Valon, una startup de tecnología hipotecaria, ha adoptado una regla poco habitual para sus nuevos empleados: antes de utilizar herramientas de inteligencia artificial deben demostrar que pueden hacer bien el trabajo sin ellas. La medida parte de una constatación sencilla. La IA acelera algunas tareas, pero también puede multiplicar errores cuando quien la usa todavía no entiende el proceso, el dato o el criterio de calidad esperado.
La decisión resulta relevante porque rompe con una narrativa frecuente en empresas tecnológicas, donde la adopción de IA se presenta casi siempre como una obligación inmediata. Valon no renuncia a estas herramientas. Al contrario, intenta introducirlas con más control para evitar que los costes de uso, las revisiones adicionales y las respuestas incorrectas terminen anulando el ahorro prometido.
El caso Valon recuerda que la productividad con IA depende menos del acceso a la herramienta que de la madurez del usuario y del proceso donde se aplica. Un empleado nuevo puede generar informes, mensajes o análisis con mucha rapidez, pero si no distingue una cifra coherente de una errónea, el resultado exige más supervisión que el método tradicional.
La cuestión de costes también pesa. Muchas plataformas de IA cobran por usuario, consumo, tokens o integraciones avanzadas. En equipos grandes, permitir uso sin límites puede convertir una prueba barata en una factura recurrente difícil de justificar. Si además los resultados necesitan revisión constante, la empresa paga dos veces: por la herramienta y por el tiempo de corrección.
En sectores regulados, el riesgo se multiplica. Una fintech hipotecaria trabaja con información sensible, cálculos financieros, documentación legal y comunicación con clientes. Un error en una explicación de pagos, una respuesta imprecisa sobre condiciones o una recomendación mal contextualizada puede generar problemas operativos y reputacionales. Por eso, el control de permisos no es solo una política interna, sino una defensa empresarial.
La medida puede anticipar una tendencia más amplia. Muchas compañías que corrieron a desplegar chatbots, asistentes de código o herramientas de automatización están entrando en una fase de auditoría. Ya no basta con preguntar cuántos empleados usan IA. La pregunta útil es dónde aporta margen real, qué tareas siguen necesitando revisión humana y qué uso debería quedar restringido.
La IA corporativa está pasando de la fase de entusiasmo a la fase de gobierno operativo. Esto implica roles, permisos, formación, métricas de calidad y límites presupuestarios. También obliga a recursos humanos y tecnología a trabajar juntos, porque el problema no se resuelve únicamente desde sistemas ni únicamente desde formación.
Para empresas españolas, el aprendizaje es aplicable incluso fuera del sector financiero. Una pyme que usa IA para atención al cliente, ventas o contabilidad necesita saber qué puede automatizar y qué no. Un sistema que responde con seguridad, pero sin base, puede provocar una mala oferta comercial o una respuesta incorrecta a un cliente importante.
La restricción de Valon no es una marcha atrás en IA; es una señal de que la ventaja competitiva estará en usarla con criterio. Las organizaciones que midan calidad, coste y riesgo con la misma seriedad que miden velocidad tendrán más opciones de capturar beneficios reales.
