La innovación ya ha empezado
Diario de Innovación #389
Durante décadas, las empresas han creído que eran ellas quienes decidían qué herramientas utilizaban sus empleados.
Seleccionaban el software.
Negociaban las licencias.
Diseñaban los procesos.
Y, una vez tomada la decisión, llegaba el momento de formar a toda la organización.
La innovación descendía desde la dirección hacia el resto de la empresa.
Pero esa lógica se está rompiendo.
No por culpa de la inteligencia artificial.
Sino porque las mejores herramientas ya no llegan primero a las empresas. Llegan primero a las personas.
Hace veinte años ocurrió con Gmail.
Mientras muchas organizaciones seguían defendiendo sus servidores de Exchange, millones de usuarios ya utilizaban Gmail porque simplemente funcionaba mejor. Ofrecía más capacidad, mejor búsqueda y una experiencia de uso muy superior. Los empleados no esperaron a que su departamento de IT aprobara el cambio. Empezaron a utilizarlo en su vida personal y, poco a poco, esa expectativa acabó entrando en la empresa.
Después llegaron Dropbox, WhatsApp, Slack…
Y ahora estamos viviendo exactamente el mismo fenómeno con ChatGPT, Claude o Gemini.
La diferencia es que esta vez el impacto es mucho mayor.
Un reciente artículo de Harvard Business Review describe una escena que probablemente se esté repitiendo en miles de empresas de todo el mundo.
En un gran banco central, los empleados trabajan con sus portátiles corporativos, donde no tienen acceso a herramientas de inteligencia artificial.
Pero, junto a ellos, mantienen abierto su portátil personal.
En la pantalla no hay redes sociales.
Ni correo electrónico.
Está ChatGPT, Claude o cualquier otro modelo de lenguaje.
No porque quieran saltarse las normas.
Ni porque pretendan poner en riesgo la información de la organización.
Simplemente porque necesitan terminar antes su trabajo.
Porque les ayuda a escribir un informe.
A resumir un documento.
A preparar una presentación.
A entender un procedimiento complejo.
A eliminar fricción.
Y esa diferencia lo cambia todo.
Quizá no sea Shadow AI
Las empresas suelen describir este fenómeno con una expresión que ya se ha hecho habitual: Shadow AI.
La idea transmite la sensación de que existe un problema de cumplimiento normativo que debe ser controlado.
Y, por supuesto, existen riesgos reales relacionados con la privacidad, la propiedad intelectual o la seguridad de la información.
Pero quizá ese nombre nos esté haciendo mirar en la dirección equivocada.
Porque el empleado no está buscando utilizar inteligencia artificial.
Está buscando trabajar mejor.
La IA es simplemente la herramienta que hoy resuelve ese problema con más eficacia.
Mañana será otra.
Lo verdaderamente interesante no es la tecnología.
Es la necesidad que está revelando.
Cada vez que un empleado abre una herramienta de IA por su cuenta, está enviando una señal a la organización.
Está diciendo:
“Aquí hay un proceso demasiado lento.”
“Aquí hay una tarea repetitiva.”
“Aquí hay una herramienta corporativa que ya no responde a lo que necesito.”
Eso no es un incidente. Es información estratégica.
La demanda ya no nace en IT
Durante años, el proceso era siempre el mismo.
La empresa elegía una tecnología. Los empleados aprendían a utilizarla.
Hoy ocurre exactamente al revés.
Un empleado descubre una herramienta. Comprueba que le permite ahorrar tiempo.
La comparte con dos compañeros. Después con todo el equipo.
Y meses más tarde la organización crea un grupo de trabajo para estudiar cómo implantarla de forma oficial.
La innovación ya ha ocurrido cuando empieza el proyecto de transformación.
Eso significa que la dirección ha dejado de ser el punto de partida de muchas innovaciones tecnológicas.
Ahora actúa como mecanismo de escalado, gobierno y estandarización.
El descubrimiento ocurre mucho antes.
Y ocurre mucho más cerca del trabajo real.
Escuchar antes que prohibir
El artículo de Harvard Business Review propone una idea sencilla: en lugar de limitarse a perseguir el Shadow AI, las organizaciones deberían preguntarse qué está intentando resolver cada uno de esos usos no autorizados.
Es un cambio de perspectiva muy interesante.
Porque detrás de cada uso espontáneo de una herramienta de IA puede esconderse una oportunidad de automatización, un proceso mal diseñado o una necesidad que nadie había identificado.
En lugar de interpretar esas herramientas como una amenaza, pueden convertirse en el mejor mapa posible para priorizar la adopción de la IA dentro de la empresa.
No diseñado por una consultora.
Ni por un comité de innovación.
Sino por las personas que conviven cada día con los problemas reales del negocio.
La innovación siempre deja pistas
Existe una tentación muy humana de pensar que la transformación digital comienza cuando se aprueba un presupuesto o se firma un contrato con un proveedor.
Pero casi nunca sucede así.
La verdadera transformación empieza mucho antes.
Empieza cuando alguien encuentra una forma mejor de hacer su trabajo.
Si suficientes personas repiten ese mismo comportamiento, la organización tiene dos opciones.
Intentar detenerlo.
O entender qué necesidad está poniendo de manifiesto y convertirla en una capacidad compartida.
Porque quizá la pregunta más importante que debería hacerse cualquier empresa ya no sea qué modelo de IA va a desplegar el próximo año.
Sino una mucho más incómoda, ¿qué herramientas están utilizando hoy tus empleados sin que tú lo sepas?
🌍 El eco del mercado
🛡️ Anthropic convierte la seguridad de sus modelos en producto. Anthropic refuerza las protecciones de Fable/Mythos y publica un marco para clasificar jailbreaks vinculados a capacidades cyber avanzadas. No es solo seguridad: es gestión del riesgo antes de que los modelos especializados entren en producción real.
🎮 Microsoft recorta Xbox para financiar la guerra de la IA. Microsoft despide a miles de empleados y vende varios estudios de Xbox en plena reasignación de capital hacia inteligencia artificial. El gaming vuelve a ser negocio, pero la IA ya es prioridad estratégica.
📉 El ROI de la IA sigue atrapado en la niebla presupuestaria. Muchos directivos admiten tener una comprensión limitada de los presupuestos de IA, mientras productividad y ahorros de costes caen. La brecha no está solo en la tecnología, sino en la visibilidad de gestión.
🗂️ La gobernanza del dato vuelve al centro de la resiliencia empresarial. La gobernanza del dato aparece como condición para mejorar resultados de IA, reforzar confianza y construir resiliencia operativa. La promesa de la IA depende cada vez más de la calidad del sistema que la alimenta.
💧 El cuello de botella de la IA también está bajo tierra. Un estudio propone refrigerar centros de datos con acuíferos subterráneos a 13 °C para reducir el enorme consumo eléctrico asociado al enfriamiento. La infraestructura IA empieza a mirar al subsuelo.
🇨🇳 Huawei busca más rendimiento sin esperar a ASML. Huawei prepara un nuevo chip móvil con una arquitectura que aumenta la densidad de transistores sin depender de nodos más avanzados ni nueva litografía. China sigue buscando rodeos técnicos al bloqueo tecnológico.
🚕 Los robotaxis pueden ser el próximo mercado industrial de un billón. Morgan Stanley estima que el mercado global de robotaxis alcanzará el billón de dólares en 2040, con China acelerando gracias a costes de fabricación más bajos.
🚫 Alibaba veta Claude Code y la IA corporativa entra en modo frontera. Alibaba prohíbe a sus empleados usar Claude Code por preocupaciones de seguridad ligadas al acceso desde China. El uso de herramientas de IA empieza a cruzarse con geopolítica, cumplimiento y control interno.
🇪🇺 Station F quiere convertir París en rampa europea de startups de IA. Station F refuerza su aceleradora F/ai para posicionarse como plataforma de lanzamiento de startups europeas de inteligencia artificial. Europa intenta pasar de la regulación al músculo emprendedor.
🌐 La carrera EE. UU.–China por la IA ya no es una sola carrera. La competencia global en IA aparece como una combinación de modelos, chips, energía, software, plataformas y activos nacionales complementarios. OpenAI, Anthropic, Google y Nvidia no compiten solo por producto, sino por arquitectura industrial.
🦠 El ransomware autónomo marca un salto inquietante. Investigadores detectan JadePuffer, descrito como el primer ataque de ransomware generado íntegramente por un agente de IA autónomo, con capacidad de adaptación durante la ofensiva.
🧠 La capa humana sigue siendo el punto débil de la ciberseguridad. La industria ha construido defensas técnicas enormes, pero los atacantes explotan cada vez más la decisión humana: confianza, urgencia, error y manipulación.
🕵️ Los trackers ya no necesitan cookies para seguirnos. Nuevas técnicas permiten identificar usuarios sin depender de cookies tradicionales. El navegador se convierte
📍 Google cruza otra línea con el seguimiento por IP. Google empezará a usar direcciones IP para medición publicitaria también en Reino Unido y el Espacio Económico Europeo. La publicidad digital busca mantener precisión mientras aumenta la presión regulatoria.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD. Si esta reflexión te ha resultado interesante, estos libros ayudan a entender cómo se propagan las innovaciones dentro de las organizaciones y por qué las personas adoptan antes una tecnología que las propias empresas:
Crossing the Chasm, de Geoffrey A. Moore.
Diffusion of Innovations, de Everett M. Rogers.
The Innovator’s Dilemma, de Clayton M. Christensen.
PD2. Herramientas para experimentar con IA de forma segura. Si quieres experimentar con modelos locales, agentes o flujos de trabajo avanzados con IA, merece la pena invertir en un equipo pensado para ello. Estas son algunas opciones muy interesantes:
Mac mini con chip M4: una de las mejores relaciones rendimiento/consumo para desarrollar con LLM, ejecutar modelos cuantizados y trabajar con herramientas como LM Studio, Ollama o Docker.
Mini PC con GPU NVIDIA RTX: equipos compactos equipados con RTX 4070, 4080 o superiores, ideales para inferencia local, visión artificial y generación de imágenes gracias al amplio soporte del ecosistema CUDA.
Workstation con GPU AMD Radeon: una alternativa cada vez más interesante para IA gracias a ROCm y al creciente soporte de frameworks abiertos.
Sobremesa ampliable: si buscas una inversión a largo plazo, un PC con una GPU dedicada (NVIDIA GeForce RTX 5070/5080 o AMD Radeon RX 9070 XT, por ejemplo) te permitirá ir ampliando memoria, almacenamiento y potencia según evolucionen los modelos.
Cada vez más profesionales están montando un “AI Lab” en casa. Igual que hace unos años bastaba con tener un portátil potente para programar, hoy disponer de un equipo capaz de ejecutar modelos localmente se está convirtiendo en una ventaja diferencial para experimentar, aprender y prototipar sin depender siempre de la nube.