El directivo que ya usa IA en su empresa: perfil real y qué hace diferente
He tenido conversaciones con directivos que ya operan así. No son los que asistieron a una jornada de «IA para empresas» ni los que encargaron un informe de transformación digital. Son los que, en algún momento de los últimos doce meses, se sentaron solos frente a una pantalla y configuraron algo. Un agente, una automatización, un flujo. Algo que funciona en producción y que ellos mismos construyeron o guiaron paso a paso.
La diferencia más visible no es de vocabulario. No hablan de «inteligencia artificial» de forma grandilocuente. Hablan de procesos concretos, costes reales y horas recuperadas. Ese cambio de registro es el primer indicador.
Este artículo describe ese perfil. No como aspiración — como retrato de algo que ya está ocurriendo en España en 2026.
Formación presencial · Madrid
¿Quieres salir de aquí sabiendo hacer esto en tu empresa el próximo 14 de noviembre?
En un día presencial montas tus departamentos agénticos con IA y construyes tu propia app. Sin conocimientos técnicos. Máx. 16 plazas.
Han construido algo pequeño por su cuenta
No aprobaron un proyecto de IA. Construyeron algo ellos mismos, aunque fuera sencillo. Un agente que resume informes semanales. Un flujo que clasifica correos de proveedores. Una herramienta que extrae compromisos de actas de reunión.
La escala no importa tanto como el hecho de haberlo hecho. Porque construir algo — aunque sea pequeño — cambia el tipo de preguntas que haces. Pasas de «¿cuánto cuesta implementar IA?» a «¿qué instrucciones necesita este sistema para no equivocarse en el 20% de los casos difíciles?» Son preguntas de un orden de magnitud diferente.
Esto es lo que les distingue de quienes han visto demos o recibido presentaciones de IT: tienen una comprensión operativa adquirida haciendo, no leyendo. Y esa comprensión no se puede fingir en una reunión de revisión de proyecto.
Muchos de los que conozco usaron Claude Code directamente — no a través de un intermediario técnico, sino ellos, con el terminal abierto. No para programar en el sentido clásico, sino para guiar al sistema con precisión suficiente como para obtener lo que necesitaban. Esa experiencia vale más que diez horas de formación teórica.
Conocen el coste real — sin que nadie se lo tenga que traducir
Cuando les preguntas cuánto cuesta la infraestructura de IA de su empresa, no dicen «no es barato» ni «es asequible». Dan un número: entre 200€ y 2.000€ al mes, dependiendo del volumen de uso. Saben qué parte del coste es el modelo de lenguaje, qué parte es el hosting, y qué parte son las integraciones.
Esto importa porque les hace impermeables a dos tipos de manipulación frecuentes: el proveedor que infla el presupuesto con márgenes opacos, y el equipo interno que exagera la complejidad para justificar recursos. Cuando el directivo sabe que un agente bien construido para un proceso de volumen medio cuesta lo mismo que una persona a media jornada, el contexto de las decisiones cambia completamente.
No necesitan que IT les explique si una propuesta de presupuesto es razonable. Tienen el criterio para evaluarla directamente.
Han identificado sus 2-3 procesos de alto ROI — con precisión
No hablan de «automatizar tareas repetitivas». Hablan de procesos específicos con nombre y apellido. «La revisión de contratos con proveedores ocupa 15 horas semanales de nuestro equipo legal. Ese es el objetivo.» O: «Generamos 40 informes de seguimiento al mes. Cada uno tarda 3 horas. El 70% del contenido es estructurado y predecible.»
Esa especificidad no es accidental. Es el resultado de haber pasado por el ejercicio de mapear sus operaciones con la pregunta correcta: ¿dónde hay volumen alto y complejidad de decisión baja? Esa intersección — mucho volumen, decisiones predecibles — es donde el ROI de la IA es más claro y más rápido.
La diferencia con un directivo que no ha hecho ese ejercicio es inmediata: uno llega a la conversación con tres casos concretos y sus métricas de coste actuales; el otro llega con ideas generales sobre «eficiencia operativa».
| Directivo que aún no opera con IA | Directivo que ya opera con IA |
|---|---|
| «Queremos mejorar nuestra eficiencia operativa con IA» | «La revisión de contratos toma 15h/semana — ese es el primer objetivo» |
| Espera la propuesta de IT o del proveedor | Llega a la reunión con el caso de uso ya definido y sus métricas |
| Evalúa el proyecto por el precio | Evalúa el proyecto por el ROI en horas recuperadas y tasa de error |
| Aprueba presupuesto y espera resultados | Define los criterios de éxito antes de que empiece el desarrollo |
| Necesita que IT le explique si una propuesta es razonable | Evalúa propuestas de proveedores sin intermediario técnico |
Miden en horas recuperadas y tasas de error — no en «nivel de transformación»
Sus KPIs de IA son aburridos en el mejor sentido. No miden «madurez digital» ni «grado de adopción». Miden cuántas horas semanales ha liberado un proceso automatizado, cuántos errores se producían antes y cuántos ahora, y cuánto tarda en completarse una tarea que antes requería intervención manual.
Esa forma de medir tiene una consecuencia directa: saben cuándo algo no está funcionando. Si la tasa de error de un agente sube o las horas recuperadas bajan, lo detectan. No esperan a que el equipo de IT les diga que «el sistema necesita reentrenamiento». Ya lo saben.
También saben cuándo parar. He visto a directivos con este perfil cancelar proyectos de IA a las tres semanas porque los números no cuadraban — y hacerlo sin drama, como cancelarías cualquier otra inversión que no está generando el retorno esperado. Esa capacidad de parar es tan valiosa como la de empezar.
Saben qué preguntar antes de aprobar cualquier proyecto
Tienen un conjunto de preguntas que hacen sistemáticamente antes de aprobar cualquier proyecto de IA, independientemente de quién lo proponga. Algunas de ellas:
- ¿Qué problema concreto resuelve y cómo se mide si está resuelto?
- ¿Con qué datos trabaja el sistema y son fiables?
- ¿Qué pasa cuando el sistema falla o da una respuesta incorrecta?
- ¿Quién supervisa y con qué frecuencia?
- ¿Cuál es el coste mensual de infraestructura en escenario de uso normal?
- ¿Qué ocurre si el proveedor cambia precios o condiciones?
- ¿Cómo se detecta si el sistema empieza a degradarse con el tiempo?
Estas preguntas no son técnicas. Son preguntas de negocio que solo pueden hacer quienes entienden cómo funciona la herramienta. Y son exactamente las que permiten evaluar un proyecto de IA sin necesitar que IT actúe como traductor.
El efecto secundario de tener este criterio es que descarta el 80% de las propuestas antes de gastar un euro. No porque sean malas, sino porque no pasan el filtro básico de tener un problema concreto, una métrica clara y un plan de supervisión real.
Pueden evaluar una propuesta de proveedor sin intermediario
Este es quizás el cambio más práctico. Cuando un proveedor de IA llega a presentar su solución, el directivo con criterio operativo no necesita que IT esté en la sala para entender si tiene sentido. Puede preguntar directamente por la arquitectura del sistema, los costes reales de tokens y hosting, y las condiciones de salida del contrato.
No necesita entender el código. Necesita entender suficiente sobre cómo funciona la IA para saber qué preguntas son las que revelan si una propuesta es sólida o si está llena de humo. Esa competencia — que no es técnica, es criterio — se adquiere habiendo construido algo, aunque sea pequeño.
Lo que NO hacen: no intentan automatizar todo
Este punto es contraintuitivo pero importante. Los directivos que ya operan con IA con criterio real son notablemente selectivos sobre qué automatizan. No lanzan proyectos de IA en todos los departamentos a la vez. Empiezan por un proceso, lo validan, lo estabilizan, y solo entonces expanden. La pregunta de fondo, si la IA te quitará el trabajo, tiene su propio artículo.
Tienen una regla práctica: si no puedes describir el proceso de forma suficientemente precisa como para que un empleado nuevo lo ejecutara correctamente en su primera semana, no está listo para automatizarse. Primero se documenta el proceso, se estandariza y se mide. Después se automatiza.
Esto va en contra del discurso habitual de «transformación digital acelerada», pero produce resultados. Los proyectos pequeños y bien definidos funcionan. Los grandes y ambiciosos raramente llegan a producción.
Este perfil ya no es raro en España
Hace dos años, encontrar un directivo con criterio operativo propio sobre IA era una excepción notable. En 2026, está convirtiéndose en el estándar en empresas que toman decisiones bien. No en todas — todavía hay muchas organizaciones donde la IA se gestiona como un proyecto IT más. Pero en las empresas que están ganando cuota, está apareciendo con regularidad.
La presión viene de varios lados: el AI Act exige que haya supervisión humana competente en los sistemas de IA, los proveedores cada vez más asumen que el interlocutor tiene criterio propio, y los competidores que sí tienen directivos con este perfil están tomando mejores decisiones de inversión más rápido.
Lo que todavía no es el estándar es la velocidad para adquirir ese criterio. La mayoría de los directivos que conozco con este perfil lo desarrollaron de forma lenta y autodidacta — probando, fallando, ajustando. Para quien quiera acelerar ese proceso, la ruta más directa es construir algo en un entorno guiado, con casos reales del propio sector como contexto desde la primera hora.
El programa del curso está diseñado para eso: no para explicar qué es la IA, sino para que al final del día hayas configurado algo que funciona en tu empresa y tengas el criterio para seguir construyendo solo.
Preguntas frecuentes
¿Cuánto tiempo lleva desarrollar criterio operativo real sobre IA como directivo?
La mayoría de los directivos que ya operan con criterio propio tardaron entre 6 y 18 meses de aprendizaje autodidacta. El proceso se puede comprimir significativamente si el aprendizaje incluye construcción práctica de herramientas reales — no demos ni cursos teóricos — con casos del propio sector como contexto. Un día intensivo con ese enfoque puede equivaler a meses de exploración autónoma, porque elimina los callejones sin salida y proporciona el marco correcto desde el principio.
¿Necesita un directivo saber programar para tener criterio operativo sobre IA?
No. El criterio operativo no es saber programar — es saber qué puede hacer la herramienta, qué instrucciones necesita para funcionar bien, cómo se mide si está funcionando y cuándo tiene sentido usarla. Herramientas como Claude Code permiten construir agentes funcionales en lenguaje natural, sin código. Lo que sí requiere es disposición a construir algo real, aunque sea pequeño, porque es el único camino para adquirir comprensión operativa en lugar de conocimiento abstracto.
¿Cuál es la primera señal de que un directivo ya tiene criterio real sobre IA?
La señal más clara es el cambio de registro en las conversaciones: dejan de hablar de «transformación digital» en abstracto y empiezan a hablar de procesos concretos con métricas reales. «La revisión de contratos nos toma 15 horas semanales» en lugar de «queremos ser más eficientes con IA». Ese nivel de especificidad solo aparece cuando se ha hecho el ejercicio de mapear las operaciones propias con la lente correcta — y cuando se ha construido algo, aunque sea sencillo, que obliga a definir el problema con precisión.
¿Por qué los directivos con criterio operativo en IA empiezan siempre con proyectos pequeños?
Porque entienden que la precisión en la definición del problema es el factor determinante del éxito, y esa precisión es más fácil de conseguir en proyectos acotados. Un proceso pequeño y bien definido — con métricas claras, un propietario claro y un plan de supervisión claro — produce resultados medibles en semanas. Ese resultado genera aprendizaje real sobre cómo funciona la IA en el contexto específico de la empresa, que luego se aplica a proyectos más grandes con mucho menos riesgo.
¿Qué diferencia hay entre aprobar un proyecto de IA y tener criterio operativo sobre IA?
Aprobar un proyecto de IA requiere presupuesto y confianza en quien lo propone. Tener criterio operativo requiere haber construido algo, conocer el coste real de la infraestructura, haber definido métricas de éxito propias y saber qué preguntas revelan si una propuesta es sólida. La diferencia práctica: el directivo que aprueba proyectos depende de IT o de consultores para saber si va bien. El que tiene criterio propio lo detecta directamente — y puede tomar decisiones de pivote o parada sin esperar a que alguien le informe.
Sobre Jorge Valero
Director de Tecnología e IA con más de 15 años de experiencia implantando sistemas de datos e inteligencia artificial en empresas medianas y grandes. Instructor y consultor especializado en ayudar a directivos a usar la IA como herramienta de decisión. Conoce mi trayectoria →
