El negocio primero: mis principales aprendizajes en 4CIO Private Sectors

Pasé cuatro días en el 4CIO Private Sectors, en Foz do Iguaçu, y volví con una convicción más clara de lo que esperaba: la parte difícil de la IA en las empresas dejó de ser la tecnología y pasó a ser la capacidad del negocio de tomar buenas decisiones al respecto. Dónde se incorpora, de quién depende, qué se espera de ella y quién responde cuando algo se sale de lo previsto. 

Lo primero que me llamó la atención fue precisamente lo que no estaba en discusión. Nadie allí se preguntaba todavía si valía la pena adoptar la IA, y las cifras confirman lo que escuché en los pasillos: según State of AI 2025, de McKinsey, el 88% de las organizaciones ya utiliza IA en al menos un área del negocio. 

El tema del evento era Paradoja: el arte de liderar el caos, pero quien mejor resumió el ambiente fue un ejecutivo de tecnología de una cooperativa financiera cliente: “el excelente caos”. 

La tecnología nunca había sido tan accesible y, precisamente por eso, la ventaja dejó de estar en el acceso y pasó a estar en la capacidad de elegir dónde aplicarla. 

Quiero compartir aquí las ideas que más me marcaron. Y vale la pena leer hasta el final, porque dejé por ahí algunos datos muy interesantes. 

Decidir sin mapa 

La sesión plenaria de apertura estuvo a cargo de Emanuel Pessoa, con una pregunta que nos acompañó durante el resto del evento: ¿cómo decidir cuando el escenario global cambia radicalmente cada seis meses? Y señaló un desajuste que, una vez que se ve, ya no se puede ignorar: el escenario cambia en meses, pero los contratos que firmamos hoy comprometen a la empresa por años. 

Eso me llevó directamente a la época en que trabajaba en ingeniería. Una obra tarda mucho más de un año en pasar del papel a la realidad y, mientras tanto, cambia el precio de los insumos, cambian las necesidades del cliente y, a veces, hasta cambian las leyes. La planificación que funcionaba era la que dejaba margen para ajustar el rumbo sin derribar lo que ya estaba en pie. 

En las conversaciones con líderes de tecnología, esa idea tenía un nombre muy concreto: lock-in, la dependencia de un único proveedor, modelo o formato que resulta costosa y lenta de revertir. Curiosamente, esa misma preocupación dio origen a PRISMON, la solución que presentamos en el evento. Lo vivimos en carne propia internamente con esta pregunta: ¿cómo aprovechar lo mejor de cada modelo sin perder la libertad de cambiar de rumbo? Después de más de quince años de consultoría en tecnología, para nosotros ya es casi automático trabajar con la premisa de que alguna pieza tendrá que cambiar a medida que evolucione el negocio, y PRISMON nació precisamente de aplicar ese cuidado a nuestro propio uso de la IA. 

Salí de esa charla con la convicción de que la ventaja está menos en acertar con las previsiones y más en tomar decisiones que sigan en pie cuando cambie el contexto. Y esas decisiones suelen tener algo en común. 

El negocio va antes que la herramienta 

Ese fue exactamente el tono de una conversación con un CIO del sector agropecuario y cliente de Premiersoft. El tema era la IA en el agro, pero empezó hablando del productor: qué mejora la rentabilidad de quien trabaja en el campo y qué cambia en la operación de la cooperativa. La IA aparecía siempre como un medio, nunca como el tema principal. 

Parece obvio, pero quienes trabajamos en tecnología sabemos lo fácil que es invertir ese orden. En nuestras salas de Foz, elegimos deliberadamente dejar la demostración para después y abrir cada conversación con una pregunta: “Hoy, ¿está satisfecho con el nivel de visibilidad y gobernanza sobre el uso de la IA en su empresa?”. Pocos lo estaban, y lo que surgió de ahí fue mucho más enriquecedor que cualquier presentación. 

Un ejecutivo financiero de 4Network completó el razonamiento: la solución casi siempre nace “de una persona en primera línea”, que vive el problema todos los días. Según MIT NANDA, solo el 40% de las empresas contrató una suscripción oficial de IA, pero en más del 90% de ellas los empleados ya usan herramientas personales en el trabajo. 

Para mí, este es uno de los cambios más interesantes del momento: la IA ya no entra en las empresas solo por la puerta de TI, sino también por el escritorio de quien está resolviendo un problema concreto. ¡Y eso es una excelente noticia! Precisamente porque, según las innumerables experiencias que ya he tenido en el mercado, las mejores ideas tienden a surgir cerca de la operación. 

Pero esto cambia, y mucho, el papel del liderazgo de tecnología de aquí en adelante. 

Dónde entra la máquina y dónde se detiene 

Este nuevo papel consiste menos en elegir la herramienta y más en marcar el rumbo y dejar claro hasta dónde puede llegar cada uso. 

Ese “hasta dónde” fue el eje de un panel sobre liderazgo algorítmico, moderado por un especialista en IA aplicada al periodismo y a la gobernanza de decisiones. En lugar del debate de siempre sobre reducir puestos, la pregunta era qué tiene sentido delegar a la máquina y qué debe seguir bajo decisión humana. Me quedé con tres ideas: 

• Que algo se pueda automatizar no significa que se deba. La decisión depende del contexto y del papel que esa actividad desempeña en el negocio. 

• Delegar la ejecución no elimina la responsabilidad. Alguien sigue respondiendo por los criterios y las consecuencias. 

• Liderar implica definir límites: dónde actúa la IA por su cuenta, dónde necesita supervisión y dónde es esencial el criterio humano. 

No se imaginan cuántas veces un cliente ha llegado a nosotros pidiendo “automatizar este proceso con IA”, y la conversación más valiosa ha terminado siendo otra: entender si el proceso tenía sentido tal como estaba y en qué puntos podíamos potenciar tanto el uso de la tecnología como el funcionamiento del negocio en su conjunto. Muchas veces, el proyecto final terminó siendo distinto de lo que se había pedido al principio, pero el valor generado superó cualquier expectativa previa. Y ese es el tipo de conversación que más me gusta tener. 

Pero trazar ese límite plantea una pregunta difícil: ¿cómo hacerlo si, la mayoría de las veces, todavía no sabemos qué va a funcionar? 

Experimentar con método 

La respuesta más honesta que escuché vino de un director de tecnología de la industria: “Una empresa necesita poder experimentar más de una vez, aprender de lo que salió mal y abandonar la expectativa de que toda iniciativa dé resultados inmediatos”. En el panel sobre liderazgo algorítmico, la misma idea apareció desde otro ángulo: lo que más frena la adopción hoy no es una limitación técnica, sino la presión por acertar a la primera. 

Estoy muy de acuerdo, y agrego algo: el problema rara vez está en equivocarse, sino en hacerlo sin saber qué se quería aprender con esa prueba. 

Las cifras ayudan a entenderlo. McKinsey muestra que cerca de dos tercios de las empresas todavía no han conseguido llevar la IA más allá de la fase piloto, y solo el 39% puede señalar algún impacto en los resultados. Gartner ya había previsto que al menos el 30% de los proyectos de IA generativa se abandonarían después de la prueba de concepto antes de fines de 2025, y ahora estima que más del 40% de los proyectos con agentes de IA se cancelarán antes de 2027. En ambos casos, los motivos se repiten: costos crecientes, controles de riesgo insuficientes y, sobre todo, poco valor de negocio claramente definido. MIT llega a una conclusión similar: la mayoría de los pilotos que no avanzan tropiezan con la falta de encaje con el trabajo cotidiano, mucho más que con la calidad de los modelos. 

En otras palabras, lo que suele faltar no es tecnología, sino criterio. Lo veo con frecuencia: muchas de las solicitudes que nos llegan ya pasaron por una prueba que todos aprobaron en la reunión inicial y que, meses después, nadie sabía decir si había funcionado, porque nadie había definido qué significaba que funcionara. El derecho a equivocarse funciona mejor cuando hay algunos criterios acordados de antemano: 

1. ¿Qué queremos aprender? 

1. ¿Qué problema del negocio resuelve? 

1. ¿Cuánto tiempo e inversión tiene sentido dedicarle? 

1. ¿Qué evidencia justifica continuar? 

1. ¿En qué escenario lo damos por terminado y pasamos a otra hipótesis? 

Cuando se acuerdan de antemano la magnitud, el plazo y el costo del error, este deja de ser una amenaza y se convierte en información. 

“No frenar, sino habilitar con seguridad” 

La frase vino de un CIO del sector industrial, en una conversación con el equipo directivo de Premiersoft sobre su mayor preocupación actual respecto a la IA. Resume el equilibrio que casi todos buscaban allí: no se puede esperar a que la IA se estabilice, pero tampoco tiene sentido adoptarlo todo solo porque está disponible. 

Conviene recordar que el mayor valor de la IA no siempre está en reducir costos. Muchas veces está en el tiempo que se gana entre tener una idea y llevarla al mercado. No es casualidad que, según McKinsey, las empresas que más valor capturan usan la IA para crecer e innovar, y no solo para ganar eficiencia. 

Pero, para habilitarla con seguridad, primero hay que ver lo que ya está pasando. Y ahí fue donde me sorprendieron las cifras reales del 4CIO Private Sectors. 

Las cifras de los líderes de tecnología y lo que me llevo de aquí 

Durante el evento, recopilamos datos de 59 empresas que pasaron por nuestras salas. Este fue el panorama que surgió: 

• 7 de cada 10 (41 de 59) consideran la gobernanza de la IA una prioridad alta o máxima para los próximos seis meses. 

• Más de la mitad (33) no tiene un proceso definido para probar una nueva capacidad de IA. 

• Menos de 1 de cada 5 (11) tiene a alguien dedicado al tema dentro del área de TI. 

• Solo el 15% (9) podría auditar por completo el uso de la IA y los datos involucrados durante los últimos 90 días. 

Es decir, por cada empresa que hoy puede ver lo que está haciendo la IA dentro de su organización, hay más de cuatro que la consideran una prioridad máxima. 

No es culpa de nadie. Es el retrato de una tecnología que llegó a las empresas más rápido de lo que estas pudieron organizarse, y los líderes de tecnología del evento están lejos de ser una excepción. En Brasil, Netskope muestra que el 52% de quienes usan IA generativa en el trabajo todavía recurre a cuentas personales. Gartner señala que el 69% de las empresas sospecha o ya tiene pruebas de que los empleados usan herramientas de IA no autorizadas. Y Cost of a Data Breach 2026, de IBM, muestra el costo de esto: la IA no autorizada ya aparece en el 43% de las filtraciones de datos, más del doble del 20% del año anterior, y el 68% de las empresas afectadas todavía no había completado una política de gobernanza de IA. 

Si tuviera que resumir el 4CIO Private Sectors en una frase, sería esta: la carrera de la IA ya no consiste en ver quién la adopta primero, sino en ver quién consigue entender, decidir y sostener lo que adoptó. 

La tecnología seguirá cambiando, y rápido. Aparecerán nuevos modelos, los costos bajarán y lo que hoy parece avanzado se convertirá en estándar. Lo que no pasa de moda es la capacidad de cada negocio de elegir bien dónde incorporar la IA, cómo supervisarla y qué esperar de ella. Eso es lo que marcará la diferencia entre quienes usan IA y quienes realmente capturan valor con ella. 

Y eso es lo que más me motiva cada día: ayudar a las organizaciones a tomar esa decisión, incluso cuando les muestra que la prioridad está en otro lugar. 

Gracias a los líderes de tecnología por su franqueza, a 4Network por el espacio de intercambio y al equipo de Premiersoft entre bastidores. 

¡Que venga el próximo!