¿Qué significa pragmático y qué es la IA pragmática?
Pragmático es quien da prioridad a lo práctico y a lo útil. El diccionario de la Real Academia Española recoge ese sentido («que tiene preferencia por lo práctico o útil», con ejemplos como «un político pragmático») y otros dos más técnicos: lo relativo al pragmatismo, la corriente filosófica que mide las ideas por sus consecuencias prácticas, y lo relativo a la pragmática, la parte de la lingüística que estudia el lenguaje en su contexto de uso [1].
Aplicado a la empresa, hablar de IA pragmática no es nombrar una tecnología nueva. Es una forma de decidir: usar inteligencia artificial solo donde resuelve un problema concreto, con un coste conocido y un resultado medible, y dejar fuera lo que solo luce en una presentación. No es un término técnico estándar; lo uso en el sentido que le da el diccionario.

Por qué hace falta ser pragmático con la IA
Porque la mayoría de los proyectos de IA generativa no llegan a dar resultados. Un informe de la iniciativa NANDA del MIT, publicado en agosto de 2025, concluyó que en torno al 95 % de los pilotos de IA generativa en empresas no producía un impacto medible en la cuenta de resultados. El estudio se basó en 150 entrevistas, una encuesta a 350 empleados y el análisis de 300 implantaciones públicas, así que es una muestra, no un censo [2]. Según su autor principal, el problema no era la calidad de los modelos sino cómo las empresas intentaban usarlos.
Ese es el núcleo de la IA pragmática: el fallo suele estar en el planteamiento, no en la tecnología.
Cinco preguntas para aplicar IA con criterio
- ¿Qué problema concreto resuelve? «Mejorar la productividad» no es un problema. «Reducir de dos días a dos horas la preparación del informe mensual» sí lo es.
- ¿Cómo sabré si funciona? Define la métrica antes de empezar: tiempo, errores, coste por operación, satisfacción del cliente.
- ¿Qué pasa cuando se equivoque? Los modelos generativos fallan. Decide dónde hace falta revisión humana y quién la hace.
- ¿Qué datos va a tocar? Datos personales, contratos o información financiera obligan a revisar la protección de datos y los términos del proveedor antes de nada.
- ¿Comprar o construir? El mismo informe del MIT observó que las herramientas compradas a proveedores especializados tenían éxito con más frecuencia que los desarrollos internos [2]. Empieza por lo que ya existe.
Dónde suele encajar bien y dónde no
| Encaja bien | Encaja peor |
|---|---|
| Redactar borradores, resumir documentos y reuniones | Decisiones que exigen precisión total sin revisión |
| Clasificar correos, tickets o facturas | Cálculos críticos de inventario o logística (mejor modelos de optimización clásicos) |
| Primera respuesta en atención al cliente con traspaso a una persona | Procesos sin datos ni reglas claras |
| Buscar información en la documentación interna | Sustituir el criterio profesional en temas legales o médicos |
La IA generativa es buena con el lenguaje y mala con la exactitud garantizada. Para planificar rutas, turnos o compras siguen funcionando mejor las técnicas de optimización y la analítica de siempre, que también son inteligencia artificial aunque hagan menos ruido.
El ejemplo de las reuniones
Este artículo partía de un texto de Porsche Consulting de julio de 2025 sobre IA en reuniones. Lo que ese texto propone es muy terrenal: asistentes como Microsoft Copilot para preparar la información previa, transcripción con resúmenes y puntos de decisión, actas automáticas y paso de tareas a Microsoft Teams [3]. La consultora afirma que sus pilotos mejoran la eficiencia de las reuniones entre un 20 y un 40 % en pocas semanas, pero no publica metodología ni muestra, así que tómalo como una cifra de la propia empresa [3].
La versión anterior de este artículo atribuía a Porsche Consulting tres tecnologías («Causal AI», «foresight analytics» y algoritmos de optimización) que no aparecen en su texto. Las he retirado.
Si vas a grabar o transcribir reuniones con IA, antes revisa lo legal: lo explico en IA en reuniones: ¿es legal grabar y transcribir con un bot?

Cultura, procesos y reglas claras
- Rediseña el proceso, no solo la herramienta. Meter IA en un proceso malo produce un proceso malo más rápido.
- Forma a la gente con casos reales de su trabajo. Es lo que más acelera la adopción, y en mis clases de la USFQ lo veo con claridad: se aprende usando la herramienta en algo propio.
- Pon una política de uso sencilla: qué herramientas están aprobadas, qué datos no se pueden subir y quién revisa los resultados.
- Cumple la normativa. En la Unión Europea, el AI Act ya prohíbe ciertas prácticas desde febrero de 2025; lo resumo en la guía esencial del AI Act.
Cuando el siguiente paso sea que la IA ejecute tareas completas en lugar de asistir, el terreno es el de los agentes: tienes una introducción en agentes de IA en empresas: guía práctica 2026.
Fuentes y referencias
Fuentes consultadas el 3 de noviembre de 2026.
- [1] Real Academia Española: pragmático, ca (Diccionario del estudiante y DLE), consulta en línea.
- [2] Fortune: MIT report, 95 % of generative AI pilots at companies are failing, 18 de agosto de 2025.
- [3] Porsche Newsroom: Artificial intelligence for your meeting (Porsche Consulting), 30 de julio de 2025. Artículo de partida.
