Una investigación vinculada a Harvard Business School encuentra que las empresas con mayores capacidades de gestión de datos parecen estar mejor posicionadas para capturar el valor de la IA generativa.
Descubre por qué los datos y su gestión pueden convertirse en una ventaja competitiva para las empresas que utilizan IA generativa.
Una investigación vinculada a Harvard Business School encuentra que las empresas con mayores capacidades de gestión de datos parecen estar mejor posicionadas para capturar el valor de la IA generativa. La ventaja podría estar menos en acceder a los mismos modelos que los competidores y más en los activos propios con los que cada empresa los combina.
Datos e IA generativa: una ventaja competitiva
La inteligencia artificial generativa está haciendo que capacidades tecnológicas extraordinariamente avanzadas sean accesibles para un número cada vez mayor de empresas.
Un competidor puede contratar el mismo servicio de inteligencia artificial. Puede acceder a modelos similares. Puede utilizar aplicaciones equivalentes. Incluso puede experimentar con modelos abiertos sin realizar enormes inversiones iniciales en infraestructura.
Esta progresiva democratización plantea una pregunta estratégica:
si todos podemos acceder a una IA parecida, ¿dónde estará la ventaja competitiva?
Una posible respuesta aparece en Generative AI and the Superstar Firm Effect, investigación de Wilbur Chen, Bullipe R. Chintha y Suraj Srinivasan publicada como working paper de Harvard Business School.
El estudio encuentra que los beneficios asociados a la exposición a inteligencia artificial generativa entre determinadas empresas líderes se concentran especialmente en aquellas que disponen de mayores niveles de capital intangible y capital de datos.
El resultado apunta hacia una cuestión fundamental para la estrategia empresarial: cuando la tecnología se generaliza, los activos complementarios necesarios para explotarla pueden adquirir todavía más importancia.
Y los datos pueden ser uno de ellos.
La IA puede democratizarse; los datos empresariales, no necesariamente
Los grandes modelos de lenguaje presentan una característica estratégica peculiar.
Una parte importante de su capacidad básica puede convertirse progresivamente en algo accesible para prácticamente cualquier empresa.
Esto reduce algunas barreras tecnológicas.
Pero dos empresas utilizando un modelo semejante no tienen por qué obtener resultados semejantes.
Una puede disponer de años de información sobre clientes, operaciones, incidencias, productos, proveedores o procesos.
La otra puede tener información fragmentada, desestructurada, poco accesible o difícil de integrar en sus procesos.
Una puede disponer de profesionales, sistemas y procedimientos capaces de gestionar ese patrimonio informacional.
La otra puede disponer de muchos datos pero de escasa capacidad para convertirlos en un activo utilizable.
La tecnología disponible puede ser similar.
El contexto empresarial que rodea a esa tecnología no lo es.
Precisamente ahí aparece una de las aportaciones más interesantes de la investigación.
Qué entiende el estudio por «capital de datos»
Conviene introducir aquí una precisión importante.
El estudio no mide directamente si una empresa posee datos de «mayor calidad» que otra.
Tampoco mide simplemente cuántos terabytes almacena cada organización.
Los investigadores utilizan una medida denominada Data Capital Intensity, que podemos traducir como intensidad de capital de datos.
Esta variable se calcula a partir del porcentaje estimado de trabajadores de cada empresa que desempeñan actividades relacionadas con la gestión de datos.
Los autores siguen para ello una metodología previa de Abis y Veldkamp y utilizan información sobre la composición de las plantillas procedente de Revelio Labs.
Posteriormente dividen las empresas entre aquellas que presentan una intensidad de capital de datos superior e inferior a la mediana de la muestra.
Por tanto, cuando hablamos en este artículo de empresas mejor preparadas en materia de datos, debemos entenderlo correctamente:
la investigación aporta evidencia sobre capacidades organizativas relacionadas con la gestión de datos, no una medición directa de la calidad de las bases de datos empresariales.
Esta distinción es importante para interpretar correctamente sus resultados.
Un resultado especialmente llamativo
Los investigadores estudian qué ocurre cuando se combinan tres características:
- pertenecer al grupo de empresas consideradas superstar;
- presentar una elevada exposición potencial a la IA generativa;
- disponer de mayor intensidad de capital de datos.
El resultado es notable.
Entre las empresas con baja intensidad de capital de datos, la interacción entre condición de superstar y elevada exposición a IA generativa es prácticamente nula y no resulta estadísticamente significativa.
Entre las empresas con alta intensidad de capital de datos, en cambio, la interacción alcanza aproximadamente 28,5 puntos porcentuales de rentabilidad ajustada y resulta estadísticamente significativa.
La diferencia entre ambos grupos es de aproximadamente 30,9 puntos porcentuales y también resulta estadísticamente significativa.
Dicho de otra manera: el estudio no encuentra simplemente que estar más expuesto a la IA generativa produzca automáticamente la misma ventaja en cualquier empresa líder.
La presencia de capacidades complementarias relacionadas con los datos parece importar considerablemente.
No basta con estar expuesto a la IA generativa
Este resultado ayuda a desmontar una concepción excesivamente tecnológica de la transformación mediante inteligencia artificial.
Podríamos imaginar una ecuación sencilla:
mejor IA = mejores resultados empresariales.
La realidad puede ser bastante más compleja.
La propia investigación muestra que, durante los doce meses posteriores a la aparición pública de ChatGPT, ni la condición de empresa superstar ni una elevada exposición a IA generativa explican individualmente la mayor rentabilidad ajustada en la especificación principal.
Es su combinación la que adquiere especial relevancia.
Y cuando los investigadores profundizan posteriormente en las características de esas empresas, encuentran que esa prima se concentra especialmente allí donde existen determinados activos complementarios.
Entre ellos, el capital de datos.
La cuestión estratégica, por tanto, deja de ser únicamente:
¿qué puede hacer la IA?
y pasa a incorporar otra pregunta:
¿qué necesita poseer la empresa para aprovechar lo que la IA puede hacer?
Los datos como activo complementario de la IA generativa
Esta idea no significa que los datos sustituyan a la tecnología.
Significa que pueden complementarla.
Los investigadores plantean que las empresas con mayor inversión en capacidades de gestión de datos disponen en mayor medida de la infraestructura humana necesaria para organizar, preparar y utilizar datos propios en el despliegue de IA generativa.
Esta formulación resulta especialmente interesante.
El valor potencial no procede únicamente de poseer información.
Procede de ser capaz de utilizarla.
Una empresa puede acumular enormes cantidades de datos y, sin embargo, tenerlos distribuidos entre aplicaciones incompatibles, documentos, hojas de cálculo, bases de datos aisladas, correos electrónicos o sistemas heredados.
Desde una perspectiva empresarial, el patrimonio informacional solamente se convierte plenamente en activo cuando puede localizarse, interpretarse, relacionarse, gobernarse y ponerse al servicio de decisiones y procesos.
La IA generativa puede hacer que esta capacidad resulte todavía más valiosa.
De la IA genérica a la IA contextualizada
Aquí podemos avanzar un paso desde la evidencia del estudio hacia su interpretación empresarial.
Un modelo general de inteligencia artificial posee conocimientos y capacidades que también están disponibles para otros usuarios del mismo modelo.
Pero una empresa posee algo que sus competidores no pueden reproducir con la misma facilidad:
su propio contexto.
Historial de clientes.
Información sobre productos.
Incidencias y soluciones anteriores.
Documentación técnica.
Procedimientos.
Contratos.
Conocimiento comercial.
Información sobre proveedores.
Experiencia acumulada.
Documentación interna.
Resultados de proyectos.
Datos operativos.
Ese conjunto puede contener una parte importante del conocimiento diferencial de una organización.
Cuando la inteligencia artificial puede trabajar de manera segura y fiable sobre ese contexto empresarial, deja de comportarse únicamente como una herramienta generalista y puede empezar a convertirse en una capacidad específicamente adaptada a la organización.
Esta interpretación va más allá de lo demostrado directamente por el paper, pero resulta coherente con su principal hallazgo sobre el papel complementario del capital de datos.
La ventaja puede desplazarse del modelo hacia el contexto
Esto conduce a una hipótesis estratégica especialmente relevante para los próximos años.
Durante la primera etapa de la IA generativa, gran parte de la atención empresarial se ha concentrado en los modelos:
¿Qué modelo es mejor?
¿Qué herramienta utilizamos?
¿Qué proveedor elegimos?
¿Qué aplicación incorporamos?
Estas preguntas siguen siendo importantes.
Pero si los modelos continúan mejorando y las diferencias entre ellos resultan accesibles para un número creciente de organizaciones, parte de la ventaja competitiva podría desplazarse hacia otros elementos.
Modelo + datos propios + conocimiento empresarial + procesos + personas + integración organizativa.
En esa combinación puede encontrarse una parte importante de la diferenciación.
Porque contratar un modelo puede llevar minutos.
Construir durante años conocimiento, datos, procesos y capacidades organizativas es bastante más difícil de copiar.
Tener muchos datos no significa tener capital de datos
Esta distinción merece especial atención.
Una empresa puede afirmar:
«Tenemos muchísimos datos».
Pero eso no responde a las preguntas verdaderamente importantes.
¿Sabemos qué datos tenemos?
¿Dónde están?
¿Quién puede utilizarlos?
¿Son fiables?
¿Están actualizados?
¿Podemos relacionarlos?
¿Conocemos su procedencia?
¿Tenemos autorización para utilizarlos?
¿Contienen información sensible?
¿Pueden acceder a ellos nuestros sistemas de IA?
¿Existe conocimiento crítico atrapado en documentos y sistemas aislados?
¿Tenemos profesionales capaces de gestionar todo ello?
El paper no responde individualmente a estas preguntas ni evalúa directamente estas dimensiones. Pero su resultado sobre capital de datos proporciona una razón adicional para que las empresas empiecen a planteárselas.
La preparación para la IA generativa puede ser, en una medida importante, preparación de la organización para utilizar su información.
Qué significa esto para una pyme
Aquí debemos diferenciar nuevamente entre evidencia e interpretación.
La investigación analiza empresas estadounidenses cotizadas y no estudia específicamente pequeñas y medianas empresas.
Por tanto, no podemos afirmar que haya demostrado que el mismo efecto se produzca en las pymes.
Pero sí podemos extraer una implicación estratégica relevante.
Una pyme probablemente no podrá competir con una gran corporación por volumen absoluto de datos, número de especialistas o inversión tecnológica.
No necesariamente tiene que hacerlo.
Puede disponer de información extraordinariamente específica sobre un nicho, determinados clientes, procesos industriales concretos, productos especializados o problemas que lleva resolviendo durante muchos años.
Una empresa industrial de 40 trabajadores podría poseer un conocimiento extremadamente valioso sobre incidencias de determinadas máquinas.
Una asesoría puede acumular años de experiencia documental sobre problemas recurrentes de sus clientes.
Una empresa turística puede conocer con gran profundidad patrones, preferencias y necesidades de determinados tipos de huéspedes.
Un distribuidor especializado puede poseer conocimiento difícilmente replicable sobre productos, proveedores y comportamiento de sus clientes.
El desafío consiste en conseguir que ese conocimiento deje de estar únicamente disperso entre personas, documentos y sistemas y pueda convertirse en un activo aprovechable.
La oportunidad de la pyme puede encontrarse, por tanto, no en tener «más datos», sino en activar mejor aquellos datos y conocimientos propios que resulten realmente diferenciales.
Cinco preguntas que debería hacerse un directivo
Antes de invertir únicamente en nuevas herramientas de IA generativa, puede resultar útil realizar un diagnóstico previo:
- ¿Qué datos y conocimiento propios posee nuestra empresa que un competidor no puede obtener fácilmente?
- ¿Dónde se encuentran actualmente esos datos y conocimiento?
- ¿Qué parte está suficientemente organizada y gobernada para poder utilizarse con inteligencia artificial?
- ¿Qué procesos mejorarían si la IA pudiera acceder de forma fiable al contexto empresarial adecuado?
- ¿Qué capacidades humanas, organizativas y tecnológicas necesitamos desarrollar para conseguirlo?
Estas preguntas trasladan la conversación desde la compra de herramientas hacia la construcción de capacidades.
Y ese cambio puede ser estratégico.
La idea que debe llevarse un directivo
Si sus competidores pueden acceder a modelos de IA semejantes, la diferenciación tendrá que proceder de otro lugar. Los datos, el conocimiento y la capacidad de organizarlos y utilizarlos pueden convertirse en una parte fundamental de esa ventaja.
La pregunta no debería ser únicamente qué inteligencia artificial tiene la empresa.
También:
¿qué sabe nuestra empresa que la IA de nuestros competidores no sabe?
Una oportunidad para convertir datos dispersos en capacidad empresarial
La investigación de Chen, Chintha y Srinivasan aporta evidencia inicial de que el capital de datos puede actuar como activo complementario de la inteligencia artificial generativa.
Esto tiene una consecuencia práctica importante.
Prepararse para la IA no consiste solamente en adquirir licencias, desarrollar asistentes o experimentar con modelos.
Puede exigir también una labor menos visible:
identificar información;
organizarla;
hacerla accesible;
establecer responsabilidades;
desarrollar capacidades de gestión;
determinar qué conocimiento resulta estratégico;
y construir mecanismos para que los sistemas de inteligencia artificial puedan utilizar ese contexto de forma adecuada.
Es un trabajo menos llamativo que presentar una nueva aplicación de IA.
Pero podría ser considerablemente más importante.
De los datos a una ventaja difícil de copiar
La inteligencia artificial generativa plantea una paradoja competitiva.
Cuanto más accesibles sean los modelos, menos diferenciador será simplemente disponer de ellos.
Eso no significa que la tecnología pierda importancia.
Significa que aumenta la importancia relativa de aquello con lo que se combina.
El estudio de Harvard Business School aporta evidencia particularmente interesante en esa dirección: entre las empresas analizadas, la prima asociada a las superstar con elevada exposición a IA generativa se concentra en aquellas con mayor capital de datos y desaparece entre aquellas con menor intensidad de ese activo.
Todavía es pronto para convertir esta evidencia en una ley general de estrategia empresarial.
Pero plantea una pregunta que cualquier organización debería considerar:
si mañana nuestros principales competidores pueden utilizar exactamente la misma IA que nosotros, ¿qué tendremos nosotros que ellos no tengan?
Una posible respuesta está dentro de la propia empresa.
Sus datos.
Su conocimiento.
Y, sobre todo, su capacidad para convertir ambos en una capacidad empresarial que la inteligencia artificial pueda amplificar.
Sobre la investigación analizada
Título: Generative AI and the Superstar Firm Effect
Autores: Wilbur Chen, Bullipe R. Chintha y Suraj Srinivasan.
Instituciones: Hong Kong University of Science and Technology, Singapore Institute of Technology y Harvard Business School.
Publicación: Harvard Business School Working Paper 26-083.
Fecha: mayo de 2026.
Muestra: 2.596 empresas estadounidenses cotizadas.
Hallazgo analizado en este artículo: relación entre capital de datos y la prima observada entre empresas superstar con elevada exposición a IA generativa.
Naturaleza de la publicación: working paper. Los resultados deben considerarse evidencia académica en desarrollo y no conclusiones definitivas.
Artículo relacionado en IAGenerativa.es: IA generativa y ventaja competitiva: por qué puede aumentar la distancia entre empresas líderes y rezagadas.
Este artículo ha sido elaborado con apoyo de inteligencia artificial a partir de la fuente original citada. La selección de la investigación, el enfoque, la interpretación empresarial, la revisión del contenido y la versión final han contado con dirección y supervisión humana.