Durante años, la conversación sobre riesgos de inteligencia artificial giró alrededor de un mismo eje: el modelo alucina, inventa cifras, cita fuentes que no existen, confunde hechos. Era un problema real, costoso en algunos casos, vergonzoso en otros. Pero era, en el fondo, un problema de calidad del output. Esa época está terminando, no porque las alucinaciones hayan desaparecido, sino porque el contexto en el que opera la IA cambió de naturaleza.
La cifra es difícil de ignorar: el 95% de los pilotos empresariales de inteligencia artificial generativa no produce ningún impacto financiero medible. No es una estimación pesimista de analistas críticos de la tecnología. Es el hallazgo central del reporte The GenAI Divide: State of AI in Business 2025, elaborado por la iniciativa NANDA del MIT, con base en cerca de 300 implementaciones públicas y más de 150 entrevistas ejecutivas.
Cuando el CEO de uno de los mayores bancos del mundo declara públicamente que su empresa gasta más de 250 millones de dólares al año en medicamentos para perder peso, y lo defiende sin titubear, no está describiendo un beneficio médico. Está describiendo una apuesta de diseño organizacional sobre qué tipo de fuerza laboral quiere sostener, y qué tan lejos está dispuesto a ir para construirla. Bank of America lleva varios años absorbiendo el costo de los medicamentos GLP-1, esa clase de fármacos que incluye marcas como Ozempic, Wegovy y Zepbound, dentro de un paquete de salud que supera los 2.000 millones de dólares anuales.
Hay un momento en el que la acumulación de pilotos de inteligencia artificial deja de parecer ambición y empieza a parecer desorden. Ese momento llegó a muchas grandes empresas en 2026, y la señal más clara no fue un colapso tecnológico ni un fracaso de modelo. Fue algo más mundano y más difícil de defender en una reunión de directorio: el consumo de tokens corrió por delante del presupuesto sin generar valor proporcional.
Hay algo revelador en que una encuesta a más de 700 ejecutivos de alto nivel, en 12 países, produzca como hallazgo central una brecha que cualquier director de operaciones reconocería al instante: las organizaciones saben que deben cambiar, aprueban el cambio, lo enmarcan en una estrategia, y luego no pasan de ahí. El Project Management Institute acaba de publicar los resultados de esa investigación, junto con un Manifiesto para la Agilidad Empresarial desarrollado en colaboración con Agile Alliance, y los números que emergen no son los de una industria en proceso de maduración. Son los de una industria con un problema de diseño estructural que lleva años sin diagnóstico preciso.
Hay una secuencia de decisiones que se repite con sorprendente consistencia en empresas grandes con presupuestos de transformación digital cuantiosos: identifican un proceso que les genera fricciones, contratan tecnología de automatización, despliegan la herramienta sobre el flujo existente y reportan avances. Los tableros ejecutivos muestran velocidad. Las presentaciones de comité hablan de eficiencia. Y seis meses después, los mismos problemas reaparecen, ahora empaquetados en un sistema más difícil de desmontar.
Hay una ficción operativa que gobernó las transiciones ejecutivas durante décadas: el CEO nuevo tiene cien días para escuchar, orientarse y ganarse la confianza antes de actuar. Esa ficción colapsó. No fue un cambio gradual ni una evolución silenciosa del criterio corporativo, sino una ruptura en las expectativas que reorganizó completamente lo que significa llegar al cargo preparado.
Tarde del viernes. Un comunicado de Anthropic aterriza en los buzones de sus socios globales con el tono neutro y contenido de una notificación de mantenimiento de sistema. El texto anuncia que los modelos Fable 5 y Mythos 5 quedan suspendidos para todos los nacionales extranjeros, incluidos los propios empleados de la compañía que no tengan ciudadanía estadounidense. India, que tanto Anthropic como OpenAI describen como su segundo mercado más grande después de los Estados Unidos, acababa de descubrir algo que sus fundadores, inversores y funcionarios preferían mantener en el terreno de la abstracción: el acceso a las herramientas que sostienen buena parte de su apuesta tecnológica puede cerrarse con una llamada de Washington, sin audiencia previa y sin calendario de restauración definido.
Microsoft lleva dos décadas construyendo Xbox sobre una premisa simple: vender hardware cerca del costo, recuperar el margen en software y servicios. Ese modelo funcionó mientras los componentes eran predecibles y los ciclos de generación, estables. Hoy, una contracción severa en el mercado global de memoria y almacenamiento —bautizada informalmente como 'RAMageddon'— está presionando esa estructura hasta el punto en que sus propios ejecutivos describen la situación como una crisis que afecta a toda la industria.
El Índice de Evolución Digital 2026, elaborado por Digital Planet en la Fletcher School de la Universidad de Tufts junto con Via Science Inc., no es solo un ranking de 125 países. Es una radiografía de cómo el mapa de la economía digital dejó de ser uno solo. Durante los primeros veinticinco años de la era digital, el supuesto operativo era sencillo: el mundo convergía.
Hay un momento en la evolución de cualquier mercado tecnológico en que los competidores dejan de diferenciarse por lo que sus productos hacen y empiezan a diferenciarse por cómo sus clientes los controlan. IBM llegó a ese momento con claridad en su conferencia Think 2026 en Boston, donde presentó lo que llama un modelo operativo agéntico construido sobre cuatro pilares: agentes, datos, automatización y soberanía híbrida. El último de esos pilares, y el más estratégicamente cargado, es IBM Sovereign Core, una plataforma de gobernanza que opera a nivel de la infraestructura de ejecución, no como capa de configuración de aplicaciones.
Hay una imagen que se repite en las conversaciones con managers de empresas tecnológicas, consultoras y equipos de producto: alguien sentado frente a la pantalla a las once de la noche, leyendo borradores que sus reportes directos generaron durante la tarde. No porque el equipo haya trabajado más horas. Sino porque la IA los hizo producir el equivalente a tres días de trabajo antes del almuerzo.
Los ingresos del trimestre de marzo alcanzaron 21.600 millones de dólares, un crecimiento del 27% interanual —la tasa más alta en cinco años—, y el ingreso neto saltó de forma dramática hasta 521 millones de dólares. Las acciones de la compañía en Hong Kong subieron cerca del 20% en una sola sesión, convirtiéndose en el mayor ganador porcentual del índice Hang Seng ese día. Pero el número que mejor explica el movimiento del mercado no está en los márgenes ni en los volúmenes de PC: está en el hecho de que los ingresos relacionados con inteligencia artificial crecieron un 84% en el trimestre y representaron el 38% de los ingresos totales del grupo.
Hay un patrón que se repite con suficiente consistencia como para tomarlo en serio: las tecnologías no se concentran donde se ven, sino donde se apoyan. Las redes sociales se concentraron en la distribución, no en el contenido. La nube se concentró en infraestructura, no en aplicaciones. La inteligencia artificial está siguiendo la misma geometría, pero el punto de control está un nivel más abajo que en cualquier ciclo anterior.
Hay un patrón que se repite cada vez que una tecnología deja de ser experimento y se convierte en infraestructura de producción. Ocurrió con las bases de datos relacionales, con los servicios en la nube, con los microservicios. Y ahora ocurre con los modelos de lenguaje a gran escala.
Hay un momento en el ciclo de vida de una escuela de negocios en el que expandir la oferta académica deja de ser un gesto cosmético y se convierte en una declaración de posicionamiento institucional. La UCLA Anderson School of Management cruzó ese umbral en abril de 2026, cuando anunció el lanzamiento de dos nuevas especializaciones de grado —llamadas minors— en Bienes Raíces y en Liderazgo y Gestión Deportiva. Con esto, Anderson pasa de dos especializaciones secundarias a cuatro, ampliando de forma deliberada el perímetro de lo que considera formación gerencial de base.
Cuando Marc Benioff fundó Salesforce a finales de los noventa, la propuesta era sencilla: software de ventas entregado desde la nube, sin instalar nada. La pantalla era el producto. Veinticinco años después, Salesforce está apostando por exactamente lo contrario: que la pantalla desaparezca.
Durante años, tener USDT o USDC en una billetera digital filipina significaba básicamente lo mismo que tener dólares debajo del colchón: un activo que se acumula pero no circula. El 21 de abril de 2026, Coins.ph cerró esa brecha de una forma operativamente elegante: integró las stablecoins más utilizadas del mundo directamente con el estándar nacional de pagos QR de Filipinas, conocido como QRPh. El resultado inmediato es que cualquier usuario puede ahora pagar su café, su compra del fin de semana o una factura de servicios en cualquiera de los 700.000 comercios compatibles, usando pesos filipinos, USDT, USDC, o una combinación de los tres, con un único escaneo de código.
Mientras Samsung tropezaba en público con sus primeros plegables, Apple observaba. Lo que parecía lentitud era, en realidad, el diseño organizacional más caro y deliberado de la industria tecnológica.
EMP Metals acaba de recibir más de 4,2 millones de dólares en financiamiento no dilutivo para demostrar que el litio canadiense puede llegar a la batería sin pasar por Chile ni Australia. El diseño organizacional detrás del proyecto dice más sobre cómo gestionar la innovación que el monto mismo.
Karen Carter lleva 32 años en Dow y asumirá la dirección general en julio de 2026. La pregunta no es si puede ejecutar el presente, sino si la empresa tiene el diseño organizacional para que también construya el futuro.
Stryker acaba de anunciar su segunda compra vascular en 14 meses. La pregunta no es si la tecnología funciona, sino si una corporación de 130 mil millones de dólares sabe incubar lo que aún no está aprobado por la FDA.
Intuit lleva seis años construyendo uno de los motores de IA más sofisticados del sector financiero. Su acción cayó casi un 50%. El problema no es la tecnología: es cómo el mercado mide empresas que operan en dos velocidades al mismo tiempo.
El gobierno de EE.UU. convocó a los mayores bancos del mundo para advertirles sobre una IA que detecta vulnerabilidades críticas mejor que cualquier equipo humano. El problema no es la herramienta: es que nadie en el sistema financiero tiene el diseño organizacional para absorberla.