Conozco dos tipos de empresas. Las primeras ignoran la IA por completo. La dirección dice "es solo una moda pasajera, esperaremos", mientras su competencia automatiza informes, agiliza las ventas y ahorra decenas de horas cada semana. El segundo tipo se entusiasma en exceso, compra licencias Enterprise para todo a la vez y, tres meses después, descubre que nadie usa realmente las herramientas. Ambos enfoques son erróneos.
Durante el último año, en Rise.sk hemos ayudado a empresas de entre 20 y 500 empleados a incorporar la IA a sus operaciones diarias reales. No como experimento. Como una herramienta de trabajo que las personas usan de verdad. Y hemos comprobado repetidamente que un enfoque de 4 semanas funciona bien. No es perfecto, pero da resultados. Aquí está el plan.
La primera semana no trata de tecnología. Trata de entender dónde está el dolor.
Siéntese con los responsables de equipo y hágales una pregunta: "¿Dónde hace su equipo repetidamente algo aburrido, predecible y que lleva más de una hora a la semana?" Anótelo todo. Está buscando cosas como:
El objetivo no es encontrar el mayor problema de la empresa. El objetivo es encontrar una tarea concreta y repetible en la que la IA pueda ayudar de forma rápida y medible.
De la lista completa, elija un máximo de 3 procesos. No más. Lo deciden tres cosas.
Primero, la frecuencia. Una tarea que se repite varias veces por semana compensa el esfuerzo. Una tarea trimestral le cuesta un mes de preparación para ahorrar una hora al año. Después, la estructura. La tarea necesita una entrada clara y una salida clara, porque con eso sí puede trabajar la IA. Cuando un responsable de equipo le diga "a veces de una manera, a veces de otra, y depende de la intuición", apártela. Por último, la medibilidad. Si hoy no sabe cuántas horas lleva ese trabajo, dentro de un mes no sabrá si la IA ayudó. Mídalo antes de arrancar el piloto.
Ahora sabe qué quiere resolver. Es momento de elegir las herramientas.
No tiene sentido comprar una herramienta y luego buscarle un caso de uso. Parta del proceso, no de la tecnología. En la práctica, eso significa que lo que más pesa es dónde trabaja ya su gente.
Si la empresa vive en Outlook, Teams y SharePoint, el camino más rápido es Microsoft Copilot para M365. Resume correos, genera presentaciones, crea borradores en Word. Y como vive dentro de las aplicaciones que la gente ya tiene abiertas todo el día, la adopción no le cuesta casi nada. La licencia ronda los 30 EUR por usuario al mes.
ChatGPT Enterprise o Business es más universal y encaja con equipos que generan textos, analizan documentos y trabajan con datos fuera del mundo Microsoft. El nivel Business parte de 25 EUR por usuario al mes.
Notion AI solo tiene sentido si ya usa Notion como base de conocimiento o herramienta de proyectos. La IA está integrada de forma nativa, así que responde sobre sus propios documentos sin que tenga que subir nada a ninguna parte.
A los equipos en Jira y Confluence les sirve Atlassian Intelligence con Rovo, que busca en todo el ecosistema de Atlassian. Con cientos de páginas de Confluence, esa es la diferencia entre "lo tenemos escrito en alguna parte" y "aquí está".
Y Slack AI le resume el canal que lleva dos días sin poder leer, o rescata la respuesta enterrada en un hilo de hace medio año.
No compre licencias para toda la empresa. Empiece con 5-15 personas que ejecutarán el piloto. Acuerden quién tiene acceso a qué herramienta, dónde se guardan las salidas y quién las revisa.
Vigile una cosa en particular. Los datos personales, los datos financieros sensibles y los secretos comerciales no entran en la IA, y esa regla tiene que existir antes de que nadie reciba su primera licencia. No necesita una política de 20 páginas. Basta con una.
Tiene la herramienta, tiene el acceso configurado. Ahora llega la parte más difícil. Convencer a la gente de que la use de verdad.
En cada equipo que forme parte del piloto, identifique a una persona entusiasta de la tecnología. No tiene por qué ser alguien de IT. Puede ser una responsable de marketing, un comercial o un account manager. Lo importante es que esa persona quiera probar cosas nuevas y no le dé reparo preguntar.
Estas personas son sus referentes de IA. Deles uno o dos días extra de formación, y luego ellos ayudan a sus colegas dentro de su propio equipo. Esto funciona 10 veces mejor que una formación centralizada para 50 personas en una sala de reuniones, porque el colega está dos mesas más allá y preguntarle no cuesta nada.
Enseñe a la gente cuatro pasos que valen para cualquier prompt.
Empieza por la tarea, y la tarea tiene que ser concreta. No "escribe algo sobre el producto", sino "escribe 3 versiones de un correo de presentación para un cliente potencial del sector logístico". Luego el contexto. Adjunte los datos, los ejemplos, las salidas anteriores. Un modelo no sabe nada que usted no le diga, y la mayoría de las salidas malas son en realidad contexto que falta. Después la salida. Diga por adelantado si quiere viñetas, una tabla o texto continuo, y de qué longitud, o hará una segunda ronda.
Y al final la revisión. Nada de lo que produce una IA sigue adelante hasta que una persona lo ha leído. Esta regla no tiene excepciones.
Vigile tres números. Cuántas personas del grupo piloto abren realmente la herramienta al menos 3 veces por semana. Cuántos minutos u horas por semana ahorra un proceso concreto, algo que averigua preguntando directamente a las personas y pidiéndoles que lo registren. Y si las salidas son comparables o mejores que antes, según quienes trabajan con ellas después.
El número de prompts al día no le dice nada sobre el valor. La sensación de "wow" en la primera demo se desvanece en una semana. Y el número de herramientas instaladas mide la compra, no la utilidad.
La cuarta semana trata de datos concretos y decisiones.
Recopile datos del grupo piloto. Para cada uno de los 3 procesos piloto, responda:
La última pregunta es la que importa. Si la respuesta es no, habrá terminado un piloto, pero no habrá implantado nada.
Para cada piloto, tome una de tres decisiones.
Escale si funciona, la gente lo usa y ayuda de forma medible. Amplíelo a más equipos.
Ajuste si intuye el potencial pero algo chirría. Cambie la herramienta, cambie el proceso o dé más formación, y concédale otras 2 semanas.
Deténgalo si no funciona. La IA no tiene sentido para este proceso concreto. Eso no es un fracaso. Se ha ahorrado un año empujando algo que nunca iba a cuajar.
A partir del piloto, redacte una política interna sencilla:
Calcule los costes reales. Las licencias son la partida menor. La mayor es el tiempo que la gente dedica a formación y administración, y precisamente ese es el que los presupuestos suelen olvidar. Compárelo con el tiempo ahorrado. Casi siempre el ROI sale claro. Si no lo es, eligió el proceso equivocado para automatizar.
Realizamos un AI Skills Sprint para una empresa mediana de Eslovaquia. Cuando empezamos, su relación con la IA era "unas cuantas personas probaron ChatGPT para escribir correos". Sin estructura, sin medición, sin reglas.
En 4 semanas, pasamos de "probamos ChatGPT por diversión" a tener 3 flujos de trabajo en producción que ahorran 25 horas por semana. Un equipo automatizó la preparación de propuestas comerciales. Otro usó la IA para resumir llamadas con clientes. El tercero la usó para generar los primeros borradores de documentación técnica.
La clave no fueron las herramientas. Fue el enfoque estructurado para identificar dónde tiene sentido realmente la IA, y dónde no.
Si quiere incorporar la IA a su empresa y no sabe por dónde empezar, póngase en contacto con nosotros. No intentaremos venderle herramientas. Le ayudaremos a encontrar los procesos donde la IA ahorra tiempo y dinero de verdad, y le guiaremos a lo largo de todo el plan de 30 días.
Escríbanos y concertaremos una llamada introductoria sin compromiso.
Fundador y responsable técnico de Rise.sk. Diseña y entrega aplicaciones web, sistemas de datos y automatizaciones, y escribe sobre decisiones de software, IA y servicios digitales.
Los modelos chinos están ahora a meses, no a años, de la frontera estadounidense, y a una fracción del coste. Para una empresa europea la verdadera pregunta no es quién gana la carrera, sino si conviene usarlos y cómo.
OpenAI dice que GPT-5.6 Sol supera a Claude Fable 5 en programación por un tercio del coste. Anthropic dice que Fable 5 lidera en capacidad bruta. Ambos tienen razón. Aquí tiene qué modelo gana qué trabajo.
Los tokens de API pueden costar menos que una hora de desarrollador, pero no son todo el proyecto. Una comparación práctica del uso del modelo, la revisión, las pruebas y los costes operativos.
Su contexto determina la respuesta
