La inteligencia artificial irá incorporándose de forma progresiva a tareas clave dentro de nuestras empresas: desde la optimización de procesos —mediante automatización y robotización inteligentes o el mantenimiento productivo— hasta la toma de decisiones basada en datos a través de análisis predictivos o modelos de simulación.
También tendrá un papel creciente en la mejora de la experiencia del cliente, con motores de conversación, asistentes virtuales y atención 24/7 con respuestas personalizadas y, o, recomendaciones inteligentes; en los procesos de innovación, facilitando la creación de diseños, contenidos o prototipos de forma más ágil; y en el desarrollo de nuevos modelos de negocio como la personalización masiva sin incremento de costes.
E impactará, asimismo, en la gestión del talento —en selección, retención y formación adaptativa— y, también, en ámbitos como el cumplimiento normativo, gobernanza y trazabilidad.
Por lo que la IA, en combinación con otras tecnologías habilitadoras y plataformas digitales, contribuirá, en conjunto, a la reconfiguración de nuestros negocios, ecosistemas y cadenas de valor.
Es previsible que las empresas que alcancen mayores niveles de éxito en su implantación práctica sean aquellas que pongan el foco en el valor generado, los impactos reales, la gobernanza del conjunto, la transformación de sus flujos de trabajo, procesos y funciones, y una inversión sostenida en el tiempo. Sin embargo, en la base de todo este proceso subyace —como ha ocurrido siempre a lo largo de la historia— una palanca esencial: la curiosidad.
En este sentido, resulta especialmente ilustrativa la reflexión de Adela Balderas (Periódico Expansión, 25 de noviembre de 2025) sobre su papel central:
«Nadie (debería seguir) a quien lo sabe todo; (sino) a quienes (buscan seguir) aprendiendo, a quienes escuchan, a quienes hacen preguntas que abren caminos (…). La voz que nace de la curiosidad es brújula; permite comprender, decidir, avanzar (…). Sólo quien sigue aprendiendo con ojos curiosos y mantiene la convicción de seguir preguntando, incluso cuando el mundo exige respuestas —a menudo inmediatas—, puede realmente volar».
Desde esta visión y, a partir de los aprendizajes avanzados durante el Primer Taller de Digitalización del Observatorio del Textil y la Moda, compartimos diez principios generales que nos pueden servir de guía:
1. Incorporar la IA como un habilitador para la estrategia, no como estrategia en sí misma
Las principales ventajas que traerá la IA son la mejora de la productividad individual -ya sea a través de herramientas o de agentes- y la transformación de procesos y funciones. Y, por ello, debe ser vista como una herramienta para alcanzar objetivos de negocio, no como un fin. Esto evitará inversiones desalineadas y asegurará que cada iniciativa esté vinculada a resultados concretos como eficiencia, escalabilidad o experiencia del cliente. Lo importante seguirá siendo ser diferencial y, en ese sentido, lo que resultará vital no será la IA en sí misma, sino el porqué, para quién y para qué se utilice, y hacerlo bien.
2. Tener el compromiso del liderazgo y una gobernanza clara
La Alta Dirección puede mostrar resistencia de dos formas: (i) por desconfianza respecto al uso de la IA; o (ii) por exceso de expectativas. Sin su apoyo, la adopción se fragmenta y pierde impacto. Es importante identificar esos apoyos, trabajar con aquellos perfiles más abiertos al cambio y, al mismo tiempo, comunicar en la capa directiva las ventajas. En cuanto al exceso de expectativas, puede existir presión para acelerar la adopción, con expectativas elevadas, que acaban generando tensión si los resultados no son inmediatos. En este último caso, es importante equilibrar la urgencia con la necesidad de gobernanza, gestión de riesgos y un escalado ordenado.
3. Cuidar la comunicación, formación continua y gestión del cambio con los empleados
Es habitual que algunos perfiles tengan reticencias a la hora de incorporar nuevas tecnologías en sus procesos. Cuando, además, el cambio se comunica mal, aparecen bloqueos, absentismo y sensación de amenaza. Es importante anticipar, organizar y presupuestar la gestión del cambio: explicar a los empleados los beneficios concretos, dar visibilidad a los itinerarios de formación y crear embajadores internos que actúen como referentes. Las plantillas necesitan programas de capacitación continua adaptadas a sus roles siendo también recomendables píldoras (o microprogramas de formación) desde canales incluso «no convencionales».
4. Tejer un ecosistema de innovación basado en colaboración externa
La innovación en IA avanza rápido; colaborar con start-ups, universidades y partners tecnológicos permite acceder a conocimiento, acelerar pilotos y evitar quedarse atrás frente a competidores. Estas alianzas facilitan la incorporación de talento especializado, el desarrollo conjunto de soluciones y la conexión con hubs de innovación. Además, reducen el riesgo de aislamiento tecnológico y amplían la capacidad de escalar proyectos con rapidez.
5. Y fomentar la colaboración público-privada
La competitividad depende del ecosistema completo; y Europa necesita innovar, acelerar la transferencia tecnológica y la creación de estándares comunes. Sin embargo, existen aún dudas sobre el marco regulatorio que rodea la Inteligencia Artificial, así como sobre el financiamiento a su desarrollo, adaptación y adopción empresarial. Las empresas tienen que exigir, diseñar e impulsar acuerdos entre ellas, con sus cadenas de valor y con las administraciones públicas para generar marcos regulatorios claros, compartir infraestructuras y atraer inversión a la Industria.
6. Buscar la experimentación responsable y escalable
Actualmente, los pilotos y POCs suelen quedarse en pruebas aisladas, sin un impacto real en el negocio, en ocasiones por no ser medibles y, en otras, por buscar el “caso de uso mágico”. Por ello, conviene diseñar proyectos “digeribles”, con unas métricas claras y un plan de escalado, priorizando iniciativas que cubran procesos end-to-end.
7. Invertir tiempo en la arquitectura y en los datos
Hoy día es difícil conocer qué modelo funcionará mejor para las diferentes funcionalidades y, más aún, predecir cuál será el coste en el futuro de estos modelos. Por ello, hay consenso en evitar la dependencia excesiva de un modelo concreto. Además, los proyectos fallan muchas veces por la calidad de los datos, o por la integración de los sistemas IT. Antes de desarrollar, invierte tiempo en una capa de orquestación que garantice interoperabilidad, evite la dependencia del proveedor y asegure la calidad y gobernanza de los datos.
8. Proveer de acceso seguro a las herramientas
Coexiste una gran preocupación, no solo por incrementar la ciberseguridad y la protección de datos, sino también por reducir sus riesgos operacionales y, finalmente, reputacionales y de negocio. Sin embargo, prohibir no funciona. La solución pasa por facilitar el acceso de la plantilla a la IA a través de herramientas corporativas, por diseñar un sistema de permisos adecuado desde el principio (pensando en las plataformas IT con las que pueden acabar interactuando esas herramientas) y por formar en el uso ético de la IA, la protección de datos y los riesgos tecnológicos.
9. Mantener control y un catálogo de soluciones
Tener un catálogo gestionado es útil para saber lo que estamos usando, quién lo está usando y a disposición de quién no lo está. Por donde parece que va la tecnología es por tener agentes que sean “como IAS independientes especializadas” coordinadas por otra u otras IA. Sin inventario ni seguimiento proliferan, además, herramientas duplicadas y desconectadas de sistemas críticos. Crea un catálogo centralizado, monitoriza su uso y asegura su integración con las plataformas clave (ERP, CRM).
10. Y realizar mediciones comunicando resultados
Si no se mide el impacto, los beneficios se diluyen y se pierde apoyo interno. Define indicadores de ROI (ahorros, productividad o de conversión) y comunica los resultados de forma transparente para reforzar la confianza y justificar nuevas inversiones.
Un diálogo intersectorial para construir la hoja de ruta
Estas diez recomendaciones surgen de las ponencias, diálogo abierto y contraste de visiones -también con otras Industrias invitadas- mantenidos durante este Primer Taller de Digitalización que, en esta ocasión, fue concebido para compartir aprendizajes sobre cómo se está abordando la integración estratégica de la IA como palanca competitiva trasladable al sector textil y moda.
Este Primer Taller marca el inicio de un espacio retador, de reflexión y aprendizaje compartido que continuará, en los próximos meses, con nuevos contenidos, propuestas y debates orientados a acompañar a esta Industria en sus procesos de transformación.
Este artículo se enmarca dentro de la serie de contenidos derivados del Primer Taller de Digitalización del Observatorio del Textil y la Moda. Para una visión estratégica más amplia, puede consultarse también el artículo con las ideas principales del discurso de apertura de Juan Parés, así como el análisis publicado tras las ponencias de EY sobre cómo la inteligencia artificial está acelerando escenarios, tendencias globales y claves aplicativas para el sector textil y de la moda