El problema que nadie nombra: cuando la IA optimiza un paso y el caso sigue atascado

Pregunta a la mayoría de los responsables de operaciones si su organización ha adoptado la IA y la respuesta suele ser que sí. Pregunta si una aprobación entre departamentos, un caso excepcional o una solicitud de auditoría se ha vuelto más rápido gracias a ella, y la respuesta suele ser mucho menos clara.

Esa brecha no es, en esencia, un problema tecnológico. Es un problema de coordinación.

La IA puede acelerar un paso y, aun así, dejar el caso completo atascado entre equipos, sistemas, aprobaciones y excepciones. Las herramientas han mejorado a gran velocidad. Las conexiones entre ellas no siempre han seguido el mismo ritmo.

Tras 25 años en puestos de procesos y transformación, he visto repetirse este patrón en distintos sectores y ciclos tecnológicos. Lo que ha cambiado es la variedad de herramientas disponibles y la facilidad con la que cada equipo puede adoptarlas. Eso aumenta la necesidad de orquestación: coordinar los datos, las personas, los sistemas, los agentes, las decisiones y las evidencias que componen el proceso completo.

Todo proceso se reduce a la misma forma

Si dejamos de lado el vocabulario de cada sector (banca, logística, industria, sanidad), casi todo proceso operativo se reduce a la misma estructura: los datos existen en algún lugar, alguien o algo los necesita para tomar una decisión o ejecutar una acción, y una regla determina qué decisión está permitida.

La mayoría de las iniciativas de «IA en operaciones» optimizan un solo eslabón de esa cadena. Un sistema se vuelve más inteligente. Un paso del proceso se automatiza. Un departamento recibe un chatbot o un asistente de programación. Lo que suele faltar es la capa de coordinación que lo rodea: asegurar que los datos correctos lleguen a la persona correcta en el momento correcto, que los agentes de IA y los pasos automatizados se pasen el testigo sin fricciones, y que todo el rastro de decisiones sea trazable por defecto, y no un añadido de última hora cuando lo pide un regulador.

Esto aparece en lugares muy corrientes, nada exóticos: una aprobación que requiere la firma de dos departamentos y sigue tramitándose por correo electrónico. Una solicitud de un proveedor que se reintroduce a mano en tres sistemas porque no comparten datos. Un caso excepcional que un empleado junior escala yendo hasta el escritorio de alguien, porque no existe un camino estructurado para ello. Un auditor que pregunta «¿Quién decidió esto y con qué fundamento?», y cuya respuesta honesta exige que alguien la reconstruya de memoria y a partir de cadenas de correos.

Ninguno de estos es, por sí solo, un problema de IA. Pero son exactamente los puntos donde las iniciativas de IA se atascan en silencio.

Por qué esto no necesita una solución sectorial

Una pregunta que surge con bastante frecuencia es si estamos desarrollando un producto específico por sector, como una versión para banca o para logística. La respuesta es no. Es una postura meditada, no una carencia, y conviene explicar por qué.

Los mismos patrones (aprobaciones que cruzan departamentos, excepciones que no encajan en un flujo estándar, agentes de IA que necesitan traspasarse trabajo entre sí, decisiones que deben poder reconstruirse meses después) se repiten con esencialmente la misma forma en todos los sectores y en todos los mercados por los que ha pasado mi carrera. Construir una «solución sectorial» distinta para cada uno supone resolver el mismo problema de fondo cinco veces, en cinco vocabularios diferentes, en lugar de resolverlo una vez y dejar que la experiencia de dominio de cada cliente se apoye sobre esa base.

En la práctica, esto significa que el equipo del cliente sigue siendo el experto en su proceso, en su normativa y en sus excepciones. Nuestro papel es aportar la estructura que conecta sus sistemas y orquesta sus flujos de trabajo, y no una plantilla prefabricada que presume entender su negocio mejor que ellos.

Empieza por lo que ya existe, no por una herramienta nueva

Un patrón que se repite: una organización no tiene un panorama de IA vacío que diseñar desde cero. Ya cuenta con una mezcla: un chatbot aquí, un asistente de programación allá, una herramienta de automatización en otro sitio, a menudo de proveedores distintos y rara vez pensadas para comunicarse entre sí. Útiles por separado. Desconectadas en conjunto. Algunos lo llaman «agent sprawl» (proliferación descontrolada de agentes), y suele llegar mucho antes de que nadie lo haya planificado.

Esta es la parte que realmente es distinta de etapas anteriores de mi carrera. Incorporar un nuevo sistema o una herramienta de automatización exigía antes aprobación presupuestaria, un proyecto de TI y una relación con un proveedor. Hoy, casi cualquier persona de un equipo puede poner en marcha un agente o suscribirse a una herramienta por su cuenta. El acceso se ha vuelto radicalmente más fácil, lo cual es una buena noticia para la velocidad, pero también significa que se ha multiplicado el número de piezas que una organización tiene que coordinar, normalmente más rápido de lo que ha avanzado su gobernanza.

Por eso, el primer paso rara vez es incorporar algo nuevo. Es mapear lo que ya está funcionando: qué herramientas, qué agentes y qué automatizaciones existen en qué equipos, y dónde dejan de comunicarse entre sí. Casi todas las organizaciones, si miran con honestidad, descubren que ya poseen más piezas de las que creían: la carencia no es una herramienta que falta, sino la capa que conecta las que ya están. Solo una vez mapeado todo eso tiene sentido preguntarse si realmente hay que añadir algo, y eso debería cubrir una brecha real, no sumar otra isla más.

La pregunta que conviene hacerse antes de que te la impongan

A mediados de 2026, tanto Estados Unidos como China han demostrado que el acceso a los principales modelos de IA puede restringirse, de forma temporal y selectiva, pero con efectos reales para cualquier organización que haya construido sus agentes en torno a un modelo o proveedor concreto. Ya no es un riesgo hipotético para el que prepararse algún día; es una consideración de diseño de plena actualidad.

La capacidad multimodelo es muy difícil de incorporar a posteriori. Hay que diseñarla desde el principio, mediante capas de abstracción que orquesten los agentes con independencia de cualquier modelo concreto. A medida que los ciclos de entrega se acortan, con agentes que redactan diseños, pruebas y documentación en días en lugar de semanas, la necesidad de evaluación humana no disminuye. Aumenta. La capacidad de valorar de verdad un resultado, en lugar de limitarse a aprobar lo que propone un agente, es hoy el verdadero cuello de botella.

Para un COO o un CTO, la cuestión se resume así: si el acceso al modelo de IA o a la plataforma de agentes en los que te apoyas cambiara de la noche a la mañana, ¿podrías cambiar de proveedor o el proceso se detendría por completo?

La señal regulatoria

El 5 de agosto de 2026, la Autoridad Monetaria de Singapur (MAS) confirmó que sus próximas Directrices sobre gestión de riesgos de la IA se aplicarán a la IA agéntica y no solo a los modelos convencionales, convirtiéndose en el primer gran regulador financiero en afirmarlo de forma explícita. Para las entidades financieras, esta confirmación convierte los puntos anteriores en expectativas supervisoras: un inventario completo de IA que vaya más allá de los modelos propios e incluya la IA integrada en plataformas SaaS como los CRM y los motores de personalización; controles situados donde las acciones se ejecutan realmente, ya que los modelos y los prompts cambian rápido, pero la ejecución es donde reside la responsabilidad; y pistas de auditoría generadas como subproducto directo de la ejecución, y no reconstruidas después a partir de sistemas fragmentados. Lo que ya era una buena práctica se está convirtiendo en una expectativa supervisora.

La conversación suele ser más sencilla de lo que parece

Una primera conversación sobre este tema no necesita abrirse con un «¿quieres orquestación de IA?». En la práctica, empieza con síntomas cotidianos y reconocibles, de los que se plantean como quejas y no como problemas técnicos:

Cuando una solicitud necesita el visto bueno de más de un departamento, ¿cómo se hace hoy: a través de un sistema o con correos y llamadas de seguimiento?

Si un regulador, un auditor o un cliente preguntara por qué se tomó una decisión concreta hace seis meses, ¿cuánto se tardaría en reconstruir la respuesta y resistiría un examen?

¿Han incorporado distintos equipos sus propias herramientas o agentes de IA que hoy no se comunican entre sí?

Cuando algo no encaja en el proceso estándar, ¿qué ocurre con ello? ¿Existe un camino definido o depende de quién se haga cargo?

Si alguna de estas preguntas provoca una respuesta larga y frustrada en lugar de una rápida y segura, esa suele ser la verdadera señal, y no una petición de demo de producto.

Conclusión

Las organizaciones que más se beneficiarán de la IA no serán necesariamente las que tengan más agentes ni las herramientas individuales más rápidas. Serán las que sepan coordinar esas herramientas a lo largo de todo el caso operativo. Eso implica mapear lo que ya existe, diseñar traspasos fiables, gestionar las excepciones, preservar la responsabilidad humana y registrar las evidencias necesarias para explicar cada decisión. La IA puede optimizar un paso. El valor operativo duradero nace de lograr que todo el proceso funcione.

Si alguna de las preguntas anteriores te suena familiar, ese es el momento en que merece la pena mantener una primera conversación.