Casos de uso de IA por departamento: dónde ahorra tiempo, dónde falla y cómo medir un piloto
Dónde ahorra tiempo la IA en cada departamento, dónde falla y cómo hacer un piloto que termine en una decisión clara.
En este tema: Tecnología y datos 18
Un tercio de las empresas de 10 o más empleados en España ya usaba inteligencia artificial en el primer trimestre de 2026 (fuente: INE, octubre de 2026). La pregunta ya no es si usarla, sino dónde. Los casos de uso de IA en atención al cliente muestran sus dos caras: en un estudio con 5.179 agentes de soporte, un asistente de IA aumentó un 14% de media los casos resueltos por hora (fuente: NBER, noviembre de 2023). En Canadá, en cambio, un tribunal declaró responsable a una aerolínea porque el chatbot de su web sugirió, por error, que un cliente podía pedir con efecto retroactivo una tarifa por fallecimiento de un familiar (fuente: BC Civil Resolution Tribunal, febrero de 2024).
Misma tecnología, resultados opuestos: en el estudio, la IA ayudaba a los agentes; en la aerolínea, el chatbot respondía solo. La diferencia la marcan la tarea, los controles y la medición.
La IA ahorra más tiempo en tareas repetitivas y con mucho texto, siempre que una persona revise el resultado antes de que llegue a un cliente, a un candidato o a la contabilidad. Falla cuando inventa respuestas, cuando datos confidenciales acaban en herramientas públicas o cuando nadie vigila el costo. Mida primero, acuerde cuándo parar o ampliar y decida con números.
- Departamentos
- Riesgos
- Pilotos
- Costos
Qué cuenta como IA y cuánto la usan las empresas
Para la mayoría de las organizaciones importan dos tipos de IA. Cuántas empresas la usan depende de a quién se pregunte.
La IA generativaIA generativaIA que crea textos, imágenes, código o sonido a partir de una instrucción, llamada prompt. escribe textos, código o imágenes a partir de una instrucción. Los asistentes de chat funcionan con un modelo de lenguaje grandeModelo de lenguaje grandeEl modelo detrás de un asistente de chat, entrenado con enormes cantidades de texto para predecir qué palabras siguen. En inglés, LLM. que predice qué palabras encajan a continuación, así que el resultado se lee bien incluso cuando es falso. La IA predictiva aprende del historial de su empresa para estimar lo que viene, como qué cliente puede irse o qué asiento contable parece raro, y a menudo ya está integrada en el software de contabilidad, planificación o gestión de clientes (CRM). Más recientes son los agentes de IAAgente de IASoftware que usa un modelo de IA para encadenar pasos por sí solo, como leer un correo, comprobar existencias y crear un pedido., que encadenan varios pasos por su cuenta.
| Encuesta | A quién cuenta | Qué encontró |
|---|---|---|
| INE, España | Empresas de diez o más empleados en España, primer trimestre de 2026 | El 33,6% usó IA; entre las de menos de 10 empleados, el 21,4% (fuente: INE, octubre de 2026) |
| Eurostat, Unión Europea | Empresas de la UE de diez o más empleados | En 2025, el 20,0% usaba IA, frente al 13,5% en 2024 (fuente: Eurostat, diciembre de 2025) |
| Cetic.br, Brasil | Empresas brasileñas de diez o más personas empleadas, de febrero de 2025 a enero de 2026 | El 17% usaba IA, frente al 13% en 2024; entre las grandes, el 50% (fuente: Cetic.br, junio de 2026) |
Las cifras no se comparan una a una: cambian el año, el tamaño y la pregunta. En Colombia, un estudio del BID con datos del DANE de 2019-2020, anteriores a los asistentes de IA generativa, situó la adopción en el 6,1% de las empresas manufactureras y en el 20,7% de las grandes (fuente: BID, diciembre de 2024).
Donde se distingue por tamaño, el patrón se repite: cuanto mayor es la empresa, más usa la IA. Pero que el uso crezca no significa que el beneficio llegue solo: en la encuesta global de McKinsey, el 37% dice que la IA ha contribuido positivamente al EBIT (resultado antes de intereses e impuestos), prácticamente igual que en 2025 (fuente: McKinsey, agosto de 2026).
Casos de uso de IA por departamento, y la revisión que necesita cada uno
La IA rinde con texto, tareas repetidas y patrones en el historial. En todos los departamentos rige la misma regla: la IA prepara, una persona decide.
| Departamento | Lo que la IA hace bien | La revisión humana que necesita |
|---|---|---|
| Finanzas | Codificar facturas de proveedores, conciliar cobros, señalar asientos inusuales, redactar el comentario del cierre | El controller revisa una muestra de códigos e impuestos y coteja cada cifra del comentario con la contabilidad: un modelo de lenguaje no es una calculadora |
| Ventas y marketing | Borradores de ofertas, textos de producto y boletines, resúmenes de cuentas, puntuación de oportunidades | Un comercial revisa cada promesa, precio y afirmación; las puntuaciones se vigilan por si repiten viejos hábitos |
| Atención al cliente | Respuestas sugeridas desde su base de conocimiento, resúmenes de llamadas, clasificación de consultas | Los agentes editan antes de enviar, el chatbot solo trata temas aprobados y siempre se puede hablar con una persona |
| Recursos humanos | Ofertas de empleo, descripciones de puestos, consultas internas sobre políticas | Se revisa el lenguaje en busca de sesgos; las decisiones sobre candidatos las toman personas |
| Operaciones | Previsiones de demanda, rutas, lectura de órdenes de trabajo, señales de mantenimiento | Un planificador corrige las previsiones de productos nuevos y promociones; las señales se contrastan con averías reales |
| TI | Ayuda con código, scripts y fórmulas, resúmenes de incidencias, respuestas de primer nivel | Un compañero con experiencia revisa el código; nada de contraseñas en las instrucciones; solo herramientas aprobadas |
El estudio del principio muestra dónde cae la ganancia: los agentes nuevos y menos cualificados mejoraron un 34%, los experimentados apenas nada, y los investigadores lo atribuyen a que la IA transmite las buenas prácticas de los trabajadores más capaces (fuente: NBER, noviembre de 2023). La IA elevó el nivel mínimo del equipo; no lo sustituyó.
IA en la selección de personal: más cuidado con las decisiones sobre personas
Redactar una oferta de empleo con IA es de bajo riesgo. Dejar que un programa ordene o descarte candidatos no lo es: el candidato nunca ve el error, el sesgo se repite a escala y varios países ya lo regulan.
El principio es el mismo en todas partes: decide una persona que sabe explicar por qué, los candidatos saben cuándo interviene la IA y se buscan sesgos en los resultados. Tres ejemplos de cómo lo recoge la ley:
Unión Europea
El Reglamento de IA clasifica como de alto riesgo la IA para el empleo, como los programas que clasifican CV; a agosto de 2026, la Comisión indica que estas obligaciones, que incluyen una supervisión humana adecuada, se aplicarán desde el 2 de diciembre de 2027 (fuente: Comisión Europea, agosto de 2026). En España supervisa la AESIA, junto con las autoridades de vigilancia del mercado (fuente: La Moncloa, junio de 2024).
España
Desde 2021, el Estatuto de los Trabajadores da al comité de empresa derecho a ser informado de los parámetros, reglas e instrucciones de los algoritmos o sistemas de IA que afectan a decisiones sobre las condiciones de trabajo y el acceso al empleo, incluida la elaboración de perfiles (fuente: Cuatrecasas, julio de 2025; Garrigues, junio de 2022). La guía del Ministerio de Trabajo sobre este deber incluye la selección y la contratación (fuente: Garrigues, junio de 2022).
Perú
El reglamento de la Ley 31814 clasifica como de riesgo alto la IA usada para seleccionar, evaluar, contratar o cesar a trabajadores (fuente: El Peruano, septiembre de 2025). Exige supervisión humana e informar de antemano sobre la finalidad del sistema; rige desde el 22 de enero de 2026, con plazos escalonados por sector y tamaño (fuente: Garrigues, septiembre de 2025).
Compruebe las normas allí donde contrata, incluidas las de protección de datos sobre decisiones automatizadas; vea Política de IA y Protección de datos.
Dónde falla la IA, y qué lo evita
La mayoría de los fallos son previsibles, y casi todos tienen un remedio sencillo.
| Riesgo | Qué ocurre | Qué lo evita |
|---|---|---|
| Respuestas inventadas | El modelo afirma con seguridad algo falso, lo que el NIST llama confabulaciónConfabulaciónTérmino del NIST para los contenidos falsos que un modelo presenta con seguridad; también se les llama alucinaciones. (fuente: NIST, julio de 2024). Y responde usted: para el tribunal canadiense, da igual que la información venga de una página estática o de un chatbot (fuente: BC Civil Resolution Tribunal, febrero de 2024). | Trabajar sobre documentos propios, comprobar datos y cifras, y limitar el chatbot a respuestas aprobadas, con paso a una persona |
| Datos confidenciales en herramientas públicas | Alguien pega el expediente de un cliente en un chatbot gratuito. La AEPD, en sus reglas internas, pide impedir que se introduzca información personal, sensible o confidencial en sistemas no autorizados para tratarla (fuente: AEPD, enero de 2026). | Una herramienta de empresa con condiciones escritas sobre los datos, y reglas claras sobre lo que se puede introducir |
| Sesgo | Los modelos pueden amplificar sesgos históricos, sociales y sistémicos (fuente: NIST, julio de 2024): una puntuación de clientes o un ranking de CV repite viejos patrones a escala. | Probar los resultados por grupos antes y durante el uso; deciden las personas |
| Exceso de confianza | Se aceptan resultados que se discutirían si vinieran de un colega; el NIST cita el sesgo de automatización y la dependencia excesiva (fuente: NIST, julio de 2024). | Un responsable que sabe dónde falla la herramienta, revisiones por muestreo y personal que mantiene la habilidad |
| Costos que crecen | Las licencias se multiplican y el pago por uso crece con el uso; la FinOps Foundation advierte de que los precios de los modelos cambian a menudo y pueden moverse con fuerza en cualquier dirección (fuente: FinOps Foundation, octubre de 2026). | Un presupuesto por caso de uso, un informe mensual de consumo y una revisión trimestral de licencias |
En Colombia, la Superintendencia de Industria y Comercio pide abstenerse de tratar datos personales con IA si no hay certeza sobre los posibles daños, o adoptar medidas preventivas, y exige un estudio de impacto de privacidad cuando el riesgo es alto (fuente: SIC, agosto de 2024).
Por qué cuesta detectar el exceso de confianza
En un experimento de campo con 758 consultores de Boston Consulting Group, quienes usaron IA en tareas dentro de las capacidades del modelo completaron un 12,2% más de tareas y las terminaron un 25,1% más rápido (fuente: Harvard Business School, marzo de 2026). En una tarea elegida para quedar fuera de esas capacidades, los consultores con IA acertaron menos que quienes trabajaron sin ella (fuente: Harvard Business School, marzo de 2026).
Los investigadores hablan de una frontera tecnológica irregular: tareas que a las personas les parecen igual de difíciles pueden caer a uno u otro lado (fuente: Harvard Business School, marzo de 2026). El resultado no avisa del lado en que cae, así que cada caso de uso necesita un responsable que sepa dónde deja de ser fiable la herramienta.
Por dónde empezar: valor, viabilidad y riesgo
Pida a cada departamento tres tareas que consuman tiempo y se repitan cada semana, y pase cada una por tres filtros: valor, viabilidad y riesgo.
El valor es lo que la tarea cuesta hoy en horas, retrasos o errores. La viabilidad, si los datos están digitalizados y en un solo lugar, y si una herramienta disponible hace el trabajo. El riesgo, lo que pasa cuando la IA se equivoca y si alguien lo notaría a tiempo.
Una firma de contadores o una asesoría hace mejor en empezar resumiendo la correspondencia de sus clientes antes de la revisión anual que dejando que un modelo revise estados financieros: un error en el resumen sale a la luz en la reunión; uno en la revisión puede acabar firmado. Más abajo, la matriz de puntuación convierte los tres filtros en números.
Cómo medir un piloto de IA
Un piloto sin línea base no demuestra nada. Decida antes de empezar qué mide, sobre qué muestra y qué resultado significa parar, ajustar o ampliar.
Mida la tarea como funciona hoy, pruébela en pequeño durante un plazo fijo, mida lo mismo otra vez y decida con una regla escrita de antemano. Ajustar es una ronda más, no una prueba sin final.
El tiempo ahorrado solo se convierte en dinero cuando alguien decide qué se hace con las horas liberadas. Estrategia de IA explica cómo pasar de pilotos sueltos a resultados en toda la organización.
- 1Mida la línea baseTiempo por elemento, porcentaje de errores y volumen durante al menos dos semanas normales, anotados por quien hace el trabajo.
- 2Escriba la regla de decisiónPor ejemplo: ampliar si el tiempo baja al menos una cuarta parte sin más errores; ajustar y repetir si baja entre una décima y una cuarta parte; parar si baja menos de una décima, o en cuanto un error llegue a un cliente.
- 3Haga un piloto pequeño y acotadoAlgunos entusiastas y algunos escépticos, de cuatro a ocho semanas, en una herramienta con condiciones claras sobre los datos.
- 4Mida tiempo, calidad y costoUn compañero revisa cada semana una muestra al azar. En muestras pequeñas, uno o dos errores de diferencia son ruido: lea la calidad como "no peor" salvo que la diferencia sea grande. Cuente licencias, puesta en marcha y horas de revisión.
- 5Decida y déjelo por escritoPare, ajuste o amplíe según la regla, y anote el caso de uso y su responsable en su registro de herramientas de IA.
¿Está su empresa lista para usar la IA donde compensa?
Responda pensando en su organización y vea qué conviene arreglar primero.
- 1Sabemos qué herramientas de IA usa el personal, incluidas las funciones de IA del software que ya tenemos.
- 2Cada caso de uso de IA tiene una persona con nombre que revisa el resultado antes de usarlo.
- 3Ningún candidato queda descartado por un programa sin que una persona revise la decisión.
- 4El personal sabe que no puede poner datos personales ni confidenciales en herramientas públicas de IA.
- 5Revisamos cada mes el costo de la IA por herramienta y por caso de uso.
- 6Puntuamos los casos de uso candidatos por valor, viabilidad y riesgo antes de elegir un piloto.
- 7Antes de un piloto, medimos cuánto tarda la tarea y cuántos errores tiene.
- 8Cada piloto tiene una regla escrita para parar, ajustar o ampliar.
Guías relacionadas
Todas las guías sobre datos, software, seguridad e IA están en Tecnología y datos.
Matriz de casos de uso de IA y plan de piloto con métricas
A continuación encontrará una matriz para ordenar casos de uso, un ejemplo con tres de ellos y un plan de piloto con métricas, completado para la codificación de facturas de proveedores.
Preguntas frecuentes
¿Qué casos de uso de IA compensan antes?
¿Hace falta un científico de datos para empezar con la IA?
¿Puede el personal introducir datos de clientes en un chatbot de IA?
¿Cuánto cuesta un piloto de IA?
- INE: Encuesta sobre el uso de TIC y del comercio electrónico en las empresas, año 2025, primer trimestre de 2026 (octubre de 2026)
- Cetic.br: TIC Empresas 2025, presentación de resultados (en portugués) (junio de 2026)
- NBER: Generative AI at Work (noviembre de 2023)
- Harvard Business School: Navigating the Jagged Technological Frontier (marzo de 2026)
- Comisión Europea: Ley de IA (agosto de 2026)
- AEPD: Resumen básico de obligaciones y recomendaciones para la gestión de IAG en la AEPD (enero de 2026)