Qué son la IA, qué es automatizar, y por qué llamarlo todo IA es ruido

En algún momento de los últimos tres años, la palabra “IA” empezó a pegarse a casi cualquier cosa: un cepillo de dientes eléctrico, un programa de facturación que existe desde 2015, una máquina de vending, un refresco. Cuando una palabra sirve para describir todo, deja de describir nada.

Para una empresa que intenta entender qué está comprando, ese ruido tiene un coste concreto. Se paga precio de inteligencia artificial por algo que es una regla de toda la vida, o se descarta una herramienta que sí habría servido porque suena igual que las otras veinte. Distinguir las dos cosas no es una discusión de vocabulario: es lo que decide si un proyecto tiene sentido antes de gastar un euro.

Automatizar no es lo mismo que usar IA

La diferencia cabe en una frase: una automatización por reglas ejecuta instrucciones que escribió una persona, y un sistema de IA interpreta datos y decide por probabilidades, con margen de error. El resto de este artículo es esa frase, desplegada.

Automatizar significa que una máquina ejecuta una tarea que antes hacía una persona, siguiendo instrucciones. Esas instrucciones pueden ser de dos tipos muy distintos, y la diferencia importa mucho más de lo que parece.

La automatización basada en reglas funciona con lógica “si pasa esto, haz aquello”, escrita explícitamente por una persona. Un banco que marca como sospechosa cualquier transferencia al extranjero superior a 5.000 euros está usando una regla, no inteligencia artificial. Estos sistemas son transparentes, fáciles de auditar y perfectamente adecuados para quien necesite trazabilidad total: contabilidad, nóminas, control de inventario. Su límite es que solo saben hacer exactamente lo que se les ha programado, ni una cosa más.

La inteligencia artificial no sigue una receta fija: identifica patrones en datos y decide en función de probabilidades. Puede leer el correo de un cliente que no tiene ninguna estructura, entender el tono con el que está escrito y decidir cómo priorizarlo, algo que un sistema de reglas no hace porque no existe una regla capaz de anticipar todas las formas posibles de redactar una queja. Ese es su valor, y también su condición: donde hay probabilidad hay error, y por tanto hace falta alguien que revise.

Ninguno de los dos enfoques es mejor en abstracto. Una regla gana cuando la tolerancia al error es mínima y hay que poder explicar cada decisión paso a paso. La IA gana cuando los datos son variados, cambiantes o no encajan en ningún formato fijo. La mayoría de los sistemas bien diseñados combinan las dos cosas: reglas donde hace falta control, IA donde hace falta adaptación.

Tres ejemplos de una pyme: qué es regla y qué es IA

Contada en abstracto, la distinción parece académica. Con tres tareas de una empresa pequeña se ve en un minuto.

• Las facturas recurrentes. Cuarenta clientes con la misma cuota cada mes, emitida el día 1, enviada por correo y anotada en contabilidad. Es una regla de principio a fin: no hay nada que interpretar y no hace falta ninguna IA. Si algo se vende como “facturación inteligente” para resolver esto, lo que se compra es un programa de facturación normal con una etiqueta nueva encima.
• Leer la factura escaneada de un proveedor nuevo. Cada proveedor la maqueta a su manera y de ahí hay que sacar la base, el IVA y el concepto. Eso sí es IA: ninguna regla escrita a mano anticipa todos los formatos posibles. Y como funciona por probabilidades, el diseño correcto incluye que una persona revise las que salen con poca confianza, no un “ya se encarga el sistema”.
• Repartir el correo de una dirección compartida. Distinguir una queja urgente de una petición de presupuesto y de una factura que llega adjunta es interpretación, así que esa clasificación es IA. Lo que viene después —a quién se le asigna cada cosa, con qué prioridad, en cuánto tiempo hay que contestar— vuelve a ser una regla. La respuesta buena a “¿esto es IA o automatización?” es, casi siempre, “las dos, y en este orden”.

Lo útil de mirarlo así es que la pregunta deja de ser qué tecnología se compra y pasa a ser dónde hace falta interpretar. En los tramos donde no hay nada que interpretar, la IA añade coste, opacidad y una probabilidad de error que antes no existía.

El “AI washing”, con nombre y apellido

Esta confusión de términos tiene una versión deliberada, y tiene nombre: AI washing. Consiste en promocionar un producto o un servicio exagerando el papel que la inteligencia artificial juega realmente en él. No hace falta mentir del todo: basta con llamar “agente inteligente” a un formulario con condiciones, o “motor de IA” al mismo algoritmo de ordenación que el producto ya usaba hace ocho años.

El fenómeno no se queda en el marketing de producto. Una encuesta de Resume.org a 1.000 responsables de contratación en Estados Unidos, publicada en abril de 2026, permite verlo desde dentro. Entre quienes prevén despidos, la IA es el motivo más citado: un 44%, por delante de la reorganización interna (42%) y de las limitaciones de presupuesto (39%).

El efecto real que declaran es otro. Solo un 9% dice que la IA haya sustituido por completo algún puesto; alrededor del 45% dice que ha reducido en parte la necesidad de contratar, y otro 45% declara poco o ningún efecto en el tamaño de su plantilla.

El dato que cierra el círculo es el tercero: un 59% reconoce que, al explicar una congelación de contrataciones o un despido, carga el acento en la IA porque queda mejor ante sus interlocutores que hablar de limitaciones financieras. Es AI washing medido desde dentro, y por eso es el número que importa: no mide lo que la IA hace en las empresas, mide para qué sirve nombrarla.

Peter Cohan, profesor asociado de práctica de gestión en Babson College, lo resumió en Built In con una frase difícil de mejorar: culpar a la IA es “la razón menos mala” que puede usar una empresa, porque la hace parecer más innovadora y más orientada al futuro que reconocer un problema de cuentas.

Conviene decir qué son y qué no son esos números. Son datos de Estados Unidos, de un mercado laboral que no es el español, y no existe una encuesta equivalente aquí que podamos citar; tampoco son datos nuestros, que no publicamos resultados de clientes.

Lo que viaja bien de un país a otro no es el porcentaje: es el incentivo. Decir “IA” mejora el relato, y mientras lo mejore habrá quien lo diga sin que haya IA por detrás.

Por qué esto genera ruido, y no solo confusión

Cuando cualquier cosa se llama IA —una hoja de cálculo con una fórmula, un algoritmo de ordenación de 2015, un asistente conversacional entrenado con miles de millones de parámetros— la palabra deja de ser información y pasa a ser decoración.

Y el ruido no es solo incómodo: cuesta dinero en las dos direcciones. Se compra IA donde bastaba una regla, y se rechaza una automatización sencilla que habría resuelto el problema del mes porque llegó envuelta en el mismo discurso que ya había decepcionado dos veces.

Hay un tercer coste, menos visible y más molesto a medio plazo. Si nadie sabe qué parte del sistema decide por su cuenta, nadie sabe qué hay que vigilar, quién responde cuando se equivoca ni qué hay que contarle al cliente. Y esas tres cosas no se aclaran leyendo el folleto: se aclaran preguntando.

La salida, entonces, es una pregunta, y no es “¿esto tiene IA?”. Es “¿qué tipo de decisión toma este sistema, con qué datos, y qué pasa cuando se equivoca?”. Sirve igual para una regla de tres líneas que para el modelo más sofisticado del mercado, y separa la sustancia del envoltorio sin necesidad de entender nada de tecnología. Es también la primera de las preguntas que conviene hacerle a un proveedor antes de firmar, donde están las otras cuatro.

La mayoría de los procesos que nos traen las empresas tienen las dos mitades dentro: un tramo que es pura regla y otro donde hay que interpretar algo. Saber cuál es cuál no es un detalle técnico, es la parte que decide el presupuesto. Y se sabe mirando el proceso, no el nombre del producto.