Cinco departamentos, diez herramientas de IA, ningún sistema

Imagina una pyme con cinco departamentos y diez herramientas de IA repartidas entre ellos. Haz un ejercicio sencillo: pide a cada departamento de tu empresa que apunte las herramientas de IA que usa. Entre otras, marketing tendrá un generador de textos, ventas un asistente que resume reuniones, finanzas una extensión para el correo y soporte un chatbot que nadie presentó a dirección. Cada compra tiene sentido por separado. Juntas no forman un sistema. Lo que falta tiene un nombre poco vistoso, gobernanza de la IA, y en una pyme se reduce a algo muy concreto: decidir qué se usa, con qué datos y quién responde de ello.

Me fijo en este patrón porque en una pyme no suele ser un problema de tecnología. Es un problema de criterio: nadie decidió qué se puede hacer con la IA y qué no, así que decide cada persona cada día.

# Qué es la gobernanza de la IA y por qué una pyme la necesita

La gobernanza de la IA es el conjunto de decisiones que una empresa toma sobre cómo se usa la inteligencia artificial: qué herramientas se aprueban, qué datos pueden tocar, quién autoriza las nuevas y quién responde cuando algo sale mal. Suena a algo reservado a las grandes corporaciones. En una pyme es justo lo contrario: cuantas menos personas hay, más rápido se pierde la pista de qué hace cada una con cada herramienta.

No es un comité, ni un manual interminable, ni un freno a la innovación. Es un puñado de reglas escritas, pocas y claras, que permiten decir que sí a una herramienta sabiendo qué se está aprobando. Una empresa con reglas no usa menos IA. La usa sabiendo qué hace.

Tampoco consiste en prohibir. Cuando la única respuesta de la empresa es un no, el uso no desaparece: pasa a ocurrir donde nadie lo ve. Por eso la gobernanza de la IA empieza por ofrecer una alternativa aprobada, no por cerrar puertas.

# Qué es la IA en la sombra y por qué aparece

La IA en la sombra es el uso de herramientas de IA sin que la empresa lo haya aprobado, ni siquiera sepa que existe. No nace de la mala fe. Nace de la prisa: alguien tiene una tarea pesada, encuentra una herramienta gratuita que la resuelve en minutos y la usa. Si la empresa no ofrece una alternativa clara, la alternativa es la herramienta gratuita.

El riesgo no está en la herramienta, sino en lo que se le da. Un listado de clientes pegado en un chat, un contrato subido para resumirlo o una hoja de precios que sale de la empresa son decisiones que nadie ha tomado a conciencia.

Hay un detalle que se olvida: quien usa una herramienta sin permiso casi nunca lo hace para esconder nada. Lo hace para llegar a tiempo. Por eso una norma que solo prohíbe suele fracasar, y una que explica qué se puede hacer, con qué herramienta y con qué datos, suele cumplirse.

# Tres señales de que tu empresa ya está ahí

• Nadie sabe contestar con exactitud cuántas herramientas de IA se pagan, ni quién las paga.
• Dos departamentos resuelven el mismo problema con herramientas distintas y resultados que no se pueden comparar.
• No existe una regla escrita sobre qué datos de clientes, de personas o de la propia empresa pueden entrar en una herramienta externa.

Si reconoces una, probablemente reconozcas las tres. Es frecuente que ocurra cuando la adopción va por delante de la decisión.

Cada señal apunta a una carencia distinta. La primera habla de visibilidad: si no sabes qué se paga, no sabes qué se usa. La segunda habla de coordinación: dos equipos que resuelven lo mismo por separado duplican esfuerzo y generan resultados que luego nadie puede comparar. La tercera habla de datos y es la más delicada, porque sin una regla escrita cada persona aplica la suya.

Ninguna de las tres se arregla comprando otra herramienta. Se arreglan con decisiones, y las decisiones empiezan por ponerlas por escrito.

# La política mínima que sí se cumple

Las políticas de IA interminables no las lee nadie. La que funciona cabe en una hoja y responde cuatro preguntas: qué herramientas están aprobadas, qué datos nunca salen de la empresa, quién decide cuando aparece una herramienta nueva y qué hace una persona cuando duda. Lo importante es que la pueda aplicar alguien sin pedir permiso a nadie en cada tarea.

Cada una de esas preguntas cierra una puerta distinta:

• Qué herramientas están aprobadas. Una lista corta y visible. Si una herramienta no está, se pide antes de usarla y alguien responde.
• Qué datos nunca salen. Los datos de clientes, de personas y de la propia empresa que no pueden pegarse en una herramienta externa. Cuanto más concretos sean los ejemplos, mejor se entiende la regla.
• Quién decide lo nuevo. Una persona con nombre y apellidos, no un cargo en abstracto.
• Qué hacer ante la duda. Un camino sencillo: preguntar a quien decide antes de actuar, no después.

Y que tenga un dueño. Una política sin responsable se convierte en un documento más del servidor compartido.

Con un dueño, la política se actualiza cuando aparece una herramienta nueva o cambia un uso. Sin dueño, se queda como se escribió el primer día, y esa es la forma más rápida de que deje de servir.

# El mapa de IA: ver antes de comprar

Antes de comprar otra herramienta, yo haría un inventario de lo que ya existe y de lo que cada departamento intenta resolver. Es lo que yo llamaría un mapa de IA: una vista única de procesos, herramientas, datos que tocan y personas que las usan. Sirve para ver duplicidades, detectar riesgos y decidir dónde la IA aporta de verdad y dónde solo añade ruido.

Un mapa útil responde cuatro cosas por cada herramienta:

• Qué proceso de la empresa resuelve.
• Quién la usa y quién la paga.
• Qué datos recibe.
• Si ya hay otra herramienta que hace lo mismo.

Con esa hoja a la vista pasan dos cosas. Se ven las duplicidades, y con ellas aparecen las herramientas que sobran. Y se ve qué datos toca cada una, que es la información que hace falta para escribir la política con ejemplos reales en lugar de reglas abstractas. Por eso el mapa y la política van de la mano: el mapa dice lo que hay y la política dice lo que se permite.

Es también por donde empezamos en cronuts, consultora B2B de growth marketing e IA: antes de proponer nada, auditamos el stack actual e identificamos los casos de uso con mejor ROI. Su resultado más útil puede ser una lista de herramientas que sobran, no de las que faltan. Puedes ver qué hacemos en nuestro servicio de IA para empresas y, si prefieres ir poco a poco, en cómo avanzamos por bloques cerrados.

# Gobernanza de la IA en la práctica: qué decidir antes de escalar

Escalar la IA es pasar de que la use una persona o un equipo a que forme parte de cómo trabaja toda la empresa. Es el momento en que un problema pequeño se multiplica: si cada departamento ya compra por su cuenta, escalar sin decidir solo consigue más herramientas sin criterio común.

Antes de dar ese paso, la gobernanza de la IA se resume en cuatro decisiones:

• Qué usos merecen escalarse. No todo lo que funciona en una prueba debe extenderse. Se escala lo que resuelve una tarea real mejor que antes.
• Qué datos se pueden usar. Se fija antes de abrir la herramienta a más personas, no después.
• Quién responde. Cada herramienta aprobada tiene una persona detrás que sabe qué hace y quién la usa.
• Qué se retira. Escalar también es quitar: herramientas que se solapan, pruebas que no llegaron a nada y cuentas que nadie usa.

Es un orden de trabajo, no un proyecto largo. Primero se ve lo que hay, después se escriben las reglas y solo entonces se amplía el uso. Hacerlo al revés, con las herramientas por delante de las reglas, es justo lo que describe el ejemplo del principio.

# Qué haría yo esta semana

Pediría a cada responsable de departamento una lista de las herramientas de IA que usa su equipo, sin juicio y sin consecuencias. Después marcaría tres cosas en cada una: qué datos recibe, quién la paga y qué tarea resuelve. Con eso en una sola hoja ya se ve qué hay que ordenar primero.

Con esa hoja, haría una segunda conversación corta: qué datos no deberían salir de ninguna herramienta y quién va a responder de la política. No hace falta resolverlo todo en una semana. Basta con tener una lista, una regla sobre datos y un nombre.