Liliana Gil (Culture+): IA reduce una semana a 2 horas

La IA como inteligencia aumentada: la tesis de Liliana Gil

Liliana Gil, miembro de la Junta Directiva de RCN, cofundadora y CEO de Culture+ Group, sostiene que la discusión sobre si la IA reemplazará a las personas está mal planteada. En una entrevista con La República, la ejecutiva describió la tecnología como inteligencia aumentada: una herramienta que multiplica la capacidad humana en lugar de sustituirla.

"Al final del día lo que nos hace es ser superhumanos", dijo Gil. Su argumento central es económico: la IA permite crear productos y soluciones de negocio que antes exigían mucho dinero, ingenieros y tiempo de cerebro. Lo que cambia no es solo la velocidad, sino quién puede construir.

Ese punto es el más relevante para el ecosistema emprendedor. Durante décadas, lanzar un producto digital requería capital para contratar equipos técnicos. Hoy, según Gil, estas plataformas "democratizan la habilidad de crear un producto". Para un founder en Bogotá, Ciudad de México o Madrid con presupuesto limitado, eso reduce la barrera de entrada más cara: el talento.

El ejemplo que resume el ahorro: de una semana a dos horas

Gil puso un caso concreto de eficiencia operativa. Un proceso de tabulación de reportes que antes requería tres personas —analistas— y una semana entera de trabajo, hoy puede resolverse con una persona en dos horas.

Ese tipo de salto explica por qué la IA se volvió prioridad en los presupuestos corporativos. La ejecutiva lo enmarca como una transformación de los flujos de trabajo y de la estructura de costos, no como un experimento tecnológico. "La capacidad de generar entregables, analizar datos e investigar información se acelera de una forma a la que nunca habíamos tenido acceso antes", afirmó.

¿Por qué el ahorro de tiempo no se convierte en dinero?

Aquí conviene una advertencia que la entrevista no aborda y que sí aparece en la evidencia internacional: reducir horas no equivale a reducir costos.

Una encuesta de EY Parthenon recogida por Newsweek encontró que la mitad de 1.200 CEOs de 21 países señaló a la IA como el mayor contribuyente a las ganancias de productividad del último año. Pero el 23% dijo que esas ganancias se absorbían antes de llegar al resultado final, y solo el 16% afirmó tener visibilidad clara y en tiempo real de los costos y retornos de la IA.

La encuesta anual State of AI de McKinsey, difundida por TechTimes, es más dura: solo el 37% de 1.719 encuestados en 97 países pudo atribuir algún impacto en resultados a la IA, y apenas el 6% calificó como de alto desempeño, es decir, atribuir al menos 5% de su EBIT a la IA. El 80% de quienes usan IA reportó mejoras en su productividad personal, pero esa satisfacción no se agregó en las cuentas de la empresa.

La explicación, según ese análisis, es arquitectónica: las herramientas horizontales como chatbots y copilotos escalan rápido pero generan ganancias difusas y difíciles de medir. Cerca del 90% de los casos de uso verticales —los que sí mueven costos e ingresos— siguen atascados en fase piloto.

Datos complementarios apuntan en la misma dirección. Según TechTimes, el Global AI Pulse de KPMG del primer trimestre de 2026 encontró que el presupuesto promedio de IA empresarial llegó a US$186 millones, pero solo el 8% de esas compañías reporta un retorno tangible. Y un estudio del National Bureau of Economic Research de febrero de 2026 sobre casi 6.000 ejecutivos concluyó que cerca del 90% de las firmas no detectó impacto de la IA en empleo ni productividad en tres años.

Qué separa a las empresas que sí capturan el valor

El patrón que emerge de la evidencia es consistente: no gana quien adopta más herramientas, sino quien rediseña procesos.

McKinsey encontró que casi tres cuartas partes de las empresas de alto desempeño rediseñaron sus flujos de trabajo por completo, frente a cerca de una cuarta parte del resto. También son más de tres veces más propensas a escalar agentes en múltiples funciones.

En el mercado de servicios de software ya hay señales de cómo se reparte ese ahorro. KoreaTechDesk reportó que un estudio de un año de LG CNS con la Universidad de Sogang, sobre 26 proyectos reales de desarrollo, midió una mejora promedio de productividad de 26,1% con su herramienta DevOn AI Native Development, frente a 14,1% con herramientas genéricas de código. La variación por industria fue enorme: 23,1% en finanzas y 4,2% en baterías.

Esa dispersión explica por qué los descuentos automáticos por IA son peligrosos. Según el mismo medio, Reuters documentó que en la industria india de servicios de TI —un mercado de US$315.000 millones— los proveedores están migrando a contratos por desempeño medible. El CEO de Persistent Systems, Sandeep Kalra, dijo a Reuters que los clientes piden el mismo trabajo con precios 25% a 30% más bajos.

Las tendencias que Gil ve en medios y consumo

Más allá de la eficiencia, la entrevista aporta un mapa de hacia dónde se mueve el negocio de medios y marcas:

• Contenido y comercio se unifican. Ya no son silos separados; el consumo y la compra ocurren en el mismo flujo.
• Los datos de comercio y de medios se integran. La información de tienda y de consumo de medios se conecta para leer a la persona como comprador y audiencia a la vez.
• La IA multiplica personajes. Los personajes de marca pueden clonarse y estar en más lugares simultáneamente.
• El phygital gana fuerza. La unificación de lo físico y lo digital crece porque los jóvenes están saturados de tecnología.

Gil resume el desafío de las marcas con una frase incómoda para cualquier equipo de marketing: "Si yo hice un plan este trimestre, lo más probable es que ese modelo esté expirado". Su respuesta es obsesionarse con el consumidor —qué quiere, qué necesita y cómo cambia— en lugar de con el plan.

¿Qué significa esto para tu startup?

Dos lecturas se cruzan en esta noticia. La primera es optimista y aplica directo a founders: el costo de construir producto cayó. La segunda es una advertencia: el ahorro no se cobra solo.

Acciones concretas para esta semana:

• Define una línea base antes de implementar. El consejo que McKinsey y EY repiten es medir contra un escenario sin IA. Antes de automatizar un proceso, registra cuánto cuesta hoy: horas, personas, errores. Sin ese número no podrás demostrar nada ante un inversor ni ante tu propio equipo.
• Elige un proceso acotado y dale la IA de punta a punta. Los casos que sí mueven la aguja son los verticales: atención al cliente, conciliación financiera, generación de reportes. No sumes IA sobre un flujo viejo; rediseña el flujo.
• Reinvierte el tiempo ahorrado en output medible. Si la IA te devuelve cinco horas semanales y esas horas no se convierten en más ventas, mejor producto o menos costo, el retorno es cercano a cero.
• Vigila el costo variable. Según TechTimes, un análisis de Gartner de marzo de 2026 estimó que un flujo agéntico puede consumir entre 5 y 30 veces más tokens por tarea que un chatbot estándar. El ahorro en licencias puede reaparecer como factura de inferencia.

Para un equipo pequeño en LATAM o España, la ventaja competitiva no está en adoptar la herramienta más nueva, sino en ser el que mide. La IA bajó el costo de crear; no bajó el costo de saber si lo que creaste funciona.

Fuentes

• La República: entrevista con Liliana Gil
• Newsweek: AI Is Boosting Productivity. But Is It Worth It?
• TechTimes: Record AI Spending Can't Move Earnings Needle
• KoreaTechDesk: Who Owns the AI Productivity Dividend