¿Qué es la IA amateur en una empresa?
La expresión la tomo de Martín Migoya, CEO de Globant, que la usó para describir lo que ve hoy en las empresas: empleados que experimentan con IA por iniciativa propia y construyen soluciones que funcionan, pero que viven fuera de cualquier estructura corporativa.
«Amateur» no significa mala. Muchas de esas herramientas son brillantes. Significa que:
- las creó alguien sin mandato formal,
- viven en una cuenta personal,
- se alimentan de datos copiados a mano,
- y nadie más en la empresa sabe que existen.
Es el mismo fenómeno que vivimos con Excel hace veinte años, pero a una velocidad mucho mayor. En empresas medianas y chicas, el 80% de los usuarios de IA trae sus propias herramientas al trabajo, según el Work Trend Index de Microsoft y LinkedIn.
¿Por qué prohibir la IA personal no funciona?
Porque el empleado ya comprobó que le ahorra horas. Prohibirla no la elimina: la esconde. El 78% de los empleados lleva sus propias herramientas de IA al trabajo, muchas veces sin aprobación de la empresa, por el ahorro de tiempo y la mejora de productividad que perciben.
Y cuando la IA pasa a la clandestinidad, la empresa pierde dos veces: sigue expuesta al riesgo de datos, y además pierde la posibilidad de aprovechar lo que esos empleados aprendieron.
¿Qué se pierde cuando cada herramienta de IA vive en una cuenta personal?
| Pérdida | Qué pasa en la práctica |
|---|---|
| Consistencia | Dos herramientas responden la misma pregunta con números distintos |
| Continuidad | El empleado se va y su herramienta desaparece con él |
| Seguridad | Datos sensibles quedan en plataformas fuera del control de IT |
| Auditabilidad | Nadie puede reconstruir cómo se llegó a una respuesta |
| Escala | Una buena solución la usa una persona en lugar de cien |
La última es la más costosa y la menos visible. Si un analista resolvió cómo proyectar la cobranza en diez minutos, ese conocimiento debería estar disponible para todo el equipo.
¿Cómo se pasa de IA amateur a IA corporativa?
En BlueDraft trabajamos con un proceso de cuatro etapas:
1. Inventario. Un censo de qué herramientas de IA existen, quién las usa, para qué y con qué datos. La regla de oro: sin castigo. El objetivo es encontrar valor, no culpables.
2. Triaje. No todas las herramientas merecen el mismo tratamiento. Las clasificamos por uso y criticidad:
| Criticidad baja | Criticidad alta | |
|---|---|---|
| Uso alto | Estandarizar y compartir | Prioridad 1: reconectar y gobernar |
| Uso bajo | Dejar como experimento personal | Documentar y evaluar |
3. Reconexión. Las herramientas prioritarias dejan de leer archivos subidos a mano y pasan a consultar una fuente gobernada, mediante conectores estándar como MCP (Model Context Protocol), el protocolo abierto que hoy soportan Claude, ChatGPT y Gemini. El prompt y la lógica del empleado se mantienen; cambia el origen de los datos.
4. Gobierno. Cada herramienta corporativa tiene dueño, versión, permisos y registro de uso. Si una definición cambia, cambia para todas.
S · LA SOLUCIÓN
¿Qué arquitectura de datos necesita una IA corporativa?
La IA es la última capa, no la primera. Debajo necesita:
- Fuentes: ERP, CRM, sistemas comerciales, bancos.
- Integración: procesos que extraen, limpian y unifican esos datos automáticamente.
- Modelo semántico: donde se define, una sola vez, qué significa cada métrica. Es la capa que hace que «margen bruto» signifique lo mismo para cualquiera que pregunte.
- Capa de acceso para IA: conectores con permisos, que exponen el modelo semántico a las herramientas.
- Herramientas: los GPTs, Gems, proyectos de Claude y agentes que el equipo ya usa.
La mayoría de las empresas tiene la capa 1 y la capa 5, y en el medio tiene un empleado copiando y pegando.
En el dominio financiero, la capa 3 ya existe como producto: Plika funciona como el modelo semántico y la base única para presupuesto, forecast y reportes, y, mediante su servidor MCP, permite que las herramientas de IA del equipo de finanzas la consulten directamente. Para el resto de las áreas (comercial, operaciones, supply), la arquitectura se diseña a medida.
¿Por dónde conviene empezar?
Por el área donde la inconsistencia duele más. En casi todas las empresas es finanzas: es donde dos números distintos generan desconfianza en el directorio y donde un error llega a los estados contables. Resolver ahí primero genera el caso interno para extender el modelo al resto de la organización.
¿Sabés cuántas herramientas de IA construyó tu equipo este año? En un diagnóstico de 45 minutos hacemos el primer inventario y te decimos cuáles vale la pena convertir en corporativas..→ [Agendar diagnóstico]
Preguntas frecuentes
Es el uso de herramientas de IA por parte de empleados sin aprobación ni control de la empresa. No siempre es negativa: muchas veces es la señal de dónde está la demanda real de IA.
No tanto la herramienta, sino los datos que consulta, quién la mantiene y si su respuesta es auditable.
No. En la mayoría de los casos se conserva la herramienta y se reemplaza la fuente de datos por una gobernada.
En promedio, entre 1 y 2 meses. El plazo depende sobre todo de la calidad de los datos de origen y de cuántas herramientas se prioricen en el triaje.