IR A LA SECCIÓN
La preparación para la IA es una cuestión del modelo operativo
La madurez en IA suele estancarse en la etapa piloto
Las ideas en IA van por delante de los sistemas para aplicarlas
Los líderes generan valor al adaptarse a los flujos de trabajo de IA
Usar la IA a gran escala requiere una secuencia de decisiones
La mayoría de las organizaciones está invirtiendo en IA, pero solo una pequeña minoría logra escalarla con éxito. El estudio global de Adobe revela que la diferencia no radica en el acceso a mejor tecnología, sino en el modelo operativo que la rodea. Este informe examina dónde se estancan las organizaciones, qué hacen de forma diferente quienes lideran el camino y los pasos necesarios para transformar la inversión en IA en resultados empresariales concretos.
La preparación para la IA ya no depende del acceso a modelos ni de la cantidad de pilotos en marcha. Muchas organizaciones ya invirtieron en IA y pusieron en producción casos de uso tempranos; sin embargo, aquellas con tecnología, inversión y ambición similares obtienen resultados muy distintos. El verdadero diferenciador es el modelo operativo en torno a la IA: quién lo lidera, cómo se toman las decisiones, cómo se miden los resultados y cómo se integra la IA en el trabajo cotidiano.
Para entender qué diferencia a las organizaciones que usan la IA a gran escala de las que permanecen atrapadas en la experimentación, Adobe encargó a Incisiv encuestar a 5633 altos ejecutivos de 12 sectores y 11 mercados internacionales, respaldado por más de 50 entrevistas ejecutivas en profundidad. Los hallazgos revelan una clara brecha estructural.
de las organizaciones se encuentran estancadas en la etapa piloto o de implementación.
son líderes que combinan una implementación de IA a escala con un modelo operativo maduro.
“Los líderes tratan el modelo operativo en sí como la capacidad de IA: el elemento que transforma los resultados del modelo en valor empresarial. Lo que hacen de manera diferente es estructural. Establecen la titularidad, la medición y los derechos de decisión antes de escalar sus apuestas de IA.”
Christopher Young
Director sénior de estrategia industrial global, Adobe
La mayoría de las organizaciones no tiene un problema con la IA en sí, sino con su escalabilidad, y esto queda en evidencia en el segmento paralizado. Este grupo representa el 58 % de las organizaciones del estudio. Están estancadas en las etapas de pilotos o implementación, a pesar de contar con casos de uso de IA en producción y resultados iniciales que mostrar. Lo que les falta es un modelo operativo empresarial. Las distintas áreas implementan casos de uso de IA de forma independiente, pero sin una titularidad compartida ni coordinación, esos éxitos permanecen aislados en lugar de escalar en toda la empresa.
“La dirección quería saber con qué rapidez avanzábamos en IA. Teníamos una respuesta sólida: muchos lanzamientos, mucha actividad y una hoja de ruta muy completa. Todo cambió cuando nos preguntaron cuántos de esos proyectos habían generado cambios reales. Cuando por fin hicimos ese cálculo, el resultado fue malo”.
responsable de estrategia y transformación,
Organización de bienes de consumo
Al comparar el despliegue con la madurez del modelo operativo, se identifican cuatro segmentos: naciente, frágil, listo y líderes. Cada uno tiene una trayectoria y un conjunto de riesgos propios. Basarse únicamente en la etapa de adopción puede ser engañoso, ya que las organizaciones en el mismo nivel de despliegue pueden diferir considerablemente en cuanto a si cuentan con los cimientos necesarios para sostener el uso a gran escala.
La distribución se inclina claramente hacia organizaciones que aún no están preparadas para ese uso. Una gran mayoría, el 71 %, se clasifica como naciente, mientras que otro 13 % es frágil. Esto significa que el 84 % todavía está construyendo los cimientos para el uso a gran escala o avanzando sobre estructuras que podrían no sostenerse. Solo el 6 % se considera como líder y demuestra la capacidad de ampliar los flujos de trabajo de IA a gran escala (Figura 2).
En los 12 sectores encuestados, las organizaciones están más avanzadas en la definición de la estrategia de IA que en la transformación de cómo opera la empresa en torno a ella. La estrategia y la gobernanza lideran el nivel de madurez, mientras que la estructura, la tecnología y los flujos de trabajo son los pilares menos desarrollados (Figura 3). Este patrón sugiere que las organizaciones avanzaron más en decisiones que pueden autorizar que en los cambios estructurales que los equipos deben sostener en el trabajo diario.
Pasar de la etapa de implementación a la de expansión es la verdadera prueba de madurez en IA. Las organizaciones deben construir estructuras y flujos de trabajo en paralelo con la estrategia y la gobernanza desde el primer día, en lugar de esperar a que los planes y las políticas estén definidos.
El camino desde una idea de caso de uso basada en IA hasta su puesta en producción sigue siendo muy estrecho, ya que muchas organizaciones carecen de capacidad para evaluar propuestas de forma eficiente. De cada 100 ideas propuestas, solo unas 15 llegan a producción, y las rechazadas no siempre son las que deberían descartarse.
Muchas propuestas se estancan porque las organizaciones carecen de rutas preaprobadas sustentadas en arquitecturas de integración validadas, revisiones de seguridad estandarizadas para casos de uso comunes y categorías presupuestarias predefinidas. En consecuencia, cada propuesta se evalúa desde cero. La mayor caída ocurre durante la evaluación de TI, el principal cuello de botella del embudo, seguida de la revisión de seguridad (Figura 4).
Las mismas cuatro brechas estructurales se repiten de forma idéntica en todos los sectores, regiones y tamaños de organización. Cada una refleja un sistema empresarial que no logró mantener el ritmo necesario para respaldar la IA a escala.
El vacío de responsabilidad
Las estructuras de IA existen sin una persona responsable asignada. Las organizaciones líderes tienen 4,7 veces más probabilidades de contar con un responsable formal con autoridad presupuestaria, mientras que los comités y los roles a tiempo parcial frenan las decisiones y el progreso.
La brecha entre empresa y TI
Solo el 22 % de las organizaciones logra una colaboración lo suficientemente estrecha entre empresa y TI para respaldar la IA. El resto opera con tickets e informes pensados para tareas transaccionales, no para los casos de uso de IA que evolucionan constantemente.
La brecha de medición
Solo el 11 % de las organizaciones mide el ROI de la IA de manera integral, mientras que el 10 % no lo mide en absoluto. El seguimiento de actividades registra el volumen, pero no captura la calidad de los resultados, la repetición de tareas ni los costes derivados de las revisiones.
La brecha de competencias
Las competencias y el talento encabezan la lista de barreras, mencionados por el 54 % de las organizaciones. Las mayores brechas están en arquitectura, pensamiento estratégico en IA y diseño de flujos de trabajo, no en la redacción de prompts.
Quienes lideraron implementaciones de IA coinciden en el mismo error: el trabajo estructural comenzó demasiado tarde. Aborda el diseño del modelo operativo como la primera fase de la implementación de IA. Define las métricas, asegura el presupuesto, asigna responsabilidades, alinea empresa y TI, e invierte en la gestión del cambio antes de iniciar las implementaciones.
Los líderes van más allá de implementar IA. Asignan responsabilidades, miden resultados antes del lanzamiento, planifican de manera conjunta entre las áreas de negocio y TI, aprenden de los fracasos y respaldan a quienes demuestran valor en flujos de trabajo reales. En conjunto, estos comportamientos convierten el éxito puntual en uso sostenible a gran escala.
Los líderes se distinguen especialmente en las áreas donde las organizaciones suelen tener dificultades para madurar: estructura y flujos de trabajo. Si bien muchas empresas avanzaron en su estrategia y gobernanza de IA, los líderes también realizaron los cambios organizativos más difíciles para integrar la IA en la forma en que se trabaja. Este es el salto de ejecutar un programa de IA a construir las condiciones para un uso a gran escala. Cinco comportamientos hacen posible ese salto.
Los cinco comportamientos de los líderes se refuerzan entre sí. La responsabilidad genera rendición de cuentas, la medición establece evidencias compartidas, la colaboración conecta las distintas áreas, y la cultura junto con los referentes internos favorecen la adopción de nuevas formas de trabajo. Todo empieza con una responsabilidad auténtica: sin un responsable específico con autoridad sobre el presupuesto y la rendición de cuentas sobre el rendimiento, los demás comportamientos son difíciles de establecer y sostener.
“Los modelos son algo básico. Todos usan los mismos GPT-4, Gemini, Kimi, Llama. No hay diferencia. La ventaja no está en el modelo, sino en cómo lo usamos y en cuánto tardamos en saber si está funcionando o no. Eso es lo que marca la diferencia”.
Chief Technology Officer,
Organización de servicios financieros
Aborda los cinco comportamientos como un sistema integrado, partiendo de un único responsable. El modelo operativo es el componente de la IA que genera valor acumulado. Desarróllalo con intención, y la brecha de valor se ampliará con cada ciclo de implementación.
Designa un único responsable antes de la próxima implementación.
Selecciona a un líder sénior con autoridad sobre los resultados de la IA en todas las funciones, un presupuesto propio independiente de las asignaciones adyacentes y una evaluación de desempeño ligada a los objetivos de escalado.
Establece las métricas antes de que el modelo entre en producción.
Define la métrica de resultados, establece una línea base previa a la implementación y acuerda el método de atribución con todos los involucrados. Esa línea base debe fijarse antes de que el modelo pase a producción: una vez activo, ya no es posible recrearla.
Reúne al área de negocio y a TI antes de redactar el brief.
Reúne a ambas partes antes de definir los requisitos. Establece el problema de forma conjunta y define qué significa el éxito para cada parte, reemplazando los traspasos secuenciales por una planificación compartida.
Transforma cada fallo en análisis antes de que se convierta en un problema organizacional.
Cuando un programa de IA rinde por debajo de lo esperado, el liderazgo debe comenzar con preguntas analíticas. Esto transmite un mensaje claro: los fallos deben generar evidencia y aprendizaje, en lugar de buscar culpables o retroceder.
Identifica a los referentes de IA y amplifica su alcance.
Identifica a quienes ya están obteniendo resultados con la IA. Dales reconocimiento y un presupuesto acotado para extender su flujo de trabajo a un equipo adyacente, y protégelos de las fricciones organizacionales.
La IA está redefiniendo cómo las empresas descubren clientes, crean contenido y orquestan experiencias en todos los canales. Aprovechar ese potencial va más allá del acceso a los modelos: exige datos unificados, flujos de trabajo de contenido conectados y la gobernanza necesaria para implementar la IA con confianza.
Adobe proporciona esa base. Adobe Experience Platform consolida los datos de los clientes como capa de inteligencia para la IA, impulsando más de un billón de experiencias al año. Adobe CX Enterprise amplía esa base hacia un sistema agéntico de extremo a extremo que orquesta el ciclo de vida completo del cliente, desde la primera interacción hasta la fidelización duradera. Un content supply chain integrado incorpora la IA directamente en los flujos de trabajo creativos y de producción, manteniendo los estándares de marca y una gobernanza compartida.
El resultado es una ruta que va más allá de la experimentación con IA y avanza hacia la materialización real del valor, en un ecosistema abierto que funciona con las herramientas que los equipos ya utilizan. Cuando llegue el momento de escalar, Adobe aporta la tecnología y el conocimiento especializado para ayudar a las organizaciones a convertir la IA en una ventaja competitiva duradera.
Este informe se basa en una investigación global realizada por Incisiv en nombre de Adobe. El estudio encuestó a 5633 directivos sénior de 12 sectores y 11 mercados globales, e incluyó más de 50 entrevistas en profundidad. Todos los participantes tenían autoridad formal para tomar decisiones sobre inversiones en IA, y el 52 % ocupaba cargos de nivel VP o superior. Trabajaban en organizaciones con ingresos anuales de al menos $100 millones, y el 60 % representaba a organizaciones con más de $1000 millones en ingresos anuales.
El análisis identificó 342 organizaciones como líderes, lo que equivale al 6 % de los 5323 encuestados activos. Estas organizaciones combinan una alta velocidad de implementación con un modelo operativo de gran madurez. La estructura organizativa fue un valor definitorio en cuanto al estatus de líder, mientras que el tamaño de la empresa, el sector y el gasto declarado en IA no lo fueron.
