La actividad de inteligencia artificial ya es ubicua dentro de las grandes empresas. Según McKinsey, 88% de las organizaciones usa IA con regularidad en al menos una función de negocio y 44% ya la está escalando en toda la empresa, frente a 38% un año antes.
Pero el retorno no acompaña al despliegue. La misma encuesta de 2026 encontró que solo 6% califica como de alto desempeño, al atribuir a la IA al menos 5% de la ganancia operativa. Esa proporción no se movió desde 2025.
La explicación no está en la falta de ideas, sino en la dificultad para convertirlas en valor de negocio. Por eso el centro de excelencia de IA sigue siendo necesario, aunque con otra misión. En su primera etapa, esas áreas funcionaban como depósito de talento técnico escaso y caro. Hoy, según la nota de Igor Rikalo, esa restricción perdió peso. Lo que sigue siendo escaso es otra cosa: saber qué decisiones mueven el negocio, ganar suficiente confianza para dejar que un sistema opere y medir qué cambió.
La propuesta central es cambiar el centro de gravedad. El centro de excelencia debe encargarse de los estándares, la arquitectura, la evaluación de modelos, las políticas de acceso a datos, la seguridad y los permisos de agentes. Los equipos de negocio, en cambio, deben hacerse cargo del trabajo y de los resultados.
Cuando el centro centraliza cada caso de uso, cada elección de herramienta y cada revisión de riesgo, la empresa se frena. Rikalo sostiene que es más productivo partir de la decisión y no de la tecnología. No es lo mismo plantear «construir un agente de planificación de suministro» que definir «reducir el riesgo de quiebre de stock manteniendo inventario y costos de expedición dentro de límites acordados». El segundo enfoque identifica la decisión, el intercambio, el responsable y la medida del éxito.
En una manufacturera global con la que trabaja, el centro de excelencia puntúa cada propuesta por valor estratégico, preparación de datos, repetibilidad, esfuerzo y riesgo. Las ideas que no alcanzan el corte vuelven con retroalimentación. Luego, el centro administra esas iniciativas como una cartera, siguiendo cuánto tardan en llegar a producción, cuántas alcanzan adopción escalada y cómo se comparan los beneficios con el caso de negocio original.
Deloitte, por su parte, encontró en su informe 2026 que 23% de las organizaciones usa agentes al menos de forma moderada hoy y 74% espera hacerlo en dos años, mientras solo 21% reporta un modelo de gobierno maduro. Es decir, la adopción podría casi triplicarse mientras la gobernanza apenas se mueve.
Ahí aparece el riesgo para el aparato corporativo: más autoridad para los agentes exige más límites y una titularidad más clara. Rikalo propone un registro de agentes con propósito, dueño del negocio, acceso a datos, acciones permitidas, reglas de escalamiento y estado activo o retirado. También pide memoria de decisiones: cada decisión relevante apoyada por IA debería dejar constancia de la situación, los supuestos, la recomendación, la acción tomada, cualquier override humano, el resultado y el costo.
El mensaje de fondo es incómodo para la burocracia interna, pero saludable para la productividad. Cuando la actividad de IA crece, el equipo central debería ser más pequeño en relación con el conjunto. Su función es fijar reglas, visibilidad de cartera, gobernanza, memoria institucional y capacidades compartidas. La ejecución, en cambio, debe acercarse a quienes toman las decisiones.
El mercado ya votó por modelos que reduzcan fricción y aceleren el flujo entre una idea y producción. Capital busca reglas claras, no torres de control que acumulen pilotos y retrasen la capitalización. Si la IA va a generar retorno, el centro de excelencia debe dejar de ser un cuello de botella y convertirse en una plataforma.