Tener ChatGPT, Claude o Gemini no significa haber adoptado la IA

No se puede negar la evidencia: la IA ya está en todas partes.

Ocupa las conversaciones en la calle, en las empresas, en las casas. Desde Refineria, vemos cómo casi todas las empresas con las que hablamos hoy "ya usan IA". Tienen licencias de ChatGPT o Claude repartidas por el equipo, algún departamento probando Copilot, quizá un piloto con un chatbot interno. Y sin embargo, cuando les preguntamos qué ha cambiado en sus procesos de negocio, la respuesta suele ser la misma: casi nada.

Esto no es un fallo de la tecnología (el manido ejemplo del cuchillo que está diseñado para cortar, no para apuñalar). TO-DO depende del uso que se le de a la herramienta. Al cuchillo o a la IA. Da igual. Usar una herramienta de IA no es lo mismo que adoptar la IA como capacidad organizativa. La primera es una decisión individual de productividad. La segunda es una transformación operativa que toca procesos, datos, roles y decisiones. Y son, en la práctica, dos empresas distintas dentro de la misma empresa.

Los tres niveles de madurez en IA

Es útil pensar en la adopción de IA como una escalera de tres peldaños, no como un interruptor de encendido/apagado. Ya usas la IA, vale, pero, ¿sabes cómo usarla mejor?

Nivel 1 — Asistencia personal. Una persona abre un chat, escribe un prompt y recibe una respuesta. Redacta un correo, resume un informe, traduce un texto, genera ideas. El valor existe, pero vive dentro de la cabeza y el navegador de esa persona. No se comparte, no se estandariza, no se mide a nivel de empresa.

Nivel 2 — Automatización. La IA deja de depender de que alguien abra un chat y empieza a ejecutarse dentro de un flujo: clasifica tickets entrantes, extrae datos de facturas, prioriza leads, genera borradores de respuesta en el CRM. Ya no es una herramienta que se usa; es un paso de un proceso que ocurre, con o sin intervención humana directa en cada ejecución.

Nivel 3 — Agentes. El sistema no solo ejecuta un paso, sino que encadena varios, toma decisiones intermedias, consulta distintas fuentes de información de la empresa y actúa sobre sistemas reales (abre un caso, actualiza un registro, escala una incidencia, propone o ejecuta una acción) dentro de unos límites y permisos definidos.

La mayoría de las organizaciones está firmemente instalada en el Nivel 1. Y el problema es que desde ahí, el techo de impacto es bajo: por muy bien que una persona use ChatGPT, sigue siendo una ganancia individual de tiempo, no una mejora estructural del negocio.

Por qué resumir documentos es útil, pero insuficiente

Nadie discute que resumir un contrato en treinta segundos o redactar un primer borrador de propuesta comercial ahorra tiempo. Ese ahorro es real y merece celebrarse. El problema aparece cuando esa experiencia positiva se confunde con "ya hemos adoptado la IA en la empresa".

Este tipo de uso tiene tres límites estructurales:

No es escalable de forma predecible. Depende de que cada persona sepa formular bien un prompt y tenga la disciplina de usarlo. El resultado varía de un empleado a otro.
No toca el proceso, solo una tarea suelta dentro de él. Se acelera un paso, pero el cuello de botella real —la aprobación que tarda días, el traspaso de información entre sistemas, el dato que hay que pedir tres veces— sigue intacto.
No deja rastro medible. Es muy difícil poner una cifra de impacto en el negocio a "la gente ahora escribe correos más rápido". Sin métrica, no hay caso de negocio que defender ante dirección, y el proyecto de IA se queda en anécdota de pasillo.

Resumir documentos es la puerta de entrada, no el destino.

Qué cambia cuando la IA accede al contexto empresarial

El salto real ocurre cuando la IA deja de trabajar solo con lo que un empleado copia y pega en una ventana de chat, y empieza a trabajar con el contexto vivo de la empresa: su documentación interna, su CRM, su ERP, sus políticas, su histórico de casos, sus indicadores.

Ahí es donde una pregunta como "¿qué respondemos a este cliente?" deja de depender de la memoria o la experiencia de quien la reciba, y empieza a apoyarse en el conocimiento acumulado real de la organización, aplicado de forma consistente. Ahí es también donde aparecen los verdaderos requisitos de una adopción seria: control de acceso a la información, trazabilidad de lo que el sistema ve y hace, y una arquitectura de datos capaz de alimentar a la IA sin exponer lo que no debe exponerse.

Este es el punto en el que muchas iniciativas de IA se estancan, precisamente porque exige salir del entorno cómodo y aislado de un chat personal para entrar en el terreno, más incómodo pero más valioso, de los sistemas de la empresa.

Cómo pasar de pruebas aisladas a un mapa de procesos

La mayoría de las organizaciones acumulan pilotos de IA dispersos: uno en marketing, otro en atención al cliente, otro que probó alguien en finanzas y quedó en un cajón. Cada uno se justifica por sí solo, pero no suman una estrategia.

El cambio de enfoque consiste en invertir el orden: en lugar de preguntar "¿dónde podemos meter IA?", preguntar "¿cuáles son nuestros procesos y cuál es el mejor candidato para empezar?". Eso implica:

Inventariar los procesos clave del negocio, con su volumen, su coste actual y sus puntos de fricción.
Priorizarlos cruzando dos ejes: impacto potencial (tiempo, coste, calidad, experiencia de cliente) y viabilidad (calidad de los datos disponibles, complejidad técnica, sensibilidad de la información).
Elegir uno o dos procesos, no diez, como punta de lanza. La adopción de IA se gana con casos concretos y visibles, no con una ofensiva simultánea en todos los frentes.

Este mapa es, en sí mismo, el primer entregable de una adopción seria: convierte la IA de una colección de experimentos sueltos en una hoja de ruta priorizada.

Modelo de gobierno: datos, seguridad, responsables y medición

Ningún proceso llega a Nivel 2 o Nivel 3 de forma sostenible sin unas reglas mínimas de gobierno. No hace falta un comité enorme desde el primer día, pero sí cuatro elementos claros:

Datos: qué información puede usar la IA, de dónde sale, cómo se mantiene actualizada y quién es responsable de su calidad.
Seguridad: qué puede ver el sistema, qué puede ejecutar por sí mismo y qué requiere siempre validación humana, especialmente en acciones irreversibles o sensibles.
Responsables: una persona o equipo con mandato claro sobre la iniciativa de IA, no repartido de forma difusa entre "todo el mundo un poco".
Medición: indicadores definidos antes de empezar el piloto —tiempo de proceso, tasa de error, coste por transacción, satisfacción— que permitan decir con datos si algo funcionó o no.

Sin este marco, cada iniciativa depende de la buena voluntad de quien la impulsa, y muere en cuanto esa persona cambia de proyecto.

Plan piloto de 30–60 días

La adopción real de IA no necesita un programa de transformación de dos años para arrancar. Necesita un piloto bien acotado que genere evidencia:

Semanas 1–2 — Diagnóstico. Selección del proceso, definición de la línea base (tiempos, costes, errores actuales) y mapeo de los datos y sistemas implicados.
Semanas 3–4 — Diseño y construcción. Definición del nivel de automatización objetivo, construcción de la solución con acceso controlado al contexto empresarial, y establecimiento de los puntos de control humano.
Semanas 5–6 — Prueba en real. Ejecución en paralelo o con un subconjunto real de casos, medición frente a la línea base, ajustes.
Semanas 7–8 (si aplica) — Decisión y escalado. Con datos ya en la mano, decisión informada de extender el piloto, ampliarlo a otro proceso o descartarlo con aprendizajes documentados.

Ocho semanas son suficientes para saber, con evidencia y no con intuición, si un proceso concreto está listo para dar el salto del Nivel 1 al Nivel 2 o al Nivel 3.

La pregunta que de verdad importa

No es "¿tenemos IA?". Es "¿en qué nivel la tenemos, en qué procesos, y con qué gobierno detrás?". La diferencia entre una empresa que usa IA y una empresa que ha adoptado la IA no está en las licencias que ha comprado, sino en si ha sido capaz de llevarla desde el chat individual hasta el corazón de sus procesos.

En Refineria acompañamos a las empresas exactamente en ese tránsito: del uso disperso a un mapa de procesos priorizado, con el modelo de gobierno y el piloto necesarios para que la IA deje de ser una herramienta de escritorio y se convierta en una capacidad real del negocio.

En Refineria ayudamos a empresas a pasar de "usar IA" a "haber adoptado la IA": mapeamos procesos, definimos el modelo de gobierno y lanzamos pilotos que funcionan en 30-60 días. Si quieres saber por dónde empezar, ¡llámanos y hablamos!