Gobernanza de la IA: qué se necesita para implantar la IA a gran escala con confianza

Dedico gran parte de mi tiempo a entornos en los que hay que justificar los proyectos tecnológicos: en salas de juntas, comités de inversión y conversaciones sobre costes, riesgos y rentabilidad.

Desde ese punto de vista, he observado algo curioso sobre la inteligencia artificial. Pocas tecnologías han sido aceptadas con tanta facilidad para su prueba, y, sin embargo, son muchas las organizaciones que siguen teniendo dificultades para implantarlas a gran escala.

Un estudio de Gartner publicado en septiembre de 2026 reveló que solo el 4 % de las aseguradoras se encontraba en las fases más avanzadas de madurez en materia de IA para ampliar su uso con el fin de aumentar el valor empresarial. Cuando hablé de esto con Dennis Milan, director de sistemas de información (CIO) y director técnico (CTO) de Innovación Digital en Tokio Marine Seguradora, en el programa «The IT Leaders’ Brief», él hizo una distinción con la que estoy de acuerdo: una cosa es experimentar con la IA generativa en casa y otra muy distinta es utilizarla en una empresa responsable de millones de asegurados.

La brecha entre la fase piloto y la implantación a gran escala no es meramente técnica. También es una cuestión de confianza. La gobernanza contribuye a generar esa confianza.

Los consejos de administración aprueban los riesgos que comprenden

A menudo se considera que la gobernanza es un freno a la innovación: otro comité, otra política o otro formulario que hay que superar. Desde la perspectiva de quienes aprueban las inversiones, yo lo veo de otra manera.

Un consejo de administración no aprueba una tecnología simplemente porque parezca prometedora. Debe comprender lo que está en juego: quién es el responsable, qué riesgos conlleva, cuánto puede costar el proyecto y qué controles existen, incluyendo si la operación puede detenerse en caso necesario.

Los proyectos de IA que no ofrecen respuestas claras pueden resultar costosos si se dejan en el limbo. Puede que sean demasiado inciertos como para ampliarse, pero carecen de argumentos lo suficientemente sólidos como para que alguien los detenga. Así es como se van acumulando los proyectos piloto.

Lo que Dennis quería decir es que la empresa sigue siendo responsable de las respuestas que da a sus clientes, incluso cuando un proveedor de modelos aporta la tecnología. La responsabilidad no se puede externalizar junto con la tecnología. Cuando una empresa asume esa responsabilidad y define cómo la va a gestionar, la gobernanza se convierte en uno de los elementos que permiten a los responsables aprobar el uso de la IA con confianza.

La IA puede poner de manifiesto las deficiencias de los procesos actuales

Uno de los ejemplos que compartió Dennis ponía de manifiesto cómo la introducción de la IA puede sacar a la luz problemas que ya existían.

Mientras preparaban los documentos para entrenar los modelos de IA, su equipo descubrió que a la IA le resultaba difícil interpretar algunos contratos y procedimientos. Al investigar el asunto, se dieron cuenta de que a las personas también les costaba entenderlos. La reformulación del material mejoró la forma en que la IA lo gestionaba y facilitó la comprensión de los documentos tanto para los agentes como para los clientes.

Veo el mismo patrón en todas las organizaciones. La IA puede poner de manifiesto ambigüedades que los equipos han aprendido a sortear gracias a la experiencia, a las conversaciones informales y a los conocimientos que poseen unas pocas personas. Un modelo no puede basarse en esos atajos; depende de la información que recibe.

Esto significa que parte del valor de un programa de IA puede manifestarse antes de que un agente entre en fase de producción: procesos más claros, documentación más coherente y reglas de negocio que, por fin, quedan plasmadas por escrito. Es posible que estos beneficios no aparezcan en el análisis de viabilidad inicial porque los problemas subyacentes no eran visibles. Como mínimo, deberían tenerse en cuenta como resultados potenciales.

Mide la IA a través de los resultados empresariales

La pregunta que más me hacen en los comités de inversión es cómo medir la rentabilidad de la IA. Es una pregunta lógica, pero evaluar a cada agente por separado puede llevar a conclusiones erróneas.

A medida que las organizaciones incorporan más agentes, resulta cada vez más difícil realizar mediciones individuales por agente. Además, esto puede hacer que se dé prioridad a lo que resulta más fácil de cuantificar, en lugar de a lo que realmente importa para la empresa.

En su lugar, evalúa la IA en función de su impacto en los procesos, la experiencia del cliente y los resultados operativos y financieros. En el sector de los seguros, esto podría incluir:

• Cuánto tiempo se tarda en elaborar un presupuesto
• Si los agentes pueden vender productos que antes requerían conocimientos especializados
• ¿Cuántas consultas de clientes se resuelven sin necesidad de escalarlas?

Dennis describió un ejemplo de seguro comercial en el que un corredor introduce el código de actividad empresarial de una empresa y recibe un presupuesto con una cobertura adecuada basada en datos históricos. El indicador de rendimiento no es el rendimiento del modelo por sí solo, sino si hay más corredores capaces de vender un producto que antes no podían vender.

Las cifras generales del mercado apuntan al mismo reto. El análisis de BCG sobre la adopción y el valor de la IA en el sector de los seguros de daños y accidentes indica que las aseguradoras de este sector prevén que el gasto en IA, como porcentaje de los ingresos, se triplique en 2026, mientras que solo el 38 % está generando valor a gran escala gracias a la IA en sus flujos de trabajo principales. Una mayor inversión no se traduce automáticamente en mejores resultados. La clave está en vincular la IA con las prioridades estratégicas, los procesos empresariales y los resultados medibles.

Como dijo Dennis en nuestra conversación: «La IA no es una cuestión tecnológica, sino empresarial».

Para ampliar la IA se necesita control y visibilidad de los costes

Dennis afirmó que Tokio Marine contaba con más de 1.200 agentes en activo en el momento de la conversación. Explicó cómo la empresa estaba elaborando un catálogo y asignando socios comerciales especializados en IA para ayudar a las unidades de negocio a decidir en qué casos tenía sentido recurrir a la IA y en cuáles sería más adecuada una opción más sencilla, como la automatización, un cambio en los procesos o un procedimiento manual.

Cada agente puede aportar valor, pero también genera costes recurrentes, dependencias y riesgos que hay que gestionar. Las organizaciones necesitan saber quién es el responsable de cada agente, cuánto cuesta su mantenimiento, qué resultados ofrece y cuándo se revisó por última vez. Sin esa visibilidad, resulta difícil decidir qué mantener, qué mejorar o qué eliminar.

Esta disciplina también ayuda a abordar el coste de la IA. Añadir una capa de IA a un servicio digital que ya funciona bien puede suponer un gasto adicional sin aportar ningún valor añadido. Saber cuándo no utilizar la IA —y tener razones claras para esa decisión— forma parte de una estrategia sólida en materia de IA.

La gobernanza de la IA debe incluir a los socios comerciales

Los debates sobre gobernanza suelen centrarse en lo que ocurre dentro de la organización. Sin embargo, la inteligencia artificial también puede afectar a los socios e intermediarios que conectan a una empresa con sus clientes.

Dennis describió la red de corredores independientes de Tokio Marine y los distintos niveles de madurez tecnológica que existen en dicha red. Si los socios no pueden adoptar nuevos sistemas o trabajar con ellos, es posible que seguir adelante a nivel interno no dé los resultados esperados.

Para las organizaciones que dependen de intermediarios, esto exige unas normas de integración claras, estándares de datos compartidos y un enfoque deliberado para respaldar el canal de distribución. Regular la IA en todo un ecosistema es más difícil que regularla dentro de una sola organización, pero también es una decisión empresarial, no solo técnica.

Los líderes deben gestionar el presente y prepararse para lo que está por venir

Dennis utilizó el término «ambidexteridad» para describir la gestión de las operaciones cotidianas sin dejar de dar cabida a la innovación. También hizo hincapié en la importancia de la cultura: identificar a personas que se sientan cómodas con la IA y crear una red que permita compartir conocimientos y facilitar su adopción.

Estoy de acuerdo. Yo añadiría una pregunta que suelo plantear en las conversaciones sobre IA con los directivos: ¿Quién está autorizado en vuestra organización para dar el visto bueno?

Si nadie puede responder, es posible que la IA siga en modo piloto. Si todos pueden responder que sí, es posible que la adopción vaya por delante de la supervisión. Una gobernanza eficaz deja claro quién decide, en qué información se basa esa decisión y qué límites se aplican.

No es necesario que el consejo de administración domine todos los detalles técnicos de cada modelo. Lo que sí debe hacer es comprender los riesgos, las responsabilidades y los resultados esperados, y confiar en los procesos que guían las decisiones sobre la IA.

Generar esa confianza es una de las tareas menos visibles —pero esenciales— a la hora de pasar de la prueba de concepto a los resultados empresariales en el ámbito de la IA.

Descubre los servicios de inteligencia artificial de Getronics para ver cómo la gobernanza puede facilitar el paso desde la identificación de casos de uso hasta la implementación y la mejora continua.