Conozco otras que llevan ocho meses «mapeando casos de uso». No han ejecutado ninguno.
Los dos errores parecen opuestos. Son el mismo: tratar la identificación de dónde aplicar IA como un ejercicio puntual en lugar de como una capacidad interna de la organización.
Las primeras lanzan pilotos sin criterio, buscando momentum: un chatbot para RRHH, un asistente para atención al cliente, un resumidor de reuniones. Seis meses después, ninguno ha escalado y nadie sabe muy bien qué hacer a continuación. Las segundas convocan un comité, producen un mapa de cuarenta casos de uso en una matriz de impacto vs. esfuerzo, y cuando quieren ejecutar, el mapa ya está desactualizado: la tecnología ha avanzado, las prioridades han cambiado, y lo que parecía obvio en enero no lo es en julio.
Ejercicio puntual o capacidad: la diferencia importa
Un ejercicio puntual tiene fecha de inicio y fecha de fin. Produce un entregable. Se cierra. Una capacidad es un músculo: se entrena, se mantiene, mejora con el uso y genera valor de forma continuada.
Identificar dónde la IA va a generar valor en tu organización, bien entendido, es lo segundo. Y la razón es sencilla: la IA no es una tecnología estable sobre la que puedas hacer un estudio definitivo. Las capacidades del mercado cambian cada trimestre, las de tu propio equipo cada mes, y lo que era imposible o caro hace seis meses es trivial hoy. Un mapa estático de casos de uso envejece en tiempo real.
Cuando una empresa lo construye como capacidad interna, no como proyecto, lo que está construyendo en realidad es un activo estratégico que compone con el tiempo:
- Compone aprendizaje: cada caso ejecutado enseña qué tipo de problemas tu organización resuelve bien con IA y cuáles no. Esa información alimenta la siguiente ronda de selección.
- Compone criterio: las reglas de priorización se afinan con la experiencia. La empresa deja de adivinar y empieza a saber.
- Compone velocidad: cada iteración es más rápida porque la infraestructura, los patrones y la confianza interna ya están construidos.
Tus competidores pueden comprar la misma tecnología que tú. No pueden comprar este activo.
¿Qué significa esto operativamente?
No se trata de hacer un gran ejercicio anual. Se trata de instalar una práctica continua, liderada por el Comité de IA, que responda una y otra vez a tres preguntas —cada vez con mejor información:
- ¿Dónde estamos pagando un coste invisible porque alguien tiene que interpretar, reconciliar o traducir información entre sistemas o personas? Ese coste rara vez aparece en un P&L, pero es donde la IA suele generar los retornos más inmediatos.
- ¿Dónde tomamos decisiones por intuición porque la información llega tarde, incompleta o agregada? Aquí está la mayor palanca de valor diferencial — y también la más difícil de ver desde dentro.
- ¿Qué hacen hoy nuestros mejores profesionales que no es su mejor trabajo? Si la respuesta es «bastante», tienes un caso de uso estructural, no táctico.
Estas preguntas no se responden una vez. Se reformulan cada trimestre, incorporando lo aprendido en los proyectos ejecutados y los cambios de capacidades del mercado.
La condición que más se subestima: el factor humano
Ningún proceso de identificación de casos de uso funciona si la organización no participa activamente. Y la organización no participa si no entiende qué se le está pidiendo, si percibe la IA como una amenaza a su rol, o si no tiene ningún incentivo para involucrarse.
Aquí es donde la mayoría de las iniciativas de IA fallan silenciosamente. No por falta de tecnología. No por falta de estrategia. Por falta de acompañamiento.
La gestión del cambio en este contexto no es un módulo de formación de dos horas ni una comunicación interna bien redactada. Es un proceso continuo que tiene que responder a tres realidades simultáneas: los empleados necesitan entender qué es la IA y qué no es, necesitan ver que usarla bien les hace más valiosos —no prescindibles— y necesitan tener un canal claro para proponer, sin fricción y sin riesgo percibido.
Este último punto es crítico y frecuentemente ignorado: los mejores casos de uso no los encuentra la dirección. Los encuentra quien trabaja con el problema todos los días. El operario que sabe que reconciliar ese informe le cuesta tres horas cada semana. La persona de ventas que sabe que preparar cada propuesta le lleva el doble de lo que debería. El analista que sabe que la mitad de su trabajo es transformar datos antes de poder usarlos.
Esa inteligencia distribuida existe en todas las organizaciones. El problema es que no tiene mecanismo de salida. Construir ese mecanismo, con incentivos visibles, reconocimiento explícito y proceso claro de evaluación, es tan estratégico como cualquier decisión tecnológica.
Los incentivos no tienen que ser económicos. A menudo bastan el reconocimiento, la visibilidad del caso propuesto dentro de la organización y la participación activa en su desarrollo. Lo que no funciona es pedir contribución sin devolver nada a quien contribuye.
Las herramientas como palanca, no como solución
Una capacidad interna de identificación de casos de uso necesita soporte tecnológico para escalar. Sin él, el proceso depende de reuniones, correos y hojas de cálculo; y colapsa bajo su propio peso en cuanto la organización crece o el volumen de iniciativas aumenta.
El mercado ofrece ya herramientas específicamente diseñadas para este propósito: plataformas de gestión de ideas e innovación que permiten a cualquier empleado proponer un caso de uso desde su área; sistemas de categorización y scoring que aplican criterios predefinidos (impacto, viabilidad, alineación estratégica) para priorizar sin sesgos; y repositorios vivos de casos de uso que documentan no solo qué se está ejecutando, sino qué se ha descartado y por qué.
Este último elemento (el registro de los casos descartados) es más valioso de lo que parece. Un caso de uso que hoy no es viable por coste o madurez tecnológica puede serlo dentro de seis meses. Sin registro, esa conversación se repite desde cero. Con él, la organización aprende.
La elección de herramientas es secundaria a la instalación del proceso. Una plataforma sofisticada sin cultura de participación produce un repositorio vacío. Un proceso bien diseñado con herramientas simples produce casos de uso reales. Primero el proceso, luego la tecnología que lo sostiene.
La conexión con Shadow AI
Hay un motivo por el que el Shadow AI prolifera precisamente en empresas que, sobre el papel, están «trabajando en IA». Cuando no existe una capacidad interna que identifique dónde aplicar IA, la organización la genera por su cuenta, pero de forma descoordinada, sin criterio y sin aprendizaje compartido.
Los empleados descubren herramientas útiles, las empiezan a usar, se las pasan entre compañeros. Es una identificación orgánica, bottom-up y completamente invisible para la dirección. El resultado es el que describí en el artículo anterior: procesos críticos dependiendo de herramientas que nadie ha validado, datos viajando donde no deberían, decisiones informadas por outputs que nadie ha auditado.
El Shadow AI no es solo un problema de gobierno. Es el síntoma de un vacío de capacidad. Y la única forma de cerrarlo de verdad no es prohibir: es sustituirlo por algo mejor.
Quién debe liderar esto
Aquí cierra el círculo con lo que planteé al inicio de esta serie. El Comité de IA no es un órgano ceremonial ni un foro trimestral de alineación. Es, o debería ser, el dueño operativo de esta capacidad: quien mantiene viva la práctica, evalúa los casos que emergen, reconcilia las señales del Shadow AI con el portfolio oficial, gestiona el acompañamiento al cambio y asegura que el aprendizaje de un proyecto llegue al siguiente.
Sin ese dueño, la capacidad no se instala. Se hace un esfuerzo inicial, se gana tracción y, como los pilotos del principio, se diluye.
Si tu empresa está en las primeras fases de su recorrido con IA, el entregable más valioso que puedes producir en los próximos seis meses no es una lista de casos de uso, es un proceso capaz de generar esa lista una y otra vez, cada vez mejor, con la organización como protagonista, no como destinataria.
Los casos de uso son el resultado. La capacidad de encontrarlos es el activo.
Autor: Toni Parada
