Los gerentes y los ejecutivos no están de acuerdo con la IA (y eso le está costando a las empresas)
L
a adopción de la IA puede ser más lenta si la alta dirección asume que el resto de la organización comparte su optimismo, o si la organización subestima la diferencia de expectativas entre los líderes que definen la estrategia y los mandos intermedios responsables de su ejecución. Hasta que los altos directivos no comprendan esta brecha y asuman la responsabilidad de cerrarla, ningún nivel de inversión o ambición en los niveles más altos producirá la transformación que prometen.
La evidencia
Nuestro estudio encontró brechas significativas en la pregunta más básica que un líder empresarial debería poder responder: ¿Su inversión en IA está generando rendimientos?
Los altos ejecutivos y los mandos intermedios nos dieron respuestas muy diferentes a esa pregunta. Casi la mitad de los ejecutivos (45%) reportó un ROI significativamente positivo de sus inversiones iniciales en IA. Entre los mandos intermedios, esa cifra cayó al 27%. Esa diferencia de 18 puntos en la valoración de si la estrategia está generando resultados pone de manifiesto una desconexión que podría resultar muy costosa.
¿Por qué los ejecutivos y los mandos intermedios tienen perspectivas diferentes?
Los directivos suelen utilizar la IA para la síntesis de alto nivel, la elaboración de estrategias y el apoyo a la toma de decisiones, tareas en las que la tecnología funciona bien, por lo que las capacidades actuales suelen beneficiar su trabajo. Los mandos intermedios, en cambio, tienen la tarea de implementar la tecnología en el terreno más complejo de las operaciones del día a día: flujos de trabajo construidos durante años, equipos con distintos niveles de familiaridad técnica y resultados que deben ser consistentemente correctos, no solo rápidos. Cuando la herramienta funciona, ambos grupos lo entienden y aprovechan los beneficios. Cuando falla, normalmente solo uno de ellos tiene que lidiar con las consecuencias.
Estos dos grupos también operan con horizontes de tiempo fundamentalmente distintos. A los directivos se les recompensa por su visión, es decir, por anticiparse al futuro y apostar por lo que es posible; a los mandos intermedios se les recompensa por la ejecución, es decir, por hacer que las cosas funcionen hoy mismo, con el personal y los procesos de que disponen.
Cinco acciones concretas que debe tomar
Cerrar esta brecha comienza con cinco acciones específicas que los equipos directivos pueden tomar ahora:
- Analizar la situación antes de tomar decisiones.
¿En qué punto se encuentra su organización en su camino de transformación con IA? No puede cerrar una brecha que no ve, y sin una evaluación intencional, el entusiasmo de los líderes ejecutivos puede nublar su comprensión de la realidad de sus organizaciones.
- Elaborar el manual de estrategias de forma conjunta, no imponerlo.
Involucra a los directivos en las conversaciones sobre la hoja de ruta antes de tomar decisiones, no después. El objetivo es garantizar que todos los niveles de liderazgo estén alineados y comprometidos con un camino común, no solo informados o involucrados.
- Organizar el proceso reduciendo la carga de trabajo antes de aumentarla.
Para que la transformación hacia la IA sea un éxito, es necesario replantearse los flujos de trabajo, volver a capacitar a los miembros del equipo, llevar a cabo proyectos piloto de prueba y aprendizaje bien planificados, y aprender a gestionar equipos híbridos formados por agentes de IA y humanos. Los directivos deben ser conscientes de estas cargas inevitables a corto plazo y colaborar con sus equipos de gestión para garantizar que se dispone de la capacidad suficiente para hacerles frente.
- Medir la preparación, no solo la adopción.
La confianza de los gerentes y la preparación organizacional deben ser indicadores clave de desempeño explícitos, junto con las métricas de uso.
- Construir mecanismos de retroalimentación ascendente y recompensar la honestidad.
Cree canales estructurados para que los mandos intermedios informen a sus superiores sobre la realidad de la implementación y deje claro que las evaluaciones cautelosas o los proyectos piloto fallidos son datos valiosos, no una muestra de resistencia.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
AI adoption can be slower if senior leadership assumes that the rest of the organization shares its optimism, or if the organization underestimates the difference in expectations between the leaders setting the strategy and the middle managers responsible for its execution. Until executive leaders understand this divide and take ownership of closing it, no level of investment or ambition at the top is likely to produce the transformation they’re promising.
THE EVIDENCE
Our study found significant gaps on the most basic question a business leader should be able to answer: Is your AI investment delivering returns?
Senior executives and middle managers gave us starkly different answers to that question. Nearly half executives (45%) reported significantly positive ROI from their initial AI investments. Among middle managers, that number drops to 27%. That 18-point gap in the fundamental assessment of whether the strategy is delivering results illustrates a potentially costly disconnect.
WHY DO EXECUTIVES AND MIDDLE MANAGERS HAVE DIFFERENT TAKES?
Senior leaders tend to use AI for high-level synthesis, strategic drafting and decision support, tasks where the technology performs well, so the current capabilities tend to benefit their work. Middle managers, on the other hand, are tasked to deploy the technology in the messier territory of day-to-day operations: workflows built over years, teams with uneven technical comfort, output that has to be consistently right, not just fast. When the tool works, both groups understand and reap the benefits. When it fails, typically only one of them has to cope with the aftermath.
These two groups are also operating on fundamentally different time horizons. Executives are rewarded for vision, which is to say for seeing around corners and betting on what’s possible; middle managers are rewarded for execution, which is to say making things work today, with whatever people and processes are at hand.
FIVE CONCRETE ACTIONS TO TAKE
Closing this fault line starts with five concrete actions leadership teams can take now:
1. Diagnose before you prescribe.
Where is your organization on its AI transformation journey? You can’t close a gap you don’t see, and without intentional evaluation, executive leaders’ enthusiasm may muddy their grasp of their organizations’ realities.
2. Cocreate the playbook, don’t hand it down.
Bring managers into the road map discussions before decisions are made, not after. The goal is to ensure all levels of leadership are aligned and enlisted on a common path — not just aware or engaged.
3. Sequence the effort by reducing load before adding to it.
Successful AI transformation requires rethinking workflows, re-skilling team members, running intentional test and learn pilots, and learning how to manage hybrid AI agent and human teams. Executive leaders need to recognize these necessary near-term burdens and work with their management teams to ensure sufficient capacity to accommodate them.
4. Measure readiness, not just adoption.
Manager confidence and organizational readiness should be explicit KPIs alongside usage metrics.
5. Build upward feedback loops and reward honesty.
Create structured channels for middle managers to report implementation reality upward and make clear that cautious assessments or failed pilots are valued data, not resistance.
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.
