Las empresas están invirtiendo miles de millones de dólares en inteligencia artificial, pero existe un problema que muchas prefieren no reconocer: la tecnología no puede ofrecer todo su potencial si antes la organización no pone en orden sus propios datos, procesos y contenidos.
La inteligencia artificial se ha convertido en una de las grandes apuestas de las empresas. Las promesas son conocidas: automatizar tareas, mejorar la eficiencia, ofrecer servicios personalizados y crear asistentes capaces de realizar cada vez más funciones.
Pero entre la promesa y los resultados existe un paso que no siempre recibe la misma atención.
De acuerdo con un análisis publicado por MIT Technology Review en español, muchas compañías quieren implementar soluciones avanzadas de inteligencia artificial sin haber realizado previamente el trabajo necesario para que esa tecnología realmente pueda entender cómo funciona la empresa.
La idea es sencilla, aunque incómoda: la inteligencia artificial puede acelerar un buen proceso, pero también puede acelerar los problemas que ya existen.
La inteligencia artificial necesita contexto
El artículo “Las compañías ante el reto más incómodo de la IA”, publicado el 28 de agosto de 2026 por MIT Technology Review en español, advierte que la inversión empresarial en inteligencia artificial continúa creciendo.
Según las cifras de Gartner citadas en el análisis, el gasto empresarial y tecnológico relacionado con la IA podría alcanzar 2.59 billones de dólares en 2026, lo que representaría un crecimiento de 47% respecto a 2025.
Sin embargo, gastar más dinero no garantiza automáticamente mejores resultados.
El texto retoma la experiencia de Abby Godee, chief experience officer de Publicis Sapient, quien señala que muchas empresas llegan buscando personalización, automatización y asistentes capaces de ejecutar procesos completos.
Pero existe una condición fundamental: la IA necesita comprender el contexto de la organización para poder trabajar de manera útil.
Antes de la IA, hay que hacer el trabajo que nadie ve
Godee define esta preparación como un “trabajo fundacional”.
Antes de pensar en incorporar asistentes inteligentes o automatizar procesos, las empresas necesitan preguntarse qué información poseen, dónde se encuentra y si realmente está organizada para ser utilizada.
Según el análisis publicado por MIT Technology Review en español, este trabajo se concentra en tres grandes áreas.
1. Los datos
La primera es conocer qué datos tiene la empresa, dónde están almacenados, quién los controla y qué tan confiables son.
El problema es que muchas organizaciones acumulan enormes cantidades de información que no pueden utilizar fácilmente.
El artículo cita datos de IDC, según los cuales una parte muy importante de la información generada por grandes empresas sigue siendo no estructurada y resulta difícil de aprovechar en sistemas de inteligencia artificial que necesitan información organizada y accesible.
Una empresa puede tener años de documentos, correos, reportes y bases de datos, pero si la información está dispersa o desactualizada, una IA no obtiene automáticamente el contexto que necesita.
2. El contenido
El segundo reto es preparar los contenidos para que también puedan ser comprendidos por las máquinas.
Las empresas suelen diseñar sus sitios, documentos y plataformas pensando en personas. Pero la nueva etapa de la inteligencia artificial exige, además, que esa información pueda ser interpretada y utilizada por sistemas automatizados.
Organizar el contenido, clasificarlo correctamente y mantenerlo actualizado se vuelve, por tanto, una tarea estratégica.
3. Los sistemas de diseño
La tercera pieza son los sistemas de diseño: las reglas, componentes y estructuras que permiten construir productos digitales de forma consistente.
De acuerdo con el análisis de MIT Technology Review en español, muchos de estos sistemas todavía no están preparados para una automatización real impulsada por inteligencia artificial.
El resultado es un problema que Abby Godee resume de forma contundente: la IA puede terminar amplificando aquello que ya estaba roto.
Dos velocidades para las empresas
Esta situación puede generar una nueva brecha.
Por un lado estarán las organizaciones que preparen sus datos, procesos y sistemas para trabajar con inteligencia artificial. Por otro, aquellas que simplemente incorporen herramientas de IA sobre estructuras desordenadas.
La diferencia puede crecer rápidamente.
El artículo menciona que algunas grandes empresas ya experimentan con tecnologías que permiten conectar modelos de IA directamente con sus propios sistemas internos, de manera controlada.
Aquí aparece un concepto que probablemente será cada vez más común: MCP, o Model Context Protocol.
Se trata de un estándar abierto presentado por Anthropic a finales de 2024, diseñado para facilitar la conexión entre modelos de inteligencia artificial y herramientas, bases de datos o sistemas externos.
En términos sencillos, permite que un sistema de IA tenga acceso controlado al contexto real de una organización.
De hablar con una IA genérica a hablar con una IA que conoce tu empresa
La diferencia es importante.
Una inteligencia artificial convencional puede responder preguntas generales. Pero una IA conectada de manera segura y controlada con los datos y sistemas de una empresa puede comprender mejor sus procesos y realizar tareas más específicas.
Sin embargo, llegar a ese punto requiere infraestructura, gobernanza y una estrategia clara.
La tecnología por sí sola no soluciona el problema.
¿Qué pasa con las marcas cuando desaparecen las interfaces?
La inteligencia artificial también plantea una pregunta más profunda: ¿cómo conservar la personalidad de una empresa cuando cada vez más usuarios interactúan a través de chats y asistentes de IA?
Durante años, las marcas construyeron su identidad digital a través de elementos visuales: colores, botones, navegación y diseño de páginas.
Pero cuando la conversación ocurre dentro de un chat o mediante un asistente, muchos de esos elementos pierden protagonismo.
El contenido, los datos y la manera en que responde una inteligencia artificial pueden convertirse en una parte central de la experiencia de marca.
Por eso, la estrategia de IA no puede limitarse a elegir la herramienta más nueva.
La pregunta ya no es “¿qué IA usamos?”
La verdadera pregunta que enfrentan las compañías es otra: ¿para qué queremos utilizar la inteligencia artificial y estamos realmente preparados para hacerlo?
La advertencia planteada en el análisis de MIT Technology Review en español es clara: las organizaciones que primero ordenen sus datos, contenidos y procesos tendrán mejores condiciones para aprovechar la IA.
Las demás corren el riesgo de descubrir algo que pocas veces aparece en las presentaciones comerciales de esta tecnología:
la inteligencia artificial puede ser muy poderosa, pero no puede convertir automáticamente una empresa desorganizada en una empresa eficiente.
