2035. Miras hacia atrás y parece evidente. Sin embargo, en 2026 no lo era tanto.

Por aquel entonces casi todas las conversaciones sobre IA empezaban así: ¿qué tenemos que automatizar? Contenido, análisis, prospección, atención al cliente, procesos comerciales, informes. Cada mes aparecía algo nuevo y cada nueva capacidad prometía lo mismo: hacerlo más rápido, más barato o con menos recursos.

Tenía todo el sentido del mundo. No te ibas a quedar atrás.

Lo que quizá no vimos tan claro es que no solo empezábamos a utilizar IA para mejorar nuestras empresas. Empezábamos a cambiar nuestras empresas para poder utilizar más IA.

Existe un concepto llamado proceso autocatalítico. Sucede cuando un proceso genera un resultado que, a su vez, crea las condiciones para que ese mismo proceso pueda seguir creciendo. Es decir: cada avance facilita el siguiente.

Y eso es exactamente lo que está empezando a ocurrir.

Una PYME introduce IA para ganar eficiencia y descubre que puede analizar mucha más información, así que empieza a recoger más información. Puede personalizar más mensajes, así que trabaja con más prospectos. Puede gestionar más interacciones, así que genera más interacciones. Puede producir más contenido, así que produce más contenido.

Todo ese aumento de actividad genera algo especialmente valioso para la propia IA: datos.

Más datos permiten mejores análisis. Mejores análisis permiten automatizar más decisiones. Más automatización permite gestionar más volumen. Y más volumen vuelve a generar más datos.

El flujo sería algo así:

IA → más capacidad → más volumen → más datos → mejor IA → todavía más capacidad.

Ese es el punto de partida de la tesis. La IA no solo nos ayuda a hacer mejor lo que ya hacíamos. Empieza a crear las condiciones para que hagamos más cosas, y esas nuevas cosas generan a su vez la necesidad de utilizar todavía más IA.

El cambio no está solo en las herramientas. Está en cómo diseñamos la empresa.

 

Por supuesto lo veo claro en marketing y ventas.

Durante años hemos trabajado con una estructura bastante reconocible: marketing atrae y ventas convierte. Entre ambos hemos ido colocando CRM, funnels, automatizaciones, lead scoring, nurturing y suficientes anglicismos como para llenar otra herramienta de marketing.

La IA empieza a desdibujar esa frontera porque puede detectar una señal de intención, investigar un prospecto, crear contenido para atraerlo, personalizar el mensaje, calificarlo, recomendar el siguiente contacto, preparar una reunión, generar una propuesta y analizar qué ha ocurrido después.

No está automatizando únicamente marketing o ventas. Está ocupando el espacio que conecta ambos.

Y cuanto más conectamos ese recorrido, más información obtenemos. Cuanta más información obtenemos, mejor puede interpretarlo la IA. Y cuanto mejor lo interpreta, más cómodos nos sentimos delegando la siguiente parte.

De nuevo: cada mejora crea las condiciones para la siguiente.

Aquí es donde encaja una de las preguntas que utilizo en mi Método Sin Hache antes de decidir, crear o automatizar algo:

¿Esto simplifica, aclara o genera resultado?

Porque cuando hacer cosas era caro, estábamos obligados a elegir. Ahora que hacerlas empieza a ser extraordinariamente barato, elegir puede convertirse en la parte difícil.

Y esto importa mucho más de lo que parece.

Porque una empresa puede empezar utilizando IA para optimizar un proceso y terminar diseñando procesos que solo tienen sentido porque existe IA capaz de sostenerlos.

No es lo mismo.

Y el proceso no termina dentro de la empresa.

Mientras las empresas aprendemos a utilizar IA para vender, los clientes empiezan a utilizarla para comprar.

Tu IA investiga al cliente y la suya te investiga a ti. Tu IA genera contenido y la suya se lo resume. Tu IA personaliza un mensaje y la suya decide si merece atención. Tu IA intenta descubrir qué podría comprar y la suya compara alternativas para ayudarle a decidir qué debería comprar.

Estamos automatizando los dos lados de la conversación. Y esto introduce una nueva tensión que merece la pena observar.

Una investigación de Gartner sobre 645 compradores B2B encontró que el 70 % decía preferir una experiencia de compra completamente digital y autoservicio. Sin embargo, el 69 % prefería validar con un comercial humano la información que había obtenido mediante IA.

Resumido: queremos hacerlo solos… hasta que no queremos hacerlo solos.

Otra investigación publicada en Industrial Marketing Management encontró algo parecido: cuando entraba en juego la construcción de una relación, los compradores tendían a preferir vendedores humanos frente a agentes autónomos de IA.

No me interesa tanto discutir si esas cifras seguirán siendo las mismas dentro de diez años. Me interesa lo que señalan ahora.

Cuanto más automatizamos una interacción, más importante se vuelve decidir si esa interacción debería estar automatizada.

Y esa decisión también forma parte del proceso autocatalítico.

Porque cuanto mejor funciona la IA, más confiamos. Cuanto más confiamos, más delegamos. Cuanto más delegamos, más adaptamos nuestros procesos para trabajar así. Y cuanto más adaptados están nuestros procesos, más difícil resulta volver atrás.

Podríamos describir un segundo flujo que se alimenta a sí mismo:

mejor IA → más confianza → más delegación → más adaptación → mayor dependencia de la IA.

Y aquí es donde mi tesis cambia de escala.

Ya no estamos hablando simplemente de productividad. Estamos hablando de cómo la capacidad de una tecnología puede terminar modificando la estructura del negocio que la utiliza.

El problema no es que la IA haga demasiado.

La pregunta interesante es otra.

¿Qué ocurre cuando empezamos a organizar nuestra empresa alrededor de aquello que la IA puede hacer?

Si nuestros sistemas deciden qué clientes parecen interesantes, quizá consigamos una prospección mucho más eficiente. Pero también puede haber oportunidades que nunca lleguen hasta nosotros porque el sistema no las consideró relevantes.

Si producir diez alternativas cuesta prácticamente lo mismo que producir una, quizá el valor deje de estar en producir opciones y pase a estar en saber descartarlas.

Y si cada vez delegamos más investigación, análisis y recomendación, aparece una cuestión que para mí es especialmente delicada: qué ocurre con nuestro criterio cuando dejamos de necesitar ejercitarlo constantemente.

No porque la IA vaya a volvernos inútiles. Eso me parece una simplificación.

Sino porque muchas de las capacidades que consideramos de alto valor se construyen haciendo cosas poco eficientes: investigar, comparar, interpretar, equivocarse, probar otra opción y descubrir que aquel cliente que parecía perfecto no lo era.

Podemos ahorrar muchísimo tiempo eliminando parte de ese trabajo.

La pregunta es qué más eliminamos con él.

….Y entonces volvemos al principio.

En 2026 estábamos preocupados por descubrir cuánto trabajo podría hacer la IA.

Desde 2035 quizá veamos que el cambio realmente importante sucedió en otro lugar: cada nueva capacidad de la IA fue creando las condiciones para utilizarla en la siguiente parte del negocio, y cada nueva parte automatizada hizo más lógico automatizar la siguiente.

Eso es lo que convierte el fenómeno en autocatalítico.No que la IA mejore. Sino que su mejora modifica el sistema en el que opera y ese sistema modificado demanda todavía más IA.

Creo que es un fascinante el cambio que se va a producir y que la pregunta ahora no es hasta dónde llegará la tecnología sino:

¿En qué momento dejamos de usar la IA según las necesidades de la empresa y empezamos a rediseñar la empresa según las capacidades de la IA?