Pregunta a una empresa cómo va su programa de IA y te dan un porcentaje de personas. El ochenta por ciento tiene licencia. El sesenta ha usado algo este mes. La adopción sube nueve puntos en el trimestre.
El denominador está mal. El valor no vive en las personas. Vive en los procesos.
Una empresa donde el noventa por ciento de la plantilla usa IA a diario y donde no se ha reconstruido ni un proceso no ha adoptado nada. Ha comprado una forma más rápida de producir los mismos artefactos, en el mismo orden, revisados por las mismas personas, a un coste algo mayor. Eso es real y vale algún dinero, pero no es lo que nadie vendió ni lo que el consejo cree estar comprando.
En cuanto cambias el denominador de personas a procesos aparece una matemática contra la que casi todos los despliegues están estructurados para perder. La adopción media no devuelve la media. Devuelve menos.
La curva es convexa y empieza por debajo de cero
Coge un proceso suelto y pregunta cuánto de él es propiedad del modelo. El valor sobre ese eje tiene dos propiedades que rompen cualquier intuición construida sobre plantilla.
La primera es un umbral, y por debajo el retorno es negativo. Estás pagando una licencia, una revisión de seguridad, los veinte minutos que alguien dedica a comprobar una salida que no necesitaba, la reunión sobre la política de uso y el segundo par de ojos que existe porque nadie se fía del primero. Un proceso entregado a medias suele estar peor que uno que no se tocó, porque ahora hay dos responsables y ninguno del todo.
La segunda es que por encima del umbral el retorno acelera. Cuando un paso pertenece de verdad al modelo, con un contrato escrito para su salida y un eval que avisa cuando se rompe, el paso de al lado sale más barato de entregar. Hereda el contrato, el arnés de evals, la monitorización y a la persona que ya sabe cómo falla esto. La propiedad compone. Eso es lo que hace la curva convexa y no simplemente creciente.
Ahora la desigualdad. Jensen dice que para una función convexa, la media de las salidas es al menos la salida en la entrada media. Traducido a este argumento: una empresa que ha reconstruido la mitad de cada proceso gana menos que una que ha reconstruido del todo la mitad de sus procesos y ha dejado el resto en paz. Idéntica media. Idéntico gasto. Distinto retorno, y la diferencia no es un error de redondeo.
Los dos puntos están en la misma media. Solo uno es lo que compra un despliegue para toda la empresa.
Es la lente más útil que he encontrado para el dato de MIT NANDA que circuló el año pasado, ese en el que el 95% de los pilotos corporativos de IA generativa no mostraba impacto medible en la cuenta de resultados. El estudio es preliminar, nunca pasó revisión por pares y ha recibido críticas razonables por su muestra y su ventana de medición, así que yo no metería la cifra exacta en un presupuesto. Pero el orden de magnitud es lo que predice la curva. Despliega la herramienta a todo el mundo, deja que todos los procesos se toquen un poco, y casi toda tu cartera se sienta a la izquierda de la línea de equilibrio. El fallo no eran los modelos. Era la distribución.
Asistir no es automatizar
Esto se repite porque una sola palabra cubre cuatro estados muy distintos, y solo los dos de arriba valen algo.
Lo que separa el peldaño dos del tres no es esfuerzo. Es ingeniería, y una licencia no lleva ninguna dentro.
El peldaño uno es preguntar. Una persona pregunta, una persona juzga la respuesta, una persona sigue haciendo el trabajo. El peldaño dos es redactar: el modelo produce y una persona edita cada salida antes de que vaya a ningún sitio. El peldaño tres es la propiedad, donde un paso tiene un contrato de salida definido, un conjunto de evals que falla ruidosamente cuando el comportamiento deriva y un humano con nombre que responde por él. El peldaño cuatro es la retirada, donde el paso deja de existir porque el trabajo que hacía ya no hace falta.
Casi toda la IA de empresa vive permanentemente en los peldaños uno y dos, y la razón es estructural antes que cultural. Llegar al tres significa decidir qué tiene que cumplir de verdad la salida del paso, construir algo que detecte cuándo deja de cumplirlo y poner un nombre al resultado. Eso es ingeniería y diseño organizativo. La licencia no incluía ninguna de las dos, y ninguna dosis de entusiasmo del usuario las sustituye.
El peldaño dos tiene además un techo que mucha gente confunde con un suelo. Si una persona edita cada salida, el rendimiento queda topado por el de esa persona por bueno que sea el modelo. Los números publicados lo dicen exactamente: un ensayo del gobierno británico encontró unos 26 minutos ahorrados al día, y el estudio de Forrester encargado por Microsoft estimaba unas nueve horas al mes por usuario. Los dos vienen del entorno del proveedor, los dos son plausibles y los dos describen un techo. Los minutos ahorrados son la métrica natural del peldaño dos, y nunca componen, porque el trimestre que viene la misma persona sigue editando las mismas salidas un poco más rápido.
El uso está sesgado porque los procesos lo están
Mira cómo se distribuye de verdad el uso de IA dentro de las empresas y la forma te lo cuenta todo. En el informe de uso 2026 de LayerX, el usuario mediano tuvo doce conversaciones en un trimestre, el medio treinta y seis, y el del percentil 95 tuvo 144. Aproximadamente la mitad de los empleados ha usado IA en el trabajo. El dieciocho por ciento la usa semanalmente.
Una media que triplica a la mediana es una cola derecha larga. Y la gente de esa cola no es simplemente más entusiasta que el resto. Es, de forma abrumadora, la gente que tiene un proceso en el peldaño tres y se pasa el día dentro de él. El uso intensivo es un síntoma de un proceso reconstruido, no su causa. Por eso perseguir el número de uso de forma directa, con formación, recordatorios y comunicación interna, produce tan poco: estás tratando el síntoma de algo que no has construido.
También explica por qué el precio está mal. Un asiento le pone precio a una persona. El valor se acumula en un proceso. Son dos objetos distintos, y una licencia por asiento es una tarifa plana sobre una población cuyo consumo abarca dos órdenes de magnitud, cosa que ya defendí desde el lado del vendedor.
La versión del comprador tiene una trampa que he visto saltar más de una vez. Una empresa se pasa a facturación por consumo, por fin gana visibilidad del gasto por equipo y descubre que un puñado de personas concentra la mayor parte de la factura. El instinto es frenarlas. Cuotas, umbrales de aprobación, un tope mensual. Esas personas son las que operan tus procesos de peldaño tres. Acabas de gravar la única parte de la cartera que está por encima de la línea de equilibrio, para proteger un presupuesto cuyo desperdicio real son las noventa licencias dormidas que nadie ha mirado.
La densidad de talento es lo que sube un proceso al peldaño tres
Subir un proceso por la escalera no es un problema de plantilla. Es un problema de densidad, y la diferencia importa porque las dos cosas tienen recetas opuestas.
Quien puede llevar un paso al peldaño tres escribe el contrato de salida, monta el conjunto de evals que te dice si la nueva versión del modelo se puede activar sin riesgo y construye la herramienta interna pequeña que convierte una tarea de dos horas en un formulario. Todos los demás trabajan después dentro de lo que esa persona construyó. Hay una línea de trabajo reciente sobre construcción interna de herramientas con IA que llama al resultado saturación de constructores: se fabrican muchos artefactos, casi toda la atención cae sobre un puñado de los bien integrados, y la distribución de un nivel más arriba se parece exactamente a la del nivel de abajo. La misma ley de potencias, dibujada otra vez.
Los noventa de la derecha no están más motivados que los de la izquierda. Están mejor equipados.
Así que diez personas profundas en una empresa de cien no son diez unidades de valor. Son los raíles por los que corren los otros noventa, y sin ellas los noventa generan uso y nada más.
De ahí sale una manera limpia de separar dos palabras que los comités usan como sinónimos. La adopción mueve la media. La transformación engorda la cola. Son proyectos distintos con presupuestos distintos, y un programa que reporta lo primero no va a entregar lo segundo por accidente.
Cómo se ve esto un miércoles
Cinco cambios que haría en cualquier programa de IA que hoy reporte un porcentaje de personas.
Lleva un registro de procesos, no un panel de usuarios. Una fila por cada paso que importe: qué es, en qué peldaño está, quién lo posee, cuál es su conjunto de evals, cuánto costaba antes. La primera vez saldrá vergonzosamente corto. Ese es el hallazgo.
Reporta un solo número: cuántos procesos están en el peldaño tres o por encima. Debe ser pequeño y debe moverse. Un porcentaje de empleados puede subir durante un año entero mientras ese número sigue en cero, que es exactamente el modo de fallo del que va este ensayo.
Identifica a quien ya ha llevado algo al peldaño tres. Existen y casi nunca son las personas para las que se diseñó el despliegue. Por lo que he visto están dos o tres niveles por debajo de quien firmó el contrato, que es también por qué nadie les ha preguntado nada.
Arregla lo que les bloquea en vez de comprar más asientos. La respuesta suele ser aburrida y barata: una clave de API, permiso para llamar a un servicio interno, una exportación de datos que hoy exige un ticket, cuatro días sin interrupciones.
Deja de esperar que los noventa se conviertan en los diez. No va a pasar, y el programa diseñado sobre esa esperanza se gasta el presupuesto en formar al medio en vez de en equipar al techo. Los noventa no necesitan profundizar. Necesitan lo que construyeron los diez.
Una advertencia sobre mi propio argumento, porque merece decirse en vez de enterrarse. La convexidad es un supuesto, no una ley. Hay procesos que sí son lineales en cuánto posee el modelo, donde un poco de ayuda da un poco de valor y la propiedad completa no da más por unidad. Transcripción. Traducción. Clasificar cosas que ya se clasificaban. Si esa es honestamente tu cartera, el despliegue plano es la forma correcta y nada de esto te aplica. La prueba es si tus mejores ejemplos hacen algo distinto en naturaleza de lo que hacen los medianos, o solo lo mismo más rápido. Si es lo mismo más rápido, compraste un suministro y deberías tarifarlo y gestionarlo como tal.
Cierre
La media sobrevive como métrica porque es el único número que cabe en una actualización trimestral. Es también, específica y demostrablemente, el objetivo equivocado: en una curva convexa, el retorno en la media es el peor retorno que esa media puede producir.
Nada de esto necesita mejores modelos. Necesita admitir que la propiedad interesante de tu programa de IA es su varianza, que la varianza no es ruido que un plan de formación deba suavizar, y que el trabajo es de ingeniería antes que de dinamización.
Cuenta los procesos que han cruzado la línea. Ese es el número. Todo lo demás son licencias.