá responsabilidades, controles y mecanismos de supervisión. Todo ello deberá estar acompañado por una medición continua capaz de demostrar que la tecnología está produciendo resultados.
De la carrera por la IA a la Empresa Operativa con IA
La velocidad con la que está evolucionando la inteligencia artificial puede generar la sensación de que las empresas necesitan correr detrás de cada nuevo modelo, agente o tecnología. Sin embargo, el desafío estratégico es diferente: construir una organización capaz de absorber esa evolución de forma continua, incorporar las innovaciones que aporten valor y hacerlo sin perder control sobre sus procesos, sistemas y resultados.
Desde Entelgy abordamos esta transformación conectando nuestras capacidades de Inteligencia Artificial, Data & Process, Desarrollo de Software con IA y modernización, Cloud e Infraestructuras, Observabilidad, productividad y Gobernanza de IA. El objetivo es acompañar a las organizaciones en el paso desde iniciativas aisladas y experimentales hacia un modelo en el que la inteligencia artificial pueda integrarse de forma efectiva en la operación y generar resultados medibles.
En un escenario en el que los modelos serán cada vez más potentes, accesibles y numerosos, la verdadera diferencia no estará únicamente en disponer de inteligencia artificial, sino en contar con los procesos, la tecnología, el conocimiento y el modelo de gobierno necesarios para convertirla en una capacidad empresarial.
