«Hazme un resumen de esto». Cuatro palabras, un documento adjunto y un resultado que será correcto, genérico e inservible: demasiado largo para leerlo de pasada, demasiado superficial para decidir con él. La persona que lo pidió concluye que «la IA no da para tanto». La herramienta no ha fallado; lo que ha fallado es el encargo.
Cuando una pyme decide su presupuesto de IA, suele empezar por la pregunta «¿qué herramienta compramos?». Es razonable, pero llega en segundo lugar. La primera es «¿quién va a usarla y sabe pedirle bien el trabajo y revisar el resultado?». Este análisis defiende que, en muchas tareas de oficina, la diferencia de resultados está más en esa habilidad que en la licencia, repasa lo que sugieren los estudios (y lo que no demuestran) y saca consecuencias para decidir dinero y tiempo.
Qué es un buen encargo
Un encargo es todo lo que le das a la IA para que haga un trabajo: la tarea, el contexto, el resultado esperado y los límites. Es lo mismo que harías al encargar algo a un colega nuevo que no conoce tu empresa. Un buen encargo responde a cinco preguntas: qué hay que hacer, para quién es, con qué información, cómo se reconocerá un buen resultado y qué no debe hacer.
| Encargo flojo | Encargo bueno |
|---|---|
| «Hazme un resumen de este informe.» | «Resume este informe de ventas para el comité del lunes: una página como máximo, tres ideas clave, los dos datos que hayan cambiado respecto al mes anterior y una pregunta que debería plantearse el comité. Tono sobrio. Si falta algún dato, dímelo en vez de suponerlo.» |
La diferencia no depende de la marca de la herramienta. Depende de que quien lo escribe sepa qué necesita, para qué lo necesita y cómo comprobará que lo ha recibido. Y esa claridad se aprende, se practica y se comparte con el equipo. Hay una guía práctica en cómo pedirle un trabajo a la IA para que salga bien a la primera.
Lo que sugieren los estudios
Ningún estudio compara directamente una licencia cara con una barata. Pero varios apuntan, cada uno desde su ángulo, a que lo que rodea a la herramienta pesa:
- Formación y apoyo del empleador. Un estudio danés (Humlum y Vestergaard, 2025), recogido por la OCDE (2025), halló que la formación y el apoyo del empleador aumentan significativamente el uso de la IA generativa por parte de los trabajadores y reducen las brechas demográficas de uso. Los beneficios que obtienen (ahorro de tiempo, mejora de calidad, creatividad, ampliación de tareas y satisfacción laboral) son entre un 10 % y un 40 % mayores cuando el empleador fomenta su uso. Se refiere a trabajadores de ocupaciones expuestas a la IA en Dinamarca.
- Horas de formación y uso. En la encuesta AI at Work 2025 de BCG a empleados de oficina de 11 países y regiones, solo un tercio de los empleados decía haber recibido la formación adecuada, y el uso regular de la IA era claramente mayor entre quienes recibían al menos cinco horas de formación y tenían acceso a formación presencial y coaching.
- Saber cuándo no usarla. En un experimento de BCG (2023) con 758 consultores, quienes usaron IA generativa para resolver un problema de negocio, una tarea fuera de la «frontera» de capacidades de la IA, rindieron un 23 % peor que quienes hicieron la tarea sin ella.
- Confianza y pensamiento crítico. En una encuesta de Microsoft Research (2025) a 319 trabajadores del conocimiento, una mayor confianza en la IA generativa se asoció con menos pensamiento crítico, mientras que una mayor autoconfianza del propio trabajador se asoció con más pensamiento crítico.
Cómo leerlos y qué no dicen
Cada dato tiene su límite, y conviene decirlos:
- El estudio danés es de un país y de ocupaciones expuestas a la IA, y la OCDE lo recoge de segunda mano; no mide pymes españolas.
- La encuesta de BCG no es un experimento: quienes reciben más formación pueden diferir en otros aspectos, y la «formación adecuada» es una valoración de los propios empleados.
- El experimento de BCG es de una sola firma, con un solo modelo y en 2023; los modelos actuales pueden comportarse distinto. Lo que sugiere es que decidir cuándo usar la IA forma parte del trabajo de la persona.
- La encuesta de Microsoft Research es una percepción declarada y muestra una asociación, no una causa. No mide la calidad real del trabajo.
Y hay una advertencia general: que la formación importe no significa que la herramienta sea irrelevante. Una herramienta que no cumple tus requisitos de seguridad no se arregla con buenos encargos.
Cuándo sí merece la pena pagar más por la herramienta
| Criterio | Pagar más tiene sentido si… | Probablemente no compensa si… |
|---|---|---|
| Privacidad y contrato | Vas a tratar datos de clientes o de empleados y necesitas garantías contractuales claras | Solo vas a usarla con información pública |
| Integración | Tiene que conectarse con tus programas y evitar copiar y pegar | El uso es puntual y suelto |
| Control y trazabilidad | Necesitas saber quién la usa, para qué y con qué datos | Es una prueba con dos o tres personas |
| Soporte | Tu equipo depende de ella a diario | El uso es ocasional |
| Funciones avanzadas | Las vas a usar de verdad, en tareas que ya has identificado | Son un extra que nadie ha pedido |
Esta tabla da una idea: lo que justifica pagar más es lo que reduce riesgos o encaja con tu forma de trabajar, no lo que suena a más potente.
Qué implica para tu presupuesto
Si el resultado depende tanto del uso como de la herramienta, el presupuesto debería reflejar eso. Sin fijar porcentajes (cada empresa es distinta), la secuencia sensata es:
- Empieza por el tiempo del equipo. Reserva horas para formarse por puesto, con casos reales, dentro de la jornada.
- Monta una biblioteca de encargos. Los encargos que funcionan se guardan y se comparten, como explica cómo montar una biblioteca de instrucciones del equipo. Es una inversión que no caduca cuando cambias de herramienta.
- Define quién revisa y qué se revisa. El tiempo de revisión es un coste real y hay que contarlo.
- Elige la herramienta con criterios, no con precios. Seguridad, integración, soporte y condiciones del contrato, según la tabla anterior.
- Prueba antes de comprar para todos. Un grupo pequeño, con tareas reales, durante un periodo corto. Compra por tramos y revisa.
Para repartir ese primer presupuesto entre agente, formación y ajustes, puedes consultar cómo repartir el primer presupuesto entre agente, formación y ajustes. Y si te preguntas por qué dos personas con la misma herramienta obtienen resultados tan distintos, dos empleados, la misma herramienta y resultados distintos lo desarrolla con ejemplos.
Fuentes
- OCDE (2025): Generative AI and the SME Workforce: New Survey Evidence
- BCG (2025): AI at Work 2025: Momentum Builds, but Gaps Remain
- BCG (2023): How People Can Create—and Destroy—Value with Generative AI
- Microsoft Research (2025): The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers
Conclusión
Cuando una empresa decide cuánto gastar en IA, la pregunta más rentable no es cuál es la herramienta más potente, sino quién va a pedirle el trabajo, con qué claridad y quién va a revisar el resultado. Los estudios no comparan licencias, pero sugieren que la formación, el apoyo de la dirección y el criterio de quien usa la IA pesan en lo que se obtiene. El presupuesto debería empezar por ahí y dejar la herramienta para después, elegida por seguridad, integración y soporte.
En MG Solutions formamos a equipos de empresa en IA, por puesto y con casos reales de tu negocio, y también implantamos agentes de IA a medida.
Puedes ver el programa en formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.