Aire ha lanzado El Podcast de Aire, una nueva iniciativa mensual de contenido tecnológico con la que la compañía quiere llevar al debate empresarial temas como soberanía del dato, adopción cloud, inteligencia artificial, conectividad avanzada y transformación digital. El primer episodio, de una hora de duración, se centra en una idea que empieza a ganar peso entre CIOs y responsables de negocio: muchas empresas no están fallando con la inteligencia artificial por falta de herramientas, sino por no tener preparada la arquitectura, los datos y el gobierno necesarios para llevarla a producción.

El capítulo inicial, titulado «IA y cloud: cómo las empresas españolas están adoptando la inteligencia artificial», está conducido por Zigor Gaubeca, CIO de Aire, y cuenta con Rodrigo Rebollar Domínguez, Executive Manager en SDG Group y especialista en Data & AI Strategy. La conversación huye del entusiasmo fácil sobre copilotos, agentes y automatización para aterrizar en una pregunta menos cómoda: qué ocurre cuando una organización intenta pasar de las pruebas aisladas a un uso real, seguro y medible de la inteligencia artificial.

El punto de partida del episodio resume bien el problema. Durante los dos últimos años, muchas compañías han querido «subirse a la ola» de la inteligencia artificial. Algunas han comprado licencias de herramientas de mercado. Otras han lanzado pruebas de concepto. Muchas han creado expectativas internas muy altas. Pero, según Rebollar, una parte importante de esas iniciativas ha entrado ahora en una fase de redefinición, en la que las empresas empiezan a preguntarse por qué esos proyectos no generan el valor esperado.

Del piloto a producción: el salto que muchas empresas no han resuelto

Uno de los conceptos más repetidos en la conversación es el llamado «pilot purgatory», esa situación en la que una empresa acumula pruebas de concepto que funcionan en un entorno limitado, pero que no llegan a integrarse de verdad en los procesos de negocio. El problema no está tanto en que la tecnología sea insuficiente, sino en que el proyecto no nace de una necesidad clara, no se conecta con datos fiables o no se diseña pensando en producción.

Rebollar lo resume con una frase especialmente útil para cualquier comité de dirección: «La solución es la IA, pero ¿cuál era la pregunta?». La advertencia es sencilla. Comprar una licencia, desplegar un asistente o crear un chatbot interno no equivale a tener una estrategia de inteligencia artificial. Antes hay que saber qué problema de negocio se quiere resolver, qué datos lo alimentan, quién los gobierna, qué riesgos existen y cómo se medirá el impacto.

En el episodio se distinguen tres niveles de adopción. El primero es el uso de asistentes como ChatGPT, Copilot o Gemini, donde la persona sigue haciendo el trabajo, pero se apoya en una herramienta. El segundo se acerca a la automatización de procesos mediante soluciones low-code y agentes. El tercero, mucho más complejo, es el que puede cambiar procesos de negocio, crear nuevas líneas de actividad o rediseñar productos. Según Rebollar, la mayoría de empresas todavía encuentra más valor en el primer terreno: mejora de productividad, reducción de tareas manuales y apoyo al empleado.

La inteligencia artificial generativa ha democratizado el acceso a capacidades avanzadas, pero no ha eliminado los problemas de base. Una empresa que no tiene bien ordenado su reporting, que mantiene datos duplicados en varias áreas o que no comparte una semántica común entre finanzas, ventas y operaciones tendrá muchas dificultades para construir sistemas fiables encima.

El dato deja de ser un asunto técnico y pasa a dirección

La conversación entre Gaubeca y Rebollar insiste en que el dato es la materia prima sobre la que se construye cualquier proyecto serio de inteligencia artificial. Ya no se trata solo de tener muchos datos. De hecho, muchas empresas captan, almacenan y conservan información en grandes volúmenes. El problema está en los silos, la falta de integración, la ausencia de una visión común y la dificultad para saber qué significa realmente cada dato en cada área de la compañía.

Esta parte resulta especialmente relevante para empresas que han crecido mediante adquisiciones, integraciones o expansión rápida. Aire reconoce en el propio episodio la complejidad de gobernar datos cuando una organización incorpora compañías con culturas, herramientas y niveles de madurez distintos. En esos casos, la inteligencia artificial no simplifica automáticamente la situación. A menudo la deja al descubierto.

El debate también introduce una idea cada vez más importante: el dato no puede tratarse solo como un riesgo regulatorio. Muchas empresas, según Rebollar, se preocupan por privacidad y cumplimiento de manera reactiva, por miedo a multas o sanciones. Pero el dato debería verse como un activo estratégico. Si una compañía no sabe dónde están sus datos, quién los usa y bajo qué condiciones, tampoco sabe con precisión quién controla una parte sensible de su negocio.

Ahí aparece el papel del cloud. Para Aire, la adopción de inteligencia artificial está ligada a la capacidad de construir una base tecnológica flexible, segura y controlada. Gaubeca plantea tres caminos posibles: usar soluciones SaaS de mercado, construir una arquitectura propia con mayor control sobre la infraestructura y los modelos, o adoptar una vía híbrida en la que determinadas cargas se mantengan bajo control propio y otras se conecten con servicios externos mediante APIs y datos anonimizados.

No todas las empresas pueden o deben construir una plataforma propia de inteligencia artificial. Pero el episodio sí deja claro que elegir por comodidad puede tener costes a largo plazo. El uso de grandes plataformas cloud y herramientas SaaS facilita la adopción, pero también puede aumentar la dependencia tecnológica, dificultar la salida futura y desplazar datos, agentes, lógica analítica y procesos críticos hacia entornos controlados por terceros.

Gobierno, seguridad y cultura: los frenos que también permiten escalar

La palabra «gobierno» aparece como una de las claves del episodio. No solo en sentido normativo, sino como una forma de ordenar el uso de la inteligencia artificial dentro de la empresa. Quién puede usar qué herramienta, con qué datos, para qué caso de uso, con qué controles y con qué seguimiento. Sin esa capa, el riesgo no es solo incumplir una norma. El riesgo es que la adopción se vuelva caótica.

El Reglamento Europeo de Inteligencia Artificial, en vigor desde el 1 de agosto de 2024 y con aplicación progresiva hasta el 2 de agosto de 2026 para la mayoría de sus reglas, añade presión a esta conversación. Las empresas no solo tendrán que decidir si usan inteligencia artificial, sino también clasificar riesgos, documentar determinados sistemas, vigilar usos prohibidos y reforzar la transparencia en algunos casos. Para sistemas de alto riesgo, la exigencia será todavía mayor.

El episodio también aborda el «shadow AI», el uso no controlado de herramientas de inteligencia artificial por parte de empleados fuera de los entornos corporativos. Es un fenómeno que recuerda a lo ocurrido hace años con Dropbox, WeTransfer u otras herramientas de intercambio de archivos, pero con una diferencia importante: ahora no solo se suben documentos, también se procesan, resumen, analizan o combinan con instrucciones. Eso abre riesgos de fuga de información, pérdida de control y respuestas erróneas que pueden acabar integrándose en decisiones de negocio.

La seguridad no se limita a evitar que un dato salga de la empresa. También tiene que ver con la confianza en las respuestas. Rebollar subraya que, cuando se construyen soluciones de inteligencia artificial para clientes, la premisa debe ser que lo que salga sea correcto. Puede ser un sistema más limitado, con menos alcance o más acotado, pero no debería sacrificar fiabilidad por amplitud. En entornos corporativos, una respuesta plausible pero incorrecta puede generar más problemas que una respuesta incompleta.

La cultura interna es otro elemento central. No basta con entregar una herramienta y una formación básica. Las personas tienen que aprender a pensar qué procesos pueden automatizarse, qué tareas pueden apoyarse en agentes y cuándo una respuesta debe ser contrastada. Rebollar compara el futuro de los agentes con lo que ocurrió con Excel: llegará un momento en que no se cuestionará que un empleado use pequeños agentes para tareas concretas, igual que hoy no se cuestiona el uso de hojas de cálculo o correo electrónico.

El reto es que la tecnología avanza más rápido que la capacidad de adopción de muchas organizaciones. Los hiperescalares y los grandes proveedores lanzan nuevas funciones a gran velocidad, mientras las empresas aún están intentando entender cómo aprovechar lo que ya tienen. Para las pymes, la brecha es aún mayor. Muchas todavía están completando su digitalización básica, reforzando su ciberseguridad o adaptándose a nuevas obligaciones como la factura electrónica, mientras la inteligencia artificial introduce otra capa de cambio.

El Podcast de Aire nace precisamente en ese espacio: entre el discurso tecnológico y la realidad operativa. Su primer episodio no presenta la inteligencia artificial como una carrera por comprar más herramientas, sino como una conversación sobre negocio, cultura, gobierno y tecnología. Esa mirada puede resultar más lenta que el entusiasmo del mercado, pero también más útil para las empresas que quieren que sus proyectos sobrevivan al primer piloto.

Preguntas frecuentes

¿Qué es El Podcast de Aire?
Es una iniciativa mensual de Aire para analizar temas tecnológicos como cloud, inteligencia artificial, soberanía del dato, conectividad avanzada y transformación digital desde una perspectiva empresarial.

¿De qué trata el primer episodio?
El primer capítulo analiza cómo las empresas españolas están adoptando la inteligencia artificial y por qué muchas iniciativas no escalan cuando fallan los datos, la arquitectura o el gobierno.

¿Quién participa en el primer episodio?
El episodio está conducido por Zigor Gaubeca, CIO de Aire, y cuenta con Rodrigo Rebollar Domínguez, Executive Manager en SDG Group y especialista en Data & AI Strategy.

¿Por qué el cloud es importante para adoptar inteligencia artificial?
Porque permite desplegar capacidad tecnológica, integrar datos, escalar procesos y crear arquitecturas más flexibles, aunque también exige controlar dependencia de proveedores, seguridad y gobierno del dato.