• El presidente de Forética, Alberto Granados, repasa en esta entrevista los avances de la IA generativa y su impacto en las empresas, además de cómo se está abordando su desarrollo en lo relativo a la ética, la regulación y la sostenibilidad

1. Como presidente de Forética y profesional con fuerte vinculación al mundo tecnológico, ¿cómo ves el momento actual de la inteligencia artificial en términos de impacto para las empresas?

Estamos en un punto de inflexión histórico. La inteligencia artificial ha dejado de ser una promesa futurista para convertirse en el motor que rediseña sectores enteros. Según McKinsey, su impacto potencial en la economía global podría alcanzar los 4,4 billones de dólares anuales, alrededor del equivalente al PIB anual de Alemania. 

En España, el 81% de las empresas priorizará inversiones en IA generativa en 2025, y más del 35% ya ha implementado pilotos con impacto en eficiencia, productividad y sostenibilidad.

Compañías como Repsol están desplegando inteligencia artificial de forma transversal en sus operaciones industriales. En áreas como el refino o la gestión energética, el uso de IA para ajustar en tiempo real el rendimiento de activos críticos ha permitido mejoras de eficiencia superiores al 15 %. Además, según un estudio conjunto con el MIT Technology Review, la implementación de Microsoft 365 Copilot ha generado un ahorro de aproximadamente dos horas brutas por semana por empleado y un aumento de calidad estimado del 16 % en los resultados.

Posiblemente la lección aprendida más importante es que el cambio no es solo tecnológico, sino epistemológico —es decir, la IA está cambiando la forma en que generamos, organizamos y aplicamos el conocimiento. Como consecuencia, estamos viendo cómo cambia radicalmente la forma en la que se abordan proyectos, forzando un cambio desde las tradicionales estructuras jerárquicas a modelos romboidales, donde personas de múltiples departamentos, conocimientos y disciplinas colaboran a través de la IA como vehículo tractor, formando ecosistemas de inteligencia colectiva. 

Y, sobre todo, estamos entrando en una economía del conocimiento eficiente, donde el valor no se mide solo por lo que se produce, sino por cómo se produce: cuánto conocimiento, con qué coste y con cuánta eficiencia. Surgen así nuevas métricas como inteligencia generada por euro y vatio invertido, como propuso Satya Nadella, CEO de Microsoft, en Davos.

2. ¿Qué diferencias detectas entre cómo se está abordando el desarrollo de la IA en Estados Unidos y en Europa, especialmente en lo relativo a ética, regulación y sostenibilidad?

Estados Unidos avanza con gran velocidad, impulsado por el dinamismo de la inversión privada y un entorno regulatorio más laxo, lo que favorece la experimentación y el rápido escalado de soluciones. Europa, en cambio, apuesta por un enfoque más estructurado y basado en principios, en el que el AI Act desempeña un papel central.

El AI Act es la primera legislación integral sobre inteligencia artificial en el mundo. Clasifica los usos de la IA en función del riesgo (mínimo, limitado, alto e inaceptable) y establece obligaciones específicas en áreas como la transparencia algorítmica, el control humano significativo, la trazabilidad de decisiones y la prohibición de usos inaceptables, como la manipulación cognitiva, el reconocimiento biométrico masivo o el scoring social.

Muchas grandes empresas tecnológicas están adoptando un enfoque proactivo para alinearse con el marco regulatorio europeo sobre inteligencia artificial. Microsoft, por ejemplo, ha desarrollado PyRIT (Python Risk Identification Tool), una herramienta de código abierto para realizar simulaciones automatizadas que detectan vulnerabilidades y sesgos en modelos generativos antes de su despliegue. Además, ha implementado políticas internas que identifican usos de alto riesgo —como la vigilancia masiva o la toma de decisiones automatizadas sin supervisión humana—, en línea con los principios del AI Act. Estas iniciativas no buscan limitar el desarrollo tecnológico, sino anticipar riesgos y establecer salvaguardas éticas desde las fases tempranas de diseño.

En sectores que nos afectan en el día a día, como la banca, esto se traduce en garantizar que los modelos de IA no operen sin trazabilidad ni control, evitando sesgos o decisiones injustas que puedan afectar a los consumidores. Esta convergencia entre innovación tecnológica y principios éticos es precisamente lo que puede hacer de Europa un referente global en el desarrollo de una IA confiable, segura y sostenible.

3. En el caso de España, ¿crees que las empresas están preparadas para integrar la IA de forma estratégica y responsable? ¿Qué barreras o palancas estás viendo?

Estamos mejor posicionados de lo que creemos. España ha crecido un 35% en adopción empresarial de IA el último año. El 63% de las grandes compañías ya utiliza IA de forma operativa, y el sector industrial ha incrementado su inversión un 42%.

Desde Forética hemos detectado que las organizaciones más avanzadas son aquellas que comparten experiencias y aprendizajes en red. Nuestra plataforma permite a más de 200 socios aprender colectivamente, pilotar nuevas herramientas, intercambiar casos de uso y diseñar marcos de gobernanza adaptados a su contexto. 

Como decía Paul Romer, premio Nobel de Economía: “el conocimiento es lo único que crece cuando se comparte.”

El mayor reto sigue siendo humano. No técnico. Lo que frena la adopción es la gestión del cambio, la cultura organizativa y la falta de gobernanza transversal. A veces imaginamos una IA “varita mágica” que lo resuelve todo sin fricciones, y olvidamos que el verdadero cambio es organizativo: rediseñar procesos, roles y decisiones con una mentalidad centrada en el valor compartido.

4. ¿Qué sectores en España están liderando la adopción de la IA con una mirada puesta en la sostenibilidad y el impacto social?

La aplicación de la inteligencia artificial en España está siendo cada vez más transversal, afectando a todos los sectores productivos. Sin embargo, existen áreas donde el impacto es especialmente visible debido al volumen de datos, la complejidad operativa o el potencial transformador que ofrece la IA.

En salud, el sistema SermasGPT de la Comunidad de Madrid permite diagnosticar enfermedades raras infantiles con una precisión y rapidez inéditas: reduce tiempos de diagnóstico de años a minutos. En oncología, el proyecto ProCanAid de Quibim crea gemelos digitales de la próstata para personalizar tratamientos, combinando IA con resonancias magnéticas.

En el ámbito de la Agricultura 5.0, granjas inteligentes equipadas con sensores IoT, análisis de datos en la nube y visión por computadora están transformando radicalmente el control de suelos, ganado y procesos productivos. Por ejemplo, es posible medir en tiempo real variables como temperatura, humedad, pH, nutrientes del suelo, estado de silos y maquinaria para optimizar el uso de agua, fertilizantes y combustible. Además, el seguimiento del bienestar animal permite predecir enfermedades, monitorear peso o detectar estrés conductual sin intervención humana. Estas soluciones “plug & play”, frecuentemente implementadas sin código, están impulsadas por IA y nube para mejorar eficiencia, trazabilidad y sostenibilidad de las explotaciones. 

A su vez, en acuicultura, Pescanova desarrolló la primera granja acuícola inteligente del mundo para el cultivo de langostinos. Gracias al uso de inteligencia artificial, IoT y modelos predictivos en la nube, automatizaron la alimentación y el control ambiental, lo que permitió multiplicar por cuatro la productividad y mejorar la sostenibilidad del proceso. Esta iniciativa consolidó un modelo pionero de acuicultura 4.0.

En energía, compañías como Iberdrola han integrado la inteligencia artificial en múltiples áreas de su actividad para acelerar la transición energética y mejorar la eficiencia operativa, utilizando la IA para ajustar en tiempo real la producción de energía renovable en función de la demanda y las condiciones meteorológicas, optimizando así el uso de recursos y reduciendo su huella de carbono. También aplican algoritmos avanzados en la gestión de redes inteligentes, mantenimiento predictivo de infraestructuras y atención al cliente, lo que le permite ofrecer un servicio más ágil, fiable y sostenible.

En banca, CaixaBank ha impulsado un cambio estructural con su Proyecto GalaxIA, que marca una estrategia integral de IA en toda la organización. Ha desplegado múltiples casos de uso con IA generativa, como asistentes para empleados, automatización del contact center, generación de código y gestión inteligente de reclamaciones. Todo ello ha supuesto mejoras tangibles en eficiencia operativa, liberación de tiempo para tareas de mayor valor y una experiencia de cliente más personalizada y fluida.

En seguros, MAPFRE ha implantado algoritmos de predicción de siniestralidad que permiten diseñar productos más personalizados y sostenibles, optimizando coberturas y reduciendo fraudes.

Estos casos reflejan cómo la inteligencia artificial no solo está mejorando procesos y servicios, sino que también se está convirtiendo en una palanca estratégica para avanzar hacia modelos más sostenibles, resilientes y centrados en las personas. El verdadero liderazgo en IA no vendrá solo de aplicar tecnología, sino de integrarla con propósito, responsabilidad y visión de impacto a largo plazo. En ese sentido, los sectores que hoy experimentan con más fuerza esta transformación están sentando las bases de una economía más inteligente y alineada con los grandes desafíos sociales y medioambientales del país.

5. ¿Cómo puede la IA ayudar a avanzar en los objetivos de sostenibilidad empresarial? ¿Dónde ves el mayor potencial de sinergia entre tecnología y ESG?

La inteligencia artificial puede convertirse en un acelerador clave de la sostenibilidad empresarial, no solo por su capacidad de automatizar y optimizar, sino por su potencial para medir, predecir y regenerar. Estas tres funciones —fundamentales en la agenda ESG— permiten a la IA actuar como un sistema nervioso inteligente que conecta datos, decisiones y recursos en tiempo real.

En la dimensión ambiental, la IA ya está transformando sectores críticos. Mitiga Solutions, por ejemplo, combina IA y supercomputación para anticipar riesgos climáticos como incendios e inundaciones, ayudando a gobiernos y empresas a fortalecer su resiliencia y tomar decisiones basadas en predicción precisa.

En el ámbito operativo, varias empresas tecnológicas están rediseñando sus infraestructuras aplicando algoritmos de optimización energética para reducir el consumo de recursos. Microsoft, por ejemplo, ha logrado disminuir el uso de agua en sus centros de datos en hasta un 96 % mediante sistemas inteligentes de gestión. Además, como parte de una tendencia más amplia en el sector, está desarrollando modelos de lenguaje más pequeños y eficientes (Small Language Models o SLMs), que consumen menos energía en su entrenamiento y ejecución, facilitando una IA más sostenible y accesible.

La IA generativa también está empezando a resolver uno de los retos más complejos de sostenibilidad: el cálculo de las emisiones de alcance 3 (Scope 3), que dependen de miles de proveedores. Gracias a tecnologías de IA, es posible extraer, armonizar y estructurar información ESG desde documentos en formatos no estandarizados (PDFs, hojas de cálculo, informes escaneados), facilitando el cumplimiento normativo (como la CSDDD Corporate Sustainability Due Diligence Directive) y mejorando la trazabilidad. Empresas del sector industrial y textil ya están aplicando esta tecnología para auditar su cadena de suministro con mayor agilidad y profundidad.

Como parte de la concienciación sobre inteligencia artificial y sostenibilidad, proliferan cada vez más los llamados algoritmos verdes: enfoques de programación y diseño computacional orientados a minimizar el consumo energético y la huella de carbono de los sistemas digitales. Estos algoritmos priorizan la eficiencia en el uso de recursos —como CPU, memoria o electricidad— sin comprometer el rendimiento funcional. Su aplicación se extiende desde centros de datos hasta dispositivos personales, y responde a la creciente necesidad de hacer compatibles los avances tecnológicos con los compromisos climáticos. Además, iniciativas como calculadoras de emisiones para código o herramientas de eco-diseño están ayudando a los desarrolladores a medir y optimizar el impacto ambiental de sus modelos de IA y procesos computacionales.

Pero quizás el avance más disruptivo es la convergencia entre IA generativa y computación cuántica para la creación de nuevos materiales sostenibles. Gracias a plataformas como Quantum Elements, Microsoft ha desarrollado baterías que utilizan hasta un 70 % menos de litio, manteniendo su rendimiento energético. Esta plataforma no se limita a generar textos o imágenes: explora millones de combinaciones moleculares en tiempos récord, abriendo nuevas vías para diseñar soluciones físicas —moléculas, materiales, catalizadores— con impacto ambiental positivo.

Este tipo de innovación demuestra que la IA generativa puede ser un instrumento para resolver desafíos complejos del planeta, desde el almacenamiento energético hasta la captura de carbono o el desarrollo de materiales biodegradables.

En este contexto, el verdadero salto no será solo mitigar el impacto negativo, sino restaurar los sistemas naturales: diseñar cadenas de suministro circulares, anticipar crisis ecosistémicas y reconfigurar la infraestructura industrial bajo principios de regeneración y eficiencia sistémica.

La IA al servicio de la sostenibilidad no es ciencia ficción: es una estrategia real, medible y escalable para construir un modelo económico más resiliente y un planeta más viable.

6. Se habla mucho de IA generativa, automatización, algoritmos de decisión… ¿Qué tendencias ves más relevantes y transformadoras a corto plazo?

Una de las tendencias más transformadoras es la emergencia de agentes inteligentes. A diferencia de los modelos tradicionales que simplemente generan texto, los agentes son sistemas capaces de razonar, aprender, recordar y colaborar de forma autónoma. Según Gartner, en los próximos tres años, estos agentes automatizarán el 20 % de las decisiones laborales y el 30 % de las tareas administrativas.

Estamos asistiendo a una evolución desde los modelos de lenguaje (LLMs) hacia sistemas más avanzados y compuestos, conocidos como LRMs (Large Reasoning Models), que integran razonamiento, planificación y memoria. Si un LLM funciona como un acceso rápido a información, un agente es más parecido a un asistente experto: interpreta contexto, evalúa riesgos, propone soluciones, coordina herramientas externas y toma decisiones encadenadas.

Esta transición es especialmente relevante en el contexto del relevo generacional: más del 60 % del talento experto en sectores críticos se jubilará en la próxima década. Los agentes permitirán preservar y transferir ese conocimiento tácito, actuando como memoria organizativa viva, y adaptándose al estilo de trabajo de cada profesional. Son, en cierto modo, los nuevos polímatas digitales.

Una tendencia especialmente relevante y transformadora a corto plazo es la multimodalidad, es decir, la capacidad de los sistemas de IA para procesar, integrar y generar información en diferentes formatos (texto, imágenes, audio, video) de manera simultánea, imitando así el aprendizaje humano. Este enfoque permite que los modelos desarrollen una comprensión más rica del contexto y tomen decisiones más precisas. Por ejemplo, una IA multimodal puede responder preguntas sobre una imagen, interpretar una gráfica o generar una narración a partir de un vídeo. El mercado global de IA multimodal está creciendo rápidamente, valorado en 1.6 mil millones de dólares en 2024 con una previsión de crecimiento anual del 32 % hasta 2034. Gartner también estima que para 2027, el 40 % de las soluciones generativas integrarán múltiples modalidades. En esencia, la multimodalidad representa un paso hacia una IA que no solo «lee» o «escucha», sino que también «ve», «comprende» y contextualiza el mundo como lo hace el ser humano.

Otra tendencia crítica es la explicabilidad de la IA. Este avance en capacidades exige una contrapartida en confianza: no basta con que un sistema acierte; debe poder justificar sus decisiones de forma comprensible. Esto será obligatorio en sectores como salud, banca o justicia. Ya estamos viendo avances tangibles en trazabilidad algorítmica, validación humana integrada en tiempo real y transparencia en el razonamiento.

El verdadero salto no es solo técnico, sino funcional: estamos pasando de una IA que responde, a una IA que coopera, anticipa y construye.

7. En este escenario, ¿cómo podemos evitar que la velocidad del desarrollo tecnológico supere nuestra capacidad para gestionar sus riesgos éticos, sociales y medioambientales?

Evitar ese desajuste requiere tres pilares: gobernanza efectiva, alfabetización tecnológica y compromiso ético real.

Desde Forética estamos impulsando el diseño de comités éticos de IA en las empresas, con una composición multidisciplinar que integre perfiles tecnológicos, legales, de sostenibilidad, RRHH y cultura corporativa. Esta diversidad es esencial para identificar riesgos desde distintos ángulos y anticiparse a impactos no deseados. También promovemos marcos de autorregulación que permitan a las organizaciones alinearse con principios como los del AI Act y con iniciativas como el Manifiesto por una IA Responsable, generando entornos de confianza tanto dentro como fuera de la empresa.

Sin embargo, ninguna arquitectura de gobernanza es eficaz si no va acompañada de liderazgo formado. Un comité directivo que no entiende cómo funciona un modelo de IA —ni sus sesgos, límites ni efectos emergentes— difícilmente podrá tomar decisiones con criterio ético o estratégico. La responsabilidad no se puede delegar sin conocimiento. Por eso, la alfabetización en IA no debe limitarse a los equipos técnicos: debe extenderse al conjunto del liderazgo.

En última instancia, la ética en la era de la inteligencia artificial no es un documento ni una regulación: es una práctica cotidiana de decisión consciente. Como escribió Viktor Frankl, psiquiatra y superviviente del Holocausto:

“Entre el estímulo y la respuesta hay un espacio. En ese espacio reside nuestra libertad y nuestro poder para elegir nuestra respuesta.”

Ese espacio, aplicado a la IA, es donde reside nuestro verdadero poder colectivo: el de diseñar tecnologías alineadas con el bienestar común, la justicia y la sostenibilidad. Y ese poder no se impone: se construye, se educa y se ejerce con responsabilidad.

8. Forética ha lanzado recientemente un Manifiesto por una IA Responsable. ¿Qué objetivos persigue este manifiesto y qué acogida ha tenido entre el tejido empresarial?

El Manifiesto por una IA Responsable y Sostenible surge como una herramienta colectiva para orientar el desarrollo y uso de la inteligencia artificial en línea con los grandes desafíos globales. Plantea cinco principios fundamentales: cero emisiones netas, restauración de la naturaleza, respeto a los derechos humanos, inclusión y gobernanza ética. Estos principios no son solo declaraciones aspiracionales, sino una guía para integrar la IA en las estrategias ESG de forma coherente, transparente y con impacto positivo.

Más de 70 organizaciones ya lo han suscrito, incluyendo grandes tecnológicas, empresas industriales, pymes y firmas consultoras. Esta diversidad demuestra que la responsabilidad en IA no es exclusiva del sector tecnológico: cualquier organización que utilice o dependa de sistemas inteligentes tiene un papel que jugar.

El objetivo del manifiesto no es normativo, sino cultural. No impone una lista de cumplimiento, sino que invita a un cambio de mentalidad: diseñar con propósito, anticipar riesgos desde el inicio y rendir cuentas públicamente. En un momento en el que el escrutinio social, mediático y regulatorio sobre la IA está creciendo, este tipo de compromisos se están convirtiendo en un factor diferencial.

Además, alinea a las empresas con marcos internacionales emergentes, como el AI Act europeo, los principios de la OCDE o las directrices del Pacto Mundial de Naciones Unidas, reforzando la coherencia entre innovación tecnológica y responsabilidad corporativa.

Lo más relevante es que este manifiesto ayuda a convertir la ética en una ventaja competitiva. En lugar de ver la regulación como una barrera, las empresas que se anticipan y actúan con transparencia ganan legitimidad, confianza del mercado y resiliencia a largo plazo. En definitiva, el Manifiesto no solo define una hoja de ruta, sino que activa una red de colaboración para construir una inteligencia artificial que esté al servicio de las personas y del planeta.

9. ¿Cómo crees que las empresas deben integrar principios de responsabilidad, transparencia y equidad en el uso de la IA dentro de sus estrategias ESG?

Integrar estos principios no es una opción reputacional, sino una condición de sostenibilidad y legitimidad a largo plazo. La inteligencia artificial está dejando de ser una herramienta operativa para convertirse en una infraestructura de decisión. Por eso, su gobernanza debe formar parte central de las estrategias ESG.

En primer lugar, es esencial incorporar auditorías éticas a lo largo de todo el ciclo de vida de la IA: desde el diseño hasta la implementación y monitorización. Estas auditorías deben evaluar no solo el rendimiento técnico, sino también el cumplimiento de principios como la no discriminación, la privacidad, la transparencia o el respeto al entorno social y medioambiental. Como ocurre con las auditorías financieras o medioambientales, su objetivo no es castigar, sino detectar, corregir y aprender.

En segundo lugar, hay que asegurar que la IA se construya desde la diversidad y la inclusión. Los algoritmos aprenden de los datos, y los datos reflejan nuestras sociedades. Si los equipos que diseñan los sistemas no son diversos, es probable que los sesgos estructurales se perpetúen o incluso se amplifiquen. Incluir voces distintas —en género, edad, cultura, capacidades, experiencia— no solo es un imperativo ético, sino una garantía de mayor calidad, robustez y justicia en los resultados.

En tercer lugar, los principios de equidad, transparencia y responsabilidad deben traducirse en indicadores concretos. Las estrategias ESG deben incorporar métricas de impacto algorítmico, que evalúen la equidad en los resultados, la accesibilidad para distintos grupos, la trazabilidad de las decisiones automatizadas o la participación en los procesos de diseño. Lo que no se mide, no se mejora. Y lo que no se comunica, no genera confianza.

Además, desde diciembre de 2023 contamos con la primera norma internacional dedicada a la gestión de sistemas de IA, ISO/IEC 42001, que establece un modelo integral tipo “Plan‑Do‑Check‑Act” para gobernar todo el ciclo de vida de los sistemas inteligentes: liderazgo, evaluación de riesgos, procedimiento de desarrollo, implementación, monitorización continua y mejora. Este marco amplía y complementa otros estándares como ISO 9001 o ISO 27001, y permite a organizaciones de cualquier tamaño fortalecer la trazabilidad, la responsabilidad y la eficiencia en sus proyectos de IA. En marzo de 2025 se publicó la ISO/IEC 42005, que ofrece una guía estructurada para realizar evaluaciones de impacto de sistemas de IA: ayuda a identificar, documentar y gestionar los efectos previstos (e imprevistos) sobre personas, grupos o entornos sociales. Juntas, estas normas fortalecen la gobernanza de IA al fusionar exigencia operativa y análisis ético‑social en una hoja de ruta certificable y alineada con marcos próximos como la Ley de IA europea.

En definitiva, la IA no debe ser una caja negra, sino un espejo de nuestros valores colectivos. Y ante ese espejo, las empresas tienen que hacerse preguntas difíciles: ¿Qué tipo de decisiones estamos delegando? ¿A quién rendimos cuentas? ¿Qué sesgos estamos reforzando? ¿Quién queda fuera de esta inteligencia?

Responder con honestidad a estas preguntas no es solo una responsabilidad ética. Es también una oportunidad estratégica para construir organizaciones más justas, más resilientes y alineadas con el futuro que queremos habitar.

10. ¿Qué rol crees que debe jugar el liderazgo empresarial en asegurar que la IA no solo sea una herramienta eficiente, sino también un motor de progreso ético y sostenible?

El liderazgo empresarial debe asumir un papel activo y transformador en la integración ética de la inteligencia artificial. La IA no es neutral: amplifica decisiones, procesos y estructuras. Por tanto, si esas decisiones no están guiadas por principios claros, la IA puede amplificar desigualdades, exclusiones y riesgos sistémicos. En cambio, cuando se gobierna con propósito, puede ser una fuerza extraordinaria para la innovación responsable y el impacto sostenible.

El liderazgo es, ante todo, el guardián del propósito. Y en esta nueva era, eso implica comprender no solo el potencial de la IA, sino también sus límites, sesgos y consecuencias. Según Harvard Business Review, los verdaderos líderes en IA no solo innovan, sino que se aseguran de que la tecnología “sirva a la gente, gane confianza y genere valor duradero”. Por eso, es fundamental contar con Consejos de Administración con competencias en IA y sostenibilidad, como también subraya la Harvard Law School.

Algunas organizaciones están designando Chief AI Officers o incorporando figuras como “AI whisperers” para facilitar el entendimiento de estas tecnologías a nivel directivo, según ha recogido Business Insider. Esta alfabetización no técnica, pero estratégica, es lo que permite que la ética se traduzca en decisiones operativas y en cultura organizativa.

Además, integrar IA y sostenibilidad en las métricas del negocio no solo mejora la coherencia corporativa, sino también el rendimiento financiero, como indica el estudio “Sustainability as a Business Model Transformation” de HBR. En este sentido, resulta fundamental incorporar lo que ya se conocen como “métricas algorítmicas” en los informes ESG: indicadores diseñados para evaluar el comportamiento ético, social y ambiental de los sistemas de IA.
Estas métricas pueden incluir, por ejemplo:

• Equidad algorítmica: análisis de impacto sobre distintos grupos demográficos para identificar sesgos.
• Transparencia y explicabilidad: grado de interpretabilidad del modelo y documentación disponible.
• Trazabilidad de decisiones automatizadas: capacidad de reconstruir cómo y por qué se tomó una decisión.
• Protección de datos y privacidad diferencial: uso de técnicas como federated learning o anonimización avanzada.
• Huella ambiental de la IA: medición del consumo energético y emisiones de CO₂ asociadas al entrenamiento de modelos.

Incluir este tipo de indicadores permite transformar la ética en un sistema de gestión real. No se trata solo de evaluar la eficiencia de un modelo, sino de entender a quién impacta, cómo lo hace y con qué consecuencias. Es, en definitiva, la forma de alinear inteligencia artificial con inteligencia organizativa.

En última instancia, liderar en la era de la IA no consiste en adoptar tecnología más rápido, sino en hacerlo con más conciencia. El CEO del futuro no será evaluado solo por sus resultados financieros, sino por las consecuencias sociales, ambientales y culturales de las tecnologías que promueve. Debe ser capaz de alinear innovación con justicia, escalabilidad con transparencia y eficiencia con impacto humano.

Como escribió Peter Drucker: “La mejor forma de predecir el futuro es crearlo”. O, dicho de otro modo: no basta con liderar la tecnología, hay que liderar también su significado. Hoy, el reto no es imaginar un futuro con inteligencia artificial. El verdadero liderazgo consiste en construirlo con ética, visión sistémica y valor compartido.