El AI-first fracasa sin un responsable del resultado. Klarna y Duolingo ya lo saben

Ursula von der Leyen anunció el «AI first» en octubre de 2025.

Para entonces, las startups que lo habían abanderado ya habían dado marcha atrás.

Klarna eliminó 700 puestos de atención al cliente y anunció que la IA los sustituiría. 18 meses después vuelve a contratar personas, porque la calidad cayó tanto que los clientes lo notaron.

Duolingo proclamó su «AI-first transformation» a principios de 2025 y prescindió de colaboradores externos. A mitad de año se enfrentaba a una rebelión continuada de sus usuarios: gente que borraba la app y abandonaba rachas de años en señal de protesta.

Las empresas que más rápido se movieron ahora van marcha atrás.

Pero a las consultoras no les ha llegado el aviso.

Ahora mismo están empaquetando el AI-first para empresas medianas. Crean un clima de FOMO en el que actuar rápido importa más que entender las consecuencias.

El resultado: la mayoría de los despliegues de IA no se notan en la cuenta de resultados.

La tecnología funciona. Nadie responde del resultado.

El AI-first comprime decisiones complejas (creación de valor, responsabilidad sobre el riesgo, obligaciones de cumplimiento, experiencia humana) en una sola consigna: ir más rápido con IA.

Eso genera impulso. No genera responsabilidad.

Las empresas que desarrollan sistemas de IA duraderos se hacen otra pregunta:

«¿Quién responde del resultado cuando el sistema ya está en producción: cuando funciona, cuando falla, cuando el proveedor cambia las condiciones o cuando necesitas salir?»

No «¿qué herramienta de IA deberíamos comprar?»

Yo lo llamo integración de IA guiada por las consecuencias.

Significa definir las estructuras de responsabilidad antes de comprar nada:

• Describir el problema sin mencionar la IA (si no puedes, no tienes un business case)

• Arreglar los procesos antes de acelerarlos (acelerar flujos de trabajo rotos solo multiplica el desorden)

• Integrar el cumplimiento normativo en la arquitectura desde el primer día, no limpiarlo después

• Calcular el coste total de propiedad, incluidas revisiones legales, auditorías y escenarios de salida

• Optimizar la fiabilidad con mecanismos de automonitorización, autocorrección y human-in-the-loop

• Definir antes del despliegue qué sigue siendo humano y qué se automatiza, en lugar de dejar que el alcance surja solo

• Cocrear con las personas que van a operar y usar el sistema, y cuyo rendimiento depende de él

• Asignar un único responsable que responda de los resultados en la cuenta de resultados

Los pilotos de IA genéricos se saltan estas preguntas. Dan por hecho que ya lo resolverás más adelante.

Para entonces habrás acumulado costes hundidos que encarecen cualquier optimización.

Las empresas que tienen éxito tratan la IA como una decisión de responsabilidad, no como una decisión de compra.