La nueva etapa de la IA exigirá algo más que herramientas: confianza, criterio, rediseño del trabajo y capacidad real para llevar el cambio a la práctica.

Durante los últimos años, muchas empresas han incorporado la inteligencia artificial desde el entusiasmo. Se han probado asistentes, copilotos, automatizaciones, herramientas de generación de contenido, análisis de datos y, más recientemente, agentes capaces de ejecutar tareas con mayor autonomía.

Ese entusiasmo es comprensible. La IA abre oportunidades reales para mejorar la productividad, acelerar procesos y liberar tiempo de tareas repetitivas. Pero también está dejando en evidencia algo que muchas organizaciones ya conocían: la tecnología no transforma por sí sola.

Una empresa puede tener acceso a buenas herramientas y no conseguir impacto real. Puede lanzar pilotos interesantes y no escalarlos. Puede automatizar tareas sin mejorar su forma de trabajar. Puede hablar de innovación mientras procesos, datos y equipos siguen funcionando con las mismas dificultades.

Por eso, la conversación sobre IA está cambiando. Ya no se trata solo de probar qué puede hacer una herramienta, sino de entender cómo se integra de forma responsable, útil y sostenible. Ahí aparecen tres temas clave: confianza, rediseño del trabajo y capacidad de llevar la IA a la práctica.

La confianza será parte de la ventaja competitiva

El AI Act europeo ha llevado la conversación sobre inteligencia artificial a un nuevo nivel. Aunque su aplicación general arrancó el 2 de agosto de 2026, algunas obligaciones ya se han activado de forma progresiva, como las relacionadas con los modelos de IA de propósito general desde agosto de 2025.

Puede parecer un tema regulatorio, alejado del día a día de muchas empresas. Pero sería un error verlo solo así. La regulación está poniendo sobre la mesa una conversación más amplia: cómo generar confianza en el uso de la IA.

La confianza no se resuelve con una política interna que nadie lee. Se construye con criterios claros, responsabilidades definidas y una comprensión real de los riesgos. También con equipos capaces de saber cuándo una herramienta ayuda y cuándo una decisión no debería delegarse.

Esto aplica a grandes corporaciones, pero también a pymes, empresas familiares y organizaciones que empiezan a usar IA en marketing, ventas, atención al cliente, finanzas u operaciones.

Una empresa que utiliza IA para analizar clientes, generar propuestas, filtrar información o apoyar decisiones comerciales sigue siendo responsable de lo que ocurre. La responsabilidad no desaparece porque haya un algoritmo de por medio.

Cuanto más se integre la IA en procesos reales de negocio, más importante será saber quién decide, quién supervisa, qué datos se utilizan y qué límites existen. La confianza no debería verse como un freno a la innovación, sino como una condición para escalarla.

El trabajo no desaparece, se rediseña

Otro de los grandes debates alrededor de la IA es el empleo. Durante meses hemos escuchado la misma pregunta: ¿la IA va a quitar puestos de trabajo?

La pregunta es válida, pero incompleta. La IA no solo afecta a cuántos puestos existirán, sino a cómo se trabaja, cómo se aprende, cómo se toman decisiones y qué capacidades empiezan a ser más relevantes.

El Foro Económico Mundial y PwC publicaron en junio de 2026 un informe sobre el impacto de la IA en los trabajos de entrada y las primeras etapas profesionales. El informe plantea proteger y reinventar esas trayectorias, con foco en empleo, diseño de puestos, talento y conexión con el sistema educativo.

Muchas personas aprenden haciendo tareas que hoy parecen fáciles de automatizar: preparar informes, revisar documentación, comparar información, elaborar primeros análisis, redactar borradores o apoyar a perfiles más senior.

Si esas tareas desaparecen sin rediseñar el aprendizaje, la organización puede ganar eficiencia a corto plazo, pero perder una parte importante del desarrollo profesional. El criterio no se construye solo leyendo conclusiones generadas por una herramienta. Se desarrolla con práctica, contexto, errores y exposición progresiva a problemas reales.

La IA puede liberar tiempo y reducir tareas de bajo valor, pero no todo lo automatizable debería automatizarse sin reflexión. Antes de eliminar una tarea, conviene entender qué función cumple dentro del aprendizaje y cómo será sustituida.

Este será uno de los grandes retos para las empresas: rediseñar el trabajo sin romper los caminos de aprendizaje. Porque cuanto más potente es la tecnología, más necesario se vuelve el criterio humano.

El verdadero reto está en la organización

Muchas compañías tienen una estrategia de IA. Algunas han creado comités, casos de uso, presupuestos y pilotos. Sin embargo, cuando llega el momento de llevar esas iniciativas al día a día, aparecen las dificultades.

Deloitte señala en su estudio sobre el estado de la IA en la empresa que más organizaciones se sienten preparadas en estrategia que en aspectos como infraestructura, datos, gestión del riesgo y talento.

Esto explica por qué muchas iniciativas no avanzan como se esperaba. El problema no siempre está en la herramienta. A menudo está en lo que la rodea: procesos poco claros, datos dispersos, responsabilidades difusas, silos o métricas que no miden impacto real.

La IA amplifica lo que ya existe. Si una organización tiene buenos datos, procesos claros y una cultura de colaboración, la IA puede potenciar mucho. Pero si hay desorden, baja calidad de información o falta de foco, también puede acelerar esos problemas.

Por eso, antes de elegir una herramienta, conviene volver a preguntas básicas: qué problema queremos resolver, qué decisión queremos mejorar, qué datos necesitamos, quién será responsable del resultado y cómo sabremos si generó valor.

Liderar IA es liderar transformación

La inteligencia artificial no es solo una decisión tecnológica. Es una decisión organizativa. Cambia procesos, modifica roles, altera dinámicas de trabajo, exige nuevas capacidades y obliga a revisar cómo se toman decisiones.

El liderazgo tiene un papel central. No porque todos los líderes tengan que ser expertos técnicos, sino porque deben saber hacer mejores preguntas.

¿Para qué queremos usar IA? ¿Qué problema de negocio estamos resolviendo? ¿Qué riesgos estamos dispuestos a asumir? ¿Qué impacto tendrá en las personas?

La IA puede analizar, recomendar, automatizar y acelerar. Pero sigue correspondiendo a las personas definir el propósito, establecer los límites, interpretar los resultados y asumir las consecuencias.

Quizás esa sea una de las grandes pruebas de esta etapa: entender que la IA no sustituye la responsabilidad de liderazgo, la amplía.

La tecnología debe adaptarse a las personas, no al revés. Para que eso ocurra, las organizaciones necesitan criterio, confianza, aprendizaje y capacidad de ejecución.

Porque el futuro de la IA se jugará en la capacidad de las organizaciones para trabajar mejor, decidir mejor y crear valor.

Fuentes consultadas

Comisión Europea. General-purpose AI obligations under the AI Act. https://digital-strategy.ec.europa.eu/en/factpages/general-purpose-ai-obligations-under-ai-act

World Economic Forum y PwC. Artificial Intelligence and the Future of Entry-Level Work. https://www.weforum.org/publications/artificial-intelligence-and-the-future-of-entry-level-work-a-framework-for-safeguarding-and-reinventing-early-career-pathways/

Deloitte. State of AI in the Enterprise. https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html

Celiana Carreño Hernández

CEO & Founder de Pragmia