La IA deja atrás los pilotos y empieza a transformar el negocio

La inteligencia artificial generativa entra en una nueva etapa. Tras años de pilotos, laboratorios internos y pruebas aisladas, el foco empieza a desplazarse hacia su uso en procesos reales, donde pueda mejorar costes, productividad, atención al cliente, operaciones y decisiones de negocio.

Este giro se ve en dos movimientos recientes. Anthropic ha anunciado una compañía de servicios de IA junto con Blackstone, Hellman & Friedman y Goldman Sachs. OpenAI, por su parte, prepara una iniciativa similar, The Deployment Company, con el respaldo de TPG, Brookfield, Advent y Bain Capital.

La entrada de grandes fondos confirma que la IA empresarial empieza a verse como infraestructura de negocio, no solo como una apuesta tecnológica. El mercado ya no pide modelos más potentes sin más; pide resultados dentro de la empresa.

Muchas compañías ya tienen herramientas de IA, pero aún no obtienen valor real. El reto es integrarlas en el trabajo diario. Para eso no bastan buenos modelos: hacen falta equipos capaces de entender el negocio, conectar la tecnología con los procesos y convertir una prueba en una solución útil.

01Qué están haciendo OpenAI y Anthropic

OpenAI y Anthropic compiten por liderar el mercado de la IA empresarial, y el enfoque de ambas apunta en la misma dirección: crear equipos capaces de entrar en las compañías, entender sus procesos y construir soluciones adaptadas a sus necesidades.

OpenAI busca escalar su presencia en grandes empresas con una estructura propia y con respaldo financiero de grandes inversores. Anthropic, por su parte, ha creado una alianza con Blackstone y otros socios para llevar su asistente Claude a compañías medianas de distintos sectores. En ambos casos, el objetivo no es vender una herramienta más, sino acompañar la implantación.

02Dos formas de llevar la IA a las empresas

La diferencia de escala es importante, pero no cambia el fondo del asunto. Las dos grandes compañías de IA quieren estar más cerca de los procesos reales de sus clientes.

03Por qué ahora

Uno de los mayores obstáculos para adoptar IA no está en la tecnología, sino en la puesta en marcha. Muchas organizaciones saben que la IA puede ayudar, pero no siempre tienen claro en qué procesos aplicarla, cómo medir el retorno o cómo integrarla sin crear más complejidad.

Por eso gana peso la figura del ingeniero o equipo de implantación que trabaja junto al cliente. Su función no es hacer una demostración brillante, sino resolver problemas concretos: reducir tareas manuales, acelerar revisiones, mejorar respuestas al cliente, apoyar a equipos comerciales o facilitar decisiones con mejor información.

• Detectar procesos con impacto. No todo merece automatizarse. Conviene empezar por tareas repetitivas, costosas o con mucha carga documental.
• Elegir pocos casos de uso. Es mejor avanzar con dos o tres procesos bien seleccionados que dispersar esfuerzos en demasiadas pruebas.
• Integrar la IA en herramientas existentes. La adopción mejora cuando los equipos no tienen que cambiar por completo su forma de trabajar.
• Medir resultados desde el principio. Ahorro de tiempo, reducción de errores, mejora de servicio o incremento de capacidad son métricas más útiles que el número de pilotos lanzados.

La IA funciona mejor cuando se diseña alrededor del trabajo real, no cuando se añade como una capa externa que nadie termina usando.

04El papel de los fondos y las consultoras

La entrada de fondos de inversión y grandes consultoras tiene una explicación práctica. Muchos de estos inversores controlan o asesoran a cientos de empresas que necesitan mejorar productividad, márgenes y eficiencia. Y la IA puede ayudar, pero solo si se implanta con foco y responsabilidad.

Este modelo beneficia a las tres partes:

• Ofrece a los laboratorios de IA una vía rápida para llegar a muchas empresas.
• A los fondos les permite impulsar mejoras operativas en sus participadas.
• Y a las compañías clientes les da acceso a equipos especializados que, en muchos casos, serían difíciles de contratar por separado.

La IA pasa de gasto tecnológico a proyecto de negocio. Finanzas, operaciones, legal, recursos humanos y negocio tendrán que participar más desde el inicio.

Y algo fundamental: la adopción se medirá por resultados. Los comités directivos pedirán menos promesas y más evidencias: tiempo ahorrado, costes evitados, calidad mejorada o ingresos generados.

05Los riesgos que conviene mirar antes de firmar

Además de revisar las condiciones contractuales (precio, niveles de servicio, propiedad de los desarrollos, uso de los datos), las empresas deben mitigar el riesgo de dependencia. Si una solución queda demasiado ligada a un solo proveedor de IA, cambiar en el futuro puede ser caro o complejo. Es fundamental tener un plan de salida y sustitución.

En el sector financiero, el Reglamento DORA (Digital Operational Resilience Act) ya exige a las entidades financieras desarrollar planes de salida y sustitución detallados para todos los proveedores de servicios TIC, especialmente los que sostienen funciones críticas o importantes.

06¿Es posible contratar esos servicios en España?

Aunque no hay indicios de que exista un proceso de contratación abierto y simplificado para cualquier empresa en España, sí hay señales claras de que estos vehículos ya pueden desplegarse en el mercado español, sobre todo a través de grandes bancos, consultoras internacionales y fondos con presencia local.

OpenAI ya cuenta con una vía de entrada relevante en España a través de BBVA, que de hecho figura como uno de los socios fundadores e inversores de The OpenAI Deployment Company. La colaboración se está ampliando a 120.000 empleados en 25 países, con integración de IA generativa en procesos clave del banco.

OpenAI también cuenta con el apoyo de consultoras con fuerte presencia en España, como McKinsey & Company, Bain & Company y Capgemini. Estas firmas pueden actuar como socios de implantación, aportando equipos especializados para adaptar las soluciones a cada organización.

El enfoque de Anthropic es distinto, pero también tiene una clara vocación internacional. Su alianza con Blackstone, Goldman Sachs y Hellman & Friedman está orientada a llevar Claude a empresas medianas de sectores como salud, industria, servicios financieros e inmobiliario.

El respaldo de Blackstone es relevante para España por el tamaño de su cartera de activos y empresas en el país. Esa presencia puede facilitar futuros despliegues entre sus participadas.

07¿Y para las pequeñas y medianas empresas?

Estos servicios no funcionan como una suscripción estándar. Son proyectos de implantación avanzada, pensados sobre todo para grandes corporaciones o empresas que necesitan rediseñar procesos importantes con apoyo especializado. En muchos casos, el acceso llegará a través de inversores, consultoras o socios corporativos que ya colaboran con estos laboratorios de IA.

Para una pyme, este modelo no puede traducirse en un equipo de ingenieros trabajando durante meses dentro de la empresa. Necesita un servicio compartido, asequible y especializado por sector: equipos que identifiquen uno o dos procesos con retorno claro, conecten la IA con las herramientas que ya utiliza la compañía y dejen una solución controlable en pocas semanas. Dicho de forma sencilla: no se trata de vender otro programa, sino de mejorar una parte concreta del negocio —presupuestos, atención al cliente, compras, documentación o planificación—, con un coste y un resultado definidos desde el inicio.

Aquí se abre una oportunidad relevante para consultoras tecnológicas locales, bancos, asociaciones empresariales, cámaras de comercio y proveedores de software, que podrían crear servicios sectoriales de IA para grupos de pymes. El modelo podría financiarse con cuotas, proyectos a precio cerrado o una parte del ahorro obtenido. Su ventaja no estaría en crear modelos propios, sino en conocer bien el negocio, reutilizar soluciones entre empresas parecidas y encargarse de la implantación práctica. El riesgo es volver a una consultoría cara, artesanal y difícil de escalar. La oportunidad está en convertir ese conocimiento local en métodos, componentes y garantías que puedan repetirse.