Por qué los directivos deben aprender IA ellos mismos (y no delegarlo a IT)
Ya sabes usar Excel. Probablemente no sabes escribir macros en VBA, pero entiendes qué puede hacer una hoja de cálculo, qué pregunta tiene sentido hacerle y cuándo el resultado no cuadra. Esa comprensión — sin ser técnico — es la que te da control estratégico sobre los números de tu empresa. — Jorge Valero, Director de Tecnología e IA.
La IA está exactamente en ese mismo punto. Y la decisión que tomes ahora sobre si entenderla tú o delegarla a IT va a determinar quién tiene el control estratégico en tu organización durante los próximos cinco años.
Por qué IT es el departamento equivocado para liderar esto
No es una crítica a IT. Es una cuestión de competencias.
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.
Cuando un equipo técnico lidera la implementación de IA sin dirección estratégica clara del negocio, ocurre siempre lo mismo: se elige la plataforma más conocida o la que mejor conoce el equipo, se construye lo que es técnicamente posible, y tres meses después hay algo funcionando que nadie usa porque no resuelve el problema correcto.
El problema correcto no es un problema técnico. Es saber qué procesos de tu empresa tienen suficiente volumen repetitivo como para que valga la pena automatizarlos. Es saber en qué decisiones necesitas que haya un humano y en cuáles no. Es saber qué datos existen, cuáles son fiables y cuáles no. Ese conocimiento no está en IT — está en quien lleva años tomando decisiones de negocio.
Cuando monté los primeros agentes de IA para gestión interna, la parte que más tardé en resolver no fue técnica. Fue entender qué quería exactamente el sistema que hiciera. Las instrucciones vagas producen agentes vagos. Y nadie puede dar instrucciones precisas sobre un proceso que no entiende en profundidad.
| Cuando IT lidera sin comprensión de negocio | Cuando el directivo entiende la herramienta |
|---|---|
| Se automatiza lo que es fácil de automatizar | Se automatiza lo que más impacto tiene |
| El sistema resuelve el problema técnico | El sistema resuelve el problema de negocio |
| Adopción baja — la gente lo rodea | Adopción alta — encaja en el flujo real |
| El directivo no puede evaluar si funciona bien | El directivo detecta problemas antes que el sistema |
| Cada ajuste requiere un ticket a IT | Muchos ajustes se hacen en minutos directamente |
Qué significa realmente «aprender IA» para un directivo
No significa programar. No significa entender cómo funciona un transformer ni qué es el fine-tuning. Significa cuatro cosas concretas:
Saber qué puede hacer un agente de IA — y qué no
Un agente de IA recibe un objetivo, lo desglosa en pasos y los ejecuta en lenguaje natural. Puede analizar documentos, redactar, buscar información, tomar decisiones según criterios que tú defines, coordinarse con otras herramientas. Lo que no puede hacer bien: juicio en situaciones ambiguas, datos de baja calidad, instrucciones vagas. Un directivo que entiende esto diseña procesos donde la IA amplifica al equipo, no donde lo reemplaza mal.
Saber hacer las preguntas correctas antes de aprobar un proyecto
¿Qué problema concreto resuelve? ¿Cómo se mide si funciona? ¿Qué pasa cuando falla? ¿Quién supervisa? ¿Con qué datos trabaja y son fiables? Un directivo que sabe hacer estas preguntas descarta el 80% de los proyectos de IA que no van a funcionar antes de gastar un euro en ellos.
Entender el coste real
La IA de empresa no es cara. Un agente bien construido para un proceso concreto puede costar entre 200€ y 2.000€ al mes en infraestructura, dependiendo del volumen. Eso es menos que un administrativo a media jornada. Un directivo que entiende esto puede evaluar propuestas sin depender de que IT le explique si el precio es razonable.
Haber construido algo, aunque sea pequeño
La diferencia entre haber leído sobre IA y haber construido aunque sea un agente sencillo es enorme. No en el resultado — en la comprensión de qué se necesita para que funcione. Es la misma diferencia entre leer sobre gestión de proyectos y haber gestionado uno.
Lo que ocurre cuando el directivo sí entiende la herramienta
He visto dos patrones muy distintos en empresas que implementan IA. En el primero, IT propone, el directivo aprueba presupuesto y espera resultados. En el segundo, el directivo tiene criterio propio sobre qué construir, cómo medirlo y cuándo pivotar.
En el segundo patrón, los proyectos son más pequeños al principio — más acotados, más concretos — y funcionan. En el primero, los proyectos son más grandes, más ambiciosos y raramente llegan a producción.
Un ejemplo concreto: un sistema de seguimiento de compromisos para un directivo con 15-20 reuniones semanales. El sistema recibe notas y transcripciones en texto libre y extrae automáticamente compromisos estructurados — con quién, para cuándo, qué exactamente — clasificados por urgencia. No es un proyecto de seis meses. Se construyó en días. Funciona porque quien lo encargó sabía exactamente qué necesitaba: no «algo que gestione reuniones», sino «que me diga el lunes quién está esperando algo de mí esta semana».
Esa precisión no viene de ser técnico. Viene de entender la herramienta lo suficiente como para describir el problema con exactitud.
El AI Act no es la razón principal, pero añade contexto
Desde febrero de 2025, el AI Act de la UE está en vigor. Para la mayoría de las empresas medianas, lo que implica de forma inmediata es que los empleados que interactúan con sistemas de IA necesitan un nivel básico de comprensión. Eso es el mínimo legal.
El mínimo legal y la ventaja competitiva son dos cosas distintas. Cumplir el AI Act significa que tu gente sabe que la IA existe y puede hacer cosas. La ventaja competitiva significa que tú, como directivo, sabes qué construir, cuándo parar y cómo evaluar si está funcionando.
Nadie gana cuota de mercado por cumplir regulaciones. Se gana por hacer mejor las cosas que el resto hace mal.
Por dónde empezar sin perderse
El error más común es intentar entender la IA de forma horizontal — leer mucho, hacer cursos cortos online, ver demos. El problema es que sin contexto práctico, la información no se convierte en criterio.
Lo que funciona es aprender en vertical: coger un problema concreto de tu empresa, construir algo que lo resuelva parcialmente, y entender por qué funciona o por qué no. En ese proceso, aprendes más sobre qué puede hacer la IA en tu contexto específico que en horas de teoría.
El segundo paso es identificar tus dos o tres procesos de alto volumen y baja complejidad de decisión — los candidatos naturales a automatización. No los más complejos. Los más repetitivos. Ahí es donde el ROI es más claro y más rápido, y donde la curva de aprendizaje tiene menos riesgo.
Si quieres ver cómo funciona este proceso en la práctica con casos reales de tu sector, el programa del curso presencial está diseñado exactamente para eso: un día, tu empresa como contexto desde la primera hora.
Preguntas frecuentes
¿Cuánto tiempo necesita un directivo para entender la IA a nivel operativo?
La comprensión operativa básica — suficiente para tomar decisiones de negocio, evaluar propuestas y supervisar implementaciones — se puede adquirir en un día de formación práctica intensiva. La condición es que el aprendizaje use casos reales del sector propio y que incluya construcción de herramientas, no solo demostraciones. Sin práctica, el conocimiento teórico no se convierte en criterio.
¿No es suficiente con tener un buen equipo de IT o contratar una consultora?
Para implementar la infraestructura técnica, sí. Para decidir qué construir, con qué datos, para resolver qué problema de negocio — no. Esas decisiones requieren conocimiento del negocio combinado con comprensión de qué es posible con la IA. Si el directivo no tiene esa comprensión, delega decisiones estratégicas a personas que no tienen el contexto de negocio para tomarlas bien. El resultado habitual son implementaciones técnicamente correctas que nadie usa.
¿Qué diferencia hay entre un agente de IA y una automatización con herramientas como Zapier o Make?
Una automatización clásica (Zapier, Make, n8n) sigue flujos deterministas: si ocurre X, haz Y. No razona, no adapta, no maneja excepciones. Un agente de IA recibe un objetivo en lenguaje natural, decide los pasos para alcanzarlo, maneja variaciones y excepciones, y puede coordinarse con otras herramientas. La diferencia práctica: una automatización gestiona el 80% de los casos estándar; un agente puede gestionar también el 20% de excepciones que antes requerían intervención humana.
¿Por qué el aprendizaje online no es suficiente para directivos?
Los cursos online genéricos de IA están diseñados para audiencias amplias con ejemplos genéricos. Un directivo necesita ver cómo aplica la IA a sus procesos específicos, en su sector, con sus datos. Sin ese contexto, la información se queda en conocimiento abstracto que no se traduce en decisiones concretas. La comprensión operativa requiere práctica en contexto propio, no teoría en contexto ajeno.
¿Qué es lo mínimo que necesita saber un directivo sobre IA para no tomar malas decisiones?
Cuatro cosas: qué puede hacer un agente de IA y qué no puede, cómo se mide si una implementación está funcionando, qué preguntas hacer antes de aprobar un presupuesto de IA, y cuáles son los procesos de su empresa más adecuados para automatizar primero. Con eso es suficiente para evitar los errores más caros y para supervisar implementaciones con criterio real.
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 →
