Dar acceso a la IA no es habilitar a la organización

Gartner acaba de poner cifras a una tensión que muchas empresas siguen subestimando: la IA no genera valor por estar disponible, sino cuando se integra en procesos reales, se distribuye más allá de la dirección y se adopta con confianza.

El próximo cuello de botella de la inteligencia artificial en la empresa no estará entre quienes tienen herramientas y quienes no. Estará entre quienes confunden acceso con habilitación y quienes consiguen convertir la IA en una capacidad real de trabajo.

Según Gartner, para 2027 la mitad de las empresas que no tengan una estrategia integral de IA centrada en las personas perderá su mejor talento de IA frente a competidores que prioricen la habilitación de la fuerza laboral sobre la adopción básica. La predicción procede de su Global Labor Market Survey del primer trimestre de 2026, con más de 12.000 empleados y managers en 40 países.

Pero quizá lo más relevante no sea solo la posible fuga de talento. Es lo que esa predicción revela sobre la adopción real de la IA en las organizaciones: muchas empresas siguen midiendo disponibilidad cuando deberían medir capacidad. Tienen herramientas, licencias, pilotos, usuarios activos y consumo creciente de IA, pero no siempre han rediseñado el trabajo que debe absorber esa capacidad.

La IA ya no está fuera de la empresa. Está en herramientas corporativas, presupuestos, iniciativas de productividad y también en usos informales que avanzan por debajo del radar. La pregunta, por tanto, ya no es si la organización tendrá acceso a IA, sino si será capaz de convertir ese acceso en una forma de trabajar mejor diseñada, más distribuida, más confiable y mejor gobernada.

Gartner lo formula como una enablement illusion: la ilusión de creer que ofrecer herramientas o medir adopción básica equivale a transformar el trabajo. Esa ilusión es peligrosa porque puede producir apariencia de avance mientras oculta un desajuste más profundo: la distancia entre capacidad tecnológica y capacidad organizativa para absorberla.

El problema no es que la tecnología no funcione. En muchos casos funciona suficientemente bien. El problema es que muchas organizaciones todavía no están preparadas para convertir esa capacidad en valor operativo.

La idea de habilitación suele utilizarse de forma demasiado ligera. A menudo se interpreta como acceso a herramientas, formación inicial, guías de uso, políticas internas o métricas de adopción. Todo eso puede ser necesario, pero no basta para cambiar cómo trabaja una organización.

Habilitar no es repartir una herramienta. Es crear las condiciones para que esa herramienta tenga un lugar claro en el trabajo real: qué tareas cambia, qué decisiones mejora, qué riesgos introduce, quién valida los resultados, qué métricas demostrarán valor y quién responde cuando el sistema se equivoca o se usa mal.

Una empresa puede parecer avanzada en IA porque ha desplegado herramientas corporativas, ha formado a parte de la plantilla y puede mostrar indicadores de uso. Sin embargo, esos indicadores no prueban por sí solos que el trabajo esté mejor diseñado ni que los procesos hayan mejorado. Puede haber más actividad sin más capacidad, más uso sin más madurez y más automatización parcial sin mejor operación.

La diferencia importa porque muchas organizaciones están entrando en una fase en la que el acceso a IA dejará de ser distintivo. Lo que separará a unas empresas de otras no será tener herramientas, sino saber incorporarlas al trabajo con criterio, confianza y responsabilidad.

Una de las ideas más útiles del informe de Gartner es que la productividad con IA no parece escalar de forma lineal.

No basta con que más empleados tengan acceso a una herramienta ni con que la utilicen de vez en cuando para resumir documentos, preparar correos, buscar información o redactar primeras versiones. Todo eso puede ser útil, pero no necesariamente transforma cómo funciona la organización.

Gartner sostiene que medir el impacto de la IA solo por horas ahorradas pierde una parte importante del valor. Según su encuesta, los empleados competentes en varios casos de uso son dos veces más propensos a ser altamente productivos, 2,3 veces más propensos a entregar trabajo de alta calidad y 3,2 veces más propensos a mejorar procesos de forma efectiva.

La cifra es relevante porque desplaza la conversación desde el uso aislado hacia el umbral de integración. La IA empieza a generar valor cuando deja de ser una ayuda ocasional y entra de forma consistente en el trabajo real. Por eso resulta insuficiente medir el éxito solo por acceso, licencias, usuarios activos, número de prompts, consumo de tokens o tiempo ahorrado. Todas esas métricas pueden describir actividad, pero ninguna prueba por sí sola que el proceso completo haya mejorado.

Una persona puede consumir muchos tokens, ahorrar minutos en una tarea y dejar intacto un proceso fragmentado, lento o mal gobernado. Un equipo puede usar IA con frecuencia y seguir acumulando retrabajo, errores de validación, decisiones poco trazables o dependencias informales. Una organización puede mostrar una curva ascendente de uso y seguir sin saber si el trabajo ha cambiado de forma sustantiva.

La pregunta relevante no es solo cuántas personas usan IA, sino qué cambia cuando la usan: qué flujo se rediseña, qué decisión mejora, qué error se reduce, qué calidad aumenta, qué coste operativo aparece, qué riesgo se mitiga, qué conocimiento se captura y qué responsabilidad queda definida.

Microsoft, en su Work Trend Index 2026, apunta en una dirección compatible. El límite ya no parece estar solo en la capacidad individual o tecnológica, sino en cómo la organización rediseña sus estructuras para que humanos y sistemas de IA puedan combinarse de forma efectiva. La cultura, la estructura organizativa y la guía directiva empiezan a ser factores tan importantes como el acceso a la tecnología.

Una empresa no demuestra madurez en IA cuando aumenta el uso de una herramienta. La demuestra cuando conecta ese uso con procesos más sólidos, decisiones mejores, menos fricción, mayor calidad y responsabilidades más claras. La IA no genera valor por estar disponible; genera valor cuando deja de ser una herramienta ocasional y se convierte en parte del diseño del trabajo.

El segundo síntoma de una habilitación incompleta es la shadow AI: el uso de herramientas de inteligencia artificial no aprobadas, no supervisadas o no gobernadas por la organización para realizar tareas de trabajo.

La lectura inmediata suele ser de riesgo: datos sensibles, propiedad intelectual, cumplimiento normativo, trazabilidad o ciberseguridad. Esa lectura es correcta, pero incompleta.

Gartner señala que el 88% de los empleados con acceso a IA corporativa también usa herramientas personales para tareas de trabajo. Además, los usuarios híbridos tienen 1,7 veces más probabilidad de reportar ahorro significativo de tiempo que quienes usan solo soluciones corporativas, aunque ese comportamiento eleva riesgos de datos y también riesgos de retención de talento crítico.

La cifra desmonta una idea cómoda: que el problema se resuelve simplemente ofreciendo una herramienta corporativa. La realidad suele ser más incómoda. La shadow AI no aparece solo porque los empleados ignoren las normas; muchas veces aparece porque la herramienta aprobada no encaja con la forma real en que el trabajo se ejecuta.

Puede ser demasiado limitada, poco usable, mal integrada, lenta, excesivamente restringida o insuficiente para las necesidades del día a día. El empleado no deja de necesitar IA porque la herramienta corporativa no le sirve; simplemente busca otra vía.

Eso convierte la shadow AI en algo más que un problema de compliance. Es una señal de mal encaje entre la herramienta aprobada y el trabajo real. Revela que la empresa ha creado un perímetro formal de uso, pero no necesariamente un perímetro útil: ha definido lo permitido, pero no siempre ha resuelto la necesidad que empuja a las personas fuera del canal aprobado.

El fenómeno, además, no parece marginal ni local. Netskope ha señalado que las violaciones de políticas de datos relacionadas con IA generativa se duplicaron en el último año. Según la cobertura de su Cloud and Threat Report 2026, el 47% de usuarios de IA generativa seguía accediendo mediante cuentas personales o no gestionadas, y el promedio de incidentes mensuales de envío de datos sensibles a aplicaciones de IA alcanzaba 223 por organización.

No conviene convertir estos datos en una comparación simple entre países o sectores, porque las metodologías no son homogéneas. Pero sí sirven para confirmar que no estamos ante una anécdota. La adopción informal de IA está creciendo más rápido que la capacidad de muchas organizaciones para gobernarla.

La respuesta no puede ser solo prohibir, bloquear o vigilar. En algunos casos habrá que hacerlo, pero eso no resuelve el fondo. La pregunta más útil es por qué la herramienta oficial pierde contra la herramienta personal: qué restricciones la hacen poco práctica, qué tareas no cubre, qué experiencia de usuario expulsa a los empleados hacia soluciones externas y qué falta de guía deja a cada persona decidir por su cuenta qué puede usar, qué no puede usar y con qué nivel de riesgo.

Cuando la herramienta corporativa no resuelve el trabajo real, la necesidad no desaparece. Se desplaza fuera del perímetro de control.

El tercer dato de Gartner es especialmente relevante para cualquier organización que hable de escalar IA.

Aunque la mayoría de empleados dispone de soluciones corporativas, Gartner señala que el 73% de los usuarios altamente productivos con IA son managers o ejecutivos. También añade que los contribuidores individuales, responsables de gran parte de las tareas automatizables, suelen estar peor servidos en términos de apoyo y orientación.

Este dato conecta con una tensión ya visible en muchas empresas: la IA puede estar mejor integrada en la capa directiva que en el trabajo donde se concentra el volumen operativo. El problema no es que managers y ejecutivos usen IA; al contrario, deben hacerlo. La dificultad aparece cuando la organización confunde la mejora de una capa reducida con transformación del conjunto.

Los directivos pueden preparar mejor reuniones, sintetizar información con más rapidez, redactar mensajes, analizar escenarios o acelerar decisiones. Pero el retorno empresarial más relevante suele aparecer en los procesos masivos donde se concentra el volumen del trabajo: atención al cliente, operaciones, reclamaciones, cierres contables, expedientes, incidencias, tickets, leads, documentación o validación de información.

Si la IA mejora la productividad de quienes dirigen, pero no cambia cómo se atiende al cliente, cómo se procesa una operación, cómo se gestiona una reclamación, cómo se prepara un cierre contable o cómo se valida una decisión, el impacto queda limitado. Hay mejora individual, pero no necesariamente transformación operativa.

Aquí el papel de los managers es crítico. No basta con que usen bien la IA para su propio trabajo. Tienen que traducirla al trabajo del equipo: identificar casos de uso por función, definir qué tareas pueden cambiar, aclarar límites, acompañar experimentación, proteger calidad, medir resultados y conectar el uso con procesos reales.

BCG aporta una señal complementaria interesante. Según su investigación AI at Work 2026, el 42% de trabajadores encuestados afirma ahorrar un día completo por semana con IA, pero el 66% no recibe guía sobre cómo usar productivamente ese tiempo.

Ese dato ayuda a separar ahorro individual de valor organizativo. Ahorrar tiempo no basta si la organización no decide qué hacer con ese tiempo. Puede convertirse en más volumen, más calidad, más aprendizaje, mejor servicio o innovación. Pero también puede convertirse en vacío, ansiedad, dispersión o presión informal para absorber más carga sin rediseñar el proceso.

Una empresa no escala IA cuando sus directivos trabajan más rápido. La escala cuando esa capacidad llega al trabajo cotidiano y a los procesos masivos de la organización.

El cuarto síntoma puede parecer más blando. No lo es.

Gartner afirma que la ausencia de seguridad psicológica está ralentizando la adopción de IA. Sostiene que la ansiedad por la pérdida de empleo reduce productividad y compromiso, y que los empleados con una visión positiva de la IA son 3,4 veces más propensos a ser altamente productivos. También subraya que la adopción de IA es un problema cultural, no solo de formación técnica.

Esto es importante porque muchas organizaciones siguen tratando la adopción como si bastara con desplegar herramientas y ofrecer cursos. Pero una persona no adopta una tecnología de forma madura si sospecha que usarla bien la hará más prescindible. Tampoco experimenta con confianza si cree que cada mejora de productividad puede convertirse en una amenaza para su puesto, ni comparte aprendizajes si piensa que revelar eficiencia puede debilitar su posición.

Mientras la IA se comunique principalmente como reducción de plantilla, será difícil convertirla en una práctica de adopción abierta. La gente puede usarla, pero la usará de forma defensiva. Y una adopción defensiva no produce transformación. Produce silencio, uso superficial, uso oculto o resistencia.

La seguridad psicológica no significa evitar conversaciones difíciles sobre automatización, eficiencia o rediseño del trabajo. Significa tenerlas con claridad: explicar qué cambiará y qué no, qué capacidades se quieren desarrollar, qué tareas pueden automatizarse, qué responsabilidades seguirán siendo humanas, qué apoyo recibirá cada equipo, qué criterios se usarán para medir el impacto y qué ocurrirá con las ganancias de productividad.

Por eso una estrategia de IA centrada en las personas no es un gesto retórico. Es una condición de adopción. Significa reconocer que la tecnología puede cambiar tareas, roles, procesos y estructuras, pero que ese cambio debe gestionarse con transparencia, soporte, juicio y responsabilidad. Significa no pedir confianza a los empleados mientras se comunica la IA únicamente como eficiencia o sustitución. Significa entender que la productividad solo escala de forma sostenible cuando las personas no sienten que cada mejora se volverá automáticamente contra ellas.

La confianza no es una capa blanda de la adopción de IA. Es parte de la infraestructura que permite usarla bien.

Los cuatro síntomas apuntan a una misma conclusión: muchas empresas no tienen un problema de acceso a IA, sino de habilitación organizativa.

La productividad no escala por licencias, tokens o tiempo ahorrado. Escala cuando la IA se integra en flujos reales. La shadow AI no es solo un incumplimiento, sino una señal de que las herramientas oficiales no siempre encajan con el trabajo que deben soportar. El valor no se captura de verdad si queda concentrado en managers y ejecutivos. Y la confianza no es un añadido cultural, sino una condición para que las personas adopten IA con juicio, continuidad y responsabilidad.

Quizá ha llegado el momento de dejar de medir disponibilidad y empezar a medir capacidad organizativa.

Eso exige preguntas más concretas. No solo cuántas personas usan IA, sino qué procesos cambian cuando la usan. No solo cuánto tiempo se ahorra, sino qué se hace con ese tiempo. No solo qué herramientas se han desplegado, sino qué desajustes empujan a los empleados hacia herramientas no aprobadas. No solo qué directivos trabajan más rápido, sino qué parte del valor llega al volumen operativo. No solo qué cursos se han impartido, sino qué confianza existe para experimentar sin miedo y con responsabilidad.

Hay una diferencia que muchas organizaciones todavía subestiman: desplegar una herramienta es una decisión de compra; habilitarla es una decisión organizativa.

La primera se resuelve con presupuesto, proveedores y acceso. La segunda exige rediseñar trabajo, aclarar responsabilidades, corregir desajustes reales y construir suficiente confianza para que las personas incorporen la IA con criterio.

Lo contrario puede producir actividad, consumo de tokens, usuarios activos y algunos ahorros individuales. Pero no necesariamente transformación.

La madurez en IA no estará en quién reparta antes más herramientas, sino en quién consiga convertirlas en procesos mejor diseñados, valor distribuido y una forma de trabajar que las personas puedan sostener con responsabilidad.

• Gartner — AI-Workplace Outlook 1Q26 / Global Labor Market Survey 1Q26. Fuente principal para la tesis de la “enablement illusion”, la estrategia de IA centrada en las personas, el uso combinado de IA corporativa y herramientas personales, la concentración de usuarios altamente productivos en managers y ejecutivos, y la relación entre confianza, productividad y adopción. Fuente consultada, no enlazada.
• Microsoft Work Trend Index 2026. Apoyo para la idea de que el valor de la IA depende cada vez más de cultura, managers, estructura organizativa y rediseño del trabajo, no solo de acceso o habilidades individuales. https://www.microsoft.com/en-us/worklab/work-trend-index
• Netskope Cloud and Threat Report 2026. Apoyo para el bloque sobre shadow AI, uso de cuentas personales o no gestionadas y aumento de incidentes de envío de datos sensibles a aplicaciones de IA. https://www.netskope.com/netskope-threat-labs/cloud-threat-report
• BCG — AI at Work 2026. Apoyo para distinguir ahorro individual de tiempo y valor organizativo, especialmente en la necesidad de orientar cómo se reutiliza el tiempo ahorrado con IA. https://www.bcg.com/publications/collections/ai-at-work