Implantación de la IA en las empresas: el método comando

En mayo de 2026, OpenAI recaudó 4.000 millones de dólares para crear una empresa de despliegue. Anthropic ha lanzado una empresa conjunta de servicios de 1.500 millones de dólares con Blackstone y Goldman Sachs, tras invertir 100 millones de dólares en su red de socios en marzo. Mistral aspira a facturar 1.000 millones de euros en 2026, impulsada casi en su totalidad por clientes empresariales.

Los laboratorios han comprendido algo que el mercado se negaba a ver: el valor no procede del modelo. Proviene de la aplicación.

Su respuesta es el ejército. Cientos de ingenieros desplegados hacia delante enviados a cuentas clave. Es mejor que una API. No es su solución.

Porque los procesos que estos ingenieros van a automatizar tienen 20 o 30 años, y no se pueden cambiar con código. Se cambian con visión, gobernanza y equipos que entiendan tanto el negocio como la tecnología. Sobre el terreno, no son los ejércitos los que transforman las empresas. Son los comandos.

He aquí por qué, con cifras que lo respaldan, y cómo funciona en la práctica.

Mayo de 2026: los laboratorios de IA invierten miles de millones en su despliegue

Volvamos a los hechos, fechados y con fuentes, porque cuentan una historia concreta.

El 11 de mayo de 2026, OpenAI anunció la Compañía de Despliegue. OpenAI ha invertido 4.000 millones de euros en capital inicial, obtenido de 19 empresas, con TPG como principal inversor junto con Advent International, Bain Capital y Brookfield. Al mismo tiempo, OpenAI está comprando Tomoro, una empresa de ingeniería de IA aplicada que está incorporando alrededor de 150 ingenieros de despliegue desde el primer día. Brad Lightcap, COO de OpenAI, resume la intención: "Nuestros clientes nos dicen que necesitan ayuda para pasar del piloto a la producción".

Una semana antes, el 4 de mayo, Anthropic lanzó su propia empresa conjunta de servicios de IA. Valorado en 1.500 millones de dólares, con 300 millones comprometidos cada uno por Anthropic, Blackstone y Hellman & Friedman, con Goldman Sachs como socio fundador. Objetivo: empresas en cartera de fondos de capital riesgo. Y este no fue el primer movimiento de Anthropic: en marzo de 2026, el laboratorio ya había comprometido 100 millones de dólares para su Claude Partner Network, con Accenture, Deloitte, Cognizant e Infosys.

Mistral, por su parte, hizo del B2B su estrategia central. Arthur Mensch ha anunciado que aspira a obtener unos ingresos de unos 1.000 millones de euros en 2026, tras recaudar 1.700 millones en septiembre de 2025. Su argumento: para implantar la IA en las empresas, hay que dominar toda la pila, desde el modelo hasta la integración.

Tres laboratorios, tres estructuras diferentes, una única observación compartida. Ya no basta con vender un modelo. Ya no basta con vender el acceso a la API. Lo que se paga, y lo que se pagará cada vez más, es la capacidad de hacer que la IA funcione en una organización real, con sus propios procesos, herramientas y equipos existentes.

Llevamos haciendo esta observación sobre el terreno desde el principio. La novedad es que los actores más poderosos del mercado acaban de validarla con sus miles de millones.

Forward Deployed Engineer: qué es y de dónde viene

El puesto de trabajo financiado con estos miles de millones tiene un nombre: Ingeniero de Despliegue Avanzado, o FDE (Forward Deployed Engineer). Si nunca ha oído hablar de él, es normal: acaba de entrar en el vocabulario francés. Pero está a punto de imponerse.

El modelo procede de Palantir, a principios de la década de 2010. La empresa trabajaba para agencias de inteligencia estadounidenses que eran incapaces de redactar especificaciones convencionales: los requisitos solo podían entenderse estando in situ. Por ello, Palantir enviaba a sus ingenieros directamente al cliente, bajo el agua. Internamente, se les conocía como "Deltas". Un detalle revelador: hasta 2016, Palantir tenía más ingenieros desplegados en las instalaciones del cliente que ingenieros de software tradicionales.

Diez años después, el mercado está validando el modelo a gran escala:

• Las ofertas de empleo de FDE aumentaron un800% entre enero y septiembre de 2025.
• En Indeed, las ofertas de empleo de FDE en Estados Unidos aumentaron de643 en abril de 2025 a 5.330 en abril de 2026.
• Salesforce se ha comprometido públicamente a1.000 FDE en torno a su plataforma Agentforce. Google Cloud está contratando a cientos de ellos en cuatro continentes.
• La remuneración media de un FDE se sitúa en torno al238,000 en 2026 en Estados Unidos.

El principio del FDE es sólido: poner a un ingeniero en contacto con el terreno, donde realmente existe la necesidad, en lugar de detrás de un ticket de Jira a tres intermediarios de distancia. Es una auténtica mejora del modelo "aquí tienes la API, tú te las apañas".

Pero el FDE responde a la pregunta "¿cómo hacemos que nuestra tecnología funcione para el cliente? No responde a la pregunta del cliente, que es diferente: "cómo cambia mi organización, de forma sostenible, con resultados mensurables". Y el desfase entre estas dos preguntas explica gran parte de las cifras que siguen.

Por qué fracasan las implantaciones de IA (y no es culpa de los modelos)

La brecha entre adopción y valor es ahora la mejor documentada en la historia de las TI empresariales.

El 88% de las organizaciones utilizan ya la IA en al menos una funciónsegún la encuesta State of AI de McKinsey, publicada en noviembre de 2025 y en la que participaron 1.993 encuestados de 105 países. Pero en la misma encuestaSólo el 39% informó de un impacto en sus beneficios de explotación.. Y la mayoría de ellas estiman este impacto en menos del 5% del EBIT.

BCG llega al mismo lugar por una ruta diferente: en 2024,El 74% de las empresas aún no había demostrado un valor tangible de sus usos de la IA. Su edición de 2025 sigue siendoEl 60% de las empresas, "rezagadascon ganancias mínimas.

advirtió Gartner ya en julio de 2024:al menos el 30% de los proyectos de IA generativa se abandonan tras la prueba de concepto antes de finales de 2025. Causas citadas: calidad de los datos, controles de riesgo inadecuados, costes en espiral, valor empresarial difuso.

Y luego está la cifra con la que probablemente ya se haya topado en LinkedIn: el estudio del MIT según el cualEl 95% de las iniciativas de IA generativa no producen beneficios mensurables. Seamos precisos, porque esta cifra merece algo más que su viralidad. Procede de un libro blanco del proyecto NANDA (MIT Media Lab, verano de 2025), basado en 52 entrevistas y 153 respuestas a encuestas. No está revisado por expertos, su definición de ROI es estrecha y ha sido ampliamente criticado por ello. No lo cites como una medida exacta.

Pero lea lo que dice realmente el estudio, porque es más interesante que su cifra de choque. El obstáculo identificado no es el modelo, ni la infraestructura, ni la regulación, ni el talento. Es elintegración Una constatación secundaria, casi enterrada en el informe: la mayoría de los sistemas implantados no retienen el feedback, no se adaptan al contexto de la empresa y no mejoran con el tiempo. Y una observación secundaria, casi enterrada en el informe: los proyectos realizadoscon socios especializados tienen éxito alrededor del 67% de las veces, casi el doble que las construcciones internas..

En el lado francés, el panorama tiene color propio. Según el INSEE,El 10% de las empresas francesas con más de 10 empleados utilizarán IA en 2024frente a una media europea del 13%. La encuesta Bpifrance Le Lab de junio de 2025, realizada a más de 1.200 directivos de PYME y ETI, añade dos cifras que lo dicen todo:El 54% de los usuarios empresariales se conforma con herramientas genéricas gratuitasy enEn el 73% de los casos, el impulso procede únicamente del directivo. En otras palabras: herramientas de superficie, llevadas por una persona, sin anclaje en los equipos. Exactamente el tipo de proyecto que no sobrevive a su POC.

Resumiendo. Los modelos funcionan. La adopción es masiva. Y sin embargo, el valor no está ahí, porque el eslabón perdido no es ni tecnológico ni presupuestario. Es organizativo.

La respuesta de los laboratorios: ejércitos. El límite: tu tierra.

Ante esta situación, la respuesta de los laboratorios es coherente con lo que son: estructuras a muy gran escala. Miles de FDE, asociaciones con las cuatro grandes consultoras, empresas conjuntas con los mayores fondos del mundo. La JV de Anthropic se dirige explícitamente a las empresas de cartera de Blackstone y Hellman & Friedman. La Deployment Company de OpenAI se está poniendo en marcha con TPG, Bain y Goldman alrededor de la mesa.

Fíjese a quién se atiende primero: a las grandes cuentas y a las carteras de capital riesgo. Es lógico, porque ahí están los contratos más importantes. Pero eso deja toda una incógnita para el resto del tejido económico: ¿quién se despliega y cómo?

E incluso en el caso de las grandes cuentas, el modelo del ingeniero desplegado tiene límites estructurales que ningún presupuesto puede corregir:

Un FDE aislado crea una dependencia, no una capacidad. Mantiene en funcionamiento la tecnología de su empresa. El día que se va, la experiencia se va con él. No se ha producido ninguna transferencia, porque la transferencia no es su misión.

Un ingeniero por sí solo no puede llevar a cabo una transformación. Los procesos empresariales con los que se encuentra tienen 20 o 30 años de historia, casos especiales y hábitos. Cambiarlos exige legitimidad ante el CODIR, un conocimiento detallado de la empresa y gobernanza. No es una misión de ingeniería, sino de equipo.

El incentivo del FDE no es tuyo. Un FDE de OpenAI despliega OpenAI. Un FDE de Salesforce despliega Agentforce. La pregunta "¿es esta la herramienta adecuada para este proceso?" no forma parte de la descripción de su trabajo.

El modelo reproduce el error del entrenamiento de una sola vez. Ya hemos intentado transformar empresas enviando expertos puntuales: los seminarios sobre IA de 2023-2024 produjeron empleados concienciados y procesos inalterados. Un experto de paso, sea cual sea su nivel, no cambia una organización.

El diagnóstico de los laboratorios es acertado: el valor reside en el despliegue. Su respuesta se adapta a sus clientes: ejércitos para imperios. Lo que está por ver es qué funciona para una organización que no tiene ni 50.000 empleados ni un fondo PE en su capital.

El método comando: de 2 a 4 perfiles híbridos, de CODIR a código

Lo que funciona sobre el terreno, lo hemos visto repetirse misión tras misión, y es lo contrario de un ejército. Es un comando:un equipo de 2 a 4 perfiles híbridos, expertos en negocio y tecnología, dirigido por un Jefe de IA, que trabajará en colaboración con sus equipos internos. Del CODIR a las líneas de código.

Concretamente, esto es lo que ha cambiado, punto por punto.

El tamaño es una característica, no una limitación. Con 2-4 personas, el comando se integra en sus equipos en lugar de superponerse a ellos. No hay comités de proyecto de 15 personas, ni diapositivas marco de tres meses de duración. Las decisiones se toman rápidamente porque los responsables están en la sala, y cada miembro se ve reforzado por la IA en su propio trabajo: la productividad del equipo no tiene nada que ver con su tamaño.

Híbrido significa bilingüe. Cada tema es tratado por alguien que entiende el proceso empresarial Y lo que la tecnología puede hacer con él. Este es precisamente el eslabón perdido identificado por todos los estudios citados anteriormente: el fracaso no viene del modelo, viene de la unión entre el modelo y el negocio. El comando vive en este cruce.

Un Jefe de IA enlaza el CODIR con el terreno. La transformación necesita un líder que hable a los dos pisos: el que arbitra la visión y la gobernanza con la dirección, y el que decide las opciones técnicas con los equipos. Sin esta función, los proyectos de IA flotan entre un departamento de TI cauteloso y una empresa impotente, y vuelven al purgatorio de los POC.

La co-construcción es la clave de la adopción. El comando no entrega una herramienta a sus equipos: la construye con ellos. Recepcionistas, gestores y operadores participan en las decisiones desde el principio. El resultado: la herramienta sigue el proceso real, no el teórico, y los equipos la adoptan porque también es suya. Es el antídoto exacto contra el 54% de herramientas genéricas identificadas por Bpifrance.

La transferencia de competencias forma parte del contrato moral. Al final de la misión, sus equipos saben cómo operar, ajustar y ampliar lo que se ha construido. Commando hace que la empresa sea más capaz, no más dependiente. Esa es la diferencia entre contratar a un ejército y entrenar al tuyo propio.

El horizonte es de 4 a 6 meses, no de 3 años. Primeros indicadores mensurables, herramientas realmente adoptadas, equipos aumentados. No una promesa de transformación en el horizonte del próximo plan estratégico: resultados que puedan leerse en un cuadro de mandos antes del final del semestre.

FDE ejército, empresa, autónomo o comando: una comparación

El ejército FDE (el modelo Labs)

• Pensamiento para : cuentas clave y carteras de capital riesgo
• Perfiles Ingenieros de laboratorio: número variable y a menudo elevado de ingenieros
• Enlace con techno despliega la pila de su empleador, por construcción
• Transferencia de competencias no está previsto, esta no es la misión
• Después de la salida Una dependencia duradera del laboratorio

La consultora

• Diseñado para Cuentas clave y proyectos de encuadramiento estratégico
• Perfiles equipo de proyecto y dirección, a menudo bajo la supervisión de subalternos
• Primeros resultados mensurables después de la fase de definición del alcance, rara vez antes.
• Transferencia de competencias limitado a los entregables
• Después de la salida Informe y recomendaciones de aplicación

AI autónomos

• Diseñado para : tareas técnicas definidas
• Perfiles una persona, normalmente técnica
• Primeros resultados mensurables rápido, pero en un perímetro estrecho
• Transferencia de competencias : raro
• Después de la salida Dependencia del individuo

El comando híbrido

• Diseñado para PYME, ETI y unidades de negocio del grupo
• Perfiles De 2 a 4 perfiles híbridos de empresa + tecnología, dirigidos por un jefe de IA
• Primeros resultados mensurables De 4 a 6 meses
• Enlace con techno : independiente de los editores, elige la herramienta para el proceso
• Transferencia de competencias en el corazón del método
• Integración en los sistemas existentes una condición para el éxito, no una opción
• Después de la salida : equipos autónomos que utilizan la herramienta

Esta comparación no es un ensayo de otros modelos: una multinacional que estandariza el uso en 40.000 puestos de trabajo necesita un ejército, y algunas cuestiones pueden ser resueltas muy fácilmente por un buen autónomo. La cuestión está en otra parte: cómo es su campo y qué modelo puede funcionar realmente allí.

Un ejemplo: 80 habitaciones y horas de recuento que desaparecen

Un ejemplo real, anónimo a petición del cliente: un hotel independiente con unas 80 habitaciones y unas ventas de unos 2 millones de euros.

El problema. Como en muchos establecimientos de este tamaño, el efectivo era un punto ciego. Entradas, salidas, conversiones de divisas para clientes extranjeros, retiradas de efectivo: todo se contaba a mano, sin centralización ni intervalos de confianza. Las consecuencias clásicas: discrepancias inexplicables, pérdidas manifiestas y, sobre todo, nula visibilidad consolidada de los cobros y pagos a nivel del hotel. La dirección lo sabía. Nadie tenía tiempo para ocuparse de ello, y las soluciones del mercado implicaban o bien una engorrosa caja registradora o bien un proceso adicional de introducción de datos para los ya sobrecargados recepcionistas.

Lo que hizo el comando. Trabajamos con ellos para crear CashTrack, un innovadoraplicación web personalizada para el seguimiento continuo de las entradas y salidas de efectivo, diseñado para la realidad de la recepción de un hotel: las entradas se realizan de viva voz, por escrito o pulsando un botón, en cuestión de segundos, entre dos clientes. La herramienta calcula las conversiones de divisas. La dirección tiene acceso a unrecuento global consolidado permanentemente.

El punto de inflexión, y éste es el corazón del método: la integración con los sistemas existentes. La condición no negociable era que CashTrack se integrara en el conjunto de programas informáticos ya existentes, sin imponer un nuevo y engorroso proceso a todos los recepcionistas. Este es exactamente el trabajo invisible que marca la diferencia entre una herramienta adoptada y una licencia inactiva. El día en que la entrada fue más rápida que el antiguo recuento manual, la adopción dejó de ser un problema.

Los resultados. Ahorro de 3 a 5 horas semanales para la dirección y el jefe de recepción en recuentos y conciliaciones. Un intervalo de confianza en la caja, donde sólo había aproximaciones. Y un efecto que no habíamos incluido en el pliego de condiciones: el personal empezó a mirar los flujos de caja de otra manera, porque la herramienta hace visibles las entradas y salidas a medida que se producen. La concienciación que las instrucciones repetidas nunca habían logrado, una herramienta bien integrada producida en sólo unas semanas.

No hay robots en el vestíbulo. Sin anuncios. Los huéspedes del hotel nunca sabrán que una IA está trabajando en la recepción, y eso está bien: la IA útil es la que se siente como en casa en los márgenes sin mostrarse nunca.

Por dónde empezar

Si se reconoce en el purgatorio POC, o quiere evitarlo, aquí es donde le recomendamos que empiece, tanto si está con nosotros como si no:

1. Inventar el dolor, no la tecnología. El punto de partida correcto nunca es "qué podemos hacer con la IA", sino "dónde perdemos tiempo, dinero o fiabilidad cada semana". Ahí es donde cualquierautomatización de procesos rentable. El efectivo del hotel de arriba es un caso de libro de texto: dolor semanal, medible y limitado.
2. Elige un perímetro que un comando pueda mantener. Un proceso, unos usuarios identificados, un indicador de éxito definido antes de escribir la primera línea de código.
3. Insista en la integración con los sistemas existentes. Cualquier herramienta que añada un proceso en lugar de aligerar uno será obviada. Esta es la primera pregunta que hay que hacer a cualquier proveedor de servicios.
4. Ponga el trabajo en el equipo, no al final de la cadena. Si los futuros usuarios descubren la herramienta en el momento de la entrega, ya has perdido.
5. Date un plazo de 4 a 6 meses y un cuadro de mando. Ninguna transformación en un plazo indefinido: indicadores legibles antes del final del semestre y decisión de prórroga basada en ellos.

Una FDE aislada no transformará su empresa. Los cursos de formación aislados no han funcionado por la misma razón. Los miles de millones de los laboratorios acaban de validar el diagnóstico: todo es cuestión de implantación. Sobre el terreno, la implantación tiene una forma: pequeña, híbrida, integrada, mensurable.

Si piensa en su modelo de transformación,hablemos.

FAQ : Despliegue de la IA y método comando

¿Qué es un ingeniero desplegado hacia delante (FDE)? Un ingeniero contratado por una empresa tecnológica (originalmente Palantir, ahora OpenAI, Anthropic, Google, Salesforce) y desplegado directamente en las instalaciones del cliente para ejecutar la tecnología de su empleador. Este puesto está en auge desde 2025, con un aumento de las vacantes del 800% en nueve meses.

¿Cuál es la diferencia entre un FDE y un comando híbrido? El FDE es un único ingeniero, cuya misión es desplegar el stack de su empleador. El comando es un equipo de 2 a 4 perfiles que combina experiencia empresarial y tecnológica, independiente de los editores de software, cuya misión incluye la gobernanza, la co-construcción con sus equipos y la transferencia de competencias.

¿Por qué fracasan tantos proyectos de IA después del POC? Porque el eslabón débil no es el modelo, sino la integración: herramientas desconectadas de los procesos reales, equipos no implicados, falta de gobernanza e indicadores. Gartner predijo que al menos el 30% de los proyectos de GenAI se abandonarían después del POC; McKinsey mide que el 88% de las organizaciones están utilizando IA, pero solo el 39% está viendo algún impacto en su cuenta de resultados.

¿Cuánto tardarán los resultados medibles? Con un alcance bien definido y un equipo integrado en la empresa, los primeros indicadores medibles llegan en 4 a 6 meses: tiempo ahorrado, tasa de error, fiabilidad de un proceso. Ese es el plazo que nos hemos fijado.

¿Es necesario ser una gran empresa para implantar la IA en serio? No, y este es incluso el punto ciego del mercado actual: las ofensivas de los laboratorios (OpenAI Deployment Company, Anthropic-Blackstone JV) se dirigen a las grandes cuentas y a las carteras de capital privado. El modelo de comando está diseñado precisamente para las pymes, las ETI y las unidades de negocio que nunca dispondrán de un ejército de FDE.

¿Debe la herramienta sustituir a nuestro software actual? En absoluto. La condición número uno para la adopción es la integración en el paquete de software existente, sin imponer ningún proceso adicional a los equipos. Una herramienta que aumente la carga de trabajo será descartada, independientemente de su calidad técnica.

¿Qué ocurre con el sistema al final de la misión? La transferencia de competencias forma parte del método: sus equipos saben cómo hacer funcionar, ajustar y ampliar lo que se ha construido. El objetivo es que la empresa sea más capaz, no más dependiente del proveedor de servicios.

¿Qué ocurre con el cumplimiento de la normativa (RGPD, datos sensibles)? Debe abordarse desde el principio, no a posteriori: elección de alojamiento y modelos compatibles con sus limitaciones, minimización de los datos procesados y gobernanza documentada. Esta es una de las funciones del jefe de IA que dirige el comando.

Fuentes

• OpenAI, "OpenAI lanza la Compañía de Despliegue", 11 de mayo de 2026
• Anthropic, "Enterprise AI services company" (JV Blackstone / Hellman & Friedman / Goldman Sachs), 4 de mayo de 2026; "Claude Partner Network", 12 de marzo de 2026.
• CNBC, "Anthropic, Goldman, Blackstone AI venture", 4 de mayo de 2026
• Maddyness, "Mistral AI on track to reach one billion euros in revenue by 2026", 23 de enero de 2026.
• Fast Company, "Las ofertas de empleo en inteligencia artificial aumentan un 800%", 2025.
• McKinsey, "The State of AI" (ediciones de marzo y noviembre de 2025, n = 1.993, 105 países)
• BCG, "Where's the Value in AI?" (octubre de 2024); "The Widening AI Value Gap" (septiembre de 2025)
• Gartner, comunicado de prensa de 29 de julio de 2024 (abandono post-POC)
• MIT NANDA, "The GenAI Divide: State of AI in Business 2025" (julio de 2025), citado con limitaciones metodológicas.
• INSEE, encuesta TIC entreprises 2024 (Insee Première nº 2061, julio de 2025)
• Bpifrance Le Lab, "L'AI dans les PME et ETI françaises: une révolution tranquille", junio de 2025 (n > 1.200 directivos)