Cliente Cero
Antes de poder ayudar a las organizaciones a adoptar la IA y a obtener valor de ella, necesitábamos demostrarlo en primera persona. Por eso Insight decidió convertirse en Cliente Cero.
Asumimos riesgos controlados. Cometimos errores. Cancelamos proyectos que contaban con el favor de la dirección. Descubrimos que 9 de cada 10 problemas de negocio que nos planteaban no requerían IA. Experimentamos con distintos métodos de adopción y repensamos los flujos de trabajo en todas las unidades de negocio, validando lo que realmente hace falta para lograr resultados con la IA a escala.
Primeros pasos
A finales de 2022, ChatGPT se abrió al público. La dirección de Insight tomó una decisión que marcó todo lo que vino después: no lo bloquearíamos. Mientras otras organizaciones imponían prohibiciones generalizadas y políticas de tolerancia cero, nuestro equipo directivo defendió lo contrario: abrirlo, permitir que la gente lo usara y gestionar el riesgo sin eliminar la oportunidad.
Aquella decisión resultó aterradora para nuestros equipos de seguridad y legal. También fue la más trascendental de todas las que tomamos.
En ocho semanas teníamos una instancia privada y segura de Azure OpenAI desplegada para los empleados de todo el mundo, lo que sentó las bases iniciales de lo que acabaría siendo Enterprise AI Hub. ¿El presupuesto inicial? 180.000 dólares, con el mandato de revisar el gasto cada mes. Esa financiación nos permitió llegar hasta final de año.
Los primeros días fueron caóticos por diseño. Dimos a las personas un acceso seguro y les dijimos que probaran cosas. No lo desplegamos departamento por departamento ni prescribimos cómo debía usarse la IA.
Dimos a todos herramientas de IA antes de ofrecerles orientación sobre cuándo usarlas. Eso generó impulso, pero también supuso que se utilizaran modelos de frontera para tareas que no los requerían. Si tuviéramos que hacerlo de nuevo, acompañaríamos el despliegue con directrices claras para elegir la herramienta y el modelo adecuados para cada tarea.
Selecciona cada opción para conocer su justificación y los motivos por los que, finalmente, elegimos un camino distinto.
Esperar habría reducido la incertidumbre, pero también habría retrasado el aprendizaje y limitado nuestra capacidad para ayudar a los clientes a afrontar desafíos similares.
Los logros rápidos eran importantes, pero los éxitos aislados no habrían creado un enfoque escalable de gobernanza, adopción ni de impacto empresarial a largo plazo.
Restringir la IA habría llevado a las personas a buscar atajos y a recurrir a la «IA en la sombra» (shadow AI), con el consiguiente aumento del riesgo. Además, las restricciones habrían limitado la experimentación y ralentizado la adopción.
Creímos que la forma más rápida de comprender la IA de manera responsable era la experiencia directa. Esa decisión sentó las bases para crear Enterprise AI Hub.
En lugar de esperar a tener certezas, creamos un entorno en el que la experimentación y el aprendizaje pudieran evolucionar de la mano.
Ese enfoque nos ayudó a pasar del «hype» al «cómo».
Gobernanza y confianza
La primera versión de nuestra política corporativa de IA generativa era sencilla: no introducir datos propios ni de clientes en modelos públicos de IA. Esa era la línea roja. Todo lo demás consistía en permitir que las personas trabajaran dentro de unos límites seguros, no en levantar muros a su alrededor.
Nuestro equipo de seguridad fue realista con la «IA en la sombra» (shadow AI). Entendía que cuanto más difícil les resultara a los empleados experimentar, más probable sería que eludieran el sistema y aumentaran el riesgo.
Jeremy Nelson, CISO de Norteamérica, Insight
Nuestro equipo de seguridad de la información desplegó Microsoft Defender for Cloud Apps para crear lo que en la práctica era un reductor de velocidad, no un bloqueo. Cuando los empleados visitaban un sitio de IA no autorizado, una ventana emergente les invitaba a detenerse y a reflexionar sobre lo que estaban haciendo. No bloqueaba el acceso, aunque la mayoría suponía que sí (no nos apresuramos a desmentirlo). Quien leyera el mensaje podía continuar igualmente.
Este enfoque exigió una estrecha colaboración entre seguridad, el área legal y el negocio.
Pero el reto de gobernanza más complejo era la calidad de los datos. Años de adquisiciones y una gestión inconsistente de los archivos habían dejado información obsoleta repartida por SharePoint. Cuando la IA accedía a ella, las respuestas podían ser técnicamente correctas pero inútiles en la práctica, o erróneas pero formuladas con total aplomo.
Dimos por hecho que la gobernanza era algo que había que establecer antes de escalar la adopción. En realidad, tenía que evolucionar al mismo ritmo que la tecnología. Las políticas redactadas en el primer mes podían quedar obsoletas al tercero, de modo que esperar a contar con un marco completo equivalía a resolver el problema para una versión de la IA que quizá ya no existiera.
Veli-Matti Vanamo, CTO y responsable de transformación empresarial con IA de Insight APAC
Selecciona cada pilar para ver cómo contribuyeron las distintas disciplinas a construir una base común para la transformación con IA.
Estableció expectativas compartidas, responsabilidad y confianza para un uso responsable de la IA a escala.
Permitió a los empleados experimentar, al tiempo que protegía la información sensible y gestionaba el riesgo.
Tradujo las capacidades emergentes en políticas, expectativas y pautas de uso responsable de carácter práctico.
Proporcionó plataformas empresariales de confianza que hicieron la experimentación más segura y escalable.
Mantuvo la experiencia, la toma de decisiones y la responsabilidad en manos de las personas, incluso cuando la IA aceleraba el trabajo.
Mark Hughes, CTO de Insight
Adopción y cambio
Al principio teníamos las herramientas desplegadas, la política definida y el respaldo ejecutivo desde la cúpula. Y, sin embargo, la adopción se quedaba atrás. Las personas probaban la IA con un solo prompt, obtenían una respuesta mediocre y la dejaban de lado. El problema no era la tecnología. La brecha estaba en que la gente no sabía qué preguntar, ni cómo hacerlo.
Varios factores cambiaron el rumbo:
La adopción inicial se estancó porque las personas no sabían por dónde empezar. Por eso creamos AI Flight Academy™: un programa gamificado con niveles progresivos, competición entre equipos e insignias que la gente exhibía de verdad. Ofreció a todos un itinerario estructurado para pasar de la curiosidad a la competencia, y dio visibilidad al progreso en toda la organización.
Las personas con más probabilidades de descartar la IA eran las que nunca la habían visto resolver un problema que realmente tenían. Los AI Champions lo solucionaron. Integrados en cada unidad de negocio, mostraban a sus compañeros exactamente cómo se aplicaba la IA a su trabajo concreto: no una demostración genérica, sino un caso de uso real de alguien con su mismo rol.
Probamos primero con formación impartida por expertos. Un especialista técnico presentaba casos de uso de IA a los equipos comerciales. La respuesta fue un silencio cortés. Lo que funcionó fue que un comercial con buenos resultados se lo explicara a sus colegas: este es el prompt exacto que usé, este es el agente que creé, así ha cambiado mi pipeline. La misma información. Un resultado completamente distinto.
Pedimos a los empleados que registraran ejemplos reales: no hipótesis ni proyecciones, sino cosas que habían ocurrido de verdad. Un empleado de almacén eliminó 850 correos manuales al mes. Un equipo de ventas ahorró más de 100 horas clasificando datos. Esas historias se difundieron más rápido que cualquier programa de formación porque eran concretas, creíbles y procedían de compañeros.
Adam Deardurff, Desarrollo de Negocio Estratégico, Insight
La adopción de la IA también se manifestó en forma de confianza. Para Kim Nero, especialista en cualificación de leads, la IA se convirtió en un coach a demanda que ayudó a una compañera sin perfil técnico a responder consultas de clientes sobre una amplia variedad de temas complejos. Kim gestiona normalmente entre 3 y 5 nuevos leads o consultas al día, con un SLA de 24 a 48 horas, y calcula que la IA le ahorra de media entre 10 y 15 minutos por consulta. Pero el impacto fue más allá de la rapidez. «La mayor lección no tiene que ver solo con la eficiencia», afirma. «Es el empoderamiento… La IA me ayudó a aprender más rápido, a ganar confianza y a atender a los clientes en un abanico mucho más amplio de tecnologías.»
Esa cifra importa menos que lo que hay detrás: un cambio cultural en el que las personas llevan los problemas a la IA antes de llevarlos a un comité.
No despliegues la IA para todos a la vez con una directriz genérica. Empieza por casos de uso específicos de cada departamento y por AI Champions que entiendan el trabajo del día a día. Un equipo legal y un equipo comercial nunca compartirán el mismo punto de partida. La capacitación más eficaz que llevamos a cabo fue la individual: un AI Champion sentado junto a un compañero, analizando su flujo de trabajo real y mostrándole exactamente dónde encaja la IA. Eso no escala con facilidad, pero convence a los escépticos más rápido que cualquier programa de formación.
Comprueba cómo Insight convierte el acceso a la IA en una adopción práctica mediante aprendizaje estructurado, retos prácticos, reconocimiento y un progreso medible en todos los equipos.
Casos de uso y valor
Los casos de uso que aportaron más valor compartían tres características: un problema de negocio concreto, datos utilizables y un responsable claro, comprometido con el resultado.
En toda Insight surgían con rapidez casos de uso valiosos. Algunos proporcionaron logros rápidos. Otros revelaron oportunidades de mayor alcance para mejorar la forma de trabajar.
Una iniciativa del área de finanzas ilustró este enfoque. Los equipos identificaron primero los puntos de fricción y los clasificaron según requirieran IA, automatización, rediseño de procesos o soporte de TI. Esa disciplina contribuyó a que las inversiones en IA se centraran en los problemas adecuados.
El agente de IA de nombres «Brandie» transformó un proceso que duraba semanas y que ahora puede completarse en tan solo un día, con mayor coherencia y gobernanza.
Un revisor de acuerdos de confidencialidad (NDA) basado en IA redujo la revisión de un NDA estándar de 24–48 horas a unos 5 minutos, lo que permite a los equipos avanzar más rápido sin renunciar a los controles de gobernanza.
Marketing creó Aura 2.0, una plataforma de conocimiento basada en IA que convierte datos estructurados de proyectos en borradores de casos de éxito ya pulidos, y sustituye un proceso manual de meses por una producción aproximadamente 10 veces más rápida.
La automatización con IA da soporte a las renovaciones de larga cola (long tail) y gestiona aproximadamente el 50 % del trabajo previsto, con potencial para dar cobertura a más de 20.000 transacciones por trimestre.
Fijar precios en operaciones complejas exigía antes la participación de 5–8 personas a lo largo de varias llamadas y días de idas y venidas. Hoy, una plataforma de inteligencia comercial basada en IA ofrece estrategias de precios al instante y bajo demanda, y reduce el tiempo de primera respuesta a una RFP de semanas a solo 1–2 horas.
Un consultor de APAC utilizó agentes de IA para entregar una aplicación de gobernanza educativa que da servicio a 150 colegios, con un modelo que sustituyó buena parte de un equipo de proyecto tradicional. Las solicitudes de cambio que antes podían tardar dos semanas se completaban en aproximadamente una hora.
Un empleado utilizó la IA para crear una Power App que automatizó un proceso manual de devoluciones, con lo que eliminó unos 850 correos al mes y redujo el trabajo administrativo repetitivo.
A medida que crecía la adopción, Insight necesitaba una forma de priorizar las inversiones, escalar las ideas que funcionaban y conectar la innovación con los resultados de negocio.
Ese trabajo contribuyó a dar forma a capacidades como Insight AI™.
El progreso generó pruebas. También aportó perspectiva.
Si empezáramos hoy
Al convertirse en Cliente Cero, Insight afrontó de primera mano las realidades de la adopción de la IA en la empresa. Por el camino, entendimos con mayor claridad qué funcionó y qué cambiaríamos si empezáramos hoy.
Cada nuevo modelo, herramienta y capacidad abre nuevas oportunidades y plantea nuevas preguntas. La ventaja está en construir una organización capaz de adaptarse a ambas cosas.
Actuar como Cliente Cero ha dado a Insight una experiencia práctica para afrontar los desafíos y las disyuntivas que marcan la transformación con IA. Esas lecciones pueden ayudar a tu organización a avanzar más rápido, evitar los errores más habituales y construir una base más sólida para el éxito a largo plazo.
Let's Talk
Innovating is the only way to stay relevant in today’s uber-competitive market. Our unique approach and deep knowledge put you on the path to true innovation.
Por  Insight Editor / 13 Nov 2026 / Temas: Artificial Intelligence (AI) , Compliance , Microsoft 365