Implementación de IA en toda la empresa: Uber pone ChatGPT Work en manos de 30.000 empleados

Cuando el 80% de los primeros usuarios de una herramienta de IA no son ingenieros, la conversación sobre adopción cambia. Eso le ocurrió a Uber, que acaba de anunciar con OpenAI la implementación de IA en toda la empresa: sus más de 30.000 empleados en el mundo usarán ChatGPT Work, el agente de IA corporativo que OpenAI lanzó en julio. Lo hace sin haber definido del todo qué hará cada equipo con él, y esa es probablemente la parte más interesante.

El anuncio, hecho el 22 de octubre, amplía un piloto de 1.000 personas de áreas como finanzas, operaciones y producto. Según Sumanth Sukumar, VP de ingeniería de Uber, esos primeros usuarios analizaron datos operativos para detectar tendencias y generar recomendaciones, localizaron materiales de formación para distintos mercados e idiomas, y construyeron dashboards interactivos personalizados para su trabajo diario. Uber no reveló cuánto invierte en el despliegue. Dijo que medirá cómo se usa la herramienta, qué flujos de trabajo crean los empleados y qué impacto tienen, y que usará esos datos para decidir dónde expandir la IA.

Qué hace ChatGPT Work y por qué no es «otro chatbot»

Tech Times, que cubrió el anuncio desde el ángulo de TI, lo describe como una capa de orquestación. El usuario plantea un objetivo, el sistema lo divide en pasos, los ejecuta en las aplicaciones conectadas y devuelve un trabajo terminado. En Uber esas aplicaciones incluyen Google Drive, Slack, Gmail y Google Calendar. Según esa misma fuente, el modelo por defecto es GPT-6.1 Sol, presentado por OpenAI el 29 de septiembre. Sus agentes de IA pueden, por ejemplo, preparar el informe para una reunión de operaciones leyendo el calendario, rescatando documentos y revisando hilos de Slack.

Tech Times también destaca la velocidad: de 1.000 a 30.000 usuarios, un salto de 30 veces en menos de un año. La publicación lo califica como el mayor despliegue de una plataforma agéntica en una sola empresa. Es una afirmación de esa fuente, no una cifra verificada de forma independiente. Su CTO, Praveen Neppalli Naga, lo presentó como una apuesta de fondo: dar a todos «las herramientas para innovar, resolver problemas y ayudar a dar forma al futuro de Uber».

Hay un matiz de contexto. AIToolsRecap señala que el despliegue llega pocas semanas después de que Uber recortara 3.300 puestos corporativos. Uber no lo vincula en sus declaraciones, pero cualquier líder que lea este caso debería prever que sus equipos harán esa conexión. Para profundizar en esa tensión, mira nuestro análisis del impacto de la IA en el empleo y en la contratación de perfiles junior.

Cómo aplicar esta estrategia de adopción de IA en tu empresa

El caso de Uber no ofrece una receta cerrada, pero sí un patrón replicable de adopción de IA en empresas. Estas son las lecciones más útiles:

Empieza por los perfiles no técnicos. Si el 80% de tu piloto son usuarios de negocio, estás midiendo el valor real de la herramienta y no solo su atractivo para ingenieros. DoorDash llegó a una conclusión parecida: su plataforma de IA generativa la usa un 40% de empleados que no son ingenieros.

Combina acceso amplio con expertos cercanos. Los «AI pods» de Uber juntaron a 30 ingenieros de IA con equipos de negocio durante dos semanas para automatizar partes clave de su trabajo. Esos pods demostraron que el potencial aparece cuando se unen experiencia técnica y conocimiento profundo del oficio.

Deja espacio para experimentar, pero mide. Uber no impuso casos de uso; observa qué flujos de trabajo surgen y los evaluará para decidir dónde profundizar.

Conecta la herramienta a donde ya se trabaja. El valor de un agente depende de su acceso a correo, documentos, calendario y mensajería. Eso exige trabajo previo de integración y permisos, y Uber cuenta con que OpenAI colaboró estrechamente en ese proceso.

Prepara la formación. Un acceso masivo sin capacitación genera usos superficiales. Si tus equipos no son técnicos, revisa este programa de capacitación en IA de seis semanas para perfiles sin código.

Cuándo tiene sentido dar el salto (y qué vigilar)

El momento adecuado llega cuando tu piloto ya demostró valor en varias áreas distintas, no solo en una, y tienes claros los controles de datos y permisos. Uber también ilustra los puntos ciegos de este enfoque:

1. Sin cifras de retorno. Uber no ha publicado costes ni métricas de productividad. Antes de generalizar, define tus propios indicadores: horas ahorradas, tiempos de ciclo, calidad de los entregables.
2. Gobernanza a escala. Un agente que actúa sobre Slack, Gmail y Drive multiplica la superficie de riesgo. Cuanto más autónomo es el sistema, más importa saber qué puede ver y hacer cada usuario.
3. Dependencia de un proveedor. OpenAI compite con Anthropic por el mercado empresarial. Conviene negociar flexibilidad contractual y mantener capacidad de cambio.
4. Comunicación interna. Si el despliegue coincide con recortes, explica con transparencia qué busca la IA y qué no.

La pregunta que deja Uber

La implementación de IA en toda la empresa ya no es una cuestión de «si», sino de cómo y con qué criterio. Uber eligió dar la herramienta a todos, apoyar a los equipos con expertos y aprender de lo que hagan. Antes de copiarlo, pregúntate si tu piloto actual tiene la diversidad de usuarios, las métricas y los controles para escalar. Si la respuesta es no, ese es tu próximo trimestre de trabajo.