Resumen ejecutivo
En 2024, una empresa de la lista Fortune 500 gastó 12 millones de dólares en licencias empresariales de ChatGPT. Seis meses después, los análisis de uso revelaron una cruda realidad: un 8 % de adopción. El 92 % restante de los empleados lo abrió una vez, quizá dos, y luego volvió a hacer las cosas como antes. El error del director de informática no fue elegir el modelo equivocado. Fue asumir que el acceso equivale a la adopción, como comprar a todo el mundo un abono al gimnasio y preguntarse por qué nadie se pone en forma. El verdadero problema de la IA empresarial no es la capacidad. Es que el 99 % de las personas no saben qué hacer con ella. Y apostar tu futuro por OpenAI, Anthropic o quienquiera que gane la guerra de los modelos significa que te ves atrapado en el paradigma de interacción de otra persona, cuando lo que realmente necesitas es un campo de interacción inteligente, un sistema independiente del modelo que se adapte al trabajo real de las personas, aprenda de su contexto y aumente el valor que tú posees. La adopción no proviene de mejores modelos. Proviene de un mejor diseño de interacción.
La membresía de gimnasio de 12 millones de dólares que nadie utilizó
Déjame contarte un problema que parece un éxito hasta que compruebas los datos.
Una empresa global de servicios financieros, llamémosla Apex, hizo todo lo correcto. Leyó los titulares sobre la transformación de la IA. Creó un grupo de trabajo. Negoció un acuerdo empresarial con OpenAI. Distribuyó licencias de ChatGPT a 15 000 empleados con vídeos de formación, almuerzos formativos y un campeonato ejecutivo.
El correo electrónico del anuncio utilizaba palabras como «revolucionario» y «ventaja competitiva».
Tres meses después, el director de informática hizo una pregunta sencilla: «¿Cuántas personas lo están utilizando realmente?».
La respuesta: 8 %.
No es el 8 % de los posibles casos de uso. No es un 8 % por debajo del objetivo de adopción.
El 8 % de los empleados lo había utilizado más de dos veces.
El otro 92 % lo abrió una vez, le hizo una pregunta genérica, obtuvo una respuesta que estaba... bien... y luego volvió a hacer su trabajo como siempre lo había hecho.
Se gastaron 12 millones de dólares. Adopción del 8 %.
El primer instinto del director de informática fue culpar a la gestión del cambio. «Necesitamos una mejor formación. Necesitamos más casos de uso. Tenemos que mostrarles lo que es posible».
Pero esto es lo que se le escapaba:
El problema no era que la gente no supiera que existía la IA. El problema era que no sabían cómo utilizarla en su trabajo diario.
El problema de la ensalada (o por qué la capacidad no equivale a la adopción)
Sabes que deberías comer más ensalada, ¿verdad?
Sabes que es más saludable que el burrito. Sabes que mejora la energía, la longevidad, todo. Tienes acceso a la ensalada: hay un lugar que la vende a dos cuadras de tu oficina.
Y sin embargo.
No comes ensalada.
No porque no puedas permitírtelo. No porque no creas en sus beneficios. Sino porque el cambio de comportamiento no se produce solo porque exista la opción.
Tendrías que:
- Decide que hoy vas a comer ensalada (carga cognitiva).
- Caminar dos manzanas (fricción)
- Elige entre 47 ingredientes (fatiga por tomar decisiones)
- Convéncete de que vale la pena (motivación)
- Repetir mañana (formación de hábitos)
Y aunque lo hagas una vez, eso no significa que lo volverás a hacer.
El acceso no es sinónimo de adopción.
Esto es exactamente lo que está sucediendo con la IA empresarial en este momento.
Las empresas están comprando «acceso a ensaladas» para todos (licencias de ChatGPT Enterprise, Claude for Work y Copilot) y luego se preguntan por qué la gente sigue comiendo burritos (haciendo su trabajo a la antigua usanza).
Porque esto es lo que nadie está resolviendo:
El 99 % de los empleados no entiende lo que realmente puede hacer la IA en su contexto laboral específico.
Abren ChatGPT. Ven un cuadro de texto en blanco. Piensan: «¿Qué se supone que debo preguntarle a esta cosa?».
Prueban con algo genérico: «Resume este correo electrónico». Funciona. Genial.
Luego lo cierran y vuelven a su trabajo real, que consiste en navegar por siete sistemas, coordinarse con tres departamentos y tomar decisiones basadas en el contexto que existe en su cabeza, no en una indicación.
El problema no es la capacidad. El problema es que la IA no está integrada en la interacción donde realmente se desarrolla el trabajo.
La trampa del modelo de guerra (o: por qué apostar por un solo proveedor dificulta la adopción)
Aquí es donde la mayoría de las empresas empeoran las cosas.
Eligen un proveedor. Digamos que OpenAI. Apuestan todo. Contrato empresarial. Hoja de ruta de integración. Programas de formación diseñados en torno a la interfaz y el paradigma de ChatGPT.
Y entonces se han encerrado en la forma de trabajar de otra persona.
Aquí viene la pregunta incómoda: ¿y si OpenAI no es el ganador?
¿Y si Anthropic les adelanta? ¿Y si los modelos de código abierto (que ya están acortando distancias) se convierten en el estándar? ¿Y si un modelo del que nunca has oído hablar se convierte en el predeterminado en 18 meses?
Acabas de apostar tu estrategia de adopción por un proveedor que podría no ser relevante para cuando la gente descubra realmente cómo utilizarlo.
Es como crear toda tu rutina de gimnasio en torno a un solo aparato y, de repente, ese aparato deja de fabricarse.
Pero aquí está el problema más profundo:
Cuando apuestas por un proveedor, no solo estás apostando por su modelo. Estás apostando por su paradigma de interacción.
ChatGPT piensa en indicaciones y respuestas. Copilot piensa en asistencia documental. Claude piensa en hilos de conversación.
Pero tu empresa no piensa de ninguna de esas maneras.
Tu negocio piensa en episodios y momentos:
- Un cliente llama con una solicitud compleja.
- Un vendedor necesita configurar un presupuesto bajo presión de tiempo.
- Un asegurador está evaluando el riesgo con información incompleta.
- Un director de operaciones está redirigiendo recursos porque un proveedor ha fallado.
No se trata de problemas de respuesta inmediata. Son problemas de campo de interacción, en los que múltiples señales, sistemas y partes interesadas deben coordinarse en tiempo real, y la IA debe aprender de cada resultado.
Apostar por un único proveedor de modelos significa que estás forzando tu diseño de interacción a su paradigma. Eso es ir hacia atrás.
La arquitectura real: campos de interacción inteligente
Déjame llevarte de vuelta a Apex.
Tras el desastre de la adopción del 8 %, dejaron de preguntarse «¿Cómo conseguimos que la gente utilice ChatGPT?» y empezaron a plantearse una pregunta diferente:
«¿En qué aspectos del trabajo real de las personas se pierde valor debido a la ruptura de las interacciones?»
Y esto es lo que descubrieron:
El problema no era que la gente necesitara un chatbot. El problema era que su trabajo se desarrollaba en campos de interacción que no eran inteligentes.
Déjame explicarte lo que quiero decir.
¿Qué es un campo de interacción?
Un campo de interacción es aquel en el que múltiples participantes (clientes, empleados, sistemas, socios) se reúnen para crear valor en un episodio o momento específico.
Ejemplos:
- Solicitud de préstamo (cliente, asegurador, sistema de crédito, cumplimiento normativo, modelo de fijación de precios)
- Una interrupción en la cadena de suministro (alerta de proveedores, sistema de inventario, logística, compromisos con los clientes).
- Una escalada del servicio de atención al cliente (agente, historial del cliente, datos del producto, criterio del supervisor, protocolos de resolución).
No se trata de tareas aisladas. Son sistemas de interacción en los que se crea (o se destruye) valor en función de la calidad del flujo de información, la toma de decisiones y el aprendizaje combinado.
La IA tradicional pregunta: «¿Qué puede hacer el modelo?».
Los campos de interacción inteligente preguntan: «¿Qué debe suceder en este episodio y cómo coordinamos a todos los participantes, tanto humanos como máquinas, para obtener el mejor resultado posible?».
Los cuatro componentes
Apex creó lo que denominó un «campo de interacción inteligente» para su proceso de suscripción de préstamos:
1. Sentido: El sistema captaba señales en tiempo real: datos de los solicitantes, condiciones del mercado, indicadores de riesgo, carga de trabajo de los suscriptores, restricciones normativas e incluso patrones de decisiones anteriores.
2. Razón: Aquí está la parte crítica: el sistema aplicó el criterio de Apex, no el razonamiento genérico de OpenAI. Conocía su apetito de riesgo, sus prioridades estratégicas y sus valores. Y era independiente del modelo: podía utilizar GPT-4, Claude, Llama o Mistral, dependiendo de lo que funcionara mejor para esa tarea de razonamiento específica.
3. Actuar: El sistema coordinaba a todos los participantes: obtenía informes crediticios, señalaba riesgos, prellenaba documentos, elevaba los casos a personas cuando era necesario emitir un juicio y coordinaba con el departamento de cumplimiento normativo.
4. Aprender: Después de cada decisión sobre un préstamo, el sistema preguntaba: ¿Qué funcionó? ¿Qué no funcionó? ¿Qué deberíamos cambiar? Y ese aprendizaje se quedaba en Apex, no se filtraba a la siguiente sesión de formación del proveedor.
¿Qué cambió?
En 90 días, ocurrió algo extraordinario:
La adopción pasó del 8 % al 67 %.
No porque se hayan formado más. No porque hayan creado mejores casos de uso.
Porque la gente dejó de necesitar pensar qué preguntarle a la IA. La IA se integró en la interacción donde realmente se desarrollaba su trabajo.
Los suscriptores no abrieron ChatGPT y pensaron «¿Qué debería preguntar?».
Abrieron un expediente de préstamo y el campo de interacción inteligente ya estaba detectando, razonando, actuando y aprendiendo,en el contexto de su trabajo real.
El sistema vino a ellos. No tuvieron que ir al sistema.
Los usuarios dejaron de navegar por las herramientas. Se centraron en el juicio. El campo de interacción inteligente orquestó todo lo demás.
Diseño independiente del modelo (o por qué no conviene apostar por un solo proveedor)
Esto es lo que hizo Apex y que la mayoría de las empresas no hacen:
Desde el primer día, hicieron que su campo de interacción inteligente fuera independiente del modelo.
No se basaron en la API de ChatGPT. Se basaron en las interaccionesy luego dejaron que el sistema eligiera qué modelo (o combinación de modelos) funcionaba mejor para cada tarea de razonamiento.
¿Para resumir documentos de forma sencilla? Un modelo ligero de código abierto (rápido, barato y suficientemente bueno).
¿Para análisis de riesgos complejos que requieren conocimientos normativos? GPT-4 o Claude (razonamiento más profundo, vale la pena el coste).
¿Para el reconocimiento de patrones en millones de decisiones sobre préstamos? Su propio modelo perfeccionado que funciona con datos propios (ventaja competitiva que poseían).
La arquitectura era independiente de la tecnología. Porque sabían que la guerra de modelos no había terminado, y no iban a ser rehenes de quienquiera que ganara.
Como confirmó una encuesta realizada por Andreessen Horowitz a 100 directores de informática de empresas: la adopción de modelos de código abierto como LLaMA y Mistral se está acelerando, especialmente en las grandes empresas, que se dan cuenta de que la brecha de capacidades se está reduciendo y que la dependencia de un único proveedor es peligrosa.
No apuestes tu estrategia de adopción por un solo proveedor. Crea campos de interacción que funcionen independientemente del modelo que se imponga.
Por qué esto resuelve el problema de la adopción
Volvamos a la analogía de la membresía del gimnasio.
¿Por qué la gente no utiliza las cuotas de gimnasio?
Porque tienes que hacerlo:
- Decidir ir (motivación)
- Conduce hasta allí (fricción)
- Decidir qué equipo utilizar (carga cognitiva)
- Crea tu propia rutina (se requiere experiencia)
- Sigue tu propio progreso (disciplina)
Ahora imagina que el gimnasio viniera a ti. Que conociera tus objetivos. Que diseñara el entrenamiento. Que hiciera un seguimiento automático de tu progreso. Que se adaptara en función de lo que funcionaba.
Esa es la diferencia entre dar acceso a ChatGPT y crear un campo de interacción inteligente.
El acceso les obliga a:
- Recuerda que la herramienta existe.
- Navega hasta él.
- Piensa qué preguntar.
- Traduce la respuesta a su trabajo real.
- Repetir cada vez
Los campos de interacción inteligente eliminan todo eso.
El sistema detecta el episodio en el que se encuentran. Razonando sobre lo que debe suceder. Actúa coordinando el flujo de trabajo. Aprende del resultado.
No adoptan una herramienta. Simplemente hacen un mejor trabajo, y la inteligencia está integrada en la interacción.
Por eso Apex pasó de un 8 % a un 67 % de adopción en 90 días.
No es una mejor formación. Es un mejor diseño.
La trampa de la dependencia de las grandes tecnológicas
Ahora hablemos del otro riesgo del que nadie habla.
Cuando apuestas todo por OpenAI (o Anthropic, o Google), no solo estás apostando por su modelo. Estás creando otra dependencia de las grandes tecnológicas.
¿Recuerdas lo que pasó con la computación en la nube?
Las empresas migraron todo a AWS, Azure o Google Cloud porque era más fácil que gestionar la infraestructura.
Y entonces un día se despertaron y se dieron cuenta:
- No podían irse sin incurrir en enormes costes de cambio.
- El precio era el que decidía el vendedor.
- Toda su operación dependía de las prioridades estratégicas de una sola empresa.
Estamos a punto de hacer exactamente lo mismo con la IA.
Excepto que esta vez, la dependencia es más profunda. Porque no se trata solo de infraestructura, sino de inteligencia. Se trata de la toma de decisiones. Es el sistema que aprende de tus interacciones.
Y si ese sistema es propiedad de OpenAI, Anthropic o quien sea, tú eres un inquilino, no un propietario.
No controlas:
- Lo que aprenden de tus datos
- Cómo fijan el precio del acceso en 24 meses
- Si dan prioridad a tus casos de uso en la próxima versión del modelo.
- ¿Qué pasa si cambian de rumbo, son adquiridos o fracasan?
La estrategia más inteligente es adoptar una arquitectura que priorice la interacción y sea independiente del modelo, lo que denominamos «campos de interacción inteligente», en la que usted controla la coordinación y puede conectar cualquier modelo que le resulte útil.
No dependes de que OpenAI gane. No estás atado a la hoja de ruta de Anthropic.
Estás construyendo un sistema que mejora independientemente de los modelos que se comercialicen.
No crees otra dependencia de las grandes tecnológicas. Crea campos de interacción inteligente que sean de tu propiedad.
La ventaja de la confianza y el contexto
Esto es lo que Apex descubrió tras seis meses de implementación de Intelligent Interaction Field:
No solo estaban resolviendo un problema de adopción. Estaban construyendo una ventaja competitiva.
Porque cada decisión de préstamo que pasaba por su sistema le enseñaba algo a lo que los competidores no tenían acceso:
- ¿Qué señales de riesgo predijeron realmente el incumplimiento (frente a cuáles fueron puro teatro regulatorio)?
- Cómo equilibrar la rapidez y la minuciosidad para los diferentes segmentos de clientes
- ¿Qué decisiones de los suscriptores dieron lugar a los mejores resultados?
- Cómo adaptar los precios en tiempo real en función de la presión competitiva
No se trataba de «conocimientos genéricos sobre IA», sino de información privilegiada sobre cómo Apex crea valor en su campo de interacción.
Y como la arquitectura era independiente del modelo, ellos eran los propietarios, independientemente del modelo base que utilizaran para el razonamiento.
Una investigación del MIT sobre la confianza en las marcas muestra que las marcas admiradas «facilitan, atraen y enriquecen a los clientes» mediante una entrega de valor repetida y fiable. Pero no se puede generar esa confianza alquilando la IA de otra persona.
Se construye diseñando campos de interacción inteligente que aprenden de sus clientes, su contexto y sus valores, y que acumulan esa inteligencia con el tiempo.
Cuando el competidor de Apex firmó un contrato empresarial con ChatGPT e intentó replicar su éxito, obtuvo una capacidad de IA genérica que funcionaba igual para todos.
No obtuvieron 18 meses de aprendizaje acumulado del campo de interacción de Apex.
Ese es el foso.
La economía del campo de interacción
Déjame mostrarte lo que pasó con las cifras de Apex.
Adopción: 8 % → 67 % en 90 días (porque la inteligencia se integró en el trabajo, no se añadió posteriormente).
Tiempo de ciclo: la suscripción de préstamos pasó de 4,2 días a 1,8 días (debido a que el campo de interacción se coordinó automáticamente entre los sistemas y los participantes).
Coste del servicio: se redujo en un 31 % (porque no se filtró el contexto, desapareció el trabajo de reelaboración y la coordinación se automatizó).
Precisión de predicción predeterminada: mejorada del 83 % al 91 % (porque el sistema aprendió de patrones propios en su campo de interacción).
Confianza de los empleados: los suscriptores informaron de un aumento del 40 % en la confianza en las decisiones (porque el sistema complementaba su criterio en lugar de sustituirlo).
Y aquí está la prueba económica:
Los ingresos por asegurador aumentaron un 23 % (porque tramitaron más préstamos con mejores precios de riesgo).
El margen operativo mejoró 280 puntos básicos (debido a que la eficiencia se incrementó sin sacrificar la calidad).
El NPS de los clientes aumentó 18 puntos (porque las decisiones más rápidas y precisas generaron mejores resultados).
Cuando se resuelve el problema de la adopción mediante la creación de campos de interacción inteligente, el valor económico se multiplica, no de forma lineal, sino exponencial.
Porque cada interacción mejora la siguiente. Y tú eres el dueño de la acumulación.
Por qué la independencia del modelo es más importante de lo que crees
Esta es la incómoda verdad sobre las guerras entre modelos:
Nadie sabe quién va a ganar.
En 2023, todo el mundo pensaba que OpenAI era intocable. En 2025, modelos de código abierto como LLaMA y Mistral igualaban su rendimiento. En 2026, DeepSeek superaba a GPT-4 en algunas pruebas de rendimiento y funcionaba con un hardware que costaba una fracción del precio.
La capacidad se está convirtiendo rápidamente en un producto básico.
Entonces, ¿qué es la arquitectura inteligente?
Construye para las interacciones, no para los modelos.
Al campo de interacción inteligente de Apex no le importa si GPT-6, Claude-4 o Llama-5 acaba siendo el mejor modelo. Porque su valor no proviene del acceso al modelo.
Su valor proviene de:
- Diseño de interacción que se adapta al lugar donde trabajan las personas.
- La propiedad del contexto que se acumula con cada decisión.
- Bucles de aprendizaje que hacen que su sistema sea cada día más inteligente.
- Flexibilidad de modelos que les permite utilizar lo que mejor funcione, ahora y en el futuro.
Cuando se produce el siguiente avance en los modelos, lo incorporan. Cuando un modelo se vuelve demasiado caro, lo sustituyen. Cuando el código abierto les alcanza, cambian.
Su ventaja competitiva no es el modelo. Es el campo de interacción inteligente que han creado.
Y sus competidores no pueden alquilar eso a OpenAI.
La elección: teatro de adopción o campos de interacción inteligente
Permítanme volver al punto de partida.
La mayoría de las empresas están haciendo teatro de adopción:
- Compra de licencias ✓
- Sesiones de entrenamiento de carrera ✓
- Creación de bibliotecas de casos de uso ✓
- Medición de métricas de uso ✓
Y luego preguntarse por qué la adopción se queda estancada en el 8 %.
Porque tratan la IA como si fuera una suscripción a un gimnasio: dan acceso a la gente y esperan que ellos mismos averigüen qué hacer con ella.
Las empresas que están resolviendo este problema están creando campos de interacción inteligente:
- Identificar dónde se lleva a cabo realmente el trabajo (episodios y momentos)
- Diseñar sistemas que perciban, razonen, actúen y aprendanen esas interacciones.
- Hacer que los modelos de inteligencia sean independientes, para que no sean rehenes de las guerras entre proveedores.
- Aprovechar el aprendizaje para obtener una ventaja competitiva compuesta
Un enfoque considera la IA como una herramienta que las personas deben adoptar.
El otro incorpora inteligencia en las interacciones donde se crea valor.
¿Adivina cuál alcanza una adopción del 67 % en 90 días?
Vivaldi : campos de interacción inteligente
En Vivaldi, llamamos a este enfoque «campos de interacción inteligente», y se basa en tres principios:
1. Interacción primero, no modelo primero.
Diseña en función de dónde se realiza el trabajo, no de lo que ChatGPT puede hacer. Empieza con episodios y momentos. A continuación, coordina la inteligencia, tanto humana como artificial, para obtener mejores resultados.
2. Independiente del modelo por defecto
No apuestes por un solo proveedor. Crea una arquitectura que pueda utilizar GPT-4, Claude, LLaMA, Mistral o tus propios modelos ajustados en función de lo que mejor funcione para cada tarea de razonamiento. Tu ventaja competitiva no es el acceso al modelo, sino el diseño de la interacción y el aprendizaje propio.
3. Aumentar la inteligencia que posees
Cada interacción debería mejorar la siguiente. Pero ese aprendizaje debe permanecer privado. Crea bucles en los que se produzca el proceso sentido → razón → acción → aprendizaje dentro de los sistemas que controlas, no en la API de otra persona.
Así es como se resuelve el problema de la adopción y se crea una ventaja competitiva al mismo tiempo.
El crecimiento se optimiza por sí mismo (cuando se controla el campo de interacción)
Permítanme terminar con la situación de Apex 18 meses después.
Su campo de interacción inteligente ha procesado 340 000 decisiones de préstamo. Ha aprendido de cada una de ellas.
Y esto es lo que me dijo el director general el mes pasado:
«Antes nos preocupaba la adopción de la IA. Ahora nos preocupan los competidores que no tienen lo que nosotros hemos creado».
Nuestros suscriptores no piensan en «utilizar la IA». Simplemente hacen su trabajo, y el campo de interacción les ayuda a hacerlo mejor. Decisiones más rápidas. Precios de riesgo más inteligentes. Mayor confianza.
Y el sistema sigue aprendiendo. Cada día mejora en la detección de patrones, el razonamiento sobre casos extremos, la coordinación de flujos de trabajo y la mejora de los resultados.
Nuestros competidores pueden comprar los mismos modelos que nosotros utilizamos. Pero no pueden comprar 18 meses de aprendizaje acumulado a partir de interacciones que nosotros hemos diseñado y que nos pertenecen.
Eso no es una ventaja tecnológica. Es una ventaja del modelo de negocio».
La pregunta que realmente importa
Así que aquí es donde estamos:
Las guerras entre modelos están terminando en la mercantilización. El código abierto está acortando distancias.
La crisis de adopción es real. El 99 % de las personas no saben qué hacer con la IA, y el acceso no resuelve ese problema.
Apostar por un único proveedor (OpenAI, Anthropic, Google) crea dependencia sin resolver la adopción ni construir barreras de entrada.
Las empresas ganadoras están creando campos de interacción inteligente:
- Diseñado para ser independiente del modelo
- Incorporado en el lugar donde realmente se realiza el trabajo.
- Aprender de cada interacción y hacer propia esa inteligencia.
- Valor económico compuesto: adopción, velocidad, calidad, margen, confianza.
La pregunta no es «¿Cuál es nuestra estrategia para ChatGPT?».
La pregunta es: «¿Qué campos de interacción inteligente deberíamos crear que realmente nos pertenezcan y que resuelvan el problema de la adopción al llegar a las personas allí donde trabajan?».
Porque la adopción no proviene de mejores modelos.
Proviene de un mejor diseño de interacción.
Y el crecimiento no proviene de la capacidad de la IA.
Proviene de los campos de interacción inteligente que componen el valor que usted controla.
El diseño de interacción es diseño de crecimiento. Y el crecimiento, si se diseña y se gestiona adecuadamente, se optimiza por sí mismo.