Busque nuevas formas de crear valor al implementar la IA generativa.

Las nuevas tecnologías convierten en productos básicos las antiguas fuentes de ventaja. Consideremos la invención de la cámara: los retratistas no pudieron adaptarse simplemente utilizando la nueva tecnología (la cámara) para agilizar yhacer más eficientesu trabajo , porquela fotografía había convertido su oferta en un producto básico, lo que redujo la disposición de los clientes a pagar y agotó su fuente de ingresos. Nuestra investigación muestra un patrón similar con la IA generativa. Hemos mapeado los puestos de trabajo de 800 empresas públicas estadounidenses y luego hemos puntuado el potencial de cada actividad para su ampliación o automatización mediante IA generativa, basándonos en factores como la necesidad de presencia física, la disponibilidad digital de los insumos y la dependencia de la lógica basada en tareas. No encontramos ninguna correlación entre la medida resultante del potencial de automatización de la IA generativa por sector y la evolución de los márgenes de beneficio a nivel sectorial desde el lanzamiento de ChatGPT. De hecho, los sectores con mayor potencial de automatización —finanzas, tecnología y medios de comunicación— experimentaron un estancamiento o una caída de los márgenes. También descubrimos que esta relación no está mediada por las diferencias en los niveles de adopción de la IA generativa entre los distintos sectores. Para aproximarnos a esto, utilizamos datos disponibles públicamente que indican en qué medida las empresas están desarrollando o integrando activamente capacidades de IA generativa, como la proporción de empleados con habilidades relevantes y el número de proveedores externos de tecnología de IA que utilizan las empresas. En resumen, incluso cuando las empresas invierten recursos en IA generativa, las ganancias de productividad resultantes parecen desaparecer debido a la competencia, ya que se transfieren a los clientes o proveedores en lugar de quedarse en las empresas, lo que constituye un primer indicio de mercantilización. Por lo tanto, los datos sugieren que los beneficios de la IA generativa no radican en utilizar la tecnología simplemente para realizar las actividades existentes de forma más rápida o eficiente. Más bien, los líderes empresariales que deseen implementar la IA generativa para obtener ventajas deberían fijarse en otro impacto de las nuevas tecnologías: la apertura de nuevas fuentes de valor. Tres estrategias para implementar la IA generativa dentro de la empresa Cuando las tecnologías eliminan un cuello de botella en una parte de la cadena de valor, no eliminan la escasez, sino que la reubican. Lo que antes era valioso se convierte en una mercancía, pero al mismo tiempo surge una nueva fricción o restricción, que se convierte en una nueva escasez y fuente de valor. Por ejemplo, la fotografía hizo que abundaran las representaciones realistas, pero el significado, la perspectiva y la emoción se convirtieron en nuevos diferenciadores escasos. Esto inspiró el surgimiento de movimientos como el impresionismo y el cubismo. Las nuevas tecnologías no solo desplazan los focos de valor a lo largo de las cadenas existentes, sino que también crean otros nuevos. Al eliminar las limitaciones, hacen posibles modelos de negocio que antes eran imposibles. La fotografía, por ejemplo, transformó el periodismo, la publicidad y la edición al hacer escalables las representaciones objetivas de la realidad. Los cambios asociados a las tecnologías innovadoras —el agotamiento de las antiguas fuentes de valor, pero la aparición de otras nuevas en torno a la resolución de fricciones novedosas y la adopción de modelos de negocio hasta ahora imposibles— proporcionan un marco útil para ayudar a los líderes a anticipar dónde residirán las futuras fuentes de valor en la era de la IA generativa. El optimizador: mejorar las capacidades existentes. A menudo, las empresas están implementando tecnología de IA generativa con la esperanza de mejorar sus capacidades actuales, es decir, ser más rápidas, más productivas o más receptivas. Algunos ejemplos son las editoriales digitales, como BuzzFeed, que adoptan los LLM para desarrollar contenidos, o Bloomberg, que integra la IA generativa en su servicio de terminales para resumir rápidamente las conferencias sobre resultados o los informes financieros. Estos casos de uso pueden desbloquear un nuevo potencial de crecimiento o una mayor eficiencia, lo que fomenta una ventaja competitiva para las empresas que son más rápidas en implementar eficazmente las nuevas tecnologías. Sin embargo, es probable que estas ventajas sean solo temporales, ya que dependen de actividades que cada vez están más mercantilizadas por la tecnología de IA generativa. En otras palabras: la tecnología de IA generativa ofrece un impulso a corto plazo al hacer que estas empresas sean más eficientes. Pero a largo plazo, a medida que la IA generativa se extienda, estas actividades se mercantizarán, ejecutarlas de manera eficiente se convertirá en algo habitual y la fuente de valor subyacente se agotará. El curador: Resolver nuevas fricciones. Es poco probable que se obtenga una ventaja duradera al implementar la IA generativa para hacer, de forma más rápida y eficiente, lo que su empresa ya está haciendo. Más bien, se derivará de cambiar su enfoque hacia lo que se ha vuelto más difícil de hacer con la aparición de la tecnología de IA generativa. Por ejemplo, los servicios básicos que ofrecen las empresas de consultoría en materia de investigación, síntesis y producción de resultados pulidos se están convirtiendo en productos básicos gracias a la IA generativa. Sin embargo, al facilitar la creación de contenidos abundantes, la tecnología genera nuevas fricciones en torno a la verificación de esos contenidos, la extracción de conclusiones útiles y la priorización de las implicaciones. En otras palabras, los valores están pasando de la creación de contenidos a la aplicación del juicio. Además, la IA generativa ha hecho posible producir textos de marketing, publicaciones en redes sociales o ideas de diseño casi infinitos. La medida diferenciadora ante esta fricción es centrarse en la curación, es decir, filtrar y contextualizar un entorno mediático saturado. Un ejemplo de ello es The Browser, un boletín informativo de pago que selecciona cinco artículos destacados al día para compartirlos con sus más de 150 000 suscriptores. Sin contenido original, su negocio se basa íntegramente en utilizar el gusto editorial para guiar a los clientes a través de la abundancia de artículos en línea. Centrarse en una estrategia de juicio o curación no es viable para todas las empresas. Además, es posible que las fricciones subyacentes no persistan indefinidamente. Quizás, en el futuro, la inteligencia artificial llegue a ser muy hábil a la hora de validar o seleccionar contenidos. Sin embargo, lo que no cambiará es el hecho de que, a medida que la tecnología avance y resuelva las fricciones existentes, surgirán otras nuevas. Por lo tanto, las empresas deben centrarse en identificar las nuevas fricciones provocadas por la IA generativa y posicionarse para resolverlas. El reinventor: crear nuevos modelos de negocio. Se hacen posibles ofertas completamente nuevas porque la IA generativa permite eliminar las restricciones en torno a los costes o la complejidad operativa. Por ejemplo, la IA generativa se puede utilizar para superar la tradicional disyuntiva entre alcance y personalización, lo que permite ofrecer experiencias personalizadas a clientes más pequeños, más fragmentados o con márgenes más bajos. Esto permite a las empresas llegar a segmentos que antes ignoraban porque los costes de atenderlos eran demasiado elevados. Por ejemplo, Spotify utiliza la IA generativa para traducir y clonar la voz de los podcasts a varios idiomas, ampliando así el alcance de su contenido a un público más amplio. Por su parte, las herramientas de marketing de IA de Meta generan recursos creativos adaptados tanto al producto que se anuncia como al usuario al que se dirige la publicidad. En ambos ejemplos, la IA generativa se utiliza para aprovechar los activos diferenciados existentes (por ejemplo, la biblioteca de podcasts y la amplia base de usuarios de Spotify; la posición central de Meta en el ecosistema publicitario). Por lo tanto, una forma útil de identificar implementaciones potencialmente valiosas de la IA generativa es evaluar cómo la tecnología podría redoblar las ventajas existentes. Por ejemplo, dado que la IA generativa es especialmente potente a la hora de procesar conocimientos y hacerlos más accesibles, puede abrir nuevas fuentes de ingresos asociadas a habilidades y capacidades únicas existentes que antes estaban ocultas dentro de la organización. JPMorgan Chase ha creado IndexGPT, una herramienta de IA generativa diseñada para reconvertir su capacidad institucional existente en el análisis y la selección de valores en una herramienta disponible para los clientes minoristas. Del mismo modo, la editorial científica Elsevier ha abierto una nueva vía para monetizar su vasto archivo de revistas médicas y bases de datos de medicamentos, utilizándolo para crear una herramienta de apoyo a la toma de decisiones clínicas basada en la IA generativa, que los médicos pueden consultar para recibir opciones de tratamiento basadas en la evidencia. Por último, la IA generativa también permite modelos de prestación y experiencias de usuario totalmente nuevos: en el ámbito educativo, Duolingo Max utiliza modelos de lenguaje grande (LLM) para proporcionar a cada alumno un tutor de idiomas personal con escenarios de «juego de roles», que incluyen comentarios integrados y ajustes dinámicos del plan de estudios. Estas son estrategias que ya son posibles con las herramientas de IA generativa disponibles en la actualidad. A medida que la tecnología evolucione, surgirán nuevas capacidades y nuevos modelos de negocio que serán posibles y valiosos, al igual que los ya existentes pueden volver a convertirse en productos básicos. Una implicación para los ejecutivos es que no deben buscar la diferenciación buscando actividades que aún no pueden realizarse con la IA generativa, ya que los valores asociados a ellas se reducirán a medida que la IA generativa evolucione. Más bien, la búsqueda debe centrarse en actividades que serán posibles a medida que la IA evolucione, por ejemplo, valores en crecimiento o emergentes. Reposicionamiento para un ecosistema impulsado por la IA generativa Las estrategias anteriores se centran en implementar la IA generativa a nivel interno para mejorar los productos o las operaciones, con el objetivo de lograr una expansión de los márgenes, una mayor velocidad o escala. Pero hay otro camino, que implica una perspectiva más externa: al reconocer los cambios que la IA generativa impulsará en el mercado en general, los líderes pueden reposicionar su empresa como un nodo valioso en este ecosistema emergente. Esto no significa desarrollar un modelo de IA propio, construir un centro de datos o diseñar hardware informático. Más bien, significa ajustar las propuestas de valor existentes o desarrollar otras nuevas para una realidad en la que la IA generativa forme parte de todas las actividades del mercado. Tres estrategias ilustran cómo este desarrollo puede impulsar cambios en las fuentes de valor. El reempaquetador: replantearse las ofertas para opciones impulsadas por la IA generativa. Dado que las decisiones se basan cada vez más en la información proporcionada por los agentes de IA —y es posible que en un futuro próximo sean tomadas directamente por ellos—, las empresas deben reformular sus ofertas para el consumo de las máquinas. Esto significa revisar la forma en que se proporciona la información, por ejemplo, ofreciendo datos estandarizados sobre las características y la compatibilidad de los productos, y permitiendo a los agentes interactuar directamente con sus ofertas, por ejemplo, realizando compras. Empresas como Peec AI y Profound ya están ayudando a las marcas a analizar cómo los LLM describen y recomiendan sus productos en una forma emergente de optimización de agentes de IA que se hace eco de la optimización de los motores de búsqueda, pero para la economía mediada por agentes. Este nuevo enfoque complementará las estrategias de marketing tradicionales centradas en la percepción humana y la marca, que pueden perder fuerza a medida que los agentes se basan en datos objetivos y verificables en lugar de en la confianza emocional o el reconocimiento. Yendo un paso más allá, Casas Bahia, uno de los minoristas líderes de Brasil, ha creado un agente conversacional basado en IA generativa en WhatsApp, que permite a los clientes navegar, comparar productos y completar compras a través de un diálogo natural, en lugar de hacerlo a través de un sitio web tradicional. Desde su lanzamiento en noviembre de 2025, este canal ha atraído a más de 2 millones de usuarios y también influye en más del 5 % de las ventas en tienda del minorista. El reposicionamiento para la elección mediada por agentes es un paso importante y, como ilustra el ejemplo anterior, los pioneros se están beneficiando. Sin embargo, a largo plazo, esta adaptación se convertirá en algo habitual e incluso puede impulsar la mercantilización a medida que se nivele el campo competitivo, con todas las marcas optimizadas para la selección de agentes. El supervisor: validar la precisión de la IA generativa. A medida que los modelos de IA generativa y los agentes autónomos proliferan y comienzan a actuar como actores económicos por derecho propio, existe una necesidad cada vez mayor de una supervisión adecuada para mejorar la credibilidad y garantizar la fiabilidad. Se trata de una nueva fricción que las empresas pueden aprovechar para resolver, por ejemplo, comercializando capacidades que ya utilizan internamente. MasterCard Decision Intelligence ofrece API de puntuación del riesgo de fraude que ayudan a los agentes de pago a decidir cuándo aprobar o rechazar una transacción. Este enfoque de «cumplimiento como servicio» convierte la experiencia en materia de verificación y normativa, adquirida con tanto esfuerzo, en una nueva fuente de ingresos. De manera similar, NewsGuard, que califica a los editores en función de su fiabilidad, credibilidad y posibles conflictos de intereses, ha concedido licencias de su tecnología a proveedores de LLM, que la utilizan para que sus modelos seleccionen fuentes adecuadas y autocorrijan la información falsa. En términos más generales, cualquier empresa que cuente con datos propios y verificados, como resultados de ensayos clínicos, análisis financieros o manuales de ingeniería, podría transformar ese conocimiento en un servicio de validación para los LLM, garantizando que el contenido generado sea conforme y preciso. El proveedor: proporcionar información a la IA generativa. Por último, los modelos de IA generativa también necesitan información para su entrenamiento —una necesidad cada vez mayor, ya que se prevé que los datos de texto creados por humanos y disponibles públicamente se agoten en 2028—así como acceso a datos que puedan ser útiles para responder a consultas en tiempo real. La necesidad de fuentes seleccionadas y de alta calidad, en particular conocimientos específicos del ámbito en el que un desarrollador de modelos desee que su LLM tenga experiencia, está abriendo otro modelo de negocio potencial para las empresas ya establecidas. Por ejemplo, Thomson Reuters concede licencias de noticias y datos de mercado en tiempo real a los canales de LLM, mientras que LexisNexis suministra las ontologías jurídicas estructuradas y la jurisprudencia verificada de las que dependen los LLM específicos de cada ámbito. Emulando este enfoque, una empresa global de bienes de consumo podría monetizar datos anónimos de puntos de venta, alimentando señales de demanda a agentes de planificación minorista, que son utilizados por empresas dispuestas a pagar por una visión más clara del mercado. . . . Las seis estrategias anteriores no son exhaustivas, ni se aplicarán a todas las organizaciones. Los líderes pueden identificar las estrategias más valiosas para su empresa en la era de la IA generativa haciéndose las siguientes preguntas: ¿Cuáles de nuestros activos o capacidades diferenciadores actuales corren el riesgo de convertirse en productos básicos debido a la IA generativa? ¿Qué nuevas fricciones está causando la tecnología de IA generativa en sus mercados o para sus clientes? ¿Vale la pena resolverlas? Y, si es así, ¿cómo pueden hacerlo? ¿Dónde pueden implementar la IA generativa para redoblar las ventajas existentes, por ejemplo, extrayendo nuevo valor de capacidades o activos diferenciados? ¿Qué modelos de negocio completamente nuevos serían posibles si eliminaran las restricciones históricas de coste o complejidad mediante el uso de la IA generativa? ¿Cuáles de sus activos podrían convertirse en insumos o infraestructura para el ecosistema empresarial impulsado por la IA generativa? Al abordar estas cuestiones de forma proactiva, los líderes pueden identificar qué estrategias corren el riesgo de convertirse en productos básicos y cómo obtener una ventaja duradera.

Busque nuevas formas de crear valor al implementar la IA generativa.

Resumen.

Partner Center