¿Y si la IA tampoco importa? La lección incómoda para el C-Suite

En 2003, Nicholas Carr sacudió al mundo ejecutivo con una idea provocadora: las tecnologías de información no son estratégicas. En su artículo IT Doesn’t Matter1, Carr argumentaba que, a medida que las TI se vuelven baratas y estandarizadas, su capacidad como ventaja competitiva va desapareciendo. Es decir, en las fases iniciales de las nuevas tecnologías las empresas las usan para diferenciarse, pero cuando estas se masifican —u otras tecnologías aparecen y superan a las primeras— terminan sirviendo únicamente para operar el negocio de forma eficiente.

Veinte años después, la pregunta vuelve con fuerza, ahora con otro protagonista: la inteligencia artificial. El entusiasmo es evidente, las inversiones crecen y los pilotos se multiplican. Pero la inquietud del C-Suite es legítima:

¿Estamos ante una nueva fuente de ventaja competitiva sostenible o frente a otra tecnología que todos terminarán usando sin diferenciarse?

La respuesta corta es incómoda: ambas cosas pueden ser ciertas al mismo tiempo.

Cuando una tecnología deja de importar

Carr no decía que las TI fueran irrelevantes, sino que muchos líderes tienden a confundir su importancia operativa con ventaja competitiva. En otras palabras, una vez que las TI se democratizan son críticas para operar el negocio, pero no define por sí mismas cuál empresa gana o pierde.

Ese razonamiento aplica sorprendentemente bien a gran parte de la IA actual, especialmente a la IA generativa. Hoy, cualquier empresa puede acceder a modelos avanzados, integrarlos en sus procesos y obtener mejoras rápidas en productividad. Pero cuando todos puedan hacerlo, la ventaja frente al resto del mercado desaparece.

La IA genérica corre el mismo camino que recorrieron los ERP, el cloud o el CRM: primero como activo diferencial, luego sistemas estándar y, finalmente, como commodity.

El verdadero error: confundir acceso con ventaja

Aquí aparece el matiz clave —y el punto central de este debate estratégico—: el acceso a la tecnología no es lo que genera ventaja competitiva. Lo que sí la genera es:

• el conocimiento específico del negocio;
• la calidad y exclusividad de los datos;
• la capacidad de aprender más rápido que los competidores; y
• la integración profunda de la tecnología en decisiones críticas.

Carr explicaba que las TI se volvieron replicables porque los mejores procesos terminaron embebidos en software estándar. Con la IA pasará lo mismo… salvo en los casos en los que el modelo aprende de realidades de cada negocio en particular que nadie más puede copiar.

Donde la IA sí puede ser estratégica

La IA recupera su carácter estratégico cuando deja de ser genérica en su uso y se vuelve exclusiva en su lógica y funcionamiento. De ahí la importancia de aspectos como la experiencia de cliente, la calidad y abundancia de datos, los modelos analíticos, la excelencia operacional y la cultura organizacional: todos ellos atributos únicos de cada empresa, y muy difíciles —o imposibles— de replicar.

Modelos de Machine Learning entrenados con datos históricos propios —comportamiento de clientes, fallas operativas, patrones de demanda, decisiones pasadas— construyen capacidades que no están disponibles en el mercado. No porque el algoritmo sea único, sino porque la experiencia acumulada lo es.

Un banco no compite por tener IA; compite por entender mejor los riesgos del negocio, anticipar fraudes y ciberataques, y personalizar decisiones a gran escala.

Un retailer no gana por usar IA generativa; gana por predecir mejor la demanda local, reducir quiebres de stock y optimizar inventarios con información que solo él posee.

Ahí la IA deja de ser infraestructura y se convierte en capital intelectual.

La ventaja del que empieza antes (y aprende más rápido)

Carr advertía que las tecnologías de infraestructura ofrecen ventajas tempranas, pero temporales. Quien las adopta primero gana… si aprovecha la ventana correcta.

Con la IA ocurre algo similar, pero con un matiz importante: el aprendizaje importa más que la tecnología. Los modelos mejoran con el uso, los equipos maduran con la práctica y la organización desarrolla intuición sobre dónde la IA agrega valor real. Tomemos en cuenta que según las investigaciones más recientes acerca de uso2, solo un grupo reducido de las empresas la están utilizando.

Por eso, la estrategia de first mover advantage sí funciona en IA, no por la tecnología en sí, sino por el tiempo de aprendizaje acumulado. Esperar a que “todo esté claro” es, paradójicamente, la forma más segura de perder esa ventaja.

El riesgo de repetir la historia de las TI

El mayor peligro para los líderes no es invertir en IA. Es invertir sin una tesis estratégica clara, repitiendo el patrón que Carr criticaba: gastar más esperando que la tecnología, por sí sola, genere diferenciación.

Si la IA se gestiona solo como eficiencia operativa, reducirá costos y mejorará la productividad, pero no cambiará la posición competitiva.

Y entonces, como las TI tradicionales, no importará estratégicamente.

Por eso, la pregunta correcta para los líderes empresariales no debería ser “¿cuánto estamos invirtiendo en IA?”, sino “¿en qué decisiones clave del negocio queremos ser estructuralmente mejores gracias a la IA?”.

Ahí es donde la IA deja de ser commodity y se convierte en estrategia. No porque sea nueva, sino porque está alineada con una ambición competitiva concreta.

Nicholas Carr tenía razón…

Las tecnologías, por poderosas que sean, tienden a dejar de importar. La IA no será la excepción.

La diferencia la marcarán las empresas que entiendan que la ventaja no está en usar IA, sino en aprender más rápido, con mejores datos y en los lugares correctos del negocio.

Cuando todas las empresas hayan adoptado al IA, ganarán aquellas que lograron convirtir los resultados operacionales y analíticos en conocimiento estratégico antes que los demás.