Sobre el escenario, se repiten las mismas palabras: revolución, aceleración, transformación. En los pasillos, las preguntas son menos líricas: ¿cuánto cuesta, quién verifica las respuestas y qué funciona realmente? Para destacar en torno al RAISE Summit, la cita parisina dedicada a la inteligencia artificial, una marca debe salir de la competición de promesas. En esta vuelta a la actividad de septiembre de 2026, el reto de comunicación puede resumirse así: presentar una experiencia lo bastante concreta como para que un interlocutor pueda comprenderla, debatirla y, sobre todo, verificarla.
El problema ya no es dar a conocer la IA
Desde el lanzamiento público de ChatGPT a finales de 2022, la IA generativa se ha instalado en las presentaciones comerciales, las suites ofimáticas y las estrategias empresariales. Los anuncios de modelos multimodales, capaces de procesar varios tipos de contenido, y el posterior auge del discurso sobre los agentes han ampliado aún más el abanico de posibilidades. El resultado: decir que una empresa «utiliza IA» aporta ya muy poca información.
Esta normalización crea una trampa para los expositores, ponentes y socios de una cumbre. Todos buscan parecer visionarios; muchos acaban siendo intercambiables. El mismo vocabulario, las mismas interfaces de conversación, las mismas demostraciones espectaculares. El público puede marcharse con la impresión de haber visto veinte soluciones diferentes contar una sola historia: mañana, todo irá más rápido.
Las observaciones que siguen se apoyan en avances ya documentados de la IA generativa, y no en una crónica de la edición de 2026. La lectura propuesta para septiembre de 2026 es prospectiva: cuanto más se parece la oferta, más se convierte la calidad de las pruebas en un factor de diferenciación. Esto se aplica especialmente a una empresa que no cuenta ni con la notoriedad ni con los recursos de los grandes proveedores de modelos.
Sustituir la promesa por una escena de trabajo
«Reinventamos la relación con el cliente» no dice casi nada. Describir cómo un asesor localiza una cláusula en la documentación, prepara una respuesta respaldada por fuentes y después la valida antes de enviarla ya dice mucho. Se ve a una persona, una tarea, una herramienta y una responsabilidad. El beneficio resulta comprensible sin pedir al público que crea en una ruptura histórica.
Para una intervención en el RAISE Summit, el punto de partida adecuado es, por tanto, una situación de trabajo delimitada. ¿Qué ocurría antes? ¿Qué hace el sistema hoy? ¿Qué sigue en manos humanas? Una demostración convincente no oculta esas fronteras: las hace visibles, incluso en las acciones poco espectaculares de control y corrección.
Una prueba debe poder someterse a examen
Un caso de cliente sólido precisa el alcance, el periodo de observación y el método de comparación. Un ahorro de tiempo anunciado sin indicar las tareas afectadas, el nivel de calidad esperado o el tiempo de revisión sigue siendo un argumento frágil. Una media también puede ocultar situaciones muy diferentes entre solicitudes sencillas y expedientes complejos.
- El punto de partida: ¿qué proceso sirve de referencia?
- El resultado: ¿se mide la velocidad, la calidad o el volumen procesado?
- El control: ¿quién evalúa los errores y con qué criterios?
- El alcance: ¿qué usuarios y qué datos están implicados?
Si no es posible publicar todos los elementos, hay que explicar por qué. La confidencialidad comercial y la protección de datos pueden justificar una anonimización. No deberían servir de pantalla para una afirmación imposible de verificar. Un protocolo descrito con honestidad vale más que el logotipo de un cliente acompañado de un porcentaje sin contexto.
Hablar del coste total, no solo del modelo
Uno de los puntos ciegos del relato sobre la IA tiene que ver con su economía cotidiana. El precio de una suscripción o de una llamada a un modelo solo representa una parte del gasto. También hay que preparar los datos, conectar las herramientas, gestionar los accesos, evaluar los resultados, formar a los equipos y mantener el sistema cuando los modelos o las necesidades evolucionan.
Por tanto, la comunicación gana al distinguir entre coste de demostración, coste de despliegue y coste de explotación. Un prototipo puede producir un efecto notable con unos pocos documentos seleccionados. Un servicio utilizado a diario debe lidiar con información obsoleta, solicitudes ambiguas e incidentes. Ese salto cambia la naturaleza del proyecto y, a veces, su interés económico.
En un estand, la pregunta útil no es solo «¿cuánto cuesta su solución?», sino «¿cuánto cuesta una tarea realizada correctamente?». Esta formulación incluye la revisión, las correcciones y los casos derivados a una persona. También obliga a comparar la herramienta con una alternativa creíble: un buscador, una automatización convencional o una mejora del proceso existente.
Mostrar una limitación puede reforzar la confianza
Los errores factuales de los modelos generativos, su sensibilidad a las instrucciones y los riesgos relacionados con los datos están documentados. La recuperación de documentos para respaldar una respuesta puede mejorar su pertinencia, pero no garantiza su exactitud. Presentar estas técnicas como si eliminaran el riesgo expone a una decepción rápida.
Una demostración sólida desde el punto de vista editorial debería incluir un caso difícil: un documento ausente, fuentes contradictorias o una solicitud fuera del alcance previsto. ¿Qué hace entonces el producto? ¿Se abstiene? ¿Señala su incertidumbre? ¿Cede el control a una persona? El comportamiento ante un fallo suele revelar mejor la madurez de un sistema que su mejor respuesta.
Esta decisión exige valentía a los equipos comerciales. Sin embargo, permite reorientar la conversación: ya no se vende una máquina supuestamente infalible, sino un sistema cuyos riesgos están bajo control. En las profesiones en las que un error puede salir caro, este matiz constituye un argumento central, no una salvedad que relegar a la letra pequeña.
Convertir la transparencia en una línea editorial
El Reglamento europeo de inteligencia artificial, que entró en vigor en 2024 con una aplicación progresiva, ha establecido un marco duradero en el debate. Sin reducir cada intervención a una exposición jurídica, una empresa debe poder explicar su papel, sus usos y sus medidas de control. La fórmula «conforme con el AI Act» no sustituye un análisis preciso de las obligaciones aplicables.
La misma exigencia se aplica a las palabras «soberano», «responsable» o «seguro». ¿Dónde se alojan los datos? ¿Quién puede acceder a ellos? ¿Se utilizan para entrenar un modelo? ¿Qué dependencias técnicas persisten? Estas preguntas requieren respuestas diferenciadas. Fundirlas en un adjetivo tranquilizador alimenta la confusión en lugar de la confianza.
Para los profesionales de la comunicación, esto supone preparar la intervención con los equipos de producto, seguridad, asuntos jurídicos y operaciones. El mejor portavoz no es necesariamente quien anuncia el futuro con mayor seguridad. Es quien sabe vincular una ambición con decisiones concretas, reconocer lo que sigue siendo experimental y facilitar el acceso a las personas capaces de responder más allá del discurso comercial.
¿Y ahora? De cara a las próximas citas de la IA, la ventaja podría recaer en las empresas que transformen sus intervenciones en dosieres de pruebas: demostración contextualizada, método de evaluación, coste total y límites explícitos. No es una garantía de éxito comercial, pero sí una vía creíble para salir del ruido. En el RAISE Summit, como en cualquier otro lugar, la próxima fórmula verdaderamente distintiva quizá sea la más sencilla: esto es lo que funciona, estas son las condiciones en las que funciona y esto es lo que todavía no sabemos hacer.
