¿Por qué si todos usan ChatGPT el trabajo sale igual?
Esa es la pregunta que me hacen cuando ya pagaron licencias, ya dieron un curso y ya todos dicen que usan IA. Y los tiempos son los mismos. Los errores son los mismos. El resultado es el mismo.
No es que no la usen. Es que cada quien la usa por su lado.
Cada quien por su lado
Una empresa me decía que ya estaba adoptada. Marketing hacía copys. Ventas hacía correos. Finanzas hacía tablas.
En el papel, adopción total. En la operación, nada se movía.
Pedí ver cómo trabajaban. Una persona copiaba y pegaba. Otra reescribía todo a mano porque no confiaba. Otra guardaba sus prompts como si fueran secretos.
Nadie sabía qué hacía el otro. Nadie revisaba igual. Nadie medía igual.
El mismo síntoma lo vi de cerca en una agencia de marketing digital, que vive justamente de entregar textos. Todos generaban borradores rápido. Cada cuenta los corregía con un criterio distinto. El cliente recibía calidades distintas cada semana.
Rápido por separado. Inconsistente juntos. Es lo típico en una agencia de marketing digital con muchas cuentas y poco proceso compartido.
Usar no es operar
Aquí está la confusión. Una cosa es que una persona ahorre veinte minutos. Otra es que la empresa entregue mejor.
Lo primero pasa todos los días. Lo segundo casi no pasa.
Deloitte lo describe igual en su estudio de 2026. Dice que 60 por ciento de los trabajadores ya tiene acceso a IA aprobada por su organización. Menos de seis de cada diez la usa a diario. Y solo una de cada cuatro organizaciones logró llevar a producción al menos 40 por ciento de sus iniciativas.
Acceso hay. Uso diario, menos. Producción real, muy poco.
KPMG encuentra la misma grieta en España. En su reporte de tecnología de 2026 dice que 65 por ciento de los responsables afirma que sus casos de uso generan valor. Solo 23 por ciento obtiene retorno en múltiples casos de uso.
Valor aislado sí. Retorno repetible no.
En España el punto de partida además es bajo. CaixaBank Research calcula que entre 2021 y 2025 la adopción en empresas de más de 10 empleados pasó de 8 a 21 por ciento. Cerca de 8 de cada 10 todavía no la usan. El observatorio ONTSI ubica el uso en 20.5 por ciento en 2025, con 57.5 por ciento en empresas grandes.
Muchas prueban. Pocas operan.
Por eso me interesa menos cuántas licencias tienes. Me interesa cuántos procesos cambiaron.
El atajo individual
Cada persona arma su propio atajo. Eso se siente como progreso.
Una redacta mejor un correo. Otro resume una junta. Otro limpia una base. Todo eso es real. Nada de eso es sistema.
Cuando esa persona se va de vacaciones, el atajo se va con ella. Cuando entra alguien nuevo, empieza de cero. Cuando hay un error, nadie sabe en qué paso se coló.
La empresa no aprendió nada. Aprendieron individuos.
Esto conecta con lo que se llama chatgpt para empresas cuando se toma en serio. No es dar acceso y un tutorial de chatgpt para empresas. Es decidir dónde sí se usa, dónde no, quién revisa y qué cuenta como bien hecho.
Sin eso, tienes cien formas distintas de usar la misma herramienta. Y cien calidades distintas.
Soy extremadamente dispersa. Lo digo seguido. Por eso mi equipo me armó lo que llamo mi niñera diaria. Cada mañana me dice qué debo, qué es urgente y qué no se puede caer.
Sin esa estructura yo también usaría IA por todos lados. Y entregaría distinto cada día.
Lo que nadie definió
En la empresa del inicio fuimos a ver tres entregas. Mismo tipo de reporte. Tres estructuras distintas. Tres niveles de evidencia distintos.
Todos hechos con IA. Ninguno comparable.
El problema no era el modelo. Era que nadie había definido qué es un buen reporte aquí.
Cuántas fuentes. Qué formato. Qué se verifica. Qué no se inventa. Quién firma.
Sin esa definición, la IA multiplica estilos. No multiplica criterio.
La IA multiplica tu criterio. No reemplaza la parte donde tienes uno.
Esto es distinto del error de datos. Aquí la información puede estar bien. Lo que falta es acuerdo.
Y sin acuerdo no hay revisión posible. Cada revisor corrige otra cosa.
El uso que no ves
Hay otra capa. La gente usa herramientas que la empresa no aprobó.
Pegan texto de clientes. Suben contratos. Suben hojas con sueldos. Lo hacen para avanzar más rápido.
Eso tiene nombre en los reportes de gobierno de datos. Se llama shadow AI. Uso no inventariado, sin trazabilidad, sin control de qué datos entran y cómo se reutilizan.
No es solo un tema de disciplina. Es protección de datos, confidencialidad y cumplimiento del marco europeo de IA. Si no sabes qué herramienta se usó, no puedes responder qué pasó con esa información.
He visto equipos que presumen adopción. Lo que tienen es exposición.
Por eso la pregunta útil no es cuánto más rápido trabaja alguien. Es cuánto mejor lo hace y con qué riesgo.
Hablar de ia para empresas en serio empieza ahí. No en el demo. En el mapa de dónde se está usando sin que nadie lo vea.
Lo que sí convierte uso en resultado
No necesitas más herramientas. Necesitas menos formas de hacer lo mismo.
Elige un proceso. Uno solo. El que más repites y más te duele.
Define cómo se ve bien hecho. Con ejemplos. No con adjetivos.
Arma la plantilla compartida. El prompt compartido. La lista de verificación compartida.
Decide quién revisa y en qué punto. La revisión no es desconfianza. Es donde la empresa pone su criterio.
Mide antes y después. Tiempo por caso. Retrabajo. Reclamaciones. No likes internos.
Esto es lo que separa probar de operar. Lo expliqué en el texto sobre la brecha entre probar y operar. Probar es que a alguien le funcione una vez. Operar es que funcione aunque cambie la persona.
La mayoría se queda en probar. Compra licencias, cuenta usuarios activos y lo llama transformación.
Forbes Argentina retomó el estudio del MIT Media Lab y NANDA que dice que 95 por ciento de los pilotos no generaron retorno y solo 5 por ciento llegó a producción con resultados medibles. Puedes discutir el número exacto. La dirección es la misma que muestran Deloitte y KPMG.
Mucho piloto. Poco proceso.
Dónde empezar esta semana
Pregunta en tu equipo quién usa IA y para qué. Sin juzgar.
Te vas a sorprender. Vas a encontrar herramientas que no compraste, cuentas personales, prompts guardados en chats privados.
Haz inventario. No para prohibir. Para entender.
Luego elige un flujo donde el error cueste. Cotizaciones. Respuestas a clientes. Reportes que firman decisiones.
Ahí no basta saber como usar chatgpt en general. Hay que saber cómo lo usamos aquí, con nuestros datos y nuestras reglas.
Documenta ese flujo en una página. Entrada, pasos con IA, revisión humana, salida.
Si no cabe en una página, todavía no es operable.
Una consultoria en inteligencia artificial que valga la pena no empieza por recomendar modelos. Empieza por ese mapa. Qué decisiones se toman con contexto que antes era imposible revisar y cuáles se están tomando a ciegas.
La pregunta no es qué tarea podemos automatizar. Es qué decisiones estamos tomando con información incompleta porque analizarlo todo tardaría demasiado.
Crecer ingresos sin crecer la nómina al mismo ritmo solo pasa cuando ese mapa existe. Antes no.
Entonces, ¿por qué todos usan IA y nada cambia?
Porque usan solos. Y el negocio gana en equipo.
Si quieres ver dónde está eso en tu empresa, es justo lo que buscamos en un TRiAGE.
