Por qué las licencias de IA necesitan un cerebro de la empresa

Casi todas las empresas tienen ya licencias de IA, y quienes las usan son más rápidos en algunas cosas que hace un año. En la encuesta de McKinsey de 2026, casi nueve de cada diez encuestados declararon un uso regular de la IA en al menos una función de negocio, y ocho de cada diez dijeron que había mejorado su propia productividad.

La empresa, en la mayoría de los casos, ha cambiado mucho menos. La misma encuesta halló que la proporción de encuestados que atribuye a la IA algún impacto en el EBIT se mantuvo estable en el 37 por ciento. En Estados Unidos, las cifras publicadas por la Reserva Federal de San Luis muestran que el 39,2 por ciento de los adultos con empleo usaba IA generativa para trabajar en una semana cualquiera del segundo trimestre de 2026, y que el tiempo que ahorra es el 2,2 por ciento de todas las horas de trabajo.

Creemos que la brecha tiene una causa sencilla. Las licencias conocen internet. No conocen la empresa.

Por qué las licencias dan borradores

Pídele una oferta a un asistente y escribirá una buena oferta para una empresa que no existe. No conoce tus precios, tus condiciones, el historial del cliente, la forma en que tu empresa estructura una propuesta ni el descuento que nadie puede dar. Así que redacta un borrador, y una persona copia, pega y corrige. La calidad depende de quién escribió el prompt y de cuánto sabía.

La investigación económica de Anthropic encontró el mismo patrón en cómo usan las empresas sus modelos: desplegar IA para tareas complejas puede estar limitado más por el acceso a la información que por lo que el modelo es capaz de hacer. La iniciativa NANDA del MIT lo dijo con más crudeza el año pasado. Según el autor principal de su informe sobre IA generativa en la empresa, las herramientas genéricas se atascan en las compañías porque no aprenden de la forma en que se hace el trabajo ni se adaptan a ella.

Hasta los propios proveedores dicen que el trabajo está sin terminar. Un estudio de ChatGPT Enterprise realizado por investigadores de OpenAI, actualizado en agosto, concluye que las empresas todavía están aprendiendo a integrar la IA en sus flujos de trabajo, y que el valor a largo plazo depende de que el uso individual y disperso se convierta en una capacidad de la organización.

Qué contiene un cerebro de la empresa

Un cerebro de la empresa es esa capa que falta, y contiene cuatro cosas. Conocimiento: documentos, emails, ofertas, contratos, productos, precios, proyectos anteriores y la voz de la empresa, al día y con la fuente en cada respuesta. Reglas: qué puede ver y hacer cada rol, qué espera aprobación y qué puede ejecutarse solo. Sistemas: conexiones con bexio, Microsoft 365, el CRM, el calendario y las herramientas propias de la empresa, para que el cerebro pueda consultar cosas y volver a escribirlas. Y skills: la manera en que cada departamento hace su trabajo recurrente, puesta por escrito para que un asistente pueda seguirla.

Esto es Twin. Vive en el asistente que tu gente ya usa, en Claude, ChatGPT o Codex, o en un modelo privado cuando los datos no deben salir: Eigna, creado por nuestro socio Eigna Labs, entrenado con el trabajo de la propia empresa y que funciona en su propia nube o en sus propios servidores. Twin se entrega como código fuente que pertenece a la empresa, de modo que el cerebro se queda con ella cuando cambian los modelos.

Departamento por departamento

En ventas, la oferta de la llamada de ayer llega redactada con la estructura de la empresa, y el seguimiento se escribe con su voz. Una persona aprueba ambos. En atención al cliente, una respuesta sale con el pasaje del manual en el que se apoya, una devolución se gestiona según la política escrita y todo aquello de lo que el cerebro no está seguro pasa a una persona.

En finanzas, una factura parcial se prepara en bexio a través de Kontor, las partidas abiertas se reclaman a tiempo y el cierre de mes llega preparado para la revisión. En marketing, los posts de la semana siguiente llegan acordes con la marca, y el informe de campaña termina con tres próximos pasos. El propietario recibe un resumen de los lunes sobre ventas, caja y partidas abiertas, y una nota de decisión con la fuente de cada cifra.

Quienes más ganan son las personas nuevas. En un estudio con 5'179 agentes de atención al cliente, Erik Brynjolfsson, Danielle Li y Lindsey Raymond hallaron que un asistente de IA aumentó los casos resueltos por hora un 14 por ciento de media y un 34 por ciento en el caso de trabajadores novatos y de baja cualificación. Los autores sugieren que funcionó extendiendo el conocimiento de los trabajadores más capaces a los más recientes. Un cerebro de la empresa lo hace a propósito: el conocimiento del mejor compañero, en cada mesa, desde el primer día.

Calidad, velocidad, coste y carga de trabajo

La calidad es el primer cambio: un único estándar en cada mesa, con la fuente en cada respuesta, en lugar de un resultado que depende de quién preguntó. La velocidad viene después, porque el trabajo que llevaba horas parte de un borrador terminado. El coste baja con menos rutina, menos retrabajo y menos herramientas que hacen el mismo trabajo. Y la carga de trabajo se desplaza. La gente deja de mover texto entre ventanas y vuelve al trabajo que solo ella puede hacer.

Este último punto nos importa. Un cerebro se encarga de copiar, de consultar y del primer borrador. El criterio, la conversación con el cliente, la revisión y la responsabilidad de lo que sale de la empresa se quedan con las personas, y ahí es donde debería ir su tiempo.

No ponemos cifras a estas mejoras antes de conocer a una empresa. Dependen de cuánto de su trabajo se repite, se escribe y se revisa, que es justo lo que averigua un diagnóstico inicial.

Mejores procesos antes de automatizar

La investigación coincide en dónde está el valor. BCG, a partir de su propio trabajo con clientes, lo reparte así: alrededor del 10 por ciento del valor de una transformación con IA procede de la aplicación en sí, el 20 por ciento de los datos y la tecnología, y el 70 por ciento del rediseño de los flujos de trabajo, la cultura, el gobierno y la forma en que personas e IA trabajan juntas. En la encuesta de McKinsey, casi tres cuartas partes del pequeño grupo de organizaciones de alto rendimiento habían rediseñado a fondo sus flujos de trabajo por la IA, frente a una cuarta parte del resto. El informe de Deloitte de 2026 halló que el 37 por ciento de las organizaciones usa la IA a nivel superficial, con pocos cambios en cómo se hace el trabajo.

Por eso empezamos por el diagnóstico, no por el software: las personas, las herramientas, los datos y el trabajo que aún se hace a mano. Después afinamos el proceso antes de enseñárselo a una máquina. Una plantilla de oferta en la que nadie se pone de acuerdo, una aprobación que espera una semana, un informe construido dos veces en dos departamentos. Corregir eso suele ser la mayor mejora, y hace que la automatización posterior sea más sencilla y más segura.

Por dónde empezar

Una empresa puede empezar esta semana sin ninguna herramienta nueva. Haz una lista de los diez documentos que tu empresa escribe con más frecuencia. Anota las reglas que viven solo en la cabeza de alguien: precios, descuentos, tono, quién firma qué. Fíjate en los sistemas por los que pasa el trabajo y en dónde la gente copia de uno a otro. Esa lista es el esquema de un cerebro de la empresa.

Después elige un departamento y una rutina, conecta el conocimiento y el sistema que hay detrás, y mantén a una persona en el punto en que algo sale de la empresa. Cuando los borradores dejen de necesitar correcciones, pasa a la siguiente rutina. Las licencias que ya pagas empezarán a trabajar para la empresa, no solo para la persona que está en la mesa.