Hay un caso clásico de la escuela de negocios de Harvard sobre un entrenador de remo que forma su mejor equipo con los ocho remeros más fuertes y deja a los ocho más débiles en el bote junior. Contra todo pronóstico, el bote de los "mejores" perdía una y otra vez. ¿El motivo? Cada estrella remaba con toda su fuerza en solitario, rompía el ritmo común y frenaba el bote. Los remeros junior, conscientes de su límite individual, remaban acompasados. Es la mejor imagen para entender por qué necesitas pensar en IA para toda la empresa y no solo en hacer más fuerte a cada persona: el resultado colectivo puede ser peor aunque cada individuo rinda al máximo.
Muchas empresas viven hoy exactamente eso con la inteligencia artificial. Han dado herramientas potentes a cada empleado, y sin embargo el negocio en su conjunto no rema más rápido. La diferencia entre optimizar a la persona y optimizar el sistema es la que separa el "hemos probado la IA" del "la IA nos hace ganar dinero".
Del rendimiento individual a la IA para toda la empresa
Este fenómeno tiene nombre: suboptimización. Ocurre cuando se maximiza una parte del sistema y, sin querer, se perjudica al conjunto. Un análisis reciente de SAP lo explica muy bien y aporta un dato revelador del State of AI de McKinsey: aunque la adopción de IA es casi universal (un 88% de las organizaciones la usan de forma habitual en al menos una función), solo una minoría reconoce un impacto real en sus resultados a nivel de empresa (fuente: news.sap.com, "How to Optimize AI for the Entire Enterprise, Not Just the Individual", 2026).
Nosotros trabajamos con pymes que evalúan o ya usan Microsoft Dynamics 365 Business Central, y vemos el mismo patrón a menor escala. La IA generativa entusiasma en el escritorio de cada persona, pero el valor no "sube" al negocio. Hay tres razones que lo explican: intensidad, contexto y predicción. Vamos con las tres, aterrizadas a la realidad de una empresa privada.
Intensidad: la IA no siempre quita trabajo, a veces lo multiplica
La promesa es "harás lo mismo en menos tiempo". La práctica suele ser otra: como generar cosas es ahora inmediato, la gente genera más. Más informes, más análisis, más borradores de correo. El problema es que alguien tiene que leer, revisar y absorber toda esa producción. Es como una autopista de ocho carriles que desemboca en una única cabina de peaje: se crea muchísimo, pero el cuello de botella lo pagan las personas y, sobre todo, la organización.
La solución no es usar menos IA, sino cambiar dónde y cómo aparece. Una IA útil entiende lo que necesitas y te devuelve la respuesta o ejecuta la acción, en lugar de fabricar un documento más que sumar a la pila. En el ecosistema Microsoft, esto se traduce en asistentes integrados en el propio ERP y en Power Platform que actúan sobre los datos reales del negocio, no en una app aparte que te obliga a saltar de sistema en sistema.
Contexto: la IA entiende el mundo, pero no tu empresa
Un modelo genérico sabe mucho del mundo y casi nada de cómo funciona tu compañía. Y una empresa se mueve con dos tipos de conocimiento: el que está en el sistema de registro (transacciones, maestros, lógica de procesos que vive en el ERP) y el conocimiento tácito (correos, chats, reglas no escritas, criterios que solo están en la cabeza de las personas).
Una pregunta aparentemente trivial como "¿a qué proveedores puedo pedir este material?" en realidad exige conocer compras, cadena de suministro, cumplimiento y finanzas a la vez. Si la IA solo ve la parte transaccional, su respuesta puede ser técnicamente correcta y a la vez equivocada en la práctica, porque ignora que "solo compramos al proveedor A salvo excepción aprobada por dirección". Por eso el trabajo previo importa tanto: datos ordenados y gobernados, procesos bien modelados y reglas explícitas. Aquí Business Central juega a favor, porque concentra en un solo sistema finanzas, compras, inventario, ventas o proyectos, y da a la IA un terreno fiable sobre el que responder con el contexto de tu negocio, no solo con teoría.
Predicción: la decisión de negocio es, casi siempre, una predicción
"¿Llegará el pedido a tiempo?", "¿reordeno stock de este producto?", "¿qué riesgo de impago tiene este cliente?". Son preguntas de predicción, y se apoyan en datos estructurados y tabulares. Aquí conviene ser honestos: los modelos de lenguaje son excelentes con texto, pero no son la herramienta ideal para calcular previsiones fiables sobre tablas numéricas. Y el enfoque tradicional —extraer datos, pasarlos a un especialista y esperar semanas— suele llegar tarde: cuando el análisis está listo, la pregunta ya ha cambiado.
La conclusión práctica es que la previsión y la evaluación de riesgo no deberían ser un truco individual, sino una capacidad del sistema, disponible para quien decide. Combinar el ERP con herramientas de analítica como Power BI y modelos adecuados para datos estructurados permite que un responsable de operaciones haga la pregunta y obtenga una respuesta apoyada en datos reales de la empresa, sin depender de un cuello de botella de especialistas.
Cómo lo aterrizamos en Tisa
De poco sirve encadenar tres conceptos si no se traducen en pasos concretos. Nuestro enfoque con pymes y empresa privada es este:
- Empezar por un caso de uso medible, no por "poner IA". Un problema real, con un antes y un después que se puedan comparar.
- Ordenar y gobernar los datos antes de pedirle milagros al modelo. Sin datos limpios, la IA alucina o se equivoca con seguridad.
- Integrar la IA donde ya trabaja la gente: dentro de Business Central y Power Platform, para reducir la intensidad en lugar de multiplicarla.
- Medir el impacto en el conjunto, no solo la comodidad de una persona.
Llevamos desde 1987 implantando soluciones de gestión y hemos acompañado a empresas de retail, distribución, construcción, industria alimentaria, centros deportivos y hostelería. Esa experiencia sectorial es la que nos permite distinguir el caso de uso que mueve la aguja del que solo genera ruido.
¿Quieres pasar de la IA individual a una IA para toda la empresa que se note en tus resultados? Hablemos sin compromiso: llámanos al (+34) 971 305 885, escríbenos a info@grupotisa.com o visita grupotisa.com. Estudiamos tu caso y te decimos, con franqueza, por dónde empezar.
Fuente de inspiración: news.sap.com, "How to Optimize AI for the Entire Enterprise, Not Just the Individual" (Florian Kunzke, 2026). Interpretación y enfoque propios de Tisa.