El éxito de la IA depende de abordar la “deuda de proceso”
A
l igual que muchos de los esfuerzos de digitalización previos, la IA ofrece un enorme potencial para ayudar a transformar la forma en que se hace el trabajo, e incluso acceder a trabajos que no creíamos posibles.
En la Pulse Survey de PwC de junio de 2024, el 84% de los ejecutivos afirmó que lograr un valor medible a partir de una nueva tecnología era un desafío. Por lo general, las organizaciones tienen que dedicar una cantidad significativa de tiempo y recursos a intentar corregir grandes cantidades de “deuda técnica”, es decir, todos los esfuerzos acumulados para ayudar a mejorar la infraestructura tecnológica de su organización y la complejidad resultante.
Nuestra experiencia trabajando en transformaciones tecnológicas y digitales con cientos de empresas nos ha llevado a creer que simplemente tratar de gestionar la deuda técnica es a menudo un esfuerzo equivocado e incompleto. Hasta que las organizaciones no puedan abordar su “deuda de proceso” (que a menudo no se discute, y que definimos como la acumulación de formas de trabajar anticuadas, funcionalmente aisladas y desconectadas del cliente), no podrán aprovechar el enorme potencial de tecnologías como la IA y el conjunto de herramientas de digitalización que tienen a su disposición.
Abordar la deuda de proceso
Entonces, ¿cómo recomendamos que las organizaciones aborden su deuda de proceso de una manera holística que pueda agregar valor? A través de estas cinco palancas:
1. Mapee los procesos de extremo a extremo de su organización e identifique resultados claros.
El primer paso consiste en identificar y clasificar los procesos de extremo a extremo de su organización en función de productos o flujos de valor diferenciados. A continuación, evalúe cada flujo de valor. ¿Todavía es necesario realizar esta actividad? ¿Aporta valor empresarial? ¿Está cumpliendo con las expectativas del usuario final o del cliente?
2. Determine quién está mejor capacitado para ayudar en cada área del proceso principal.
Este paso a menudo se pasa por alto. Muchas empresas rara vez cuestionan qué trabajo deben realizar internamente y qué puede ser realizado por colaboradores externos.
3. Cree una “fábrica digital” para reimaginar los procesos de extremo a extremo.
Así como los fabricantes tienen fábricas para el ensamblaje de productos, recomendamos a las empresas crear una «fábrica digital» (un equipo compuesto por capacidades como estrategia de productos, diseño de productos, ingeniería de datos, ciencia de datos y automatización) para ayudar a hacer realidad sus procesos reimaginados. Al aplicar estos métodos de manera consistente en cada área del proceso, este equipo puede desarrollar herramientas, capacitación y un modelo de gobernanza que ayude a la empresa a prevenir años de deuda de procesos empresariales.
4. Vuelva a capacitar a los empleados para ayudar a respaldar sus nuevos procesos.
Con nuevos procesos que son cada vez más críticos para los resultados comerciales, las organizaciones deben dotarlos de talento altamente calificado que pueda aprovechar su potencial. Esto probablemente signifique cambiar el modelo operativo, así como volver a capacitar o mejorar las habilidades de los empleados y redistribuir el talento en torno a sus nuevas actividades de valor agregado.
5. Adopte una mentalidad iterativa y de aprendizaje al estructurar el cambio en sprints cortos.
No se equivoque: obtener valor de estos esfuerzos probablemente no sea fácil, por lo que las organizaciones deben administrar estos programas de cerca para confirmar la adopción adecuada de los cambios y corregir el rumbo según sea necesario.
Las organizaciones están ansiosas por abordar la carga de su deuda técnica, centrándose cada vez más en los crecientes y aparentemente insuperables presupuestos necesarios para avanzar, y con la esperanza de que las nuevas tecnologías (mejores, más rápidas e idealmente más baratas) puedan ayudar a salvar el día.
En su lugar, comience por reestructurar y volver a priorizar la forma en que su empresa trabaja, con un enfoque en los resultados claros que exigen sus clientes y en los que puede diferenciarse significativamente.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Much like the many digitization efforts that have come before, AI brings tremendous potential to help transform how work is done, and even access work that we didn’t think was possible.
In PwC’s June 2024 Pulse Survey, 84% of executives said achieving measurable value from new technology was a challenge. Typically, organizations have to spend significant time and resources trying to correct massive amounts of “technical debt” — all the layered efforts to help upgrade your organization’s technology infrastructure and the resulting complexity.
Our experience working on tech-enabled and digital transformations with hundreds of companies has led us to believe that simply trying to manage technical debt is often a misguided and incomplete effort. Until organizations can tackle their often undiscussed “process debt” — which we define as the buildup of often antiquated, functionally isolated, and customer-disconnected ways of doing work — they cannot realize the massive potential of technologies like AI and the suite of digitization tools at their disposal.
TACKLING PROCESS DEBT
So how do we recommend organizations take on their process debt in a holistic way that can add value? Through these five levers:
1. Map your organization’s end-to-end processes, and identify clear outcomes.
The first step is to identify and then categorize your organization’s end-to-end processes based on discrete products or value streams. Next, assess each value stream. Do you still need to do the activity? Is it delivering business value? Is it meeting the end user or customer’s expectations?
2. Determine who is better equipped to help deliver in each major process area.
This step is often overlooked. Many companies rarely challenge what work they should drive themselves and what can be driven by external collaborators.
3. Stand up a “digital factory” to reimagine end-to-end processes.
Just like manufacturers have factories for product assembly, we recommend companies create a “digital factory” — a team staffed with capabilities such as product strategy, product design, data engineering, data science and automation — to help bring to life their reimagined processes. By applying these methods consistently across each process area, this team can develop tools, training and a governance model that can help the company prevent years of business process debt.
4. Reskill employees to help support your new processes.
With new processes that are increasingly critical to business outcomes, organizations must staff them with highly skilled talent who can unlock their power. This will likely mean changing the operating model as well as reskilling or upskilling employees and redeploying talent around your new value-added activities.
5. Adopt an iterative and learning mindset by architecting the change in short sprints.
Make no mistake that getting value from these efforts will likely not be easy, so organizations must manage these programs closely to both confirm proper adoption of the changes and course correct as needed.
Organizations are anxious about tackling the burden of their technical debt, increasingly focusing on the growing and seemingly insurmountable budgets required to move forward and hoping that better, faster and ideally cheaper new technologies can help save the day.
Start instead by remapping and reprioritizing the way your company does work, with a focus on clear outcomes your customers are demanding and where you can meaningfully differentiate.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
