El podcast narra la metamorfosis estratégica de AXA, que ha pasado de ser un "pagador" de siniestros reactivo a convertirse en un socio preventivo integrado en la vida diaria de sus clientes. A través del uso de la inteligencia artificial como motor fundamental, la compañía busca predecir, mitigar y evitar los riesgos antes de que ocurran, transformando el seguro tradicional —un "mal necesario" con poca interacción— en una plataforma de bienestar y seguridad continua. Este cambio se hace tangible para el usuario mediante ecosistemas como "Emma by AXA" y plataformas de salud como Healthanea, que ofrecen desde triaje médico por IA y telemedicina hasta programas de bienestar gamificados, multiplicando los puntos de contacto positivos con la marca.

Por otro lado, el contenido profundiza en que esta transformación requiere una sólida arquitectura organizacional y una gobernanza ética innegociable. Se destaca el liderazgo tecnológico de figuras como Matthieu Caillat y el uso de centros de excelencia globales para escalar capacidades de IA en áreas como la prevención de catástrofes naturales y la ciberseguridad comercial. Finalmente, el podcast subraya que el éxito de este modelo depende de la "IA explicable" y de infraestructuras seguras como "Secure GPT", las cuales garantizan que la tecnología sea transparente para médicos y clientes, manteniendo siempre el control humano y la privacidad de los datos en el centro de la operación

Este análisis estratégico describe el panorama de la inteligencia artificial en 2026, centrándose en la transición de un modelo de negocio subsidiado hacia sistemas de pago por uso o resultados. El texto destaca la creciente competencia de modelos chinos de código abierto, los cuales ofrecen una alternativa económica y eficiente frente a las plataformas cerradas de las grandes tecnológicas occidentales. Asimismo, se explora el auge de la IA soberana, donde empresas y gobiernos prefieren ejecutar algoritmos en servidores locales para garantizar la privacidad de los datos y reducir costes operativos. Las fuentes también examinan las divergencias regulatorias entre la Unión Europea, Estados Unidos y China, subrayando cómo estas normas moldean la competitividad global. Finalmente, se evalúa el impacto de estas tendencias en sectores críticos como seguros y salud, identificando oportunidades estratégicas tanto para corporaciones como para PyMEs.

Puedes ver el resumen en https://youtu.be/D6FBPLLWUEo

La implementación de la inteligencia artificial en el entorno corporativo enfrenta una brecha crítica conocida como el "GenAI Divide", donde el 95% de las organizaciones fracasan en obtener un retorno de inversión medible en sus pilotos iniciales. En contraste, solo un selecto 5% de empresas, denominadas "future-built", logran extraer valor tangible al no tratar la IA como un simple proyecto de TI, sino como una reinvención estratégica de sus flujos de trabajo de extremo a extremo. Un ejemplo de referencia es el modelo BBVA, que tras una década de preparación en infraestructura de datos (Proyecto ADA) y capacitación masiva, ha logrado que sus empleados ahorren un promedio de 3 horas semanales, multiplicando su eficiencia y calidad operativa mediante el uso democratizado de asistentes personalizados.

Para cruzar esta brecha hacia el éxito, los marcos estratégicos globales proponen adoptar la regla 10-20-70, la cual establece que el 70% del esfuerzo debe centrarse en las personas y los procesos, destinando solo el 30% restante a la tecnología y los algoritmos. Es fundamental una priorización drástica de los casos de uso, siguiendo la metodología de EY para filtrar cientos de ideas hasta identificar aquellas pocas con impacto real en el EBITDA. El horizonte competitivo se dirige hacia la IA agéntica y la "Agentic Web", donde sistemas autónomos colaborarán en tareas complejas bajo un modelo de "Human-in-the-loop" (humano al mando); esto requiere que las empresas fomenten urgentemente una mentalidad "AI-First" y una fluidez digital profunda en toda su fuerza laboral para no quedar obsoletas

Este capítulo toma los grandes mensajes del AI Index 2026 de la universidad de standford y los aterriza específicamente en banca y seguros: cómo una tecnología que ya tiene adopción organizativa del 88% y una expansión de inversión sin precedentes está obligando a transformar procesos core, gobierno del dato, gestión de riesgos y modelos de relación con clientes. En lugar de centrarse en la espectacularidad de los modelos, la narrativa se organiza en ocho ideas fuerza prácticas: de la IA como capacidad básica y el ROI operativo inmediato, a la importancia del dato, la IA responsable en marcos como el AI Act, el rediseño de roles y la gestión del riesgo de dependencia tecnológica, siempre con ejemplos recientes de entidades financieras reales.

El tono del capítulo es el de una pieza estratégica para ejecutivos, pensada tanto para un documento escrito como para servir de guion ampliado de un episodio de podcast. Cada sección combina datos y tendencias del AI Index 2026 con casos contrastados de bancos y aseguradoras, y termina con implicaciones prácticas: qué cambiar en los procesos, qué capacidades construir, cómo organizar el gobierno de la IA y qué mensajes trasladar al consejo y al regulador.

https://youtu.be/uJppR4yHGrs

La economía mundial está experimentando una transformación estructural de una magnitud comparable a la Revolución Industrial, impulsada por la maduración de la Inteligencia Artificial (IA). El cambio fundamental reside en la transición de la IA generativa hacia sistemas "agénticos", que son capaces de percibir, razonar y ejecutar flujos de trabajo complejos con autonomía sin requerir supervisión humana continua. El consenso entre instituciones clave define el futuro del trabajo como una "asociación de habilidades" (skill partnership) entre personas, agentes (software), y robots (hardware). Aunque las capacidades tecnológicas demostradas en 2024 y 2025 podrían, en teoría, automatizar tareas que ocupan el 57% de las horas laborales en EE. UU., este dato refleja el potencial de cambio en la composición del trabajo y no una predicción de la desaparición de empleos. McKinsey estima que esta automatización impulsada por agentes podría liberar un valor económico de hasta $2.9 billones anuales solo en EE. UU. para 2030.

Para capturar este valor, las organizaciones deben priorizar el rediseño de flujos de trabajo completos en lugar de solo automatizar tareas individuales. Los informes indican que las habilidades humanas evolucionarán significativamente, pero no desaparecerán, ya que más del 70% de las habilidades actuales seguirán siendo relevantes aunque aplicadas de manera distinta. El Índice de Cambio de Habilidades (SCI) de McKinsey revela que las habilidades técnicas especializadas y el procesamiento de información son las más expuestas, mientras que las habilidades interpersonales, como la negociación, la empatía y el cuidado, ganan valor relativo al ser intrínsecamente humanas. En este contexto, la demanda de "Fluidez en IA" —la capacidad de usar y gestionar estas herramientas— creció siete veces en dos años. El rol de los trabajadores cambia de estar in the loop (realizando tareas) a estar on the loop (supervisando los sistemas), lo que exige un mayor juicio contextual y la validación de los resultados generados por los agentes. Por ello, el éxito competitivo en esta nueva arquitectura del trabajo dependerá de la capacidad de los líderes para reimaginar el negocio, invertir en el reskilling (reciclaje profesional) de la fuerza laboral y gestionar esta colaboración mediante nuevas disciplinas como la Experiencia del Agente (AX)

Puedes ver el resumen en https://youtu.be/RaA2dlZzOGI

El 81% de los ejecutivos reconoce una "brecha de responsabilidad" al implementar la IA, admitiendo que el liderazgo y la gobernanza están fallando en seguir el ritmo de la tecnología. ¿Cómo evitan las empresas caer en riesgos reputacionales y legales, como el caso de Deloitte Australia, donde la falta de divulgación del uso de IA erosionó la confianza de los clientes?

Descubre por qué los modelos de IA no son intrínsecamente fiables ni seguros y cómo debes integrar la gobernanza de antemano para asegurar que tus sistemas sean conformes y justos.

En este episodio crucial, abordamos los pilares para construir una IA Confiable (Trustworthy AI) mediante el marco AI TRiSM (Gestión de Confianza, Riesgo y Seguridad).

Aprenderás los requisitos esenciales de transparencia y divulgación:

1. Divulgación Anticipada: Notificar a los usuarios de que interactúan con IA antes del primer contacto.

2. Etiquetado Obligatorio: Marcar explícitamente el contenido generado por IA (texto, imágenes).

3. Riesgos Claros: Comunicar el potencial de "alucinaciones" (información falsa) y los sesgos del sistema.

4. Supervisión Humana: Garantizar la rendición de cuentas y la intervención humana en decisiones críticas.

Las organizaciones que instrumentalizan la transparencia y la confianza verán una mejora del 50% en la adopción y los objetivos empresariales para 2026, además de un aumento del 50% en la confianza de los stakeholders. La transparencia no es un obstáculo, es la fundación de la innovación sostenible y una ventaja competitiva esencial

Este capítulo relata un extenso informe tecnológico de Bain & Company titulado "Technology Report 2025", enfocado principalmente en el impacto transformador de la Inteligencia Artificial (IA), especialmente la IA agentiva, en el sector tecnológico y empresarial. El informe se divide en tres secciones principales: Value Evolution, que examina cómo la IA está redefiniendo la competencia entre las empresas tecnológicas más valiosas y las implicaciones de las tensiones geopolíticas en la tecnología soberana; Strategic Battlegrounds, que analiza la disrupción potencial de la IA agentiva en el Software como Servicio (SaaS), la creciente demanda de energía para la computación de IA, el avance de la robótica humanoide y el futuro de la computación cuántica; y Operational Transformations, que ofrece una hoja de ruta para que las empresas pasen de las pruebas piloto de IA a obtener beneficios tangibles y detalla la necesidad de modernizar la arquitectura de TI para soportar agentes de IA a escala. En esencia, el informe enfatiza que la IA es el disruptor definitorio de la década, advirtiendo que las empresas que no actúen rápidamente para rediseñar sus flujos de trabajo y limpiar sus datos corren el riesgo de quedarse peligrosamente rezagadas.

Este capítulo se centra en un documento de McKinsey donde presenta una guía para directores ejecutivos sobre cómo aprovechar la Inteligencia Artificial (IA) Agéntica para superar la "paradoja de la IA generativa", donde la adopción generalizada no se ha traducido en un impacto económico significativo. La paradoja se debe a que la mayoría de las empresas se enfocan en casos de uso horizontales de bajo impacto (como copilotos), mientras que los casos de uso verticales y transformadores se estancan en la fase piloto. La solución propuesta es la IA agéntica, que utiliza agentes con autonomía, planificación e integración para automatizar flujos de trabajo empresariales complejos. Para escalar este impacto, la guía enfatiza que las empresas deben reinventar los procesos de trabajo desde cero, en lugar de simplemente optimizar los existentes, lo que requiere una nueva arquitectura, gobernanza y un liderazgo decidido por parte del CEO para dejar atrás la fase de experimentación.

GenAI y empleo en 2025: la OIT estima que 1 de cada 4 trabajos tiene algún grado de exposición, con impacto máximo en roles administrativos y de oficina, y un aumento notable en perfiles digitales como desarrolladores web y analistas financieros gracias a la multimodalidad y los agentes de IA. La exposición no equivale a sustitución inmediata: habrá sobre todo transformación de tareas, con barreras reales de coste, habilidades e infraestructura, y riesgos de degradación si no se rediseña el trabajo. Urge una respuesta centrada en las personas: diálogo social, recualificación continua y participación de los trabajadores en la adopción de estas herramientas.

Bain & Company sostiene que el impacto real en ventas no llega por una sola tecnología, sino por rediseñar el sistema end to end combinando IA tradicional, generativa, automatización y datos con objetivos claros desde dirección.​

El episodio resume seis pasos accionables para pasar de pilotos aislados a resultados medibles: repensar procesos, empezar acotado, datos “suficientemente buenos”, iterar con pilotos y sponsorship ejecutivo sostenido.​

Seis claves prácticas:

1. Visión integral end to end: transformar el sistema completo de ventas, no añadir herramientas puntuales; combinar IA tradicional, IA generativa, RPA, rediseño de procesos y gobernanza de datos alineados a objetivos de negocio.​

2. Reimaginar antes de automatizar: no acelerar procesos mediocres; rediseñar flujos para que la IA potencie nuevas formas de trabajar y resultados superiores, en lugar de “lo mismo más rápido”.​

3. Acotar para escalar: “start small, scale fast”; elegir 1-2 áreas de alto impacto (p. ej., generación y cualificación de leads), demostrar valor en un piloto y expandir con hoja de ruta clara.​

4. Datos con pragmatismo: priorizar rapidez sobre perfección; limpiar duplicados y obsoletos, incluso eliminar hasta el 80% si hace falta, para trabajar con datos suficientemente buenos que generen valor ya.​

5. Probar, aprender, iterar: usar pilotos y pruebas de concepto rápidas para experimentar, medir, ajustar y construir confianza interna con resultados tempranos y repetibles.​

6. Patrocinio C-level: liderazgo visible y sostenido desde dirección para asegurar foco, inversión, gestión del cambio y ejecución disciplinada a escala