No necesitas una IA más lista. Necesitas aprender mejor que ella.

El modelo lo puedes cambiar. El aprendizaje de tu empresa, no.

Cada semana aparece un modelo nuevo. Uno razona mejor. Otro escribe mejor. Otro cuesta menos. Otro promete agentes más autónomos.

Hace solo unos días vimos incluso lo contrario: Anthropic lanzó sus modelos Fable y Mythos, y días después tuvo que suspender su acceso por controles de exportación del gobierno de Estados Unidos. Volvieron a estar disponibles tres semanas más tarde, pero durante ese tiempo, cualquier empresa que hubiera apostado todo a esos modelos se quedó sin ellos.

Y cada semana, muchas empresas vuelven a hacerse la misma pregunta: ¿cuál deberíamos usar?

La pregunta parece sensata. Pero asume que el problema es elegir bien. Y si no sabes qué hace tu empresa con lo que aprende cada vez que usa una IA, da igual cuál elijas: seguirás teniendo el mismo vacío debajo.

Esta misma semana me ha pasado tres veces. Un cliente quería saber qué había ocurrido con Fable. Otro me preguntó si debería pasarse de ChatGPT a Claude. Y en la UPM, donde imparto formación, la sesión del día era sobre Copilot de Microsoft, dos horas explicando funcionalidades, atajos, prompts.

En los tres casos, la preocupación era la misma: el modelo. Cuál es mejor. Cuál va a durar más.

Lo que nadie preguntó — ni el cliente, ni el otro cliente, ni ninguno de los participantes en la sesión — es qué estaba haciendo su organización con lo que aprendía cada vez que usaba una de esas herramientas.

Ya he hablado antes de Paco. Paco es el nombre que le pongo a esa persona que hay en toda empresa que sabe cosas que nadie más sabe: qué cliente pide siempre algo especial, qué excepción se aceptó una vez, qué frase hay que evitar con según quién. El problema es que la empresa cree que lo que sabe Paco también lo sabe ella. Hasta que Paco ya no está.

Podría pensarse que este problema es solo cosa de pymes. Que una empresa grande, con presupuesto y equipos dedicados a la IA, ya lo tiene resuelto.

BBVA es un buen sitio para comprobarlo. En 2024 empezó con un piloto de 3.000 licencias de ChatGPT Enterprise. Un año después ya eran 11.000. A finales de 2025, más de 120.000 empleados en todo el mundo tenían acceso a la herramienta. Los propios equipos han creado miles de asistentes especializados para tareas de legal, riesgos, marketing y análisis financiero.

Y sin embargo, BBVA no se ha quedado con un solo modelo de IA. Junto a ChatGPT, ha ido incorporando también Gemini de Google. No como sustituto, sino en paralelo.

¿Por qué una empresa que ya ha demostrado resultados con una herramienta se complica añadiendo otra?

La propia responsable de adopción de IA del banco lo explicaba hace poco: la fase de preguntarse qué modelo usar ya ha quedado atrás. El reto ahora es otro.

La IA ejecuta rápido, sin cansarse, sin quejarse. Pero no decide qué vale la pena hacer, qué resultado tiene sentido, qué excepción merece una revisión humana. Eso es criterio. Y el criterio no vive en el modelo, vive en la gente que verifica, corrige y reutiliza lo que la IA produce. Eso es lo que no cambia si mañana cambias de modelo.

Satya Nadella, presidente de Microsoft, lo dijo hace unas semanas en una publicación que se volvió viral: puedes externalizar una tarea, incluso un trabajo entero. Pero no puedes externalizar tu aprendizaje.

No es casualidad. Uno de los bancos más avanzados de Europa en adopción de IA y el CEO de la empresa que vende las herramientas están llegando a la misma conclusión, al mismo tiempo. Cuando el que compra y el que vende dicen lo mismo, merece la pena escucharles.

El modelo es de alquiler. El aprendizaje es tuyo.

Hay una prueba rápida que puedes hacer hoy mismo.

Piensa en un proceso importante de tu empresa. ¿Hay preguntas sobre ese proceso que hoy mismo solo puede responder una persona concreta?

Si te vienen varias a la cabeza sin esfuerzo, no tienes un problema de documentación. Tienes un problema de aprendizaje.

Y añadir una IA encima no lo resuelve. La IA producirá más respuestas, más documentos, más borradores — pero todo seguirá necesitando pasar por esa misma persona para saber si vale. Más volumen sobre el mismo cuello de botella. Eso no es aprender más rápido: es acumular más rápido.

Da igual si eres un banco con 120.000 empleados o un taller donde todo el mundo sabe que hay que preguntarle a Paco. La pregunta que importa no es qué modelo vas a usar el año que viene. Es esta: cada vez que tú o alguien de tu equipo resuelve algo con una IA, ¿queda ese conocimiento en algún sitio que la empresa pueda reutilizar? ¿O se queda solo en la cabeza de quien lo resolvió, como pasaba con Paco?

Esa es la pregunta que hay que empezar a hacerse. La otra, la de qué modelo elegir, puede esperar.

Porque el modelo lo puedes cambiar. El aprendizaje de tu empresa, no.