NUEVA MIRADA · ESTRATEGIA
Qué es AI Demand y cómo convierte ideas de IA en impacto empresarial
Las empresas ya reciben decenas de propuestas de IA. El reto es valorar, priorizar y convertir las mejores en capacidades reales, seguras y mantenibles.
“Un Head of AI no debería medirse por el número de pilotos que inaugura, sino por los problemas reales que convierte en capacidades seguras, medibles y mantenibles.”
La función de IA que muchas empresas todavía no tienen
Esta semana he compartido mi incorporación a HORSE Powertrain como Head of AI Demand, formando parte de kAIr0s. Las primeras semanas han sido, sobre todo, de escuchar: conocer el negocio, las personas, los proyectos existentes y los retos que realmente merece la pena abordar. Liderar la demanda de inteligencia artificial no consiste en recibir una petición de chatbot y enviarla directamente a desarrollo. Consiste en transformar una necesidad, a menudo expresada de forma imprecisa, en una decisión empresarial.
Ya no faltan ideas: faltan prioridades
Cuando una organización empieza a hablar de IA, aparecen rápidamente asistentes, agentes, visión artificial, predicción de fallos, robótica y automatización. Todas las propuestas pueden parecer interesantes, pero no todas están preparadas, resuelven un problema prioritario o justifican la inversión. Intentar ejecutarlas a la vez produce un portfolio disperso de pruebas que compiten por datos, especialistas, infraestructura y atención directiva.
Un puente entre negocio, datos, tecnología y gobierno
AI Demand debe aclarar siete cuestiones ante cada propuesta: qué problema o proceso queremos mejorar; quién utilizará la solución; qué resultado cambiará; si los datos existen y son adecuados; si necesitamos realmente IA; qué puede ocurrir si falla; y quién responderá cuando termine el piloto. Después llega una decisión que también forma parte del liderazgo: hacer, preparar, reformular, reutilizar o detener.
No todo debe convertirse en IA generativa
Una función transversal evita que la tecnología determine el problema. La mejor solución puede ser automatización convencional, analítica, reglas, machine learning predictivo, visión artificial, Agentic AI, Physical AI, robótica o una mejora del proceso sin introducir IA. La pregunta responsable no es cómo incorporamos IA, sino qué solución produce el resultado necesario con un riesgo y un coste razonables.
Del caso de uso al portfolio de capacidades
Evaluar iniciativas una a una no basta. Dos casos distintos pueden necesitar el mismo componente: identidad, búsqueda documental, control de permisos, visión, inferencia en el edge o integración con un sistema empresarial. Si cada proyecto construye su propia solución, se multiplican los costes y la deuda técnica. AI Demand debe identificar qué capacidades pueden reutilizarse y cuáles requieren una solución específica.
Medir decisiones y resultados, no actividad
Esta función no debería medirse por el número de ideas recibidas ni por las demostraciones realizadas. Importan el tiempo hasta una decisión, las propuestas con propietario y KPI definidos, la reutilización de capacidades, los pilotos que alcanzan producción, el valor obtenido frente al estimado, el coste total de operación, las iniciativas detenidas a tiempo, los incidentes y la adopción real por parte de las personas.
La alfabetización también forma parte de la arquitectura
El artículo 4 del AI Act exige medidas de alfabetización en IA adaptadas a los conocimientos, la experiencia y el contexto de uso. No se resuelve con una formación idéntica para toda la empresa: quien utiliza un asistente documental necesita competencias diferentes de quien supervisa un robot, valida una predicción o autoriza una operación ejecutada por un agente.
Entender antes de transformar
Después de trabajar con datos e inteligencia artificial en sectores muy diferentes, he aprendido que el éxito rara vez depende únicamente del modelo. Depende de elegir bien el problema, implicar a las personas adecuadas, preparar los datos, integrar la solución, establecer controles y mantenerla cuando deja de ser una demostración. Liderar IA también significa decir: todavía no, hay que reformularlo, ya existe algo reutilizable, el proceso debe cambiar antes o esta iniciativa sí merece escalar.
Siete preguntas antes de convertir una idea en proyecto
- 01¿Qué problema o decisión queremos mejorar?
- 02¿Quién utilizará la solución?
- 03¿Qué resultado cambiará y cómo lo mediremos?
- 04¿Existen datos accesibles y de calidad?
- 05¿Necesitamos IA o una solución más sencilla?
- 06¿Qué ocurre si falla?
- 07¿Quién será responsable en operación?
El liderazgo en IA no consiste en prometer que todo es posible. Consiste en convertir la posibilidad tecnológica en decisiones responsables. ¿En tu organización quién decide qué ideas de IA merecen convertirse en proyectos?