El punto de partida
Un grupo de comunicación de 12 personas, con varias líneas de negocio (contenido editorial, diseño y dirección de arte), tenía licencias compartidas como suele ser lo estándar en cualquier empresa. El uso era informal: cada uno entraba cuando se acordaba, sin criterio por puesto, sin medir nada y sin integrar la herramienta en su trabajo diario. La IA estaba ahí, pero no formaba parte de cómo se hacía el trabajo.
Querían implantarla de verdad. No probarla, sino agilizar procesos concretos: la redacción de contenido, el trato con clientes, la producción de diseño y la gestión interna. Nos llamaron para ordenar eso y montar una adopción que se sostuviera más allá de la novedad de las primeras semanas.
Cómo planteamos la adopción de la inteligencia artificial por puesto
Lo primero fue dejar de pensar en una licencia para la empresa y empezar a pensar en qué hace cada persona durante el día. La adopción de inteligencia artificial fracasa casi siempre por el mismo motivo: se reparte una herramienta genérica y se espera que cada uno descubra solo cómo le sirve. Nosotros hicimos el camino inverso. Antes de dar acceso a nadie, mapeamos los puestos: editorial y redacción, administración y comercial, diseño, fotografía y dirección de arte, gerencia y definimos para qué iba a usar la IA cada uno.
Ese mapa es la base de nuestra consultoría de inteligencia artificial para empresas: primero el trabajo real, después la herramienta y el tipo de licencia.
Licencias según el puesto y el volumen de uso
Montamos un plan de equipo Claude Team, con administración centralizada, gobernanza, permisos y facturación única. Por defecto, este plan no entrena con las conversaciones de la organización, un punto que pesa cuando se manejan textos de clientes y datos internos.
Dentro de Team repartimos dos tipos de asiento según el volumen de uso de cada persona:
- Team Standard para el uso normal del día a día.
- Team Premium, con más capacidad de uso e incluye Claude Code, para los perfiles de alto uso y los que iban a montar automatizaciones.
Además, añadimos otras APIs complementarias para integrar la IA por detrás de sus propias aplicaciones y plataformas, no solo en la ventana de chat. Ese detalle permite conectar, integrar y tener la IA metida en todos los procesos.
Redacción y contenido editorial
El equipo editorial escribe notas de prensa, artículos de blog y comunicación de eventos. Aquí el riesgo es claro: que todo empiece a sonar igual. La formación se centró en redactar y revisar con IA sin perder la voz propia de cada medio, usando la herramienta para acelerar los borradores y la revisión, no para sustituir el criterio editorial.
Administración y comercial
El perfil de administración y comercial vive del trato con el cliente: analizar lo que pide, montar presupuestos, aplicar tarifas y responder correos. Les preparamos un flujo en el que la IA interpreta la petición del cliente, monta el presupuesto a partir de las tarifas y redacta la respuesta. La persona revisa y envía. Lo que antes era media mañana de copiar, pegar y calcular pasó a ser un repaso.
Diseño y dirección de arte
En diseño entran las herramientas de inteligencia artificial para empresas más visuales: generación de piezas y tareas de producción. El equipo usa la IA para quitar fondos, combinar varias imágenes, cambiar de color una pieza y generar mockups. Trabajo que antes ocupaba horas de retoque manual y que ahora es parte del flujo de producción.
Las cuatro tareas que automatizamos por completo
No todo se queda en ayuda puntual. Hubo cuatro tareas que pasaron a hacerse solas, de principio a fin, con la persona solo supervisando:
- Generación de diseño: posts a partir de plantilla combinados con herramientas de imagen, para producir piezas de redes en serie sin empezar cada una desde cero.
- Generación de presentaciones: se montan solas a partir del contenido base del proyecto; la persona entra a revisar y ajustar, no a construir desde la primera diapositiva.
- App interna a medida para fichar y llevar el seguimiento de proyectos, presupuestos y rentabilidad, conectada con la API. Pasó de ser una idea en una hoja de cálculo a una herramienta de gestión real.
- Procesado de notas de prensa por correo: el cliente envía una nota a un buzón, la IA la procesa y la redacta, y la deja en el buzón interno que corresponde. El equipo recibe el texto ya trabajado.
Formación para que cada persona use la IA
La parte que más cuesta no es técnica. Una herramienta sin formación se queda en el cajón a las dos semanas. Por eso el peso del proyecto estuvo en la formación en IA para empresas, repartida en cuatro frentes:
- Un par de talleres por departamento para el arranque general, con los casos comunes de cada área.
- Dos sesiones presenciales de 2 a 3 horas con cada persona, una a una, sobre sus tareas reales. No teoría: su trabajo, su pantalla, sus correos.
- Un grupo de chat para compartir casos de uso, donde la gente cuenta quién usa qué y cómo. Lo que descubre uno lo aprovechan los demás.
- Seguimiento durante los tres meses, para ajustar lo que no terminaba de cuajar.
Las sesiones uno a uno fueron lo que movió la aguja. Cuando alguien ve la IA resolviendo la tarea que tiene delante, deja de ser un concepto abstracto.
Casos de uso y resultados a los tres meses
El proyecto se montó en tres fases a lo largo de tres meses: primero la consultoría, el dimensionado de licencias y el presupuesto; después la formación general con los talleres y el arranque uno a uno; y por último el acompañamiento individual con seguimiento y recogida de casos de uso. Estos son los casos de uso de inteligencia artificial que dejaron números medibles:
- Adopción del 91,7% de la plantilla, medida en el panel de administración de Claude. No es el 100%, la adopción real lleva tiempo.
- Notas de prensa: de 30 minutos a unos 4 (1 minuto de generación con IA más 3 de revisión humana).
- Posts de Instagram con plantilla: de 10 minutos a 30 segundos.
- Cuatro tareas automatizadas por completo, las cuatro de arriba.
Medimos con dos fuentes: el panel de administración de Claude para el uso real y encuestas internas para recoger el feedback de la plantilla. Una cosa dice cuánto se usa; la otra, si la gente lo nota en su día.
El resultado que más valoró el cliente no aparece en ningún panel: el cambio de mentalidad. Pasaron de tenemos una licencia a abrir la IA por defecto para casi cualquier tarea. Ese hábito es lo que hace que la inversión se sostenga.
Qué aprendimos (lo que no salió a la primera)
Un caso sin ninguna pega no se lo cree nadie, así que vamos con lo que costó.
El parque de dispositivos era heterogéneo: Windows, Chromebooks y Macs mezclados. Integrar bien la IA en todos, sin conocer cada equipo de antemano, llevó más tiempo del previsto. Aprendimos a dedicar parte del diagnóstico inicial a inventariar los equipos antes de prometer plazos.
El segundo error fue de criterio, y fue nuestro. Dimos a todo el mundo acceso a web, escritorio y Claude Code el primer día, en parte porque el cliente lo pedía. La terminal lió a buena parte de la plantilla justo el día de la implementación: gente que solo necesitaba escribir un correo se encontró delante de una herramienta de desarrollo. La lección fue clara: arrancar a todos por la versión web, que es la que cualquiera entiende, y reservar el escritorio y Claude Code para quien lo va a usar de verdad y tiene soltura. Empezar simple y subir, no al revés.
También vimos dos velocidades de adopción. Adoptaron rápido quienes ya habían tocado IA y no la veían como una amenaza perfiles autónomos, poco acompañamiento, rentabilidad casi inmediata. Fueron más lentos los reticentes, por miedo a que la herramienta les sustituyera o por puro escepticismo, y necesitaron más horas de acompañamiento. La conclusión es importante: la adopción de IA es gestión del cambio, no un problema técnico. La tecnología es la parte fácil.
Empresas que ya usan la IA: el patrón que se repite
Entre las empresas que utilizan inteligencia artificial con resultados, el patrón se repite. No ganan las que compran la herramienta más cara, sino las que la asignan por puesto, forman a su gente sobre el trabajo real y miden la adopción en lugar de suponerla. La IA deja de ser un experimento y pasa a ser una forma de trabajar.
Si tienes una plantilla pequeña y quieres implantar la IA por puesto, con formación y resultados medibles, cuéntanos tu caso y te decimos cómo lo abordaríamos.