El 11 de agosto, Sundar Pichai tiró el número en X: la app de Gemini superó los 1.000 millones de usuarios activos mensuales. Lo llamó el producto de más rápido crecimiento en la historia de Google y el decimocuarto en cruzar esa marca. La prensa argentina lo levantó al día siguiente y todo el mundo comentó lo mismo: la carrera con OpenAI, el ritmo de adopción, la escala.
A mí me interesó otra cosa, y es la que casi nadie miró: ese número es de la app independiente. No es Gemini adentro del buscador, ni Gemini adentro de Google Workspace —esos ya habían pasado los mil millones por separado, y se anunciaron en el I/O. Son mil millones de personas que se bajaron la app. Con su cuenta personal. Por decisión propia.
Ahí hay una pregunta incomodísima para cualquier empresa, y no tiene nada que ver con Google: ¿cuántos de esos mil millones trabajan para vos? Porque si no lo sabés, no es que tu equipo no usa IA. Es que la usa y vos no tenés forma de enterarte.
Una política de uso de IA es el documento interno que define qué herramientas de inteligencia artificial puede usar el equipo, con qué cuenta, qué datos puede cargar en ellas y qué pasa cuando un resultado de IA se usa para tomar una decisión de negocio. Dos o tres páginas, sin abogados.
El punto ciego que casi todas dejan afuera es la cuenta. Aprobar una herramienta no alcanza: si el equipo usa esa misma herramienta con su cuenta personal, los datos salen igual del perímetro, sin registro, sin retención controlada y sin manera de revocar el acceso cuando esa persona se va.
Y un documento sin capacitación no cambia comportamiento. La política fija la regla; la capacitación es lo que la convierte en práctica.
El número que importa no es 1.000 millones.
Trabajo todas las semanas con equipos que están incorporando IA, y hay una escena que se repite con una regularidad que ya no me sorprende. Le pregunto al dueño o al gerente cuánta gente del equipo usa IA. Me dice un número. Después pregunto lo mismo en la sala, con el jefe presente, y el número real es siempre más alto. A veces el doble.
No es que la gente mienta. Es que nadie considera que valga la pena mencionar que usó una app del celular para redactar un mail difícil, resumir un pliego de cuarenta páginas o entender un balance. Para el empleado eso no es “usar IA en el trabajo”: es lo mismo que googlear. Y honestamente, tiene razón en verlo así.
Por eso el anuncio de Pichai me parece más relevante como termómetro que como noticia de negocio. Mil millones de instalaciones voluntarias significa que la herramienta ya atravesó la barrera del early adopter y llegó a la persona que no lee sobre tecnología. Esa persona también trabaja en tu empresa.
Por qué una lista de “herramientas aprobadas” no alcanza.
El diagnóstico de fondo —equipos usando IA sin que la empresa lo sepa— ya lo desarrollé en detalle en el artículo sobre Shadow AI en pymes argentinas: qué es, cómo se detecta y por qué está pasando ahora. Si venís de cero con el tema, empezá por ahí.
Acá quiero ir al paso siguiente, que es donde veo fallar a las empresas que sí hicieron los deberes. Muchas ya armaron su lista de herramientas aprobadas. El problema es que una lista resuelve el qué y deja intacto el cómo se accede.
El caso típico, y lo vi literalmente este mes: la empresa aprueba Gemini. Lo pone por escrito. Compra las licencias. Y el equipo lo sigue usando desde el celular con su Gmail personal, porque es lo que ya tenía abierto y no hay que pedirle nada a nadie. La herramienta está aprobada, la política se cumple al pie de la letra, y aun así:
- El contenido cargado no queda del lado de la empresa. Está en una cuenta que la empresa no administra ni puede auditar.
- No aplican las garantías de privacidad enterprise del plan corporativo —entre ellas, que tus datos no se usen para entrenar modelos.
- No hay registro de quién consultó qué, que es exactamente lo que te van a pedir si alguna vez tenés que responder por una filtración.
- Cuando la persona se va, el historial se va con ella. El offboarding no toca nada, porque nunca hubo nada del lado de la empresa que dar de baja.
Ese último punto es el que más subestiman. Pensá en el vendedor que durante dos años cargó listas de precios, condiciones especiales y estrategia comercial en su cuenta personal para armar propuestas más rápido. El día que se va a la competencia, todo eso sigue en su historial. No hay nada que revocar. No cometió ninguna infracción: la herramienta estaba aprobada.
Qué tiene que decir la política: siete secciones.
Esta es la estructura que uso cuando armamos el documento con un cliente. Ninguna sección necesita abogado y el total tiene que entrar en dos o tres páginas. Si se pasa de ahí, nadie la va a leer, y una política que no se lee es peor que no tener ninguna: te da la sensación de estar cubierto sin estarlo.
1. Alcance: a quién le aplica.
Empleados, pasantes, freelancers y proveedores que tocan datos de la empresa. El olvido clásico son los externos: la agencia que maneja tus redes o el estudio contable también cargan información tuya en herramientas de IA, y sobre ellos no rige tu reglamento interno salvo que lo digas explícitamente.
2. Herramientas y cuentas autorizadas.
Las dos cosas juntas, siempre. “Gemini con la cuenta corporativa @tuempresa” es una regla; “Gemini” a secas no lo es. Y acá conviene ser generoso: si la lista oficial es peor que lo que el equipo usaría por su cuenta, la política se incumple sola. Si te sirve para ordenar el criterio de qué plataforma conviene, lo comparé en detalle en Claude vs Gemini para empresas argentinas.
3. Clasificación de datos en tres niveles.
Público, interno y confidencial, con una regla clara de qué nivel puede entrar a un modelo y bajo qué plan. Tres niveles y no cinco: cuanto más fina la clasificación, menos se aplica. Lo importante es que cada categoría tenga ejemplos concretos de tu operación, no definiciones abstractas. “El legajo de un empleado es confidencial” se entiende; “información sensible de terceros” no se entiende.
4. Verificación humana antes de la decisión.
Qué tiene que pasar entre que un modelo produce algo y que eso se convierte en un precio, un contrato, un diagnóstico o un texto que sale al cliente. Los modelos de lenguaje generan texto plausible, que no es lo mismo que texto correcto: la regla tiene que nombrar quién verifica y contra qué fuente.
5. Transparencia: cuándo hay que avisar.
Si un informe al directorio, una propuesta a un cliente o una respuesta a un reclamo se produjo con asistencia de IA, ¿hay que decirlo? Definí el criterio vos, antes de que lo defina un cliente enojado por vos.
6. A quién preguntarle.
Una persona con nombre y apellido. No “el área de sistemas”. El 90% de los incumplimientos que veo no son rebeldía: es alguien que tenía una duda un martes a las seis de la tarde, no supo a quién escribirle y resolvió como pudo.
7. Qué pasa si se incumple.
Proporcional y realista. Si la consecuencia declarada es el despido, nadie va a reportar un error propio, y perdés el mecanismo más barato que tenés para enterarte de los problemas: que te los cuenten.
Las tres cláusulas que casi nadie escribe.
De todas las políticas que me tocó leer o ayudar a redactar, estas tres son las que casi siempre faltan. Y son, justamente, las que hacen la diferencia el día que pasa algo.
Cuenta corporativa obligatoria.
La regla en una línea: trabajo de la empresa, cuenta de la empresa. No porque la cuenta personal sea peligrosa en sí misma, sino porque es la única manera de que existan los controles de administración, el registro de actividad y la garantía contractual sobre el uso de tus datos. Es la cláusula que convierte el offboarding en algo real.
Qué pasa con lo cargado cuando alguien se va.
Baja de accesos a las herramientas de IA el mismo día que se dan de baja el mail y el CRM. Suena obvio escrito acá, y sin embargo la IA casi nunca está en el checklist de salida, porque se incorporó después de que ese checklist se escribió.
Qué puede ejecutar un agente sin aprobación humana.
Esta es la que va a envejecer mejor. Mientras la IA solo responde preguntas, el riesgo es de confidencialidad. Cuando empieza a ejecutar acciones —mandar mails, modificar registros, autorizar pagos— el riesgo cambia de categoría y hacen falta guardrails explícitos. Es exactamente el problema que describí en el artículo sobre los bancos argentinos: el sector que más tiene para perder ya no discute qué modelo es mejor, discute qué puede hacer el agente solo. Escribí la cláusula hoy aunque todavía no uses agentes; el año que viene la vas a necesitar.
Tres errores que veo seguido.
Prohibir en vez de ordenar. Es más fácil de escribir y peor en resultados. La prohibición no baja el uso: lo esconde. El equipo sigue usando IA desde el celular y la empresa pierde lo único que le quedaba, que era la visibilidad. Se pierde la productividad sin ganar la seguridad.
Copiar la política de una multinacional. Circulan plantillas de veinte páginas escritas para empresas con un área de compliance de diez personas. En una pyme de cuarenta empleados ese documento no se aplica: se archiva. Prefiero tres páginas que se cumplen antes que veinte que decoran una carpeta.
Escribirla una vez y no tocarla más. La lista de herramientas de hace ocho meses ya está vieja. Ponele fecha de revisión cada seis meses, con un responsable. Sin eso, en un año volvés al punto de partida.
Una política sin capacitación es una hoja firmada.
Este es el final que más me importa, porque es donde se define si todo lo anterior sirvió de algo. El recorrido habitual es: se redacta el documento, se manda por mail, se pide acuse de recibo, se archiva. Tres meses después nadie recuerda una sola regla.
Nadie cambia de comportamiento por leer un PDF. La política define la regla; lo que la convierte en práctica es sentarse con el equipo y recorrer los casos concretos de su propio trabajo: este dato entra, este no, este resultado se verifica así, esta consulta va con la cuenta corporativa. Una hora bien diseñada rinde más que veinte páginas de reglamento.
Y hay un efecto lateral que no aparece en ninguna planilla de riesgos: cuando el equipo entiende por qué existe la regla, deja de esquivarla y empieza a avisar cuando encuentra un caso que la política no previó. Ese es el momento en que dejás de correr atrás del problema. Si querés ver cómo se estructura eso puntualmente sobre Gemini, lo detallé en capacitación en Gemini para empresas.
Preguntas frecuentes sobre la política de uso de IA.
Es el documento interno que define qué herramientas de inteligencia artificial puede usar el equipo, con qué cuenta, qué datos puede cargar en ellas y qué pasa cuando un resultado de IA se usa para tomar una decisión de negocio. No es un reglamento legal ni un contrato: es una hoja de ruta operativa de dos o tres páginas que un empleado nuevo tiene que poder entender en cinco minutos. Su función no es prohibir, sino dar permiso con límites claros, porque la alternativa real no es que el equipo no use IA: es que la use sin que nadie sepa cómo.
Porque una lista de herramientas resuelve el qué, pero no el cómo se accede. El caso típico: la empresa aprueba Gemini, pero el equipo lo usa con su cuenta de Gmail personal desde el celular. La herramienta está aprobada y aun así los datos salieron del perímetro corporativo, sin registro, sin retención controlada y sin posibilidad de revocar el acceso cuando esa persona se va. Por eso la política tiene que fijar la cuenta, no solo la herramienta: cuenta corporativa bajo el plan de la empresa, que es donde existen los controles de administración y las garantías de que tus datos no se usan para entrenar modelos.
Siete, y ninguna necesita abogado: (1) alcance, a quién aplica; (2) herramientas y cuentas autorizadas; (3) clasificación de datos en tres niveles —público, interno, confidencial— con la regla de qué nivel puede entrar a un modelo; (4) verificación humana obligatoria antes de que un resultado de IA se convierta en una decisión, un precio o un texto que sale al cliente; (5) transparencia, cuándo hay que avisar que algo se hizo con IA; (6) referente al que consultar ante dudas; (7) qué pasa si se incumple. Si el documento pasa de tres páginas, nadie lo va a leer y no va a servir de nada.
Sundar Pichai anunció el 11 de agosto de 2026 que la app de Gemini superó los 1.000 millones de usuarios activos mensuales, y la llamó el producto de más rápido crecimiento de Google y el decimocuarto en llegar a esa marca. El matiz que importa: la cifra corresponde a la app independiente, no a Gemini integrado en el buscador o en Workspace, que ya había superado esa marca por separado. Es decir, mil millones de personas que se instalaron la app por decisión propia, con su cuenta personal. Estadísticamente, una parte de tu equipo está ahí adentro hoy.
No. Es el error más común que veo: se redacta el documento, se manda por mail, se pide un acuse de recibo y ahí termina. Nadie cambia de comportamiento por leer un PDF. La política define la regla; la capacitación es lo que la convierte en práctica, porque el equipo necesita ver los casos concretos —este dato sí, este no, este resultado se verifica así— con ejemplos de su propio trabajo. Una hora bien diseñada, con la política sobre la mesa y ejemplos reales de la operación, rinde más que veinte páginas de reglamento.
Ese es el punto ciego que casi ninguna política cubre. Si el trabajo se hizo en una cuenta personal, el historial, los prompts y los documentos cargados se van con la persona: la empresa no puede auditarlos, no puede recuperarlos y no puede revocar el acceso, porque nunca los tuvo. En una cuenta corporativa bajo el plan de la empresa, la baja del usuario corta el acceso y el contenido queda del lado de la organización. Por eso la cláusula de cuenta corporativa obligatoria no es burocracia: es lo único que hace que el offboarding signifique algo en la práctica.
Es más simple de escribir y peor en resultados. La prohibición no baja el uso, lo esconde: el equipo sigue usando IA desde el celular, en cuentas personales y sin preguntar nada, y la empresa pierde la única cosa que le quedaba, que era la visibilidad. Además pierde la productividad sin ganar la seguridad. Lo que funciona es lo contrario: dar herramientas oficiales que sean al menos tan buenas como las que el equipo usaría por su cuenta, y poner las reglas alrededor de esas.
Lo que importa.
Los mil millones de Pichai no son una noticia sobre Google. Son la confirmación de que la decisión de usar IA en tu empresa ya se tomó, y no la tomaste vos: la tomaron, de a uno, los que se bajaron la app para llegar al viernes.
Lo único que seguís teniendo en tu poder es bajo qué reglas pasa. Y eso se define en dos o tres páginas y una hora con el equipo. Es de las cosas más baratas que vas a hacer este año, medido contra lo que cuesta el día que algo sale mal.
Siguiente paso
¿Tu equipo ya usa IA y no hay una regla escrita?
Armamos la política de uso sobre tu operación concreta y la bajamos al equipo en una sesión, con los casos reales de tu día a día. Documento y práctica, no un PDF más.
Hablemos →Publicado el 15 de agosto de 2026 · Fuentes: anuncio de Sundar Pichai en X (11-08-2026); La Nación (12-08-2026) e Infobae (12-08-2026). La cifra corresponde a la app independiente de Gemini, no a la IA de Google integrada en el buscador o en Workspace. Análisis, criterio y recomendaciones: Diego Ceredi.
Taller de IA para equipos: cómo elegirlo y qué incluye
11 min de lectura
Capacitación en IA para empresas en Argentina: la pieza que falta
11 min de lectura