5 Lecciones de la adopción de IA Generativa en BBVA

Se habla mucho de inteligencia artificial en el mundo empresarial. Pero muy pocas empresas están logrando pasar con éxito de la experimentación a una adopción real y transversal.

Hay pilotos por todos lados, pruebas interesantes, y demos sorprendentes. Pero cuando se profundiza un poco, el impacto real en el día a día del negocio sigue siendo limitado. Y no porque falte tecnología, sino porque subestiman la necesidad de organizarse y tomar decisiones de forma distinta, algo que es mucho más difícil de lograr.

Por eso me pareció interesante el caso de BBVA. No porque “usen IA” —eso ya lo hacen muchas empresas— sino por cómo la han ido incorporando y expandiendo en la organización. Y creo que hay varias lecciones útiles si también estás pensando cómo pasar de la experimentación a algo que realmente mueva la aguja en tu empresa.

Cuando los datos tienen silla en el comité de dirección

Una de las cosas que llama la atención en BBVA es que la función de gestión de datos lleva varios años ubicada al más alto nivel de la empresa junto a negocios, recursos humanos y tecnología. Los datos no se usan para alimentar sistemas de información, ni como un apéndice de tecnología, sino como parte del núcleo de decisiones críticas.

Esto importa más de lo que parece. Porque cuando los datos —y la analítica— tienen voz en el comité de dirección, la conversación cambia. Dejan de ser herramientas para la elaboración de “informes” y se convierten en palancas estratégicas de creación de valor.

Por eso la IA dentro del banco no empezó con ChatGPT. El banco llevaba más de 15 años usando analíticas avanzadas, modelos predictivos y machine learning en aspectos críticos como riesgos o fraude. Es un trabajo poco visible, pero fundamental. Por eso la IA Generativa no fue una disrupción caótica, sino una evolución natural de algo que ya venía ocurriendo.

Y aquí hay una primera lección clara: la IA generativa acelera mucho, pero no compensa años de desorden en datos. Si no hay datos para analizar, la IA no tiene nada que responder. No hay milagros en este asunto.

La señal desde arriba importa (mucho)

Otro punto clave es que esto no arrancó como una iniciativa “de innovación” ni como un experimento del área de tecnología. Hubo una señal clara desde la presidencia.

Desde lo más alto de la dirección del banco se estableció que la IA no venía a reemplazar personas, sino a ayudar a servir mejor al cliente, a personalizar más, y a liberar tiempo para hacer trabajo de mayor valor. Parece obvio, pero no lo es para muchos líderes de negocios.

La alta dirección ha hablado abiertamente de la forma como van a cambiar muchos roles en la organización, no en 20 años, como muchos pensaban, sino en solo cinco o diez. Sin dramatismo, pero sin negarlo. Este mensaje, transmitido con transparencia, ha ayudado a reducir la incertidumbre entre los colaboradores porque cuando el liderazgo es claro y coherente, la organización escucha de otra manera.

Velocidad sin caos

Una pregunta habitual es: ¿cómo evitas que todo el mundo empiece a usar herramientas de uso público sin control? BBVA optó por algo que parece bastante sensato: no prohibir, sino acompañar.

En lugar de bloquear, crearon reglas claras, registros de usuarios y entornos seguros. Las áreas de tecnología actuaron más como guías que como policías. Además, en pocas semanas lograron lanzar un piloto con 3.000 licencias de ChatGPT Enterprise.

Aquí lo interesante fue cómo las repartieron. Las licencias de ChatGPT no solo se dieron a perfiles técnicos de la casa matriz, sino también a personas de distintos países, áreas y niveles. La consigna era sencilla: “prueba, aprende y úsalo donde te ayude”. Progresivamente, los empleados fueron desarrollando sus propios casos de uso, tanto para uso personal como de trabajo, y la experiencia demostró que la adopción era mucho más efectiva cuando ellos eran capaces de diseñar soluciones efectivas para sus propios problemas.

Y aquí aparece otra lección: las soluciones son más potentes cuando los casos de uso nacen desde abajo, desde los problemas reales del día a día, y no desde las buenas intenciones de otra área o departamento.

Esto no va de tecnología, va de personas

Quizá el aprendizaje más importante es que la adopción de IA no es un proyecto tecnológico, sino un proyecto profundamente humano.

Dar acceso a estas herramientas genera ilusión, curiosidad… y también miedo. Pero BBVA lo entendió bien y apostó por la confianza y la transparencia. Los pilotos se hicieron en entornos controlados, sin tocar sistemas críticos, y acompañados de mucha formación.

Además, se creó una comunidad interna para compartir usos, dudas y aprendizajes. Y pasó algo interesante: en pocas semanas se convirtió en una de las comunidades más activas del banco. La gente empezó a experimentar, a ayudarse, a perderle el miedo a la IA.

Cuando eso ocurre, la adopción deja de ser “un proyecto ajeno” para cada empleado y empieza a ser un reto compartido.

El impacto empieza a notarse

Los números ayudan a aterrizar todo esto. En la actualidad más del 80 % de las personas con licencia usan la IA de forma recurrente, casi cuatro días por semana. El ahorro de tiempo ronda el 7 %, unas tres horas semanales, que no se traducen en menos personas, sino en mejor uso del tiempo.

En un año y medio, los propios empleados crearon cerca de 20.000 GPTs personalizados y después de filtrar lo que realmente aportaba valor, más de 3.000 siguen usándose cada mes. Tanto, que el banco terminó creando su propio GPT Store interno para facilitar su acceso a toda la organización.

Esto es innovación distribuida y abierta en estado puro. Difícil de planificar desde arriba e imposible de aprobar oportunamente desde un comité de proyectos.

Algunas reflexiones finales

Si tuviera que resumir lo que deja este caso, me quedaría con estas cinco ideas:

1. La adopción de la IA empieza en el comité de dirección. Sin una convicción explícita desde arriba, la IA se queda en pilotos aislados. La asignación de recursos y lineamientos claros es fundamental para generar confianza y tracción.
2. Los datos son el verdadero activo fundacional. La IA generativa acelera, pero no sustituye, el trabajo previo en datos y analítica. Sin datos completos, clasificados y ordenados no hay posibilidad de análisis.
3. La confianza escala más rápido que el control. Facilitar, acompañar y medir funciona mejor que restringir. Dar libertad para que los usuarios desarrollen sus propias soluciones genera más impacto real que las soluciones teóricas diseñadas desde otras áreas.
4. La innovación distribuida multiplica el impacto. Los empleados conocen mejor que nadie sus fricciones operativas. Conocen las características de su trabajo y los obstáculos que impiden su ejecución. Esto permite el desarrollo de soluciones con aplicaciones reales y efectivas.
5. Los roles no desaparecen, evolucionan. Cambia el cómo se trabaja, no necesariamente el qué ni el quién. Lo importante es que los empleados logren hacer más, y más felices, con los mismos recursos, y no que solamente se reduzcan los costos.

BBVA no ha ganado ventaja por tener “mejores algoritmos”, sino por crear una organización capaz de aprender más rápido. Y eso, al final, es lo que marca la diferencia.

La pregunta que te dejo no es si tu empresa está lista técnicamente para la IA, sino si está preparada culturalmente para confiar más, soltar algo de control y dejar que la gente experimente.

Porque ahí es donde empieza el impacto real.