Cuban acaba de describir lo que me pasó hace 20 años

Cuando leí el tweet de Mark Cuban esta mañana, lo primero que pensé no fue “tiene razón.”

Fue “yo viví eso.”

Cuban escribió algo que debería incomodar a cualquier CEO con sistemas en producción:

“Every entrepreneur that knows how to use AI is trying to find ways to build AI native companies that completely displace incumbents. For the incumbents, it’s the ‘Innovator’s AI Dilemma’.”

(Todo emprendedor que sabe usar IA está buscando formas de construir empresas AI-native que desplacen por completo a las establecidas. Para los incumbentes, es el “Dilema IA del Innovador”.)

Y después agregó lo que él llama su “hint”: pregúntale a tus modelos de IA cuál es el mejor camino desde donde estás ahora hasta una versión AI-native que pueda lograr las mismas métricas económicas.

Buen consejo.

Excepto por un detalle que Cuban no mencionó: la mayoría de los CEOs no puede hacer esa pregunta. Les falta algo más básico que la respuesta — les falta el mapa para saber qué preguntar.

El verdadero obstáculo no es la respuesta

Cuban dio la respuesta correcta. Pero la respuesta asume que puedes formular la pregunta. Y ahí es donde se traba todo.

“Pregúntale a tus modelos cuál es el mejor camino para ser AI-native.” Suena directo. En la práctica, esa pregunta se desmorona porque requiere información que casi nadie tiene organizada.

Necesitas un mapa real de lo que tienes hoy. Y con “real” me refiero a algo que va mucho más allá del organigrama o el deck de la última junta. Hablo de tu arquitectura, tus flujos de trabajo con sus costos unitarios, tus dependencias técnicas — el tipo de detalle que la mayoría de las empresas que conozco nunca documentó con esa precisión. Tienen una idea general, suficiente para operar día a día, pero totalmente insuficiente para rediseñar.

También necesitas responder algo que pocos directores se plantean con honestidad: si arrancara tu empresa hoy con agentes, automatización y modelos de lenguaje, ¿cómo se vería? La estructura de costos cambiaría, el equipo sería otro, algunos procesos desaparecerían. Es un ejercicio incómodo porque el resultado casi siempre muestra que la versión actual de la empresa está sobredimensionada.

Pero donde todos se frenan — literalmente, la conversación se apaga — es en simular la transición con números reales. Cuánto cuesta pasar de A a B. En qué orden mueves cada pieza sin que el negocio deje de funcionar. Qué riesgos acepta tu directorio y dónde dice que no. La mayoría de las empresas con las que hablo nunca ha corrido ese ejercicio.

Conozco esta trampa de primera mano. En Word Magic — la empresa de software de traducción que cofundé a los 15 años con mi padre — no caímos contra Google Translate por falta de respuestas. Caímos porque seguíamos perfeccionando un producto de escritorio mientras el mercado migraba a la web. Nuestro software funcionaba perfecto, pero ya nadie lo necesitaba.

Lo que Cuban describe como el “Dilema IA del Innovador” es lo que viví. Y la mayoría de los CEOs están dentro de esa misma dinámica sin darse cuenta.

~75% dice que la IA importa. Menos del 30% ve resultados

Lo que hay entre “sabemos que la IA importa” y “sabemos qué hacer con ella” es un vacío de diagnóstico que la mayoría de las empresas ni siquiera reconoce como problema.

Los números lo confirman. Según BCG, ~75% de los CEOs globales son los principales tomadores de decisiones sobre IA en sus empresas. Tres de cada cuatro dicen que la IA impactará su modelo de negocio de forma material. Y sin embargo, menos del 30% reporta un retorno medible de sus inversiones en IA. Eso te dice que el problema no está en el presupuesto ni en la voluntad — está en que la gente ejecuta sin haber diagnosticado primero qué tiene y adónde quiere ir.

Un estudio de Harvard Business Review de principios de 2026 muestra un patrón que reconozco en las conversaciones que tengo con directores de tecnología: no falta entusiasmo ni presupuesto — a veces hasta existe un “comité de IA.” Pero pregúntales cómo se vería su versión AI-native en términos económicos concretos y se quedan en silencio. El mapeo detallado del estado actual no lo tienen. Los costos y riesgos de una transición tampoco los han modelado. En la práctica están comprando herramientas antes de haber dibujado el plano.

BCG identificó cinco barreras que los CEOs deben superar para lograr impacto real con IA. La primera me parece la más reveladora: los equipos ejecutivos no comparten una definición concreta de qué significa “ser una empresa de IA.” He estado en esas reuniones. El director financiero llega con una hoja de cálculo donde la IA aparece como línea de reducción de costos. El CTO quiere hablar de qué herramientas pilotear. Y el CEO repite la palabra “competitividad” sin que nadie en la sala sepa exactamente qué quiere decir con eso en términos operativos. Cada uno está respondiendo una pregunta que los otros no comparten. La reunión se acaba sin decisión porque ni siquiera acordaron cuál era la decisión que debían tomar.

Cuando tu equipo directivo ni siquiera coincide en qué significa la pregunta, olvidémonos de la respuesta.

La paradoja de las demandas: prueba de que no existe un marco

Cuban describe algo que suena a ficción pero es económicamente inevitable:

“You will know AI is having a huge impact on public companies when there are two types of lawsuits: shareholders that sue the company for tearing down the company and crushing the stock price — and shareholders that sue the company for NOT tearing down the company and crushing the stock price.”

(Sabrás que la IA está teniendo un impacto enorme en las empresas públicas cuando veas dos tipos de demandas: accionistas que demandan a la empresa por reinventarse y destruir el precio de la acción, y accionistas que demandan a la empresa por NO reinventarse y destruir el precio de la acción.)

Las dos demandas son válidas. Ese es el punto.

Si un CEO pudiera presentar a su directorio un diagnóstico con datos — esto es lo que tenemos, esto es lo que costaría una versión AI-native, estos son los riesgos de moverse y de quedarse — la conversación sería difícil pero informada. En cambio, lo que la mayoría tiene es instinto, opiniones encontradas y la presión de un mercado que se mueve más rápido que sus procesos internos de decisión.

Conozco esa parálisis. La viví. Con Word Magic sabíamos que algo estaba cambiando. Veíamos las señales. Pero mientras el producto funcionaba y los clientes pagaban, era más cómodo optimizar lo que teníamos que hacernos la pregunta incómoda: ¿qué pasa si todo esto deja de funcionar?

La inercia del éxito es más fuerte que cualquier señal de alerta. Te dices “eso no aplica a mi mercado”, “mis clientes son leales”, “la calidad de nuestro producto nos protege.” Me lo dije yo durante años con Word Magic. Y mientras lo repetía, Google construía el reemplazo gratuito de mi producto más rentable.

Qué significa realmente “pregúntale a tus modelos”

Cuban tiene razón en la dirección. Pero su consejo necesita aterrizaje.

“Pregúntale a tus modelos de IA cuál es el mejor camino” no es abrir un chatbot y escribir un prompt. Es un proceso que requiere trabajo previo que la mayoría de las empresas no se ha tomado el tiempo de hacer.

Llevo más de 35 años en tecnología y he visto al menos seis ciclos mayores: DOS a Windows, cliente-servidor a web, on-premise a cloud, waterfall a agile, web a móvil, y ahora IA reemplazando procesos enteros. En cada ciclo, las empresas que sobrevivieron no fueron las que tenían más presupuesto. Fueron las que se hicieron la pregunta incómoda antes de que la respuesta fuera obvia.

Lo que Cuban llama “pregúntale a tus modelos” en realidad son tres diagnósticos distintos. Y cada uno requiere trabajo antes de sentarte frente a un prompt:

¿Qué tengo exactamente?

No el mapa que muestra la presentación del CTO. El mapa real. Cuántos sistemas. Qué habla con qué. Dónde está la lógica de negocio enterrada en procesos que nadie documentó. Cuáles son los costos unitarios reales de cada flujo. Cuánta gente toca cada proceso. Qué se rompe si cambias una pieza.

Este tipo de mapeo es similar a lo que IBM cobró millones por hacer con sistemas COBOL durante décadas — y que la IA acaba de hacer accesible. Pero la mayoría de las empresas nunca se lo hizo ni siquiera con la versión cara. Y no es un ejercicio que puedas delegar a TI solo: requiere alguien que conozca los procesos reales del negocio — con sus atajos, excepciones y conocimiento tribal — y que pueda traducir eso en un lenguaje que los modelos de IA entiendan. Eso es lo que en IQ Source llamamos el maestro de agentes: un rol, no un cargo.

¿Cómo se vería mi empresa si la construyera hoy desde cero?

Esta pregunta es la que revela si un CEO entiende la IA o simplemente la menciona. No se trata de qué procesos automatizar. Se trata de imaginar que arrancas de cero — sin los sistemas que tienes, sin la estructura de personal actual, sin los costos que ya hundiste — y diseñar la operación como la harías hoy.

El resultado de ese ejercicio casi siempre es incómodo. Porque la versión AI-native de la mayoría de los negocios opera con una fracción de la estructura actual. Y eso no es algo que puedas llevar a una junta sin datos concretos que lo respalden.

¿Cuál es la ruta y qué riesgos tiene?

Aquí es donde la mayoría se detiene. La distancia entre “lo que tenemos” y “lo que seríamos hoy” parece un abismo. Y sin un plan de transición con costos, plazos y riesgos cuantificados, el CEO queda atrapado entre la presión de actuar y el miedo de destruir lo que funciona.

Las empresas que mejor manejan estos ciclos — las que construyen su ventaja sobre conocimiento específico de su industria, no sobre herramientas genéricas — son las que hacen estos tres diagnósticos antes de que el mercado las obligue. No porque tengan bola de cristal. Porque tienen la disciplina de hacerse preguntas incómodas cuando todavía pueden controlar las respuestas.

Lo que falta entre el tweet y la acción

Cuban cerró su tweet con algo que suena a advertencia: “If asking your models questions doesn’t make sense to you, you are in deep shit.” (Si preguntarle a tus modelos no te hace sentido, estás en serios problemas.)

Tiene razón. Pero agregaría algo: saber que debes preguntar y saber qué preguntar son cosas muy distintas. Y la distancia entre las dos es exactamente donde se pierde la mayoría.

En IQ Source hacemos el trabajo que va antes de esa pregunta. Mapeamos tu arquitectura actual — no el PowerPoint, la realidad. Modelamos qué se vería una versión AI-native de tu operación con las mismas o mejores métricas económicas. Y entregamos una ruta de transición con riesgos cuantificados para que puedas llevar esa conversación a tu directorio con datos, no con instinto.

Si tu empresa sabe que la IA cambia las reglas pero no puede articular qué hacer al respecto — el obstáculo probablemente no está en la tecnología sino en la falta de un buen diagnóstico. Y eso se resuelve antes de comprar una sola herramienta más. Escríbenos y te mostramos por dónde empezar.