La diferencia no radica en si una empresa utiliza la inteligencia artificial. Lo que importa es saber dónde se encuadra.
En el mercado de medios de comunicación no hay falta de ambición en materia de IA en este momento. Casi todas las empresas están llevando a cabo proyectos piloto, cada proveedor de software tiene una nueva función para mostrar, y cada empresa tiene un folleto que promete transformación. Sin embargo, a pesar de toda esta actividad, una pregunta sigue siendo sorprendentemente difícil de responder:
¿Dónde realmente genera la IA ventaja competitiva?
El costo de cometer un error en esa decisión ya está bien documentado. Un estudio ampliamente citado de 2025 realizado por el MIT reveló que aproximadamente el 95% de los proyectos piloto de IA generativa empresariales no produjo ningún impacto medible en los resultados financieros, a pesar de haber invertido decenas de miles de millones de dólares. La propia tecnología rara vez era el problema. El informe apuntaba, en cambio, a una brecha entre la experimentación y los sistemas capaces de aprender, adaptarse e integrarse de manera efectiva en la forma en que se realiza la labor cotidiana.
En Kingsley Gate pasamos gran parte de nuestro tiempo junto con los operadores que generan valor dentro de las empresas. Un tema que no se puede pasar por alto es el de que los líderes que están avanzando en la innovación no son los que implementan la mayor cantidad de IA. Son los que tienen un filtro claro sobre dónde debe colocarse.
Para comprender mejor esa disciplina, Alison Woodhead, socio sénior de Kingsley Gate, pasó tiempo en conversaciones con Robert Root, socio de Transformation de Southfield Capital. Como ejecutivo de operaciones que apoya empresas de servicios empresariales propiedad de fundadores y directivos, Root evalúa estas decisiones en todas las empresas del portafolio todos los días. Su marco de trabajo es notablemente práctico.
Para Root, esta oportunidad puede ser particularmente significativa en el mercado de la mediana empresa. Históricamente, las empresas más pequeñas carecían de los presupuestos tecnológicos y los recursos de ingeniería de las empresas más grandes.
La IA tiene el potencial de cambiar esa ecuación, dando a las empresas que actúan de manera inteligente la oportunidad no solo de ponerse al día, sino también de superar a los competidores más grandes.
“Es el tema del momento. La realidad de la inteligencia artificial en la actualidad es que todo es inteligencia artificial. Todo el mundo está incorporando la inteligencia artificial en todas las áreas. Las personas deben ser muy estratégicas y reflexivas sobre dónde la utilizan.”
— Robert Root – Socio de Transformación en Southfield Capital
En última instancia, su enfoque se reduce a un principio central: no empezar con la inteligencia artificial. Comienza con lo que hace que tu negocio sea único.
Comienza con el moat de datos, no con el menú de software
La primera pregunta que Root hace no es ¿Dónde podríamos utilizar la inteligencia artificial? La respuesta a eso es casi siempre En todas partes.
En cambio, él hace una pregunta mucho más difícil: ¿Qué sabe nuestro negocio que nadie más lo sabe?
Ése es lo que él llama el moat de datos. Un moat de datos es la información exclusiva que una empresa genera simplemente al operar su negocio. Cualquiera puede comprar software y los modelos de inteligencia artificial están cada vez más accesibles. La información en el moat de datos de una empresa es única. Refleja años de interacción con los clientes, la historia operativa, los flujos de trabajo, los resultados y el conocimiento institucional que los competidores no pueden replicar fácilmente. Cuando se aplica la inteligencia artificial a esa información exclusiva, se vuelve mucho más difícil copiarlas. La inteligencia artificial convierte esa información exclusiva en productos, servicios e insights diferenciados.
Esta distinción queda más clara a través de dos ejemplos muy distintos.
Tomemos el procesamiento de facturas. Casi todas las plataformas ERP ahora ofrecen capacidades de inteligencia artificial para leer facturas, extraer datos y automatizar las aprobaciones. Para la mayoría de las empresas, comprar esa capacidad es exactamente la decisión correcta. Pagar facturas no es una ventaja competitiva. No se está creando ningún conocimiento propio, y por lo tanto no hay razón para crear nada personalizado.
Ahora consideremos una empresa de gestión de flotas que se encarga del mantenimiento de los carretillas elevadoras industriales. Cada visita de mantenimiento genera información única para esa empresa: horas de funcionamiento del equipo, historial de reparaciones, comportamiento del operador, fallas de los componentes, ciclos de reemplazo, cumplimiento de los contratos y costos de propiedad durante toda la vida útil del equipo. Con el tiempo, esto se convierte en inteligencia operativa propia. Ese es el valor diferencial.
Aplicado a esos datos, la IA hace mucho más que automatizar la gestión de la documentación. Los clientes pagan el coste total de propiedad más bajo y la máxima disponibilidad operativa de su flota, y el flujo de mantenimiento es exactamente el material básico necesario para ofrecer ambas cosas. Puede verificar las facturas en función de los acuerdos de servicio, identificar automáticamente las violaciones de los contratos, predecir fallas de los equipos antes de que ocurran, recomendar la sustitución de piezas y, en última instancia, convertirse en una plataforma de asesoramiento que ayuda a los clientes a reducir los tiempos de inactividad y a reducir el coste total de propiedad. Nada de esto proviene del propio modelo de IA. Provienen de los datos que solo esa empresa posee.
Como explica Root: “Volver a este foso de datos significa realmente pensar en qué es lo que ofrece tu negocio y qué es lo que lo hace único. Comienza por ahí, no con la lista de características del software que ya tienes.”
Esta distinción cambia por completo la conversación. La ventaja competitiva no proviene de la inteligencia artificial. La inteligencia artificial se está convirtiendo cada vez más en un bien común. La ventaja competitiva proviene de los datos propios.
Es una disciplina que cualquier líder puede aplicar en cualquier sector. El foso rara vez es la parte más llamativa del negocio. Pero es la parte que ningún competidor puede replicar.
La trampa de la eficiencia, o cuando “más rápido” hace que las cosas sean más lentas
El error más común es la imagen en espejo de esa disciplina: tratar a toda la eficiencia impulsada por la inteligencia artificial como progreso. Las empresas incorporan asistentes de inteligencia artificial a las herramientas que ya utilizan, pero rara vez se detienen a preguntarse si están simplificando el trabajo o simplemente añadiendo otra capa a él.
Esta distinción es importante. Un estudio de Harvard Business Review reveló que los empleados interactúan con las aplicaciones aproximadamente 1.200 veces al día, perdiendo cerca de cuatro horas a la semana simplemente reorientándose después de cada cambio. En las empresas de tamaño medio, donde las personas a menudo se encargan de múltiples funciones y trabajan en varios sistemas, añadir otra capa de herramientas desconectadas puede agravar el problema.
La IA debería reducir esa fragmentación, no aumentarla. El objetivo no es hacer que los cinco pasos separados sean marginalmente más rápidos. El objetivo es preguntarse si esos cinco pasos deberían existir de manera independiente. De lo contrario, la herramienta diseñada para ahorrar tiempo podría terminar consumiendo más tiempo.
La IA no es un cuarto impulso. En realidad, conecta los otros tres.
Los operadores han centrado durante mucho tiempo la creación de valor en tres factores: las personas, los procesos y la tecnología. Es tentador considerar a la IA como un cuarto factor. Root ve las cosas de manera diferente. El verdadero potencial de la IA radica en conectar los otros tres, lo que permite a las empresas repensar cómo se realiza el trabajo en las distintas funciones, sistemas y procesos, en lugar de simplemente hacer que las tareas individuales sean más rápidas.
Aplicada de manera restringida, la IA puede hacer que una tarea existente sea más rápida. Aplicada de manera más estratégica, puede conectar a personas, procesos y sistemas que históricamente operaban de forma separada, permitiendo a los líderes replantearse cómo se realiza el trabajo de principio a fin. La oportunidad no consiste simplemente en optimizar los pasos individuales, sino en preguntarse si esos pasos, las transferencias de responsabilidades y los límites funcionales deben existir de la misma manera en todas las situaciones. Este tipo de rediseño requiere comprender cómo realmente se realiza el trabajo, no cómo aparece en un organigrama o un mapa de procesos.
Eso no significa reinventar todo. Para las tareas que son en gran medida transaccionales o que no contribuyen a lo que hace que la empresa sea distintiva, la inteligencia artificial ya integrada en el software existente puede ser más que suficiente. Un CRM que ayuda a los vendedores a organizar su cartera de clientes y realizar un seguimiento de manera más efectiva no requiere una solución personalizada.
El cálculo cambia a medida que la labor se acerca al núcleo de lo que hace que el negocio sea valioso. Allí, la IA puede conectar datos propios con las personas que toman las decisiones y los procesos a través de los cuales se entrega el valor. Usada de esta manera, el objetivo no es simplemente automatizar el trabajo o reducir el número de empleados. Se trata, como dice Root, de “10x” la capacidad de las personas, dándoles mejor información, mejores herramientas y la capacidad de tomar mejores decisiones.
A veces la inversión en IA más inteligente es la que no se hace
Algunas de las decisiones más difíciles en inteligencia artificial son aquellas en las que la tecnología funciona claramente, pero la inversión sigue sin tener sentido. Consideremos una herramienta de inteligencia artificial que podría hacer que la función de recursos humanos fuera mucho más eficiente. La herramienta hace todo lo que promete. Pero el equipo de recursos humanos está formado por dos personas, y la empresa aún necesitará a ambas después de la implementación. La eficiencia es real. El valor económico no lo es.
Es un ejemplo simple, pero apunta a una distinción que Root cree que a menudo se pierde en la inmediatez de adoptar la inteligencia artificial: la eficiencia es un resultado, no una estrategia.
“No empiezo con el enfoque de la eficiencia en la conducción. Eso me resulta aburrido. Las economías de costos no son una estrategia. Son un medio para lograr un fin. Así que, concédete tiempo para definir con precisión qué es lo que quieres que sea el resultado final.”
— Robert Root – Socio de Transformación en Southfield Capital
Este punto final es importante. La cuestión no es simplemente si la IA puede reducir el tiempo, los costos o el número de empleados. La cuestión es qué intente hacer el negocio con la capacidad que crea. Las aplicaciones más valiosas pueden generar eficiencias a lo largo del camino, pero esa eficiencia puede luego financiar inversiones que fortalezcan la oferta, mejoren la experiencia del cliente o generen nuevas fuentes de crecimiento.
El objetivo no consiste simplemente en hacer que el negocio sea más económico de administrar. Se trata de crear la capacidad para lo que Root describe en otros lugares como los beneficios de segunda y tercera orden de la IA: nuevos servicios, nuevos modelos de negocio y nuevas oportunidades de mercado.
Haz dos cosas a velocidad de relámpago, no ocho a paso lento.
Decidir dónde se ubica la IA no es solo la mitad de la disciplina. La otra mitad es la secuenciación. El entusiasmo puede rápidamente convertirse en el enemigo de la ejecución. Un caso de uso prometedor se convierte en cinco, luego en diez, con recursos distribuidos entre todos ellos y muy pocos de ellos terminan realmente en la empresa.
Root defiende el enfoque opuesto: Elige uno o dos casos de uso de alto valor, actúa rápidamente y haz que los resultados sean visibles en toda la organización.
El éxito genera impulso. Una vez que la gente ve lo que es posible, comienza a identificar oportunidades en su propio trabajo. Las siguientes ideas provienen de las personas más cercanas a los problemas, informadas por lo que la organización ya ha aprendido.
La experiencia del mercado en general refuerza el punto de vista de Root. Bain descubrió que, aunque la mayoría de las empresas de portafolio de capital de riesgo estaban experimentando con la inteligencia artificial generativa, solo unas 20% habían trasladado los casos de uso a la producción y estaban obteniendo resultados concretos. Las empresas que estaban logrando los mayores avances no estaban tratando de resolver todo de una vez. Estaban construyendo capacidades, centrando la inteligencia artificial en prioridades estratégicas y gestionando de manera decisiva la incertidumbre.
Este tipo de enfoque requiere implicación de la parte superior de la organización. Dado que la IA puede conectar a las personas, los procesos y la tecnología entre las distintas áreas funcionales, ningún departamento en solitario puede aprovechar esta oportunidad. Debe ser una prioridad para la dirección, con el CEO que defina la dirección y imponga decisiones sobre dónde concentrarse.
El factor diferencial rara vez es el acceso a la tecnología. Lo que realmente importa es la disciplina de liderazgo para elegir dónde invertir, actuar rápidamente, aprender y construir a partir de ahí.
El premio es una empresa más valiosa, no una oficina administrativa más barata
Usada con este tipo de disciplina, la IA no debería hacer que las empresas parezcan más similares. Debe ayudarles a centrarse aún más en lo que ya les hace distintivos. Esto lleva el argumento de vuelta al punto de partida de Root: el moat de datos.
A medida que los modelos y software de inteligencia artificial se vuelven cada vez más accesibles, la ventaja pasa a depender de lo que una empresa conoce de forma exclusiva y de la manera efectiva en que puede convertir ese conocimiento en mejores decisiones, mejores experiencias para los clientes y nuevas fuentes de valor.
El análisis de McKinsey sobre las empresas respaldadas por fondos de capital riesgo reveló que aquellas con el nivel más alto de madurez en inteligencia artificial tenían un múltiplo de ingresos promedio de 31 veces, mientras que la ganancia media por empleado era un 52% superior a las empresas con el nivel siguiente de madurez en inteligencia artificial. La oportunidad no consiste simplemente en reducir los costos de la empresa. Se trata de crear una empresa más diferenciada y, en última instancia, más valiosa.
Eso requiere una pregunta inicial diferente. No ¿Dónde podemos utilizar la IA? o incluso ¿Dónde nos puede ahorrar dinero la IA?
Pero: ¿Qué sabe nuestro negocio que otros no saben, y cómo puede la inteligencia artificial ayudar a convertir esa ventaja en mayor valor?
Esta es la disciplina que separa la adopción de IA de la estrategia de IA.
Este artículo forma parte de una serie de Insights de Kingsley Gate que se basa en una conversación entre Alison Woodhead y Robert Root, así como en la aparición de Root en el programa Nasdaq Trade Talks de abril de 2026. Los extractos se utilizan con permiso.
Referencias
La investigación de NANDA de MIT sobre la adopción de IA generativa en las empresas (“The GenAI Divide: State of AI in Business 2025”), según lo reportado por Fortuna, agosto de 2025.
Harvard Business Review, “¿Cuánto tiempo y energía desperdiciamos alternando entre aplicaciones?”, agosto de 2022.
McKinsey & Company, “Más allá de la productividad: Cómo la inteligencia artificial crea valor en el sector del capital privado.”
Southfield Capital / Negociaciones de Nasdaq Trade, “Integración de la inteligencia artificial en las operaciones de Private Equity y Banca de Inversión”,” Presentación en marzo de 2026.
English 
Español de México