¿Dónde está la IA avanzando más allá de la experimentación? 6 líderes sobre lo que realmente está escalando

• La Reunión de Estrategia Industrial del Foro Económico Mundial, celebrada en marzo en Múnich, reunió a más de 300 líderes empresariales, tecnológicos y del sector público.

• Exploraron cómo las tecnologías exponenciales, como la IA, están transformando los modelos de negocio, las cadenas de valor y la competitividad global.

• Descubra dónde la IA está superando la experimentación para llegar al despliegue a gran escala, mientras líderes de la industria comparten casos de uso reales, impacto medible en la productividad y lo que se necesita para escalar.

La inteligencia artificial está finalmente cruzando un umbral. Las empresas llevan mucho tiempo hablando de la IA como una fuerza transformadora, pero la mayor parte de la actividad se quedaba en entornos de prueba y laboratorios de innovación. En 2026, ese equilibrio ha empezado a cambiar.

Como más de 300 líderes de estrategia corporativa se reunieron en Múnich para la Reunión de Estrategia Industrial del Foro Económico Mundial este mes, la pregunta era menos «¿Puede funcionar la IA?» y más «¿Dónde ya está cambiando la forma en que operamos a escala?».

La presión para responder a esa pregunta nunca había sido mayor. Las discusiones de la reunión subrayaron la magnitud del desafío: alrededor de tres cuartas partes de las empresas aún no han generado valor significativo con la IA, y muchas siguen atascadas en fases piloto pese a la creciente inversión. Como lo expresó sin rodeos un ejecutivo, 2026 es el año en que las empresas deben demostrar que la IA puede generar valor.

En todos los sectores, las tecnologías emergentes, como la IA, la automatización y la computación avanzada, se están integrando en el núcleo de la empresa, desde los sistemas de decisión y las cadenas de suministro hasta las finanzas, el servicio al cliente y los flujos de trabajo de ingeniería.

El reciente informe del Foro Económico Mundial Repensar la soberanía en IA: vías hacia la competitividad mediante inversiones estratégicas sitúa la inversión anual proyectada en aplicaciones de IA en 1,5 billones de dólares para 2030, mientras que el crecimiento anual de las inversiones en IA desde 2010 ha sido del 33%.

Las economías han seguido distintas estrategias de inversión.Image: Foro Económico Mundial

A nivel empresarial, una investigación de Capgemini constata un giro decisivo de los pilotos a las plataformas, con presupuestos en aumento y el 38% de las organizaciones están operacionalizando casos de uso de IA. Al mismo tiempo, los primeros en actuar empiezan a informar de resultados tangibles: mejoras en la productividad, ciclos más rápidos, ahorros de costes y nuevas fuentes de ingresos.

Pero el camino desde la prueba de concepto hasta la producción rara vez es lineal. Los líderes deben abordar cuestiones que van desde la confianza y la gobernanza hasta las competencias y la infraestructura, sin perder de vista el valor empresarial.

Aquí, ejecutivos de distintos sectores comparten cómo es el cambio en la adopción dentro de sus organizaciones y qué se necesita realmente para que la IA cale.

1. La cuestión de la arquitectura técnica

«En nuestro negocio, la IA agéntica para la planificación & ejecución empresarial ha pasado de la experimentación al despliegue operativo. Pero ha requerido un diseño cuidadoso de las soluciones de IA agéntica», afirmó Dr. Ashwin Rao, vicepresidente ejecutivo de IA e I+D en o9 Solutions.

«Esencialmente, combinamos la fortaleza de la IA neuronal (LLM) con la fortaleza complementaria de la IA simbólica (modelos de datos empresariales estructurados y modelos de decisión, basados en un profundo conocimiento empresarial).

«Esto permitió que nuestros agentes se beneficiaran de las ventajas de escalabilidad, adaptabilidad y capacidad de aprendizaje de la IA neuronal, pero también de las ventajas de razonamiento, precisión y explicabilidad de la IA simbólica. Así, hemos logrado crear agentes fiables que funcionan bien en la práctica empresarial, a diferencia de los agentes típicos basados principalmente en LLM, que no pasan de demostraciones atractivas y pruebas de concepto (POC)».

«En cuanto al impacto, vemos una enorme ayuda para los planificadores empresariales, por ejemplo, en el análisis de causas raíz de las desviaciones entre los planes de la cadena de suministro y los resultados. Esto ha permitido a los planificadores reducir su tiempo de investigación hasta en un 80%.

«También observamos enormes avances gracias a la ejecución sin intervención humana en inventario y logística. Esto supone para incluso las pequeñas empresas ahorros de decenas de millones de dólares en costes laborales. Y hemos constatado grandes mejoras en la agilidad empresarial, ya que la toma de decisiones entre silos se realiza en una cuarta parte del tiempo gracias a la ayuda de la IA para facilitar la planificación empresarial integrada.»

2. Despliegue industrial a gran escala

Cuando Siemens introdujo la IA en su fábrica de equipos electrónicos de Amberg, hubo una resistencia inicial, afirmó Dr. Günter Beitinger, vicepresidente sénior, Fabricación; jefe de Digitalización de Fábricas, Siemens, en su intervención en la Reunión de Estrategia Industrial de Múnich.

«En la fase inicial de introducción de la IA había muchas preocupaciones, especialmente entre el personal de planta y de fabricación, así que surgió el temor de «¿qué hará la IA con mi trabajo?»... Por eso, lo que hicimos fue introducir lentamente lo que queríamos hacer e hicimos que las personas formaran parte de todo el desarrollo».

Por ejemplo, la introducción de la IA en el control de calidad por rayos X implicó que las personas entrenaran los algoritmos para identificar los productos en los que el control de calidad mediante IA ya no era necesario en el proceso, para ahorrar tiempo.

«Calculamos que, si detectamos que el 5% de nuestros productos se separan, ya es un escenario económicamente viable».

Con el tiempo, los equipos de fábrica confiaron en que la IA identificara correctamente los productos que no necesitaban el control de calidad por rayos X, y ya han alcanzado el 30% de productos que pueden saltarse el paso adicional.

«Las personas tienen mucha confianza. Diseñaron la IA desde el principio junto con sus expertos, asegurándose de que fuera segura, ética y explicable».

La combinación de IA y datos está respaldando tres cambios principales, según el Dr. Beitinger.

«Estamos pasando de la eficiencia a la resiliencia; eso es algo que buscamos. En el pasado, teníamos esta optimización global de costes. Por supuesto, el coste es muy importante, pero la resiliencia cobra cada vez más importancia. Y también estamos pasando de la automatización a la autonomía, y de la optimización de una sola fábrica a todo un ecosistema de producción. La IA nos está ayudando de verdad a dar estos pasos».

«Los datos y los algoritmos de aprendizaje automático, que constituyen la base para la aplicación de técnicas de IA, nos permiten hoy gestionar nuestro negocio cada vez mejor y con mayor eficiencia», afirmó Filippo Ricchetti, jefe de Planificación y Control y de Seguros, Eni.

Entre otras cosas, Eni ha logrado reducir la incertidumbre sobre los recursos minerales, digitalizar sus procesos operativos e instalaciones industriales, y acelerar el desarrollo de nuevos negocios y cadenas energéticas.

«Durante años, Eni ha utilizado herramientas de IA en numerosos sectores, con unos 300 casos de uso desde la exploración hasta las operaciones. El uso de soluciones de IA ha mejorado la eficiencia al reducir las paradas de plantas, optimizar la producción y reducir las emisiones. En el sector de la perforación, por ejemplo, se ha logrado una reducción del 35% del tiempo de perforación. La automatización y el aprendizaje automático han contribuido a estas mejoras.

De cara al futuro, la compañía está construyendo agentes de IA sobre los cimientos de sus datos corporativos propios y sus activos de conocimiento, una decisión deliberada para retener el control sobre la inteligencia que más importa. Ya se están lanzando las primeras aplicaciones en distintos procesos, regidas por un marco de IA responsable diseñado para garantizar la transparencia y la rendición de cuentas en cada etapa.

3. La IA nativa para la empresa

«Cada tecnología transforma el mundo. El arco es siempre el mismo: experimentación, adopción, dependencia, irreversibilidad. Lo que es distinto esta vez es la velocidad, y lo que está en juego», afirmó Hala Zeine, vicepresidenta sénior y directora de Estrategia de ServiceNow.

«Las organizaciones no esperan pruebas. Saben que la vacilación es una desventaja estructural, así que se movieron pronto.

«Pero la experimentación es solo el primer paso. La verdadera transformación se produce cuando la IA se integra en el flujo de trabajo, redefiniendo la forma en que las empresas perciben el contexto, toman decisiones y ejecutan a escala. Ahí es cuando la adopción se convierte en dependencia cognitiva y cuando la IA en el flujo de trabajo pasa de ser útil a ser insustituible. Las organizaciones que crucen ese umbral primero acumularán una ventaja de la que los rezagados no podrán salir simplemente con dinero.

«En ServiceNow, estamos preparados precisamente para este momento. La IA no está añadida a nuestra plataforma: es nativa de la infraestructura que ya orquesta 80.000 millones de flujos de trabajo y 6,5 billones de transacciones anuales para el 85% de las empresas de la lista Fortune 500. Nuestra arquitectura está diseñada para llevar a las organizaciones de la experimentación a la irreversibilidad: detectar el contexto empresarial en todos los sistemas, decidir con responsabilidad empresarial, actuar de forma autónoma dentro de flujos de trabajo regulados y supervisar cada paso con controles de nivel de auditoría.

«Los resultados ya se están acumulando. AstraZeneca recuperó 30.000 horas anuales. Pure Storage resolvió casos siete veces más rápido. Siemens gestiona 210.000 tickets de forma autónoma cada mes. No se trata de ganancias de eficiencia, sino de señales tempranas de dependencia cognitiva a escala. La IA dentro de los flujos de trabajo es ejecución empresarial autónoma. Ahí es donde la ventaja competitiva se vuelve permanente».

4. Los datos como base

«S&P Global está a la vanguardia de la inteligencia artificial, transformando el análisis de datos y la toma de decisiones en todos los sectores», afirmó Swati Sawjiany, vicepresidenta sénior de Estrategia, M&A y Ventures, S&P Global.

Desde la adquisición de Kensho Technologies en 2018, S&P Global ha estado aprovechando la IA para mejorar los flujos de trabajo y generar valor para los clientes.

«Nos comprometemos a dar a los clientes acceso a datos fiables de S&P Global allí donde se desarrollen sus flujos de trabajo, garantizando que atendemos sus necesidades en constante evolución en el panorama de la IA. Eso significa asegurarnos de que puedan integrar sin problemas nuestros datos y conocimientos en sus flujos de trabajo de IA generativa. Un ejemplo de estos esfuerzos es la interfaz de programación de aplicaciones (API) preparada para LLM, que permite a los clientes acceder sin problemas a una serie de conjuntos de datos de S&P Global desde cualquier aplicación de IA generativa».

S&P Global se centra en impulsar la innovación en IA, incluido el desarrollo de nuevas capacidades de IA en colaboración con destacados actores como Anthropic, OpenAI, y Gemini de Google.

«Estas nuevas capacidades están desbloqueando perspectivas conectadas, mayor automatización y decisiones más rápidas para nuestros clientes.

«La IA va a transformar en profundidad la forma de trabajar del sector de los servicios financieros. La prioridad estratégica no es solo desplegar la tecnología, sino garantizar que las personas de toda la organización tengan la capacidad de usarla bien. Eso implica construir una cultura que abrace la IA, junto con la formación y las herramientas que hagan realidad ese cambio».

5. La evaluación sincera

Resulta útil pensar en tres generaciones de IA, según explicó la directora de IA de Cohere, Joëlle Pineau, que intervino al margen de la Reunión de Estrategia Industrial.

«Está la IA predictiva, que es la capacidad de usar información de datos para hacer algunas predicciones bastante acotadas: previsión meteorológica, clasificación y cosas similares. Hoy en día, casi todas las empresas dependen de ella. Si tiene una huella digital como parte de su negocio, la IA predictiva impulsa alguna parte de eso.

«La IA generativa es más reciente y se remonta a alrededor de 2022-23. Empezamos a ver empresas que la experimentan. Si pensamos en los grandes cambios tecnológicos del pasado, tardaron décadas en consolidarse».

«La IA agéntica acaba de irrumpir en escena en 2025. Pensar que pasaríamos de un laboratorio de investigación a una adopción generalizada en el sector en un año parece bastante optimista. Ha habido numerosas predicciones muy agresivas sobre la IA, incluida la IA agéntica. Lo sorprendente es que ya empezamos a ver beneficios y rendimientos de una tecnología tan nueva».

El paso de la experimentación al despliegue es real y se está acelerando, pero no es principalmente una cuestión tecnológica. Se trata de una cuestión de rediseño organizativo, confianza cultural y bases de datos sólidas.

Las empresas que avanzan más rápido no son las que tienen los mejores modelos. Son las que han hecho el trabajo más difícil de preparar a la organización para recibirlos.

Las citas han sido ligeramente editadas por motivos de extensión y claridad.