El recibo que nadie quiere abrir:lo que en verdad cuesta transformarse con inteligencia artificial, y por qué la mayoría de las empresas de Chihuahua solo están pagando por aparentarlo

M.A.R.H Salvador Acevedo Ortega

Docente universitario en la Universidad Autónoma de Chihuahua, Facultad de Economía Internacional e Ingeniería

El lunes por la mañana, la dirección general convocó a una reunión extraordinaria. En la pantalla apareció una plataforma nueva: asistentes de inteligencia artificial, tableros predictivos, generación automática de reportes. El proveedor prometía reducir costos, acelerar decisiones y liberar al personal de tareas repetitivas. La empresa adquirió licencias, organizó una capacitación de dos horas y publicó en redes sociales que había iniciado su transformación digital. Durante las primeras semanas, todo pareció moderno. Los correos se redactaban más rápido. Las presentaciones tenían mejores imágenes.

Las decisiones, sin embargo, continuaron tardando exactamente lo mismo. Los departamentos seguían solicitando la misma información en formatos distintos. Cada autorización tenía que subir y bajar por la misma cadena jerárquica de siempre. La empresa había comprado inteligencia artificial. Pero seguía pensando exactamente igual.

Permítame proponerle algo que ninguna empresa de Chihuahua suele hacer con la honestidad contable que merece: abra el recibo completo. No el de la licencia —ese llega puntual cada mes y todos lo revisan—. El otro: el de las horas de personal dedicadas a rediseñar procesos que nadie autorizó formalmente, el de los datos sucios que el sistema heredó sin que nadie lo advirtiera, el de la productividad que se prometió en la presentación de ventas y nunca llegó a aparecer en el estado de resultados. Ese segundo recibo existe siempre. La diferencia entre las empresas que se transforman y las que solo aparentan hacerlo está en si alguien tiene el valor de abrirlo.

Conviene distinguir, con la precisión que el tema exige, tres conceptos que el lenguaje corporativo trata como intercambiables y que no lo son en absoluto. Digitalizar consiste en convertir información análoga en formato digital: cambiar expedientes físicos por archivos electrónicos, registrar ventas en un sistema. La información cambia de soporte, pero el proceso que la rodea puede permanecer intacto. Automatizar consiste en encargar a una tecnología la ejecución de una tarea previamente definida: clasificar solicitudes, generar facturas, responder preguntas frecuentes. El proceso se ejecuta con menos intervención humana, pero rara vez se cuestiona si debería existir de esa forma.

Transformar es otra cosa completamente distinta: consiste en revisar si el proceso debería existir de la manera en que existe. No pregunta »cómo hacemos esto más rápido«. Pregunta »por qué lo hacemos así, quién utiliza el resultado, qué valor produce realmente y qué cambiaríamos si pudiéramos diseñarlo desde cero«. Una empresa puede digitalizar un procedimiento inútil. Puede automatizar una autorización innecesaria. Puede usar inteligencia artificial para generar más rápido un reporte que nadie lee. En los tres casos existe tecnología de punta. No existe, en ninguno, transformación real.

Esta serie ya analizó, en el artículo dedicado al Mundial 2026, un fenómeno que se repite con una regularidad incómoda cuando una organización —sea un país sede o una empresa de manufactura— decide invertir en algo que promete prestigio inmediato: el entusiasmo del anuncio supera por mucho al rigor del cálculo posterior. Allá documentamos cómo las proyecciones de derrama económica del Mundial circularon con generosidad mientras nadie restaba con la misma generosidad los costos de infraestructura, las exenciones fiscales y el gasto que el evento transfirió silenciosamente a los aficionados endeudados. El mismo patrón contable —anunciar el ingreso esperado y omitir el costo de oportunidad— se repite, con menor escala pero idéntica lógica, cada vez que una empresa de Chihuahua anuncia su «transformación digital» sin haber calculado lo que esa transformación realmente exige.

Erik Brynjolfsson, Daniel Rock y Chad Syverson formalizaron este fenómeno en American Economic Journal: Macroeconomics (2021) con un concepto que merece entrar en el vocabulario de cualquier directivo de Chihuahua: la curva J de productividad. Cuando una organización adopta una tecnología de propósito general —la electricidad en su momento, ahora la inteligencia artificial— sus beneficios no aparecen al instalarla. Aparecen después de un período de inversión en activos complementarios: nuevos procesos, capacitación, rediseño organizacional. Durante ese período, la productividad medida puede incluso descender, porque la empresa está gastando recursos en aprender mientras el sistema antiguo todavía no ha sido reemplazado del todo. El proveedor vende una implementación de semanas. La curva J exige, casi siempre, meses o años.

El software tiene un precio visible en la factura. El aprendizaje organizacional que lo hace funcionar tiene un costo igual de real que nadie pone en ningún recibo.

Antes de hablar de modelos y algoritmos, toda organización debería hacerse una pregunta poco fotogénica: ¿podemos confiar en nuestros propios datos? La inteligencia artificial aprende de información que la organización ya produjo, y esa información no es una representación neutral de la realidad. Es la memoria de cómo la empresa decidió registrarla, con todas las inconsistencias humanas que ese registro acumula con el tiempo.

Si los vendedores capturan información con criterios distintos entre sí, el sistema aprenderá de criterios distintos sin saber que lo son. Si los errores de calidad nunca fueron documentados con honestidad, el modelo no podrá explicar por qué ocurrieron. Si un área esconde información para proteger sus propios indicadores, la IA heredará una versión políticamente editada de la empresa, presentada con la confianza numérica que solo un algoritmo puede ofrecer. La tecnología no limpia automáticamente la cultura organizacional que produjo esos datos. La codifica, la multiplica y la presenta con decimales que invitan a confiar en ella exactamente cuando menos debería hacerse.

Erik Brynjolfsson, Danielle Li y Lindsey Raymond publicaron en Quarterly Journal of Economics (2025) un estudio con 5,179 trabajadores de atención al cliente que encontró que el acceso a un asistente generativo aumentó aproximadamente 14 por ciento la cantidad de problemas resueltos por hora. Los mayores beneficios aparecieron entre trabajadores nuevos o con menor experiencia; el efecto fue pequeño entre los más experimentados. Es uno de los hallazgos más sólidos que existen sobre productividad e IA, y conviene leerlo con el rigor que merece, no con el entusiasmo selectivo con que suele citarse en las presentaciones comerciales.

El estudio no demuestra que instalar un sistema de IA aumenta automáticamente la productividad de cualquier empresa en un 14 por ciento. Demuestra algo más preciso y considerablemente más útil: la herramienta produjo valor dentro de una tarea definida, con datos disponibles, objetivos claros, y un sistema diseñado para transmitir las prácticas de los trabajadores más experimentados hacia quienes todavía estaban aprendiendo. La tecnología no operó aislada. Se integró dentro de un proceso concreto y aprovechó conocimiento organizacional que ya existía, solo que disperso. Eso explica con precisión por qué algunas implementaciones de IA producen resultados extraordinarios y otras se convierten en demostraciones costosas que nadie quiere evaluar después del primer trimestre.

Aquí está el argumento polémico que esta serie tiene la responsabilidad de poner sobre la mesa, porque incomoda a quienes deciden los presupuestos de tecnología en Chihuahua con la misma autoridad con que decidieron, sin calcular el costo completo, otras inversiones celebradas con entusiasmo. Una dirección general que anuncia «ya somos una empresa de inteligencia artificial» rara vez presenta, en la misma junta, el balance que la decisión exige en honestidad: cuántas horas de personal se destinaron a limpiar datos que llevaban años desordenados, cuánto costó el tiempo de los procesos que tuvieron que rediseñarse a medias porque nadie tenía autoridad para eliminarlos del todo, y cuánto de la productividad prometida en la presentación de ventas jamás llegó a materializarse porque la organización compró la herramienta sin tocar la jerarquía que la haría útil.

Thomas Bresnahan, Erik Brynjolfsson y Lorin Hitt documentaron en Quarterly Journal of Economics (2002) un hallazgo que dos décadas después sigue siendo el más relevante de toda la literatura sobre tecnología organizacional: las inversiones en sistemas de información producen beneficios sustancialmente mayores cuando se combinan con rediseño del trabajo, descentralización de decisiones y capital humano capacitado. La inversión complementaria —la que no aparece en ninguna factura de proveedor— suele costar varias veces más que la licencia misma. Las empresas que se niegan a contabilizarla no están ahorrando dinero. Están posponiendo el gasto hacia el futuro, con intereses, exactamente como ocurre con cualquier deuda financiera que un individuo contrae sin entender su costo total.

Las empresas suelen describir la resistencia de su personal frente a la inteligencia artificial como un problema de actitud: no quieren aprender, temen perder su empleo, prefieren hacer todo como antes. En ocasiones existe resistencia genuinamente improductiva. Pero con la misma frecuencia existe resistencia racional: un trabajador desconfía de una herramienta cuando nadie le explicó para qué será utilizada, cuando sospecha que medirá su desempeño sin contexto, o cuando la dirección presenta la IA como apoyo mientras simultáneamente habla de reducir plantilla en la siguiente reunión de presupuesto.

El conocimiento más valioso de una organización —esta serie ya lo argumentó en el artículo dedicado a la convivencia de cinco generaciones en una misma empresa— no siempre está documentado en ningún sistema. Está en las personas que llevan años compensando silenciosamente las fallas de procesos mal diseñados. Una herramienta de inteligencia artificial diseñada sin escuchar a esas personas puede ser técnicamente impresionante y operativamente inútil al mismo tiempo. Ignorarlas durante la implementación no es solo una injusticia hacia el personal. Es, antes que nada, una mala decisión de ingeniería organizacional que la empresa pagará en la siguiente curva J.

Chihuahua tiene una base industrial sólida, talento técnico y vinculación creciente entre empresas, universidades y gobierno para la adopción de inteligencia artificial. Esos avances institucionales son reales y merecen reconocerse. Pero conviene señalar, con la franqueza que esta serie ha mantenido en cada artículo, una verdad incómoda para cualquier estrategia de competitividad regional: la ventaja de Chihuahua no surgirá porque sus empresas tengan acceso al mismo asistente de inteligencia artificial que sus competidores. Esas herramientas estarán disponibles, con idéntica facilidad, para empresas de Nuevo León, Texas, Asia o Europa. La tecnología se democratiza con una velocidad que ninguna región puede monopolizar.

La ventaja real aparecerá, si aparece, en la capacidad organizacional de integrar esa tecnología con conocimiento técnico acumulado, procesos confiables, datos de calidad genuina y liderazgo dispuesto a redistribuir autoridad. Esa capacidad no se compra en una licencia. Se construye, con la misma paciencia y disciplina que esta serie ha defendido en sus artículos sobre educación financiera: el interés compuesto de la capacitación organizacional funciona exactamente como el interés compuesto del ahorro personal. Premia a quien empieza temprano y sostiene el esfuerzo. Castiga a quien busca el atajo de la gratificación inmediata disfrazada de innovación.

Los proveedores de inteligencia artificial pueden explicar con precisión qué hace su tecnología: velocidad, integración, casos de éxito ajenos. Lo que ninguna plataforma puede responder en lugar de la organización es una pregunta de naturaleza completamente distinta: ¿en qué clase de empresa queremos convertirnos? Una organización puede usar inteligencia artificial para vigilar más intensamente a sus trabajadores o para liberarles tiempo y permitirles resolver problemas complejos. Puede usarla para reducir personal o para ampliar capacidades reales. La tecnología no determina esa dirección. La amplifica, con la misma neutralidad mecánica con que amplifica cualquier otra decisión humana, buena o mediocre, que la organización ya había tomado antes de instalarla.

La empresa del inicio de este artículo instaló inteligencia artificial. Mantuvo intactos sus procesos, su jerarquía, sus datos desordenados y sus incentivos contradictorios. Por eso la herramienta produjo textos más rápidos, presentaciones más bonitas y la sensación temporal de estar avanzando. No produjo transformación. La inteligencia artificial no es una capa de pintura tecnológica que vuelve moderna a una organización por decreto. Es un espejo: refleja la calidad de sus datos, la claridad de sus objetivos, la confianza entre sus equipos y la disposición de sus directivos a reconocer aquello que ya no funciona.

Chihuahua no necesita empresas que compren más tecnología para seguir trabajando exactamente igual. Necesita organizaciones dispuestas a abrir el recibo completo —el visible y el invisible— antes de anunciar una transformación que, sin ese ejercicio de honestidad contable, seguirá siendo solamente el costo de aparentarla.

Bresnahan, T. F., Brynjolfsson, E., & Hitt, L. M. (2002). Information technology, workplace organization, and the demand for skilled labor: Firm-level evidence. Quarterly Journal of Economics, 117(1), 339–376. https://doi.org/10.1162/003355302753399526

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. https://doi.org/10.1257/mac.20180386

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.

Fountaine, T., McCarthy, B., & Saleh, T. (2019). Building the AI-powered organization. Harvard Business Review, 97(4), 62–73.

Organisation for Economic Co-operation and Development (OCDE). (2025). Generative AI and the SME workforce. OECD Publishing. https://doi.org/10.1787/g2g9faaa-en

Organisation for Economic Co-operation and Development (OCDE). (2025). The adoption of artificial intelligence in firms. OECD Publishing. https://doi.org/10.1787/0701d1c8-en

Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.