Tu empresa ya habla de IA. Ahora toca decidir por dónde empezar.

Lleváis meses asistiendo a webinars, probando herramientas y compartiendo noticias de agentes en el chat de la empresa. Alguien manda una demo que prepara informes. Otra persona comparte un agente que parece capaz de gestionar un departamento entero. Hay entusiasmo, varias pruebas en marcha y una carpeta de enlaces que ya merece su propio responsable.

Entonces llega una pregunta bastante menos espectacular. ¿Quién va a utilizar todo esto el lunes y para hacer qué? y esa pregunta lleva a un silencio o una reunión para hablarlo.

Es una situación comprensible. Las novedades llegan deprisa y cuesta distinguir qué merece atención. Además, está esa sensación de que deberíamos estar haciendo más, sobre todo cuando parece que todas las demás empresas ya lo tienen resuelto. Aunque una demo cuenta bastante poco sobre lo que ocurre después de apagar el proyector.

Probar ayuda a aprender. Pero llega un momento en que conviene acercarse al trabajo cotidiano y elegir algo que merezca la pena mejorar.

Detectar qué nos está frenando

El otro día, en una reunión del equipo de Marketing, hablábamos de cómo dar un paso más con la IA. Ya la utilizamos para preparar campañas, trabajar textos, explorar ideas o analizar información. Tenemos la suerte de trabajar en una empresa que impulsa su uso con formación, herramientas y oportunidades para participar en nuevos proyectos de IA, así que las ganas de probar vienen bastante de serie.

Pero nuestro trabajo está repartido entre varias herramientas. Organizamos las tareas y los proyectos en Jira, gestionamos las campañas de comunicación desde una herramienta de Microsoft, guardamos los briefings y la documentación en Google Drive y buscamos buena parte de la información sobre clientes potenciales en LinkedIn.

A eso se suma que cada herramienta va incorporando su propia IA y cada persona del equipo trabaja con sus asistentes, sus instrucciones y sus conversaciones. Vamos encontrando formas de resolver tareas concretas más rápido, aunque el contexto y los aprendizajes no siempre llegan al resto del equipo.

Ayuda tenemos. Lo que seguimos haciendo nosotros es conectar todas las piezas. Trasladar información de una herramienta a otra, comprobar que estamos trabajando con la última versión y volver a explicar un contexto que ya habíamos dado en otro sitio. Cada paso parece pequeño, pero, entre todos, se llevan una parte del tiempo que queríamos ganar.

Y ahí apareció la conversación sobre los agentes. Si cada persona está incorporando la IA a su manera y con distintos niveles de experiencia, ¿cómo podemos aprovechar lo aprendido para trabajar mejor juntos? Queremos que la información y las ayudas que hemos ido creando estén al servicio de todo el equipo y nos permitan abordar más iniciativas, dedicar más atención a la estrategia y pensar mejor lo que hacemos.

Pero todavía no sabemos cómo organizarlo. Qué tendría sentido centralizar, qué herramientas necesitaríamos conectar o qué tareas podrían formar parte de un mismo flujo. Tampoco tenemos claro dónde un agente aportaría más valor y dónde bastaría con revisar cómo nos organizamos.

Para avanzar, necesitábamos mirar el proceso completo con algo de perspectiva. Eso nos llevó a sentarnos con nuestro equipo de Research en una sesión de discovery, un espacio de trabajo para entender cómo nos organizamos, detectar dónde se pierde tiempo o contexto y priorizar las oportunidades de mejora. El punto de partida para pasar de las iniciativas individuales a una forma de trabajar más coordinada, con un criterio compartido sobre qué resolver primero y para quién.

Una sesión de discovery para decidir dónde y cómo aplicar la IA

Cuando trabajas dentro de un proceso todos los días, acabas acostumbrándote a sus pequeños atascos. Sabes a quién preguntar, dónde buscar el archivo que falta y qué aprobación conviene perseguir por chat. Hasta que alguien de fuera pregunta por qué lo hacemos así y aparece una respuesta conocida. «Pues porque siempre lo hemos hecho así».

Una sesión de discovery, o descubrimiento, permite detenerse a revisar ese trabajo con perspectiva. El equipo de Research facilita la conversación con las personas implicadas para entender qué necesitan, cómo trabajan y dónde encuentran dificultades. Se parte de situaciones concretas, de esas que rara vez aparecen en una demostración de producto.

En nuestro caso, supondría seguir el recorrido de una campaña y poner en común lo que cada persona ve desde su parte del proceso. Quizá descubramos que varias estamos buscando la misma información. Que cada asistente recibe instrucciones distintas sobre nuestra marca. O que una tarea aparentemente sencilla se atasca porque depende de datos repartidos entre tres herramientas.

Ahí empezamos a concretar qué ayuda necesitamos de la IA. Podemos valorar qué tareas tendría sentido conectar, qué información necesitaría un agente y qué decisiones deben seguir pasando por el equipo. También distinguir qué podemos probar pronto y qué requiere resolver antes otras dependencias.

Con esa información podemos abordar otra duda habitual. ¿Qué herramienta de IA encaja mejor con lo que necesitamos? ¿Nos basta con un asistente para determinadas tareas o necesitamos un entorno compartido que conecte información, herramientas y agentes? Entender cómo trabajamos nos permite comparar opciones con criterio, teniendo en cuenta las aplicaciones que ya utilizamos, los permisos de acceso y las necesidades del equipo.

El valor del discovery está en salir con un criterio compartido para avanzar. Elegir una oportunidad que merezca la pena explorar, entender qué exige y orientar la elección de la tecnología con la que pondremos a prueba esa idea.

Si en vuestro equipo también estáis intentando concretar ese primer paso, hemos preparado un webinar sobre cómo identificar por dónde empezar con la IA en el que seguiremos esta conversación. Puede ser una buena ocasión para mirar vuestro día a día con otras preguntas y empezar a poner orden entre tantas posibilidades.

Del descubrimiento al agente. Why Google

El discovery puede llevarnos a conectar herramientas, revisar un proceso o desarrollar un agente. Con las necesidades más claras, podemos elegir la tecnología. Y entre las opciones que merece la pena explorar está la nueva propuesta de Google.

En Gemini at Work, Google ha presentado una evolución de su IA para el trabajo que reúne modelos, herramientas y agentes en un entorno más integrado. Gemini puede recibir un objetivo, organizar los pasos y coordinar agentes especializados para completarlo. Mantiene el contexto entre dispositivos y puede seguir trabajando en la nube aunque cerremos el portátil.

También amplía la libertad para elegir modelos. La plataforma empresarial de Google Cloud ofrece más de 200 modelos propios, de terceros y abiertos. El agente puede utilizar Gemini y Claude según las necesidades de cada tarea, equilibrando capacidad y coste. Los modelos de OpenAI han comenzado a incorporarse a Model Garden en vista previa privada y está prevista su llegada al agente.

Para nuestro equipo de Marketing, interesa cómo conectar esa capacidad con las herramientas que ya utilizamos, como Workspace, Microsoft 365 o Jira. Podríamos explorar un flujo que partiera del briefing aprobado, reuniera documentación y preparara borradores para distintos canales, pendientes de nuestra revisión. Las skills, instrucciones reutilizables con referencias y ejemplos, permitirían incorporar nuestro tono de marca y nuestros criterios de trabajo, y compartirlos con el equipo según la configuración disponible.

Esa autonomía incorpora controles empresariales, como permisos de acceso, registros de actividad y entornos aislados de ejecución. Hay modalidades de pago por usuario o por consumo, según la edición y disponibilidad, y límites de gasto por proyecto que pueden pausar al agente cuando se alcanzan.

Las posibilidades van más allá de Marketing. En el área de People podríamos explorar la preparación de una incorporación; en Comercial, los antecedentes de una reunión; en Compras, la documentación para comparar ofertas.

Cada aplicación requiere validar fuentes, integraciones y revisiones. El interés está en ampliar las capacidades del equipo y recuperar tiempo para pensar y decidir mejor. El discovery nos ayuda a elegir dónde probarlo y valorar si Gemini encaja.

De tantas posibilidades a un primer paso

Puede que en vuestro equipo ya haya ideas, herramientas y ganas de avanzar con la IA. Si lo que falta es decidir dónde poner el foco, os invitamos a seguir esta conversación en nuestro webinar "Agentes de IA, sí. Pero ¿por dónde empiezo?».

Veremos cómo el discovery ayuda a identificar dónde puede aportar valor la IA y cómo dar los siguientes pasos con Gemini. Además, mostraremos una demo de Gemini conectado con Atlassian y Microsoft, especialmente interesante para quienes trabajan con información y tareas repartidas entre ambos ecosistemas y quieren aprovechar la IA sin tener que cambiar las herramientas que ya utilizan.