Nota: Hacemos nuestro mejor esfuerzo por preservar el espíritu original y los matices de nuestros artículos. Sin embargo, nos disculpamos de antemano por cualquier falla de traducción que pueda notar. Agradecemos sus comentarios en reader_input@mckinsey.com
De un vistazo
- La adopción de la IA avanza más rápido que la generación de valor para las empresas. La encuesta de McKinsey sobre el estado de la IA en 2026 muestra que el 40 por ciento de los encuestados de grandes empresas afirma que están escalando el uso de agentes de IA, pero solo el 6 por ciento señala que la IA genera al menos el 5 por ciento de las ganancias antes de intereses e impuestos (EBIT).
- Un sistema operativo de IA (AI operating system, AI OS) puede desbloquear una ventaja oculta de las empresas establecidas. Permite sacar partido de los datos, la experiencia y el conocimiento institucional acumulados por la empresa para que los líderes —desde el C-suite hasta la primera línea— puedan tomar mejores decisiones y actuar con mayor rapidez.
- El valor del AI OS es significativo. Las primeras implementaciones del AI OS han acelerado los ciclos de planeación hasta diez veces, han generado un primer valor en aproximadamente 12 semanas y han reducido un 50 por ciento el tiempo necesario para obtener un retorno de la inversión (ROI) a medida que el sistema se extiende a nuevos dominios.
- El AI OS reduce las limitaciones tradicionales de la gestión, lo que exige cambios en la forma de dirigir la empresa. A medida que la IA reduce las limitaciones que han persistido durante mucho tiempo, los CEO deben pasar de las revisiones periódicas y los flujos de información sujetos a calendarios establecidos a una intervención continua, una toma de decisiones más descentralizada y un mayor énfasis en el criterio humano.
El futuro de la gestión en la era de la IA comienza a verse muy diferente. Considere el siguiente escenario:
Martes, 8:00 a. m.: La CEO de una aseguradora global regresa a la oficina después de asistir a una reunión del sector en la que se enteró de que los reguladores de varios mercados planean limitar los márgenes de ciertos productos minoristas. Su primera medida: pedir al AI OS de la compañía que evalúe su exposición a estos cambios. En cuestión de minutos, el sistema ha analizado los proyectos de regulación, los ha cotejado con el catálogo de productos de la empresa y ha proporcionado una respuesta: alrededor de 140 productos en siete países estarían sujetos a las nuevas regulaciones, y aproximadamente un tercio corre el riesgo de incumplirlas. También ha identificado un problema que no puede resolver: cada regulador define el margen de manera distinta. La CEO envía el análisis a los líderes de las unidades de negocio de cada país para que lo validen antes de que termine el día.
9:15 a. m.: El director de la unidad de negocio de Alemania abre el AI OS, que ya ha codificado los proyectos de normas —alcance, fórmula de cálculo del margen, umbral y plazos— y ha conciliado la definición de margen de los reguladores con la forma en que la empresa lo mide en sus sistemas de precios, finanzas y comisiones. Aplica el modelo de márgenes a los datos de productos en tiempo real, cuestiona un supuesto de asignación de costos que difícilmente aceptaría el regulador y vuelve a aplicar el modelo con un supuesto revisado: ahora nueve productos incumplen la normativa. Para las 4:00 p. m., los análisis de los siete países ya se han consolidado en la información presentada a la CEO con los supuestos que sustentan cada cifra a la vista.
Miércoles, 8:00 a. m.: Antes de que la CEO y los directores de las unidades de negocio se reúnan por videoconferencia, el AI OS ya ha modelado las opciones para cada producto que incumple la normativa —ajustar su precio, rediseñar la cobertura, reestructurar las comisiones o retirarlo— y ha estimado sus efectos en los volúmenes, los socios de distribución y el capital. Los líderes ponen a prueba distintos escenarios en tiempo real y se alinean en torno a un plan: proteger las alianzas clave de distribución y no retirar ningún producto sin la aprobación de la CEO. El sistema registra estas decisiones como límites de actuación.
Jueves, 8:00 a. m.: Los responsables de las líneas de negocio rediseñan los productos dentro de los límites establecidos. Los agentes de IA generan propuestas de diseño y precios, y evalúan cada una de ellas conforme a la norma codificada y las políticas de gobernanza de productos; los actuarios perfeccionan las opciones, el área de cumplimiento normativo las revisa y los responsables de las líneas de negocio toman las decisiones. Después, los agentes redactan las comunicaciones dirigidas a los socios, que deben ser aprobadas por una persona. A medida que se aprueba cada cambio, las proyecciones de cada producto se actualizan y se incorporan al escenario financiero del grupo, lo que permite al director financiero (CFO) observar cómo se modifica el plan y someterlo a pruebas de resistencia: ¿qué pasaría si los reguladores adoptaran la definición más estricta? Después del lanzamiento, el sistema supervisa cada producto en relación con el umbral establecido y alerta a los responsables de las líneas de negocio antes de que se acerque al incumplimiento. La próxima regulación se abordará con mayor rapidez: las normas, las definiciones y los modelos ya forman parte del segundo cerebro de la empresa.
Este escenario de AI OS no es una visión futurista; las empresas ya están desarrollando estos sistemas. Un AI OS es una capa de gestión que funciona como un “segundo cerebro” para la empresa y ayuda a los CEO, los líderes empresariales y los gerentes a tomar mejores decisiones y actuar con mayor eficacia y rapidez. Permite a las empresas establecidas aprovechar su mayor ventaja aún sin explotar: décadas de datos propios, experiencia operativa y conocimientos especializados en su ámbito.
Más perspectivas de McKinsey en Español
Mire nuestra colección de artículos en Español y suscríbase a nuestro newsletter mensual en Español.
Esta capacidad es fundamental para que las empresas superen la situación de altas tasas de adopción de IA y bajos rendimientos. La encuesta de McKinsey sobre el estado de la IA en 2026 revela que el 40 por ciento de los encuestados de grandes empresas afirma que han escalado el uso de agentes de IA.1 Sin embargo, solo el 6 por ciento atribuye a la IA un impacto financiero significativo (al menos el 5 por ciento del EBIT), aproximadamente la misma proporción que el año anterior.2 Esta brecha sugiere que el reto ya no consiste simplemente en lograr que las personas usen la IA, sino en transformar la manera en que funciona la propia empresa.
El AI OS todavía está en una etapa temprana, pero los resultados han sido prometedores. Nuestra experiencia demuestra que las empresas pueden acelerar los ciclos de planeación hasta diez veces, comenzar a generar valor en un primer ámbito de aplicación en alrededor de 12 semanas y reducir un 50 por ciento el tiempo necesario para obtener un ROI a medida que el sistema se extiende a nuevos dominios. Otros beneficios incluyen mejoras del 40 por ciento en la productividad, ahorros del 50 por ciento y reducciones de hasta el 90 por ciento en los tiempos de los ciclos de trabajo.
El verdadero potencial del AI OS radica en su capacidad para aprovechar la IA con el fin de generar nuevo crecimiento, modelos de negocio y mejoras de productividad. Sin embargo, para aprovechar ese potencial, las empresas deben desarrollar un AI OS que aproveche la inteligencia que ya poseen y, al mismo tiempo, replantear la forma de dirigir una empresa cuando el AI OS reduce las limitaciones tradicionales de la gestión. Este es el camino para desarrollar una ventaja competitiva difícil de replicar que siga fortaleciéndose. Cuanto antes actúe una empresa, mayor podrá ser esa ventaja.
¿Qué es un sistema operativo de IA?
Piense en un AI OS como un segundo cerebro para la empresa. Es una capa que opera de manera continua, mantiene el contexto empresarial (es decir, el conocimiento que da significado a los datos), razona a través de distintas funciones, recomienda o ejecuta decisiones y aprende de los resultados. Conecta al CEO, al C-suite, a los líderes de las distintas áreas funcionales, a los gerentes y al personal de primera línea de una manera que nunca había sido posible (Gráfica 1).
Las personas de cada nivel acceden a la información relevante para sus responsabilidades, hacen preguntas, aplican su criterio, toman decisiones y delegan. La información fluye de arriba abajo, de abajo arriba y entre las distintas áreas de la empresa. El sistema también aprende y se expande a medida que la empresa lo utiliza. Conforme se incorporan nuevos dominios de negocio al sistema, estos pueden reutilizar y ampliar las capacidades existentes (vea el recuadro “Elementos del AI OS”).
Un AI OS no es un tablero de control para directivos que informa sobre lo que ya ha ocurrido; por el contrario, ofrece una visión en tiempo real de lo que está sucediendo y de lo que podría suceder, proporciona recomendaciones y facilita la colaboración en toda la empresa casi en tiempo real. Se conecta a sistemas con datos actualizados y su interfaz funciona como una cabina de mando para que los directivos puedan tomar decisiones y actuar con rapidez (tabla).
En una gran compañía minorista estadounidense, por ejemplo, los gerentes de distrito ya contaban con abundantes datos de desempeño y tableros de control de más de 7,000 tiendas. No obstante, la nueva capacidad del AI OS sintetizó todos esos datos en una única vista personalizada que diagnosticaba las posibles causas de las brechas de desempeño, recomendaba acciones y ayudaba a los gerentes a priorizar qué tiendas visitar.
Principales prioridades estratégicas para construir el sistema operativo de IA
Los CEO suelen enfrentar dos trampas. La primera es suponer que la IA es tan poderosa que permite lleva a cabo una transformación casi sin esfuerzo. La segunda es creer que se necesitan años de trabajo para establecer las bases tecnológicas antes de que la empresa pueda generar valor.
En nuestra experiencia, ambas trampas pueden evitarse. Los CEO pueden comenzar abordando unos cuantos problemas empresariales de alto valor y construir la tecnología que necesitan sobre la marcha. El trabajo es complejo, pero no hace falta una gran inversión tecnológica para avanzar; la mayoría de las compañías puede trabajar con lo que ya tiene.
Sin embargo, la clave es que los CEO y sus equipos directivos participen estrechamente en el diseño y la construcción del sistema para garantizar que refleje las prioridades estratégicas de la empresa:
- Proteja sus ventajas. Todas las decisiones deben regirse por una regla sencilla: conserve el control del contexto; alquile o sustituya la tecnología. El conocimiento y la experiencia institucionales deben poder transferirse entre tecnologías para que la empresa pueda proteger aquello que la distingue. Puede resultar muy tentador trabajar con un proveedor específico para acelerar la implementación. Pero si esto implica perder el control sobre activos fundamentales o quedar atado a un único entorno, los riesgos pueden superar rápidamente a los beneficios.
- Limite la proliferación de sistemas operativos. El objetivo de un AI OS es ofrecer una visión integrada de toda la empresa. Si cada función tiene un AI OS independiente o cada caso de uso cuenta con su propia pila tecnológica, se vuelve difícil ofrecer esa visión integrada. Dado que las distintas funciones presentan diferentes niveles de madurez tecnológica y avanzarán a ritmos dispares, los líderes deben admitir entre uno y tres sistemas operativos de IA.
-
Reimagine cada proceso con IA. Gran parte de la primera ola de IA generativa se ha centrado en mejorar las actividades existentes. Para generar un valor real en el estado de pérdidas y ganancias (profit and loss, P&L), las empresas deben rediseñar los flujos de trabajo de principio a fin. La clave es identificar claramente las decisiones importantes y los datos, insights y sistemas de IA necesarios para tomarlas. El mayor valor suele provenir de reimaginar flujos de trabajo que trascienden las fronteras organizacionales.
Por ejemplo, un fabricante reimaginó sus flujos de trabajo de ventas y operaciones para desarrollar un AI OS que automatizó la previsión de la demanda y la programación de la producción a partir de datos sobre la demanda, los inventarios y el estado de la maquinaria. También creó capacidades de optimización de rutas, planeación y fijación de precios impulsadas por IA que replantearon los flujos de trabajo entre distintas áreas. La oportunidad representaba un valor de entre $140 y $180 millones de dólares anuales.
-
Construya de modo que su ventaja crezca y se multiplique. El valor de un AI OS aumenta a medida que se expande. Cada decisión y cada resultado que registra el sistema contribuye a mejorar la precisión de sus recomendaciones. Una empresa establecida que empiece ahora puede construir una ventaja que otra rezagada difícilmente podrá cerrar, incluso si alquila los mismos modelos.
La base de esta ventaja acumulativa es la reutilización del contexto empresarial, los agentes, los modelos, las conexiones de datos y los flujos de trabajo, lo que exige diseñar para la reutilización desde el principio. Las definiciones y relaciones fundamentales entre los datos deben codificarse y gobernarse para asegurar la coherencia y, al mismo tiempo, permitir que el sistema absorba nuevos conocimientos y relaciones a medida que desarrolla su comprensión semántica.3 Este enfoque ayuda a los agentes a acceder a la parte del conocimiento relevante para la tarea en cuestión, en lugar de tener que analizar todo el modelo empresarial, lo que reduce el consumo innecesario de tokens (Gráfica 2).
Este esfuerzo no requiere un ejercicio masivo de datos desde el inicio. Deje los datos donde están, construya relaciones sobre ellos a medida que los equipos resuelven problemas empresariales y mejore progresivamente los datos en su origen conforme esto genera valor.
-
Incorpore los aspectos económicos de la IA al sistema operativo. Si bien el costo unitario por token ha disminuido más del 95 por ciento, el gasto en IA de muchas empresas se ha más que triplicado. La elección del modelo, la forma en que se estructuran las tareas, la cantidad de razonamiento que se consume y el grado de apoyo humano necesario influyen en la nueva economía de la IA, que suele ser compleja. Un ejemplo: la inteligencia más barata no necesariamente reduce los costos si su menor calidad provoca errores costosos.
Por lo tanto, un AI OS debe incorporar los aspectos económicos de la IA a su proceso de toma de decisiones para que los líderes de negocio tengan una visión real de las ventajas y desventajas que cada decisión implica en el P&L. Estas compensaciones evolucionarán a medida que lo hagan los modelos de lenguaje de gran tamaño (LLM).
- Construya sobre la tecnología por la que ya ha pagado. La mayoría de las empresas ya cuenta con abundantes datos y plataformas que puede utilizar para empezar a avanzar. Los enfoques modernos permiten trabajar con datos de distintos sistemas sin necesidad de que la empresa traslade primero todo a un nuevo entorno. El enfoque práctico consiste en construir las capacidades del segundo cerebro de la compañía necesarias para resolver los primeros problemas empresariales de alto valor, pero diseñarlo de modo que pueda ampliarse fácilmente.
Cuando desaparecen las antiguas limitaciones: Replantear la forma de dirigir una empresa
A medida que el AI OS elimina las antiguas limitaciones de la gestión, las propias prácticas de gestión deben cambiar. Aunque el campo de la IA sigue evolucionando con rapidez, los CEO y sus equipos de alta dirección deberían empezar a reflexionar sobre cómo trabajan ellos mismos y sus equipos en algunas áreas clave.
Gestionar mediante intervenciones, no según un calendario
La mayoría de las empresas todavía se gestiona con base en una calendarización artificial (por ejemplo, revisiones trimestrales del negocio y reuniones mensuales de desempeño). Esos ritmos surgieron, en parte, porque recopilar y analizar información, así como alinearse en torno a las decisiones, requería tiempo.
En un mundo con AI OS, las reuniones para compartir información y dar seguimiento a los avances se vuelven menos necesarias, porque la información está disponible de forma continua. En su lugar, los CEO deberían rediseñar el calendario de gestión en función de los momentos en que es necesario tomar decisiones. Esto incluye eliminar las revisiones fijas y definir el puñado de señales, umbrales y excepciones que deberían desencadenar la intervención del liderazgo.
Preguntas clave para los CEO:
- ¿Qué tipos de decisiones requieren realmente la atención presencial del liderazgo?
- ¿Qué decisiones pueden delegarse a los agentes de IA de manera segura y confiable?
Gestionar de forma continua, no mediante puntos de control
Un AI OS crea un plan de negocio permanentemente activo. A medida que llegan las señales, los líderes intervienen y asignan recursos en tiempo real. Los tiempos de los ciclos de análisis y toma de decisiones se reducen drásticamente.
Cuando estas dinámicas se consoliden, la empresa deberá sincronizar la velocidad de sus funciones de control y sus operaciones de primera línea con la de su AI OS. Los CEO deberán identificar los cuellos de botella operativos (por ejemplo, los problemas relacionados con las entregas de última milla y la producción manufacturera) y determinar qué acciones pueden eliminarlos.
Preguntas clave para los CEO:
- ¿Cuáles son los cuellos de botella operativos más importantes que deben eliminarse para que las decisiones puedan implementarse rápidamente?
- ¿Qué incentivos y controles se necesitan para garantizar que las decisiones y acciones importantes ocurran dentro del AI OS (y no en sistemas paralelos surgidos de manera orgánica)?
Gestionar con base en el criterio, no en el flujo de información
A medida que los agentes de IA asumen más tareas de ejecución, la ventaja humana depende cada vez más de la capacidad de aplicar el criterio en distintas situaciones. Esto incluye formular preguntas difíciles, interpretar situaciones ambiguas, cuestionar supuestos, innovar y aplicar los conocimientos especializados cuando la respuesta no es evidente.
Los directivos deberán dedicar menos tiempo a recopilar y transmitir información, y más a aplicar su criterio, comunicar sus intenciones, brindar coaching a las personas, resolver excepciones y mejorar el desempeño.
Preguntas clave para los CEO:
- ¿Cómo puede la empresa crear un entorno de aprendizaje continuo?
- ¿Cómo puede la empresa desarrollar y ampliar el conjunto de habilidades humanas que generan el mayor valor con un AI OS?
Gestionar mediante conexiones directas, no mediante niveles jerárquicos
Un CEO o un líder de negocio puede identificar un problema y comunicarse directamente con alguien que se encuentre varios niveles jerárquicos por debajo para resolverlo. El AI OS puede proporcionar a las personas más cercanas a los clientes y las operaciones un contexto mucho más completo para sus propias decisiones, que históricamente se tomaban en niveles más altos de la organización debido a la escasez de información o conocimientos especializados. Es probable que muchos niveles jerárquicos dejen de ser necesarios.
Preguntas clave para los CEO:
- ¿Cómo puede una organización con menos niveles jerárquicos y totalmente transparente mantener su cultura empresarial?
- ¿Cómo puede el AI OS facilitar el coaching y el desarrollo de las personas para que los gerentes puedan ampliar el número de colaboradores que les reportan directamente de entre diez y 12 en la actualidad a entre aproximadamente 20 y 40?
- ¿Cómo puede la empresa generar suficiente confianza en el AI OS para evitar que la organización tienda a restablecer niveles de aprobación?
Cómo construyeron dos empresas sus sistemas operativos de IA
Antes de construir su sistema operativo de IA (AI OS), un fabricante de equipos originales (original equipment manufacturer, OEM) global se comprometió a seguir tres principios clave. El primero fue mantener la portabilidad de su conocimiento empresarial. Adoptó formatos de estándar abierto para su arquitectura y sus ontologías, de modo que su “segundo cerebro” no quedara atado a sistemas propietarios.
En segundo lugar, se propuso reimaginar la compañía en torno a la IA, en lugar de limitarse a implementarla. Ese compromiso se hizo más evidente cuando replanteó sus flujos de trabajo. Los equipos rediseñaron estos flujos y después construyeron gemelos digitales, ontologías y capas semánticas para codificar los procesos, las políticas, las relaciones y el conocimiento institucional relevantes. Esto permitió a los agentes comprender el contexto empresarial y ejecutar sus tareas con precisión. La compañía vinculó el desempeño de los agentes con los resultados empresariales como medida del éxito. Sin esta comprobación, habría sido imposible saber si se había capturado todo el contexto.
En tercer lugar, la empresa se enfocó desde el principio en la reutilización y en generar un alto grado de confianza. Construyó productos de datos como insumos, codificó la capa de conocimiento y convirtió en productos los modelos deterministas de IA y aprendizaje automático (machine learning, ML) para ampliar los tipos de tareas que los agentes de IA podían realizar con un alto grado de confianza.
Considere el proceso de abastecimiento de la lista de materiales. Tradicionalmente, si un producto requiere un elemento de fijación específico de acero inoxidable, el área de compras podría buscar el mismo componente a un precio más bajo con otro proveedor. Al comprender el propósito y los parámetros de uso de los tornillos de acero inoxidable (por ejemplo, comportamiento térmico, resistencia a la corrosión, resistencia mecánica y peso), los agentes podrían explorar otras opciones con el diseñador (por ejemplo, acero galvanizado o plástico), así como proveedores alternativos, para cumplir esos requisitos.
Los agentes extraen la intención, sustentan el diseño con el apoyo de modelos de IA y ML, y ejecutan partes del proceso de solicitud de información, mientras que los modelos analíticos calculan los costos y las implicaciones de las alternativas. Las personas revisan esas opciones y toman las decisiones finales. En el caso del OEM, estos procesos reimaginados y ejecutados con agentes de IA generaron un impacto empresarial significativo, como menores costos, mejores diseños y una reducción del tiempo de comercialización.
Un fabricante con sede en Estados Unidos siguió un enfoque similar. Fundamentó su iniciativa de AI OS en tres pilares principales. El primero fue mantener el control de sus joyas de la corona: sus datos, modelos, reglas de negocio y conocimiento institucional. No quería una solución de caja negra integrada en la plataforma de un proveedor.
Su segundo objetivo fue desarrollar un sistema flexible. Eso no significaba empezar desde cero. Aprovechó sus inversiones tecnológicas existentes, pero diseñó el sistema de manera que los modelos y otros componentes pudieran sustituirse o ampliarse a medida que evolucionara la tecnología.
El tercer pilar fue estandarizar la forma de trabajar. Un conjunto de mecanismos de gobernanza (governance harness) —integraciones y configuraciones— proporcionaría controles y lineamientos coherentes para todos los casos de uso.
Para comenzar, la empresa concentró sus esfuerzos en dos dominios: fijación de precios y planeación (finanzas y producción). En lugar de recurrir al método manual, de eficacia probada pero lento, para desarrollar la ontología y la comprensión semántica que constituyen el núcleo del AI OS, utilizó la IA para acelerar el proceso.
Esto implicó identificar las decisiones clave y los datos necesarios para tomarlas, extraer reglas y experiencia de los registros, y codificar las reglas de negocio y el conocimiento institucional que a menudo se encontraban en hojas de cálculo o en la mente de los empleados. La compañía conectó alrededor de 100 fuentes de datos internas y externas, las depuró y vinculó, y creó una representación semántica de cómo se toman las decisiones de fijación de precios y planeación en la empresa.
La fase inicial del AI OS entró en funcionamiento en alrededor de 16 semanas. El conocimiento institucional que antes se encontraba disperso en determinadas áreas de la organización ahora puede ponerse a disposición toda la empresa de manera uniforme y continua.
Primeras acciones que conviene considerar
Para encaminar a la empresa hacia el desarrollo de un AI OS sólido, los CEO deberían priorizar las siguientes acciones:
- Enfoque el AI OS en las oportunidades de mayor valor. En la mayoría de las empresas, un número reducido de dominios determina una proporción desmesurada del valor generado. Los CEO deberían identificar y priorizar el desarrollo en torno a los tres a cinco dominios de negocio en los que la IA podría tener un impacto significativo en el crecimiento, los márgenes, la innovación o la posición competitiva.
- Establezca las reglas del AI OS. Decida cuántos sistemas permitirá la empresa, quién será responsable de la gobernanza de su comprensión semántica y qué estándares deben seguir los equipos para que el conocimiento y los agentes sigan siendo reutilizables y puedan transferirse entre tecnologías. Establezca incentivos y procesos para que los equipos trabajen dentro del AI OS compartido en lugar de crear versiones paralelas. Este mecanismo, que se refuerza a sí mismo, es esencial para construir una ventaja que crezca de forma acumulativa.
- Financie el AI OS compartido (no los casos de uso individuales). El trabajo en el primer dominio debe centrarse en construir una capa de orquestación escalable que incluya activos reutilizables: una ontología con comprensión semántica, conocimiento codificado, lógica de negocio coherente, modelos deterministas de IA y aprendizaje automático, agentes y una interfaz de usuario modular. El financiamiento y las aprobaciones deben depender de la capacidad de los equipos para desarrollar esos activos. El objetivo es generar valor desde el principio y, al mismo tiempo, garantizar que cada nuevo dominio se construya sobre lo que ya se ha desarrollado.
- Rediseñe los derechos de decisión y los ritmos de gestión. Identifique qué decisiones pueden tomar o ejecutar la IA y los agentes, cuáles requieren criterio humano y cuándo deben escalarse los asuntos a la alta dirección. Después, comience a modificar los procesos de gestión en función de esas definiciones. Esto puede resultar incómodo, pero actuar con excesiva cautela puede obstaculizar el progreso.
La IA anuncia una nueva era de la gestión en la que desaparecen las limitaciones que eran necesarias para dirigir las corporaciones modernas tradicionales. Las empresas establecidas que estén preparadas para entrar en esta nueva era ya cuentan con una enorme ventaja gracias a su conocimiento y experiencia institucionales. Solo les falta comprometerse a aprovecharlos mediante un AI OS que pueda convertir esos activos en el segundo cerebro de la empresa para impulsar el crecimiento y la productividad.