Negocio y adopción
ROI, TCO, gestión del cambio, formación de equipos, transformación organizacional. Las nociones económicas y organizacionales que deciden el éxito de un despliegue de IA.
- Caso de uso IAUn caso de uso IA es una aplicación concreta de la inteligencia artificial a un proceso de negocio identificado, con un objetivo medible y un perímetro delimitado. Los tres casos más desplegados en empresa en 2026 son la asistencia al desarrollo de software, el servicio al cliente, y el análisis de datos.
- Coste por tokenEl coste por token es la unidad económica elemental de un despliegue de IA. Los proveedores facturan por separado los tokens de entrada (su prompt) y de salida (la respuesta del modelo), con una ratio típica de 1 a 5. Dominar este coste exige distinguir tarifas unitarias, volúmenes, y palancas de optimización.
- Crash-test IA de un pack de consejoUn crash-test IA somete su pack de consejo a varios modelos cruzados antes del comité, para hacer emerger señales débiles, contradicciones internas y puntos que no aguantarán en la sala. La IA afila la lectura; la decisión sigue siendo suya.
- Disciplina de usoLa disciplina de uso IA es el conjunto de reglas, métodos y hábitos mediante los cuales una empresa orienta el uso diario de la IA por sus colaboradores: qué casos de uso activar, cómo formular las solicitudes, qué modelos utilizar, cómo auditar las salidas. Es la palanca dominante del retorno real de un despliegue de IA.
- Evaluación de LLM (evals, LLM as a judge)La evaluación de LLM (las «evals») consiste en medir la calidad de las respuestas de un modelo o de un asistente de IA sobre un conjunto de casos representativos, con criterios de éxito fijados de antemano. El LLM as a judge es uno de sus métodos: un segundo modelo puntúa las respuestas del primero, lo que permite evaluar a gran escala, a costa de sesgos conocidos.
- POC IAUn POC IA (proof of concept) es un proyecto piloto corto que busca probar la viabilidad técnica y el valor de negocio de una aplicación de IA antes de cualquier inversión industrial. Según las estimaciones citadas por RAND (2024), más del 80 % de los proyectos de IA fracasan, el doble que los proyectos informáticos sin IA.
- Productividad aumentadaLa productividad aumentada por la IA designa las ganancias de producción medibles (volumen tratado, velocidad, calidad) que un trabajador realiza cuando se beneficia de una asistencia de IA generativa. Los estudios en condiciones reales muestran una ganancia media del 14 al 15 %, fuertemente concentrada en los perfiles menos experimentados.
- ROI IAEl ROI IA, calcado del ROI financiero clásico, es una métrica engañosamente atractiva para evaluar un despliegue de IA. Tres confusiones estructurales lo invalidan: subevaluación de los costes ocultos, ausencia de baseline pre-IA robusta, y concentración en la eficiencia operativa en detrimento de las otras dos dimensiones de valor.
- Shadow AIEl shadow AI designa el uso de modelos de IA generativa por colaboradores sin validación ni encuadre de su empresa. Ampliamente extendido en 2025-2026, crea riesgos jurídicos, financieros (fuga de datos de negocio hacia los modelos públicos), y de calidad (salidas no auditadas integradas en entregables a clientes).
- TCO IAEl TCO IA (total cost of ownership) es el coste total real de un despliegue de IA en empresa, agregando cinco partidas: modelo de inferencia, infraestructura, integración aplicativa, supervisión operativa, y coste de equipo. El coste visible (suscripción, consumo de API) rara vez es su partida principal.
- WorkslopEl workslop es un contenido de trabajo generado por IA que tiene la apariencia de un trabajo cuidado pero carece de la sustancia necesaria para hacer avanzar la tarea. El término fue propuesto en septiembre de 2025 en la Harvard Business Review por investigadores de BetterUp Labs y del Stanford Social Media Lab; su coste recae en quien recibe el documento y debe corregirlo o rehacerlo.