E

l entusiasmo en torno a la IA ha dominado las conversaciones entre los altos ejecutivos. Sin embargo, la mayoría de las organizaciones siguen teniendo dificultades para obtener rendimientos significativos de sus iniciativas de IA.

Para explorar estos desafíos con mayor profundidad, realizamos una investigación exhaustiva, combinando una encuesta a más de 100 ejecutivos de la C-suite con más de dos docenas de entrevistas en diferentes sectores. La encuesta reveló que el 45% de los ejecutivos consideraban que el ROI de la adopción de IA estaba por debajo de las expectativas, mientras que solo el 10% reportó resultados que superaban las expectativas. También destacó que las barreras más significativas son organizacionales, más que técnicas. A partir de estos hallazgos, identificamos un conjunto de obstáculos interconectados que tienen su origen en tres áreas: personas, procesos y política interna.

En este artículo, exploramos estos obstáculos interconectados y analizamos cómo los están abordando las empresas.

Cultivar la preparación de las personas para la IA

Al pensar en la preparación de los empleados para la IA, nuestra investigación identificó tres problemas: incertidumbre, miedo al reemplazo y el problema de la autoimagen.

1. Incertidumbre: “¿Qué hará realmente esta IA?”

La encuesta global realizada por Slack en 2024 a más de 17,000 trabajadores de oficina reveló que el 61% de los empleados había dedicado menos de cinco horas a aprender sobre IA y el 30% no había recibido ninguna capacitación. Ante la falta de conocimientos, las opiniones pueden polarizarse. Algunos empleados descartan la IA por considerarla una simple moda pasajera, mientras que otros dan por sentado que puede hacerlo todo.

Para abordar estas preocupaciones, las empresas deben integrar la gobernanza de la IA en el trabajo diario y hacerla intuitiva para cada empleado. Una gobernanza eficaz no solo protege contra consecuencias no deseadas, sino que también ayuda a desmitificar la IA.

2. Miedo al reemplazo: “¿Conservaré mi empleo?”

Cuando los empleados sospechan que están entrenando un sistema que los reemplazará, cumplen con lo mínimo. Se muestran reticentes cuando se les pide “etiquetar datos” o “nutrir al modelo”. Esta “trampa del entrenamiento” ralentiza la adopción de IA en empresas de servicios, retail y manufactura.

Las empresas pueden contrarrestar esto compartiendo los beneficios: ofrecer regalías de capacitación por el trabajo relacionado con los datos y el etiquetado, bonos de productividad vinculados a las ganancias obtenidas, y garantías profesionales que canalicen las mejoras de eficiencia hacia la recapacitación en lugar de los despidos.

El miedo al reemplazo también disminuye cuando la IA impulsa el crecimiento y no la reducción. Si la tecnología expande el negocio, las mejoras en eficiencia se sienten como una oportunidad, no como una amenaza.

3. El problema de la autoimagen: “¿Daré la impresión de ser competente?”

El miedo a la pérdida de estatus puede ser incluso más poderoso que el miedo a perder el empleo. Hemos observado a ingenieros que utilizan discretamente herramientas de IA, pero lo ocultan para no parecer menos competentes. A muchos les preocupa que admitir que utilizan IA pueda hacerles parecer perezosos, incompetentes o incluso deshonestos.

Una empresa de servicios financieros enfrentó este estigma lanzando un programa de “Máster en IA” que acelera la carrera profesional de los empleados que demuestran habilidades excepcionales en IA, sin importar su antigüedad.

Procesos: Rediseñar los flujos de trabajo

La adopción de IA a menudo fracasa cuando las organizaciones la tratan como una simple capa adicional sobre los procesos existentes. La verdadera transformación exige un cambio sistemático en tres niveles: el flujo de trabajo individual (nodos), las conexiones interfuncionales (bordes) y la coordinación a nivel de sistema (redes).

1. El nivel nodo: Transformar cómo trabaja cada persona

El equipo legal de una firma de consultoría inicialmente usaba la IA como una herramienta de corrección automática, ejecutándola al final de las revisiones tradicionales. El enfoque producía beneficios insignificantes, ya que la IA solo tenía una precisión del 100% en el 40% de los tipos de errores. Al reestructurar el flujo de trabajo para que la IA realizara la primera revisión (verificando solo los tipos de errores que manejaba mejor) los abogados pudieron centrarse exclusivamente en los restantes. Este rediseño demostró cómo replantear los flujos de trabajo permite aprovechar el valor de la IA.

2. El nivel borde: Rediseñar las conexiones

El nivel borde se centra en cómo la mejora del juicio local y los datos pueden transformar los procesos interdepartamentales y los flujos de toma de decisiones.

En una empresa japonesa de cosméticos, las asesoras de belleza de las tiendas solían ofrecer retroalimentación anecdótica y poco fiable. La IA generativa les ayudó a analizar las conversaciones con los clientes y los patrones de tráfico, proporcionando información estructurada. La sede central, que ahora confiaba en los datos, creó un bucle bidireccional: las campañas podían lanzarse más rápido y ajustarse en tiempo real. La frontera entre las operaciones locales y la planificación central se convirtió en un circuito receptivo en lugar de un comando unidireccional.

3. El nivel red: Orquestar el impacto a nivel sistémico

Para generar un impacto empresarial real a partir de la IA, las empresas deben considerar el nivel red, es decir, cómo interactúan las mejoras a través de múltiples nodos y bordes dentro del sistema más amplio. Sin esta perspectiva, la IA puede simplemente trasladar los cuellos de botella de una parte de la red a otra, limitando las mejoras de rendimiento.

Abordar estos desafíos a nivel red requiere acciones coordinadas en todos los nodos y bordes. La adopción de IA debe sincronizarse entre nodos interconectados para que las mejoras de capacidad se igualen en toda la red.

Política interna: Navegar por el poder y la influencia

La IA influye en quién gana y quién pierde dentro de las organizaciones. La política resultante (sobre datos, jerarquía y responsabilidad) suele resultar más formidable que los problemas técnicos. La adopción exitosa de la IA a menudo requiere rediseñar las estructuras de gobernanza, ajustar los mecanismos de incentivos y, en algunos casos, depender del liderazgo sénior para negociar acuerdos y eliminar barreras. He aquí tres problemas específicos que observamos en nuestra investigación:

1. Acaparamiento de recursos

Las organizaciones descubren rápidamente que el apetito de la IA por los datos y el conocimiento choca de frente con los instintos competitivos profundamente arraigados.

Entre unidades de negocio, las divisiones más grandes y exitosas, que poseen modelos de IA sofisticados y conjuntos de datos valiosos, suelen ver pocos incentivos como para compartirlos con unidades más pequeñas que podrían beneficiarse más. Compartir puede sentirse como habilitar a posibles competidores internos mientras se diluyen sus propios indicadores de rendimiento.

DBS Bank enfrentó esta resistencia diseñando una estructura de incentivos que recompensaba a las unidades por convertir los conjuntos de datos propios en activos reutilizables en la plataforma central. Una métrica clave rastreaba el porcentaje de los conjuntos de datos específicos de cada unidad que se habían transformado en recursos compartibles. Este enfoque derriba los silos al motivar a las unidades (grandes y pequeñas) a contribuir con datos accesibles y de alta calidad.

2. Disrupción de la jerarquía

La IA altera la jerarquía tradicional construida sobre dos pilares: experiencia y número de empleados. El primero se debilita cuando los empleados junior, armados con IA, superan a aquellos con más experiencia, y sienten que hacen más por menos. Algunas empresas responden ampliando los modelos de competencias para incluir explícitamente el dominio de la IA y acortando las escalas de promoción. Cuando los ciclos de ascenso se reducen de cinco años a uno o dos, y se recompensa el dominio de nuevas herramientas, los empleados más jóvenes ven una recompensa inmediata por aprender.

El segundo pilar, el poder a través del número de empleados y el control sobre los recursos, genera una resistencia aún mayor. Los gerentes son los guardianes de la adopción de IA, pero su autoridad suele depender del tamaño de sus equipos. Cuando la eficiencia amenaza con reducir esos equipos, sus intereses personales pueden descarrilar silenciosamente iniciativas de IA que, de otro modo, serían valiosas.

3. Atribución de responsabilidad

La IA también altera el equilibrio tradicional entre culpa y discreción dentro de las organizaciones. Su precisión convierte la responsabilidad difusa en datos concretos, y eso puede generar nuevas fricciones políticas.

En Dingdong Maicai, una empresa china de comercio electrónico de comestibles, los sistemas de IA comenzaron a rastrear cada queja de los clientes hasta el departamento exacto responsable. Cuando un cliente recibía fruta en mal estado, los algoritmos podían determinar con precisión si el problema se debía a una mala compra por parte del departamento de aprovisionamiento, a un mal manejo durante el almacenamiento o a daños sufridos durante la entrega. Lo que antes era incertidumbre compartida se convirtió en una responsabilidad explícita.

Dingdong eventualmente cambió su sistema de atribución, permitiendo que el juicio final fuera humano. El objetivo no era rechazar la transparencia, sino amortiguarla con confianza. La adopción efectiva de IA requiere saber cuándo la precisión mejora el rendimiento y cuándo solo alimenta las políticas internas.

Al final, el desafío no es adoptar la IA, sino evolucionar junto con ella. La verdadera ventaja radica en construir una organización capaz de aprovechar plenamente el poder de la IA. Las empresas que la vean solo como una mejora técnica inevitablemente se quedarán atrás.

E

n las salas de juntas de todo el mundo, sigue surgiendo una pregunta familiar: ¿Quién debería liderar nuestros esfuerzos en IA?

Es una pregunta razonable. A medida que la IA generativa transforma el panorama empresarial, los líderes, con toda razón, intentan determinar quién está mejor posicionado para guiar a sus empresas a través de esta transición. En respuesta, algunos se han apresurado a nombrar directores de inteligencia artificial (CAIO, por sus siglas en inglés), como si una contratación brillante pudiera desbloquear todo el potencial de la IA.

Pero este enfoque a menudo falla. El CAIO llega con gran alarde. Comienzan los proyectos piloto. Aparecen algunas demostraciones llamativas. ¿Y luego? No pasa mucho. Los proyectos se estancan. Los equipos no los adoptan. El CAIO se marcha. La junta directiva comienza a hacer preguntas difíciles.

No es porque el CAIO no sea inteligente o capaz. Es porque el puesto en sí, al menos en la forma en que se imagina actualmente, está sobrecargado y desalineado. Se parte de la suposición de que una sola persona puede unir innovación y operaciones, supervisar el cumplimiento normativo y la infraestructura, y además ofrecer resultados rápidos en toda la empresa. Esa es una descripción de puesto imposible.

Las empresas que están logrando avances reales están construyendo ecosistemas de líderes involucrados en el viaje de la IA.

La trampa del líder solitario

Con demasiada frecuencia, el CAIO está subordinado al director de tecnología (CTO, por sus siglas en inglés) o aislado en un grupo de estrategia. Se le indica que experimente, que sea audaz, pero también que evite riesgos, que entregue valor inmediato y que garantice una transformación a nivel empresarial. En una firma global de servicios, el líder de IA creó un prototipo prometedor usando un modelo de lenguaje de gran tamaño. Pero el proyecto no prosperó. Las unidades de negocio no se involucraron desde el inicio, nunca se impartió capacitación y la nueva herramienta no se usó.

Incluso en organizaciones mejor alineadas, la presión sobre un solo líder para impulsar la transformación con IA es intensa. La junta directiva quiere que su inversión en IA se traduzca rápidamente en ingresos; el área legal solicita límites claros; operaciones quiere automatización; marketing desea personalización. No es que estas metas sean erróneas. Pero esperar que una sola persona las cumpla todas es preparar el terreno para su fracaso.

Un enfoque de ecosistema

En las empresas donde la IA está echando raíces, el mejor liderazgo es distribuido, con muchos ejecutivos trabajando en sincronía.

Algunos líderes en su ecosistema de IA deben enfocarse en construir. Estos son sus ingenieros, responsables digitales o equipos de producto que experimentan con herramientas generativas. Otros deben centrarse en la integración: el director de operaciones que replantea los flujos de trabajo, el líder de soporte al cliente que reorganiza los equipos para aprovechar los nuevos sistemas de IA. Otros más deben actuar como conectores: el director financiero que vincula las inversiones con los resultados, el asesor legal general que evalúa riesgos, el director ejecutivo que garantiza que la IA esté integrada en la forma en que la organización aprende y se adapta.

Esto no requiere una burocracia compleja. La estructura importa menos que la mentalidad: la IA no es un departamento. Es una capacidad que todo el equipo de liderazgo debe asumir.

El papel crítico del CEO

Entre esos líderes, el CEO desempeña un papel único y fundamental.

El CEO tiene el poder de definir la estrategia, alinear los incentivos y moldear la respuesta cultural de la organización al cambio. La transformación con IA, cuando se hace bien, no se trata de la tecnología en sí. Se trata de los cambios estratégicos y operativos que permite. La estrategia de IA es su estrategia empresarial. Por eso, los CEOs no pueden delegar completamente el liderazgo en IA. Sus palabras y, más importante aún, sus acciones, señalan qué tan en serio se está tomando su empresa la transición y si el futuro incluye un lugar para cada empleado.

Los CEOs más eficaces lideran con participación directa, autenticidad, claridad y una mentalidad de crecimiento.

La autenticidad significa adaptar la adopción de IA a su propia personalidad y fortalezas. Un CEO con perfil técnico podría prototipar nuevos flujos de trabajo y compartir los resultados. Un CEO sin formación técnica podría cocrear nuevos procesos con los constructores internos y mostrar que la IA es para todos, no solo para los expertos.

La participación directa significa estar presente, no solo como patrocinador, sino como un compañero en sesiones de trabajo críticas. Significa involucrarse en proyectos piloto, asistir a hackatones y dar retroalimentación a medida que se realiza el trabajo real.

La claridad y una mentalidad de crecimiento deben definir la forma en que el CEO se comunica. Las políticas deben ser claras. Los mensajes deben ser coherentes. Y el enfoque subyacente debe estar basado en oportunidades. Se trata de ampliar el trabajo, evolucionar los roles y crear espacio para una mayor creatividad y juicio humanos.

¿Quién más debe estar en la mesa?

Comience con un constructor. Alguien curioso, con energía por las posibilidades y dispuesto a probar nuevas ideas, incluso cuando el resultado sea incierto. Podría ser alguien que ya esté dentro de la organización, un responsable de innovación, un líder de producto o un director de ingeniería que experimenta discretamente con herramientas de IA.

Pero ese constructor necesita un socio. Alguien con los pies en la tierra, en el negocio, que entienda dónde se realiza el trabajo, dónde surgen las fricciones y qué vale la pena resolver. Sin alguien que pueda ver los experimentos desde una perspectiva operativa, estos a menudo permanecerán desconectados del impacto real.

Finalmente, necesita un estratega. Alguien que pueda tomar distancia, evaluar qué iniciativas se alinean con los objetivos a largo plazo y administrar los recursos limitados para su mejor uso.

Estos líderes no necesitan tener currículums idénticos. Pero todos deben ser colaborativos. Curiosos. Tener los pies en la tierra, pero estar abiertos a reimaginar cómo funcionan las cosas. Deben tolerar la ambigüedad, pero saber cuándo enfocarse y ejecutar.

Algunos de los campeones de IA más impactantes surgen orgánicamente mediante la exposición práctica más que por selección formal. Hemos observado que muchas organizaciones aún están en etapas tempranas de madurez en IA y carecen de una comprensión práctica de lo que las herramientas actuales pueden lograr de manera realista. Una forma eficaz de cerrar esta brecha es a través de sesiones de ideación con el liderazgo que desmitifiquen los conceptos centrales, muestren ejemplos en vivo y, lo que es más importante, fomenten la experimentación práctica con herramientas como ChatGPT Pro y Claude. Estas primeras interacciones a menudo cambian mentalidades y despiertan un pensamiento más fundamentado y creativo sobre el papel de la IA en el negocio.

Diseñar para la durabilidad

Los esfuerzos en IA se estancan cuando falla la coordinación. Un modelo prometedor puede necesitar nuevos flujos de datos, rediseño de procesos, aportes legales, gestión del cambio y capacitación. Si cada uno de estos elementos está en una parte diferente de la organización, cada uno con su propia hoja de ruta y prioridades, la fricción puede ser fatal.

La clave para una integración sistémica de la IA no es solo la experimentación. Es diseñar un sistema repetible para evaluar, integrar y escalar buenas ideas. Eso significa clarificar roles: quién construye, quién integra, quién decide. Significa implementar infraestructuras ligeras, centros de excelencia, grupos de trabajo y manuales operativos que generen flujo entre departamentos, en lugar de barreras.

También significa evitar varias trampas peligrosas. En particular:

— Ignorar la gestión del cambio. Un candidato que pueda explicar cómo funcionan las redes neuronales, pero no pueda construir una narrativa, negociar riesgos o capacitar a miles de colegas, dejará intacta la resistencia cultural y no logrará un retorno de inversión.

— Acaparar las ideas. Cuando la planificación de la IA se limita a un círculo cerrado, el equipo pierde el conocimiento práctico de los empleados de primera línea.

— Malinterpretar el panorama de riesgos. Elegir a alguien que ignore la ética, la privacidad y la exposición regulatoria puede provocar crisis reputacionales o legales que eclipsen cualquier victoria inicial, erosionando la confianza del equipo ejecutivo y de la junta en todo el programa.

Lidere en conjunto, o no lidere en absoluto

Es tentador creer que la contratación adecuada desbloqueará la IA. Pero la IA no es una actuación en solitario. Ni siquiera es un dueto. Es un cambio a nivel empresarial que toca todas las funciones.