# padhi-mckinsey-ai-operating-system-ceos-2026-10-01

## Veille

Artículo de **Asutosh Padhi**, **Brian Elliott**, **Daniel Swan**, **Kim Baroudy** y **Vik Sohoni** (socios senior, McKinsey), presentado como expresión de la visión de **QuantumBlack, AI by McKinsey**, publicado en **octubre de 2026** (día exacto no especificado, fechado el día 1 por convención); 12 páginas, 2 figuras, una tabla, un recuadro sobre arquitectura y dos casos.

## Titre Article

The AI operating system: A new way for CEOs to run the enterprise

## Date

2026-10-01

## URL

https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-ai-operating-system-a-new-way-for-ceos-to-run-the-enterprise

## Keywords

sistema operativo de IA, AI OS, segundo cerebro, segundo cerebro, sistema operativo de IA, capa semántica, ontología empresarial, grafo de conocimiento, contexto empresarial, orquestación de agentes, reutilización, soberanía del contexto, poseer el contexto, dependencia del proveedor, economía de la IA, coste por token, State of AI 2026, EBIT, gestión basada en señales, pilotaje continuo, reducción de niveles jerárquicos, derechos de decisión, McKinsey, QuantumBlack

## Authors

Asutosh Padhi, Vik Sohoni (Chicago), Brian Elliott (Carolinas), Daniel Swan (Connecticut), Kim Baroudy (Copenhague) — senior partners, McKinsey (QuantumBlack).

## Ton

Perfil: un artículo de estilo consultoría dirigido a CEOs y comités ejecutivos, con un tono prescriptivo y seguro. El texto se abre con un escenario narrativo hora por hora (una aseguradora enfrentada a un límite regulatorio de márgenes, de martes a jueves), después expone la paradoja adopción/valor con cifras de una encuesta interna, define el concepto y recorre listas de prioridades, cambios y acciones. Cada cambio de gestión se cierra con "Preguntas clave para el CEO", lo que deja abiertas las propuestas organizativas más delicadas (reducción de niveles jerárquicos, cultura, confianza). Las ganancias y los casos son anónimos y se atribuyen a la experiencia de los autores; el vocabulario (foso defensivo, ventaja acumulativa, segundo cerebro) pertenece a la estrategia más que a la ingeniería. El recuadro de arquitectura se mantiene genérico, sin nombrar ningún producto ni proveedor.

## Pense-betes

- **Paradoja**: el 40% de las grandes empresas tiene agentes a escala, el 6% ve ≥5% del EBIT atribuible a la IA (State of AI 2026, sin variación interanual).
- **Definición**: AI OS = capa de gestión continua — contexto, razonamiento transversal, recomendación/ejecución, aprendizaje; un cockpit en tiempo real, no un panel retrospectivo.
- **Escenario**: aseguradora, ~140 productos en 7 países, definiciones de margen divergentes; 9 productos no conformes tras cuestionar un supuesto; decisiones del comité registradas como barreras de seguridad; supervisión posterior al lanzamiento.
- **Arquitectura**: la pila existente se mantiene intacta (nube propietaria u on-prem como destino, datos ya disponibles, LLM multiproveedor incluidos los de pesos abiertos, sin entrenamiento con los datos) + capa semántica, modelos de ML deterministas como herramientas, agentes reutilizables con enrutamiento de modelos, capa de experiencia.
- **Regla**: *Poseer el contexto; alquilar o sustituir la tecnología*; 1 a 3 AI OS como máximo; rediseño de extremo a extremo (empresa industrial: 140-180 M$/año en ventas y operaciones).
- **Economía**: token −95%, gasto ×3; el modelo más barato cuesta más si produce errores costosos.
- **Gestión**: señal > calendario; plan *always-on*, el cuello de botella se traslada al terreno y a las funciones de control; juicio > transmisión jerárquica; 10-12 → 20-40 colaboradores directos (pregunta abierta).
- **Acciones**: 3 a 5 dominios, gobernanza semántica, financiar el AI OS compartido en lugar de casos de uso individuales, redefinir los derechos de decisión entre humanos y agentes.
- ⚠️ **Alcance**: ganancias (×10, 12 semanas, −50% en el time-to-ROI, −90% en los tiempos de ciclo) sin método ni alcance revelados; casos anónimos.

## RésuméDe400mots

El artículo se abre con un escenario. El CEO de una aseguradora internacional se entera de que los reguladores quieren limitar los márgenes de ciertos productos. En minutos, el AI OS de la empresa lee el borrador de las normas, las contrasta con el catálogo e identifica alrededor de 140 productos afectados en siete países, un tercio de ellos en riesgo, señalando además que cada regulador define el margen de forma distinta. Los directores de país dan su visto bueno; uno de ellos cuestiona un supuesto de asignación de costes y reduce a nueve el número de productos no conformes. Al día siguiente, el sistema modela las opciones (reajuste de precios, rediseño, comisiones, retirada), el comité adopta un plan que el sistema registra como barreras de seguridad, y después los agentes generan diseños y precios que se someten a actuarios, cumplimiento normativo y responsables de línea. Tras el lanzamiento, el sistema supervisa cada producto; la siguiente regulación se gestionará más rápido.

Los autores parten de una brecha: según la encuesta State of AI 2026 de McKinsey, el 40% de las grandes empresas ha desplegado agentes a escala, pero solo el 6% atribuye a la IA al menos el 5% de su EBIT. El reto ya no es la adopción, sino la forma en que opera la empresa. El AI OS, el segundo cerebro de la empresa, mantiene el contexto, razona a través de las funciones, recomienda o ejecuta decisiones, y aprende de los resultados. Se construye sobre lo que ya existe (infraestructura, datos ya disponibles, modelos de múltiples proveedores) y añade una capa semántica compuesta por ontologías y grafos de conocimiento, modelos analíticos deterministas invocados por agentes, una orquestación de agentes reutilizable y una capa de experiencia.

Seis prioridades guían la construcción: poseer el contexto y alquilar o sustituir la tecnología; limitar el número de AI OS a uno, dos o tres; rediseñar los procesos de extremo a extremo; diseñar para la reutilización de modo que la ventaja se acumule; tener en cuenta la economía de la IA, ya que el coste por token ha caído más de un 95% mientras el gasto se ha triplicado; partir de las tecnologías ya pagadas.

La gestión debe cambiar: actuar según la señal y no según un calendario, pilotar de forma continua, dedicar el tiempo de los líderes al juicio, y trabajar mediante conexiones directas en lugar de capas jerárquicas, hasta el punto de contemplar entre 20 y 40 colaboradores directos por responsable. Un OEM global y una empresa industrial estadounidense ilustran el enfoque. Los autores recomiendan centrarse en tres a cinco dominios, establecer una gobernanza semántica, financiar el AI OS compartido y redefinir los derechos de decisión.

## GrapheDeConnaissance

- McKinsey —publie→ article The AI operating system (DOCUMENT, 0.97)
- QuantumBlack —fait_partie_de→ McKinsey (ORGANISATION, 0.95)
- Asutosh Padhi —travaille_chez→ McKinsey (ORGANISATION, 0.95)
- article The AI operating system —référence→ State of AI 2026 (DOCUMENT, 0.95)
- State of AI 2026 —mesure→ 40 % des grandes entreprises déclarent des agents à l'échelle, 6 % attribuent à l'IA au moins 5 % de l'EBIT (MESURE, 0.92)
- McKinsey —a_créé→ AI operating system (CONCEPT, 0.8)
- AI operating system —utilise→ Couche sémantique (CONCEPT, 0.93)
- Couche sémantique —utilise→ Ontologie (CONCEPT, 0.92)
- Couche sémantique —utilise→ Knowledge graph (TECHNOLOGIE, 0.9)
- AI operating system —utilise→ Orchestration d'agents (METHODOLOGIE, 0.92)
- AI operating system —utilise→ LLM (TECHNOLOGIE, 0.88)
- AI operating system —permet→ Management par intervention (METHODOLOGIE, 0.88)
- McKinsey —recommande→ Own the context, rent or replace the technology (CONCEPT, 0.95)
- McKinsey —recommande→ limiter l'entreprise à un, deux ou trois AI OS (AFFIRMATION, 0.92)
- McKinsey —recommande→ financer l'AI OS partagé plutôt que des cas d'usage isolés (AFFIRMATION, 0.93)
- McKinsey —mesure→ planification jusqu'à dix fois plus rapide, première valeur en environ 12 semaines, délai de ROI réduit de 50 % (MESURE, 0.8)
- McKinsey —affirme_que→ le coût unitaire du token a baissé de plus de 95 % tandis que la dépense IA a plus que triplé (AFFIRMATION, 0.88)
- McKinsey —prédit→ des managers passant de 10-12 à environ 20-40 rapports directs (AFFIRMATION, 0.75)
- AI operating system —s_applique_à→ Assurance (CONCEPT, 0.8)

---
Canonical: https://www.thekb.eu/es/fiches/padhi-mckinsey-ai-operating-system-ceos-2026-10-01/