{"version":"1.0","type":"agent_native_article","locale":"es","slug":"pentagono-transformacion-ia-errores-empresas-mp40fhen","title":"El Pentágono aprendió a transformarse con IA. Las empresas siguen repitiendo sus errores previos","primary_category":"transformation","author":{"name":"Valeria Cruz","slug":"valeria-cruz"},"published_at":"2026-05-13T12:02:35.615Z","total_votes":88,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/es/articulo/pentagono-transformacion-ia-errores-empresas-mp40fhen","agent":"https://sustainabl.net/agent-native/es/articulo/pentagono-transformacion-ia-errores-empresas-mp40fhen"},"summary":{"one_line":"El caso del Proyecto Maven demuestra que la adopción de IA falla por gobernanza y estructura, no por tecnología, y las empresas privadas repiten exactamente los errores que el Pentágono casi no sobrevive.","core_question":"¿Por qué las organizaciones con acceso a la mejor IA del mundo no logran integrarla operativamente, y qué distingue a las que sí lo hacen?","main_thesis":"La brecha entre construir IA e integrarla operativamente es un problema de gobernanza y voluntad política interna, no de tecnología ni presupuesto. El Proyecto Maven del Pentágono ofrece el patrón correcto: propiedad ejecutiva real, desmontaje de procesos heredados y métricas de resultado operacional. Las empresas que no repliquen ese patrón acumulan desventaja competitiva frente a rivales que sí lo hacen."},"content_markdown":"## El Pentágono aprendió a transformarse con IA. Las empresas siguen repitiendo sus errores previos\n\nHay un dato que debería incomodar a cualquier ejecutivo que haya aprobado un presupuesto de inteligencia artificial en los últimos dos años: Estados Unidos, el país que fabrica los modelos más potentes del mundo, ocupa el puesto 24 en adopción global de IA. Su tasa es del 28,3%. Singapur está en 61%. Los Emiratos Árabes, en 54%. Goldman Sachs registró que la inversión en IA aportó \"prácticamente cero\" al crecimiento del PIB estadounidense durante 2025. El problema no es tecnológico. Nunca lo fue.\n\nDrew Cukor lo sabe mejor que casi nadie. Como coronel retirado de los Marines y fundador del Proyecto Maven, el programa con el que el Departamento de Defensa integró IA en sus flujos operativos más complejos, Cukor construyó desde adentro lo que muchos consideraban imposible: demostrar que software comercial podía funcionar dentro de la burocracia más grande del planeta y producir resultados que los sistemas anteriores no podían alcanzar. Hoy, desde su firma TWG AI, observa cómo las empresas estadounidenses cometen, punto por punto, los mismos errores que el Pentágono casi cometió antes de que Maven funcionara.\n\nSu diagnóstico, publicado en Fortune el 11 de mayo de 2026, coincide con un momento singular: dos días después, el Departamento de Defensa anunció acuerdos con ocho empresas tecnológicas —Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection y Oracle— para desplegar capacidades de IA de frontera en sus redes clasificadas de nivel IL6 e IL7. El Pentágono no está debatiendo si adoptar IA. Está ejecutando.\n\n## La brecha que separa construir de integrar\n\nEl índice de Stanford 2026 sobre inteligencia artificial no describe un fracaso de investigación. Describe un fracaso de implementación. Estados Unidos lidera en benchmarks, en inversión en modelos y en capacidad de cómputo. Pero esa ventaja no se traduce en uso operativo porque las organizaciones que deberían desplegar esa tecnología no han cambiado su arquitectura interna para recibirla.\n\nCukor introduce aquí una distinción que vale más que la mayoría de los marcos estratégicos que circulan en conferencias de C-suite: la diferencia entre **organización aumentada con IA** y **organización nativa de IA**. No es semántica. Es la diferencia entre pegar un motor nuevo en una estructura vieja y reconstruir la estructura desde el diseño pensando en ese motor.\n\nCuando el Pentágono lanzó Maven, no lo trató como un experimento tecnológico ni como un piloto acotado. Los líderes senior lo asumieron personalmente y pelearon por él dentro de la burocracia. Se desmantelaron flujos de trabajo, no se les adosó software encima. El único indicador que importaba era operacional: qué podían hacer los soldados que antes no podían hacer. Esa disciplina es lo que lo hizo funcionar. Y esa disciplina es exactamente lo que falta en la mayoría de los programas corporativos de IA que existen hoy.\n\nLa iniciativa china \"AI Plus\" opera con una lógica estructuralmente similar a la de Maven, aunque desde el lado opuesto del espectro político. Beijing no está construyendo modelos para competir en rankings. Está embebiendo IA en manufactura, logística, investigación científica, salud y educación con datasets industriales específicos y agentes diseñados para flujos concretos. No debate control ni contención. Despliega. Esa diferencia de velocidad entre la potencia de invención estadounidense y la capacidad de integración china es la brecha que Cukor señala como el riesgo competitivo central de esta década.\n\n## Tres fallas que el Pentágono casi no sobrevive\n\nCukor identifica con precisión los tres errores que convirtieron a Maven en una transformación posible, porque estuvieron a punto de no ocurrir.\n\nEl primero es la delegación sin propiedad. En demasiadas corporaciones, la estrategia de IA se delega a un Chief AI Officer o a un laboratorio de innovación. Esas estructuras están diseñadas, aunque nadie lo admita, para señalizar progreso sin amenazar la distribución de poder existente. El resultado es lo que Cukor llama \"el purgatorio del piloto\": proyectos que nunca mueren porque nadie los mató, pero tampoco escalan porque nadie los empujó de verdad. Maven funcionó porque los líderes senior no delegaron la propiedad del problema. La asumieron.\n\nEl segundo error es superponer IA sobre procesos heredados. Hay una forma de usar IA que garantiza resultados mediocres: tomar el flujo de trabajo actual y agregarle un modelo. Las ganancias de eficiencia serán marginales porque la estructura que genera el cuello de botella permanece intacta. Si después de lanzar una iniciativa de IA el organigrama, las cadenas de aprobación y el ritmo operativo de la empresa son los mismos que antes, no ha ocurrido ninguna transformación. Ha ocurrido una decoración.\n\nEl tercer error es medir actividad en lugar de resultados. Modelos entrenados, pruebas de concepto completadas, alianzas anunciadas: esos son indicadores de movimiento, no de impacto. Maven se medía por lo que los operativos podían hacer que antes no podían. Esa es la única pregunta que importa en un programa de IA que pretende cambiar algo.\n\nEstos tres errores no son accidentes de ingeniería. Son accidentes de gobernanza. Nacen de organizaciones que quieren la imagen de la transformación sin asumir el costo político interno que implica desmantelar lo que existe.\n\n## Lo que el anuncio del 13 de mayo revela sobre ejecución real\n\nEl acuerdo que el Departamento de Defensa anunció el 13 de mayo de 2026 con ocho empresas tecnológicas para operar en redes clasificadas IL6 e IL7 no es simplemente una noticia de contratos. Es una señal sobre qué tipo de institución puede escalar IA en condiciones de máxima complejidad y restricción.\n\nQue el Pentágono, históricamente conocido por sus fracasos en adquisición de software, haya logrado articular una plataforma de IA funcional en entornos de máxima clasificación es, en sí mismo, un caso de madurez estructural. No de tecnología. El CTO del Departamento de Defensa unificó el proceso bajo una estructura de alineación empresarial, como describen los análisis del programa. Eso significa que alguien tomó la decisión de romper los silos que históricamente impidieron que los sistemas tecnológicos del Pentágono funcionaran de forma coherente.\n\n**La lección que ese movimiento ofrece para el sector privado es incómoda**: si una burocracia de esa escala y esa rigidez histórica fue capaz de reorganizarse para integrar IA de forma operativa, la explicación más honesta de por qué las empresas privadas no lo hacen no es falta de recursos ni falta de talento. Es falta de voluntad para asumir el costo político interno de cambiar quién decide qué, cómo y con qué velocidad.\n\nEl análisis de Cukor sobre la diferencia entre empresas que ejecutan experimentos de IA y empresas que ejecutan transformaciones de IA apunta exactamente a ese punto. No es un problema de presupuesto. Es un problema de quién en la cúpula está dispuesto a poner su nombre en el fracaso intermedio que precede a cualquier transformación profunda.\n\n## Madurez estructural no es lo que el sistema dice que tiene\n\nHay una fragilidad específica que aparece antes de que el problema sea visible. Las organizaciones que van a fallar en su transformación de IA no lo anuncian. Tienen roadmaps, tienen laboratorios, tienen Chief AI Officers con presupuesto. Pero si se observa de cerca la cadena de decisiones, aparece el patrón: las decisiones difíciles, las que implican eliminar procesos o cambiar estructuras de poder, nunca llegan a tomarse. Se posponen, se pilotan, se estudian. Y el sistema sigue funcionando, con una apariencia de modernización, hasta que los competidores que sí tomaron esas decisiones hacen que el costo de la inercia sea imposible de ignorar.\n\nCukor describe esto como un \"ajuste de cuentas de cuello blanco\" que podría ser peor que la ola de deslocalización industrial de los años setenta, pero más rápido y menos perdonable. No porque la IA sea inevitablemente sustitutiva de empleo, sino porque las empresas que no reorganicen sus estructuras de decisión, aprobación y operación quedarán en una posición de desventaja acumulativa frente a competidores que sí lo hicieron, sean estos occidentales o de economías asiáticas que están tratando la IA como infraestructura operativa desde ya.\n\nLa diferencia entre el Pentágono de antes de Maven y el de después no es que hoy tenga mejores modelos. Es que aprendió a sostener una transformación con propiedad ejecutiva, con desmontaje de lo que existía y con métricas que medían resultados. Ese aprendizaje tardó años en consolidarse y estuvo a punto de colapsar varias veces. Las empresas privadas no tienen la misma tolerancia al tiempo, pero tampoco tienen la misma excusa para ignorar el patrón.\n\nUn sistema que parece fuerte porque tiene tecnología avanzada, pero que no ha tocado su estructura de decisiones ni su cadena de aprobaciones, no es un sistema transformado. Es un sistema que compró tiempo. Cuánto tiempo depende de cuánto tarden sus competidores en hacer lo que él todavía no hizo.","article_map":{"title":"El Pentágono aprendió a transformarse con IA. Las empresas siguen repitiendo sus errores previos","entities":[{"name":"Drew Cukor","type":"person","role_in_article":"Fundador del Proyecto Maven, coronel retirado de los Marines y fundador de TWG AI. Fuente principal del diagnóstico sobre errores de transformación con IA."},{"name":"Proyecto Maven","type":"technology","role_in_article":"Programa del Departamento de Defensa que integró IA en flujos operativos complejos. Caso de referencia para transformación estructural exitosa."},{"name":"Departamento de Defensa de EE.UU.","type":"institution","role_in_article":"Institución que ejecutó Maven y firmó acuerdos de IA clasificada el 13 de mayo de 2026. Modelo de madurez estructural para integración de IA."},{"name":"TWG AI","type":"company","role_in_article":"Firma de Drew Cukor desde la que observa y diagnostica los errores corporativos en adopción de IA."},{"name":"Amazon Web Services","type":"company","role_in_article":"Una de las ocho empresas tecnológicas con acuerdo para desplegar IA en redes clasificadas del DoD."},{"name":"Google","type":"company","role_in_article":"Una de las ocho empresas tecnológicas con acuerdo para desplegar IA en redes clasificadas del DoD."},{"name":"Microsoft","type":"company","role_in_article":"Una de las ocho empresas tecnológicas con acuerdo para desplegar IA en redes clasificadas del DoD."},{"name":"OpenAI","type":"company","role_in_article":"Una de las ocho empresas tecnológicas con acuerdo para desplegar IA en redes clasificadas del DoD."},{"name":"NVIDIA","type":"company","role_in_article":"Una de las ocho empresas tecnológicas con acuerdo para desplegar IA en redes clasificadas del DoD."},{"name":"Goldman Sachs","type":"institution","role_in_article":"Fuente del dato sobre impacto nulo de la inversión en IA en el PIB estadounidense durante 2025."},{"name":"Stanford AI Index 2026","type":"institution","role_in_article":"Fuente que documenta el fracaso de implementación de IA en EE.UU. a pesar del liderazgo en benchmarks."},{"name":"AI Plus","type":"technology","role_in_article":"Iniciativa china de integración de IA en sectores industriales con lógica estructural similar a Maven pero a escala nacional."}],"tradeoffs":["Señalizar progreso con pilotos y laboratorios vs. asumir el costo político de desmantelar estructuras de poder existentes","Velocidad de despliegue incremental sobre procesos heredados vs. rediseño estructural más lento pero con impacto operacional real","Mantener estabilidad organizacional vs. reorganizar cadenas de decisión y aprobación para integrar IA de forma nativa","Comprar tiempo con tecnología avanzada sin transformación estructural vs. asumir la disrupción interna ahora para evitar desventaja competitiva acumulativa","Delegación de la estrategia de IA a estructuras especializadas vs. propiedad ejecutiva directa con accountability en resultados"],"key_claims":[{"claim":"EE.UU. ocupa el puesto 24 en adopción global de IA con una tasa del 28,3%.","confidence":"high","support_type":"reported_fact"},{"claim":"Goldman Sachs registró que la inversión en IA aportó prácticamente cero al crecimiento del PIB estadounidense durante 2025.","confidence":"high","support_type":"reported_fact"},{"claim":"El Proyecto Maven demostró que software comercial puede funcionar dentro de la burocracia más grande del planeta.","confidence":"high","support_type":"reported_fact"},{"claim":"El DoD anunció el 13 de mayo de 2026 acuerdos con ocho empresas tecnológicas para operar IA en redes clasificadas IL6 e IL7.","confidence":"high","support_type":"reported_fact"},{"claim":"La iniciativa china AI Plus embebe IA en manufactura, logística, salud y educación con datasets industriales específicos sin debatir control ni contención.","confidence":"medium","support_type":"reported_fact"},{"claim":"La mayoría de los programas corporativos de IA actuales repiten los tres errores que casi impidieron que Maven funcionara.","confidence":"medium","support_type":"inference"},{"claim":"Las empresas privadas no tienen la misma tolerancia al tiempo que el Pentágono tuvo para consolidar su transformación.","confidence":"medium","support_type":"editorial_judgment"},{"claim":"Un sistema con tecnología avanzada que no ha tocado su estructura de decisiones no está transformado, solo ha comprado tiempo.","confidence":"high","support_type":"editorial_judgment"}],"main_thesis":"La brecha entre construir IA e integrarla operativamente es un problema de gobernanza y voluntad política interna, no de tecnología ni presupuesto. El Proyecto Maven del Pentágono ofrece el patrón correcto: propiedad ejecutiva real, desmontaje de procesos heredados y métricas de resultado operacional. Las empresas que no repliquen ese patrón acumulan desventaja competitiva frente a rivales que sí lo hacen.","core_question":"¿Por qué las organizaciones con acceso a la mejor IA del mundo no logran integrarla operativamente, y qué distingue a las que sí lo hacen?","core_tensions":["Potencia de invención tecnológica vs. capacidad de integración operativa: EE.UU. lidera en lo primero y falla en lo segundo","Imagen de transformación vs. costo político real de transformarse: las organizaciones quieren los beneficios sin asumir el desmontaje interno","Velocidad de adopción china vs. debate de control occidental: Beijing despliega mientras EE.UU. debate, generando brecha competitiva acumulativa","Burocracia histórica del Pentágono vs. su capacidad demostrada de reorganizarse: si ellos pudieron, la excusa corporativa pierde validez","Tolerancia al tiempo del sector público vs. urgencia competitiva del sector privado en transformación de IA"],"open_questions":["¿Cuánto tiempo tienen las empresas que han comprado tiempo con tecnología antes de que el costo de la inercia sea imposible de ignorar?","¿Puede una empresa privada replicar la disciplina de Maven sin el equivalente de un mandato institucional de alto nivel?","¿Qué mecanismos concretos permiten a los líderes senior asumir propiedad de la transformación de IA sin paralizar la operación existente?","¿Cómo se mide la madurez estructural de una organización para integrar IA antes de que el fracaso sea visible?","¿La brecha entre EE.UU. y economías como Singapur o los Emiratos en adopción de IA es recuperable o ya es estructural?","¿Qué distingue a las ocho empresas seleccionadas por el DoD para operar en redes IL6 e IL7 en términos de capacidad de integración?"],"training_value":{"recommended_for":["C-suite evaluando el retorno real de sus inversiones en IA","Chief AI Officers y Chief Transformation Officers que necesitan argumentos para escalar más allá del piloto","Consultores de estrategia y transformación digital que asesoran programas de adopción de IA","Analistas de competitividad comparando velocidades de adopción entre mercados","Equipos de gobernanza de IA diseñando estructuras de accountability y métricas de impacto"],"when_this_article_is_useful":["Al evaluar si una iniciativa de IA corporativa está en riesgo de convertirse en piloto perpetuo","Al diagnosticar por qué una organización con presupuesto y talento de IA no produce resultados operacionales","Al diseñar la estructura de gobernanza para un programa de transformación con IA","Al comparar la velocidad de adopción de IA entre geografías o competidores","Al justificar internamente por qué la propiedad ejecutiva directa es condición necesaria para transformación real","Al analizar casos de transformación institucional en contextos de alta complejidad burocrática"],"what_a_business_agent_can_learn":["Distinguir entre organización aumentada con IA y organización nativa de IA como marco de diagnóstico estructural","Identificar los tres errores de gobernanza que convierten iniciativas de IA en pilotos perpetuos: delegación sin propiedad, superposición sobre procesos heredados y métricas de actividad","Usar el caso Maven como benchmark de transformación: propiedad ejecutiva, desmontaje de procesos y métricas operacionales","Reconocer el patrón de señalización de progreso sin transformación real en organizaciones con roadmaps y laboratorios de IA","Entender que la brecha competitiva en IA es acumulativa y se acelera cuando competidores tratan la IA como infraestructura operativa","Aplicar la pregunta correcta de evaluación: ¿qué pueden hacer los operativos ahora que antes no podían?"]},"argument_outline":[{"label":"Paradoja de adopción","point":"EE.UU. lidera en modelos e inversión en IA pero ocupa el puesto 24 en adopción global con 28,3%, mientras Singapur alcanza 61% y los Emiratos 54%.","why_it_matters":"Demuestra que la ventaja tecnológica no se convierte automáticamente en ventaja competitiva sin transformación estructural interna."},{"label":"Distinción clave","point":"Cukor diferencia entre organización aumentada con IA (software sobre estructura vieja) y organización nativa de IA (estructura rediseñada para el motor nuevo).","why_it_matters":"Esta distinción define si una iniciativa de IA produce transformación real o solo decoración operativa."},{"label":"Tres errores de gobernanza","point":"Delegación sin propiedad ejecutiva, superposición de IA sobre procesos heredados y medición de actividad en lugar de resultados operacionales.","why_it_matters":"Son los mismos errores que casi impidieron que Maven funcionara y son los que dominan los programas corporativos de IA actuales."},{"label":"Maven como caso de madurez estructural","point":"El Pentágono no trató Maven como piloto tecnológico: líderes senior asumieron propiedad personal, desmantelaron flujos de trabajo y midieron solo por capacidad operacional nueva.","why_it_matters":"Si la burocracia más rígida del planeta pudo reorganizarse, la excusa corporativa de complejidad estructural pierde validez."},{"label":"Señal del 13 de mayo de 2026","point":"El DoD firmó acuerdos con AWS, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection y Oracle para desplegar IA en redes clasificadas IL6 e IL7.","why_it_matters":"El Pentágono ya no debate adopción: ejecuta. Marca el estándar de lo que significa escalar IA en condiciones de máxima restricción."},{"label":"Riesgo competitivo acumulativo","point":"Cukor advierte un ajuste de cuentas de cuello blanco más rápido y menos perdonable que la deslocalización industrial de los 70, impulsado por competidores que tratan la IA como infraestructura operativa.","why_it_matters":"Las empresas que compran tiempo con tecnología sin tocar su estructura de decisiones no están transformadas, solo retrasando el costo."}],"one_line_summary":"El caso del Proyecto Maven demuestra que la adopción de IA falla por gobernanza y estructura, no por tecnología, y las empresas privadas repiten exactamente los errores que el Pentágono casi no sobrevive.","related_articles":[{"reason":"Analiza directamente el fin de los pilotos de IA sin retorno en 2026, complementando el diagnóstico de Cukor sobre el purgatorio del piloto y la necesidad de transformación real vs. experimentos.","article_id":12420},{"reason":"Examina la fiebre de adquisiciones en IA empresarial y el poder ya codificado, relevante para entender cómo las organizaciones intentan comprar transformación en lugar de construirla estructuralmente.","article_id":12495},{"reason":"Analiza por qué los agentes de IA corporativos fallan antes de ser hackeados, conectando con el argumento de que los fallos de IA son de gobernanza y estructura, no de tecnología.","article_id":12607},{"reason":"Aborda la adopción de IA sin comprensión de los datos entregados, ilustrando otro patrón de adopción superficial sin transformación estructural que el artículo diagnostica.","article_id":12403}],"business_patterns":["El purgatorio del piloto: proyectos de IA que nunca mueren porque nadie los mató, pero tampoco escalan porque nadie los empujó","Decoración tecnológica: agregar modelos de IA sobre flujos de trabajo existentes sin tocar la estructura que genera los cuellos de botella","Señalización de progreso sin transformación: roadmaps, laboratorios y Chief AI Officers como sustitutos de cambio estructural real","Propiedad ejecutiva como factor diferenciador: las transformaciones que funcionan tienen líderes senior que asumen personalmente el problema","Medición de actividad vs. medición de resultados: confundir modelos entrenados y alianzas anunciadas con impacto operacional","Madurez estructural como precondición: la tecnología escala solo cuando la organización ha reorganizado sus silos y cadenas de decisión"],"business_decisions":["Decidir si la estrategia de IA tiene propiedad ejecutiva real en la cúpula o está delegada a un CAIO o laboratorio de innovación","Evaluar si los procesos actuales están siendo desmantelados o simplemente decorados con capas de IA","Definir métricas de éxito en términos de capacidad operacional nueva, no de modelos entrenados ni pilotos completados","Determinar si los líderes senior están dispuestos a poner su nombre en el fracaso intermedio que precede a cualquier transformación profunda","Revisar si el organigrama, las cadenas de aprobación y el ritmo operativo han cambiado tras lanzar iniciativas de IA","Decidir si la organización quiere ser aumentada con IA o nativa de IA, y asumir el costo estructural de la segunda opción"]}}