A

medida que los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) continúan avanzando a un ritmo vertiginoso, muchos líderes empresariales siguen debatiéndose sobre cómo poner en práctica esta tecnología. Por un lado, buscan áreas en las que estas herramientas de IA generativa puedan demostrar rápidamente su valor. Por otro, quieren sentar las bases para una transformación de mayor escala y a largo plazo.

La IA se está convirtiendo en una parte natural de todo lo que hacemos y en un elemento intrínseco de cada faceta del negocio, integrándose de manera fluida en diversos procesos para mejorar la eficiencia y la innovación. Un área prometedora que puede ofrecer tanto un impacto inmediato como ayudar a sentar las bases es la búsqueda y recuperación de información impulsada por LLM. Se trata de un enfoque que puede cambiar radicalmente la forma en que las empresas interactúan con sus propios datos para obtener información, generar nuevas ideas y tomar mejores decisiones.

Aunque los desafíos persisten y pueden seguir evolucionando con el tiempo, no hay duda de que la transición hacia la búsqueda y recuperación habilitadas por LLM e IA generativa continuará. Para hacerlo de manera eficaz, las organizaciones deben seguir varios pasos:

1. Definir claramente los casos de uso.

Colabore entre los equipos de negocio que definen los requerimientos y los equipos técnicos o proveedores responsables de construir y desplegar las soluciones, con el fin de alinearse en una solución con resultados claramente medibles que permitan su evaluación más adelante.

2. Establecer procesos de admisión (intake) que consideren tanto el riesgo como el valor.

Considere no solo el ROI del caso de uso, sino también la sensibilidad de los datos que se están utilizando, el daño potencial de la aplicación y los usuarios previstos al priorizar en qué casos de uso invertir. Incorpore un enfoque por niveles de riesgo para evaluar los casos de uso.

3. Invertir en prácticas relacionadas con la recopilación, prueba y validación de datos para disponer de información real eficaz.

Reconozca que el uso eficaz de los LLM, especialmente aquellos utilizados en tareas de búsqueda y recuperación, sigue necesitando una base sólida de datos sobre la cual operar. Por lo tanto, los esfuerzos de transformación de datos deben continuar, manteniendo el foco tanto en la calidad de los datos que alimentan los modelos como en los flujos de trabajo generales para obtener, etiquetar, almacenar, acceder y procesar los datos, que son clave.

4. Incorporar prácticas de prueba estandarizadas.

Las evaluaciones ad hoc tienen un alcance limitado. Alinéese con un proceso estándar de desarrollo de modelos, respaldado por guías prácticas (playbooks) y prácticas de prueba predefinidas para habilitar sistemas de calidad, resilientes y bien probados.

5. Establecer capacidades de supervisión.

Tenga en cuenta que las cosas cambian: los datos cambian, la forma en que los usuarios interactúan con los sistemas cambiará, la tecnología cambia y lo que se puede necesitar de los sistemas cambia con el tiempo. Reconozca que estos sistemas deben supervisarse para asegurar un rendimiento continuo. Además, es necesario determinar métricas para que exista algo (y alguna forma) que monitorear.

6. Desplegar programas de capacitación, concientización y comunicación.

Dotar a sus colaboradores del conocimiento necesario para construir, desplegar y aprovechar de manera eficaz y responsable las herramientas de IA generativa es tan importante como la infraestructura técnica y los controles de gestión de riesgos que deben implementarse. Identifique las necesidades de aprendizaje y concientización relacionadas con la IA generativa en toda su organización y lance programas de capacitación y comunicación personalizados.

Es probable que la búsqueda siga siendo una aplicación dominante para los LLM y la IA generativa multimodal durante algún tiempo. Sin embargo, estos sistemas aún requieren datos efectivos, herramientas adecuadas y una gobernanza sólida para operar de manera eficaz y a gran escala. La IA responsable y las prácticas de gobernanza asociadas deben sustentar todo el despliegue de la IA. Dada la rapidez con la que cambia el panorama tecnológico, considere los casos de uso en función del impacto y el riesgo, e invierta en funciones subyacentes que le permitan escalar de manera responsable en una multitud de áreas.

E

l mundo de la gestión siempre está abierto a nuevas ideas y perspectivas para hacer que las empresas sean más eficientes y rentables. Algunas recomendaciones tienen mérito, pero otras se consideran (tanto dentro como fuera de las empresas) simples trucos: modas pasajeras que hay que soportar hasta que los directivos las abandonen cuando aparezca la siguiente gran novedad.

Quiero presentar una estrategia de gestión que va en contra de las modas pasajeras: para mejorar el rendimiento empresarial, hay que aumentar la felicidad de las personas que realizan el trabajo. Investigaciones recientes (entre las que se incluyen estudios realizados tanto por académicos independientes como por las propias empresas) demuestran que comprender el bienestar y maximizarlo a través de prácticas de gestión no solo mejora la calidad de vida de los empleados, sino que también incrementa de forma significativa la productividad y la rentabilidad.

Usted podrá pensar, con razón, que esta idea es tan antigua como la humanidad misma, pero si fuera tan obvia y sencilla de poner en práctica, entonces todas las empresas la aplicarían. Muchos líderes también se muestran escépticos ante esta afirmación. Por supuesto, una empresa debe tratar bien a sus empleados, pero ¿su objetivo principal no debería ser la productividad y la rentabilidad? ¿Cómo pueden los líderes estar seguros de que la felicidad de los empleados conducirá al éxito empresarial?

Conozco una empresa que apunta hacia las respuestas: la firma de inversión Irrational Capital realiza investigaciones sobre la teoría de la felicidad y el éxito. Utilizando fuentes de datos públicas y privadas sobre la satisfacción de los empleados, sus investigadores descubrieron que, durante un periodo de 11 años que finalizó en marzo de 2025, las empresas del S&P 500 que obtuvieron puntuaciones dentro del 20% superior en varias métricas clave de felicidad de los empleados superaron (en precio de acciones) a aquellas en el 20% inferior por casi seis puntos porcentuales. Mientras tanto, el 20% superior en recompensas “extrínsecas” (como salario y prestaciones) solo superó al 20% inferior por 2.07 puntos porcentuales.

Los investigadores de Irrational Capital encontraron que había seis factores específicos detrás de la satisfacción de los empleados. En orden de su impacto positivo en el rendimiento de una empresa, estos son:

1. Innovación: La apertura de los gerentes a ideas y aportaciones.

2. Gestión directa: Claridad y veracidad en la comunicación.

3. Eficacia organizacional: Gestión eficiente y sin burocracia.

4. Compromiso: Liderazgo que apoya el aprendizaje y el crecimiento.

5. Conexión emocional: Una cultura que fomenta la amistad entre colegas.

6. Alineación organizacional: Una correspondencia entre la misión externa de la empresa y su cultura interna.

Para mí, estos seis factores implican seis objetivos para los gerentes que desean aumentar la satisfacción de sus empleados y traducirla en un mayor rendimiento empresarial. A continuación, se presentan tres “ejercicios de felicidad” que ayudan a poner en práctica estos objetivos.

1. Busque una nueva forma de resolver un problema persistente.

Los líderes tienden a asumir que pedir consejo es un signo de debilidad. De hecho, esto es contrario a la innovación. En mi propia experiencia como directivo, aunque las decisiones finales del negocio recaían en mí, fue útil reconocer que no tenía todas las respuestas. A menudo recurría a mi equipo para pedir ideas y orientación.

Esta semana, pídale consejo a un empleado. En primer lugar, identifique un problema persistente. Luego, explíquele a un miembro de su equipo cómo está planteando las soluciones, pero pídale específicamente que le proponga una solución distinta, y que identifique los puntos ciegos en su enfoque.

Por supuesto, es posible que no resuelva su complicado problema para la semana que viene, pero descubrirá una nueva forma de abordarlo. Lo mejor de todo es que, si pide consejo con honestidad, le enviará una señal a su empleado de que usted está verdaderamente abierto a la innovación, el factor distintivo de los empleados felices y las empresas rentables, según Irrational Capital.

2. Dígale a su empleado eso que ha estado evitando.

Una parte difícil de la gestión directa es actuar y hablar con total claridad y sinceridad. Especialmente en tiempos de incertidumbre, los empleados están muy atentos a las ambigüedades y las evasivas. Sea siempre sincero y claro sobre lo que necesitan saber para su trabajo y carrera profesional. Pueden aceptar escuchar: “No sé qué va a pasar”, siempre y cuando sea la verdad.

En las últimas semanas, es probable que haya pospuesto una conversación con un empleado. Quizá se trate de una conversación disciplinaria incómoda; tal vez debe rechazar una solicitud de aumento salarial o reducir un bono; podría ser una charla sobre las incertidumbres de la continuidad de un proyecto, respecto a la cual no tiene respuestas concretas. Todas estas son conversaciones difíciles y probablemente generarán decepción y preguntas duras; sin embargo, la evidencia muestra que ser sincero tiene un beneficio real. Este estilo de gestión directa está fuertemente correlacionado con la felicidad de los empleados: los datos más recientes de Irrational Capital muestran que las grandes empresas que sobresalen en gestión directa superan (de nuevo, en precio de acciones) a sus competidores en más de un 7%.

Así que esta semana, deje de evitar esa conversación difícil. Acérquese a su empleado con claridad y sinceridad, en lugar de permanecer en un estado de incertidumbre silenciosa.

3. Programe un almuerzo de equipo (y no asista).

Las investigaciones han demostrado desde hace tiempo que quienes tienen amigos en el trabajo están más comprometidos, son más productivos y tienen menos intención de cambiar de empleo. Al escuchar estos datos, muchos líderes programan reuniones obligatorias de equipo y se sitúan en el centro del ecosistema.

Desafortunadamente, los académicos han descubierto que pasar tiempo con el jefe genera más emociones negativas para los empleados que cualquier otra cosa en un día normal. (Estos investigadores demostraron que el tiempo con el jefe induce más emociones negativas que, por ejemplo, los traslados o las tareas del hogar). Esto no lo convierte a usted, el jefe, en una mala persona; es natural que los seres humanos no se sientan completamente cómodos cerca de alguien que tiene poder sobre ellos.

Esta semana, debería tomarse en serio estos datos: programe y pague un almuerzo de equipo sin agenda. Pero aquí viene la clave: usted no está invitado. Para empezar a crear una cultura orgánica de amistad (y de empleados más felices) debería ayudar a construir el ecosistema y luego hacerse a un lado.

En mi opinión, priorizar la felicidad de sus empleados es un deber moral. Pero no necesita aceptar ese principio para poner la felicidad en acción: como muestran los datos, también es bueno para sus resultados financieros.

Exploro temas como este en mi nuevo libro The Happiness Files: Insights on Work and Life y en mi boletín informativo de seis semanas, “The Leader’s Happiness Reset”. Al igual que este artículo, cada semana concluirá con “ejercicios de felicidad” concisos y prácticos que usted puede iniciar y completar en una semana. Para el final de nuestras seis semanas juntos, usted tendrá una hoja de ruta para mejorar su vida laboral y ayudar a su equipo a sentirse más feliz y tener más éxito en el trabajo.

E

n la década de 1930, los ejecutivos del sistema Bell se dieron cuenta de que el creciente uso de los teléfonos pronto crearía desafíos de red tan complejos que sobrepasarían la capacidad de los interruptores mecánicos para mantenerse al día. Así que lanzaron una iniciativa para crear los transistores como una alternativa más rápida y mucho más barata.

A partir de la década de 1960, con la idea de la “oficina sin papel”, ha habido esfuerzos similares para abordar los retos relacionados con el flujo masivo de documentos en las organizaciones. La digitalización mejoró significativamente nuestra capacidad para gestionar ese flujo cada vez mayor, pero todavía hay una gran cantidad de papel circulando dentro y entre las organizaciones, y los documentos electrónicos siguen siendo, en gran medida, producidos, editados y procesados por personas. La promesa de la IA, especialmente de los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés), es que pueden hacerse cargo de esas tareas.

Para comprender cómo podría suceder esto en la práctica, dos de nosotros (Peter Cappelli y Valery Yakubovich) estudiamos una iniciativa de una gran compañía de seguros médicos estadounidense que introdujo IA para procesar la organización de documentos y la extracción de información de los mismos como primer paso en el proceso de reembolso, en el otoño de 2024. Para obtener el permiso, tuvimos que comprometernos a no identificar a la aseguradora. El trabajo real de procesamiento de documentos se realizaba en las instalaciones por un proveedor, Ricoh, una empresa de servicios digitales que desempeñó el papel principal en el esfuerzo de implementación de IA. Dos de nosotros (Braj Thakur y Ashok Shenoy) participamos activamente en ese proyecto. Esta empresa no utilizaba la IA para tomar decisiones sobre la aprobación o denegación de las reclamaciones.

Estas son las lecciones generalizables que obtuvimos de este esfuerzo.

1. El objetivo no debe ser la automatización, sino realizar el trabajo de una manera rentable.

Actualmente existe una amplia gama de herramientas basadas en LLM disponibles, con diferentes capacidades, algunas de ellas muy sofisticadas. El equipo de desarrollo descubrió que una de las herramientas más avanzadas podía realizar una buena labor de extracción y clasificación. Sin embargo, resultó ser tan costosa que hacía inviable la solución.

Para reducir costos, el equipo decidió usar el modelo Claude LLM de Anthropic, pero los cargos de Amazon Web Services (AWS), el proveedor de servicios en la nube que ofrecía las herramientas necesarias, resultaron ser demasiado altos debido a los costos de almacenamiento y potencia de cómputo. En resumen, incluso un LLM eficiente no sirve si no es más barato que aquello que pretende reemplazar.

Otro intento consistió en enviar al modelo de IA generativa aquellos documentos que no habían sido clasificados o cuyos datos no habían sido extraídos correctamente, en lugar de devolverlos a los empleados. Un hallazgo importante fue una herramienta que capturaba campos a lo largo de múltiples páginas de un documento, pero los procesaba como una sola imagen, lo que reducía considerablemente los costos (que se calculan por imagen). Los documentos que no se procesaban con precisión se enviaban para una última revisión a una herramienta de IA más costosa.

Finalmente, algunos documentos aún tenían que enviarse a los indexadores para ser retrabajados (2.7% en comparación con casi el 90% antes de cualquier intervención), un enfoque conocido como “intervención humana”. Sin embargo, para identificar este pequeño número de errores, los indexadores debían revisar el 27% de los documentos en los que el modelo de IA generativa tenía menos del 97% de confianza en su clasificación.

En conjunto, la productividad aumentó tres veces, y el volumen máximo diario pasó de 10,000 a 30,000 documentos. El tiempo promedio por documento para un indexador ahora representaba solo el 10% del nivel previo, y el total de documentos procesados por día se triplicó.

2. Una aplicación exitosa de IA puede no significar menos empleos.

Como resultado del proceso asistido por IA, el número de indexadores solo se redujo aproximadamente un 20%. Ahora que la función procesa un volumen mucho mayor de apelaciones y quejas, su plantilla es casi la misma que antes del cambio. Esto contradice la suposición de muchos entusiastas de la automatización de que los ahorros al adoptar IA provienen de recortes o eliminaciones totales de personal.

El objetivo debe ser el resultado final (calidad, costo, eficiencia), no la reducción de la fuerza laboral en sí misma. Resultó que los empleados seguían siendo necesarios en la función de reclamaciones, aunque no para la tarea repetitiva de ingreso inicial de datos. Eran necesarios para resolver problemas que incluso las herramientas de IA más avanzadas no podían manejar, como datos faltantes o ilegibles, formularios nuevos con formatos diferentes que la lógica difusa y los modelos generativos no podían procesar, y otras particularidades.

Este nuevo proceso impulsado por IA también creó una nueva tarea humana: el control de calidad, que consiste en muestrear y revisar los resultados del sistema. Esto es especialmente necesario porque el formato en el que llegan los datos cambia constantemente entre la amplia gama de proveedores y clientes que los envían, lo que plantea desafíos de ejecución y calidad.

3. La IA puede hacer que los empleados se enfoquen en trabajos de mayor valor.

Las mejoras en la calidad de los datos, a medida que los documentos pasaban del manejo inicial y la entrada de datos a las etapas más sustantivas del procesamiento de reclamaciones de seguros, ahorraron una enorme cantidad de tiempo y esfuerzo más adelante. El trabajo de los indexadores cambió de las tareas repetitivas de ingreso de datos (que resultaban tan aburridas) a la tarea más interesante de detectar errores y encontrar soluciones. Este cambio redujo la rotación de personal y mejoró la satisfacción laboral. La empresa descubrió que cuanto más experimentados eran los indexadores, mejor eran para encontrar y corregir errores.

4. Los ahorros provienen de los aumentos de escala que se hacen posibles gracias a una mayor productividad y calidad.

Los ahorros provinieron de dos factores. El primero, el aumento de escala: el sistema ahora procesa aproximadamente tres veces más documentos por indexador. El segundo, la calidad: menos errores en el procesamiento de reclamaciones, lo que reduce los costos operativos en otras áreas. El número de apelaciones, quejas y solicitudes de seguimiento sigue creciendo, pero no el número de empleados, por lo que los ahorros provienen de distribuir los costos operativos entre más documentos procesados.

5. Involucrar a los empleados que han desempeñado la función en el proyecto de IA es esencial.

La integración exitosa de la IA en los procesos laborales requiere sin duda la ayuda de expertos que ya hayan hecho esto antes, pero trabajar con los empleados directamente involucrados también es esencial. Incluso con la participación de ocho científicos de datos, analistas y expertos en automatización con experiencia, la implementación descrita en este artículo estuvo lejos de estar “lista para usarse”. Entrenar las herramientas de lógica difusa y de IA requirió coordinación con lo que los indexadores veían realmente en los documentos que llegaban. Fueron necesarias dos iteraciones en un periodo de tres meses para lograr que el sistema funcionara correctamente.

La lección duradera de las innovaciones tecnológicas, incluida la IA generativa, es que las promesas iniciales de ahorros de costos y eliminación de puestos de trabajo suelen superar la realidad. El éxito de la IA generativa no radica en transformar la gestión o en recortar personal, sino en mejorar las tareas de manera rentable.

S

egún el Foro Económico Mundial, más del 90% de los empleadores utilizan sistemas automatizados para filtrar o clasificar solicitudes de empleo, y el 88% de las empresas ya emplea algún tipo de IA para la selección inicial de candidatos.

La mayoría de las empresas, al considerar las herramientas de evaluación con IA, se centran en las mejoras que estas herramientas aportan en términos de eficiencia y calidad. Pero no toman en cuenta cómo la evaluación con IA puede cambiar el comportamiento de los candidatos durante el proceso de evaluación. Nuestra nueva investigación, que examinó a más de 13,000 participantes en 12 estudios, revela que este es un punto ciego crucial.

Los resultados muestran que los candidatos a menudo enfatizaron rasgos analíticos cuando creían que eran evaluados por una IA, al tiempo que restaban importancia a cualidades muy humanas (empatía, creatividad, intuición) que con frecuencia distinguen a los empleados sobresalientes de los meramente competentes. Esto llevó a los candidatos a presentar una versión diferente y potencialmente más homogénea de sí mismos, lo que a su vez afectó a quiénes tienen más probabilidades de tener éxito en un proceso de contratación mediado por IA, con implicaciones para las organizaciones que utilizan IA en decisiones de contratación, promoción o admisión.

Por qué esto es relevante para su organización

Las implicaciones de nuestros hallazgos van más allá de las decisiones individuales de contratación. Cuando los candidatos se representan de manera sistemáticamente incorrecta, las organizaciones enfrentan varios desafíos críticos:

— Distorsión de la reserva de talento: Nuestra investigación sugiere que saber que uno está siendo evaluado por una IA también sesga a los candidatos, haciéndoles creer que deben priorizar sus capacidades analíticas. Como resultado, las empresas podrían estar descartando exactamente a los candidatos que necesitan simplemente por usar IA: ese pensador innovador o líder con inteligencia emocional que usted está buscando podría presentarse como un analista que sigue las reglas porque cree que eso es lo que la IA quiere ver.

— Compromiso de la validez: Cuando los candidatos modifican estratégicamente sus respuestas, la validez fundamental del proceso de evaluación puede verse socavada. Las organizaciones podrían dejar de medir capacidades auténticas y, en su lugar, medir lo que los candidatos creen que la IA valorará más.

— Homogeneización no intencional: Si la mayoría de los candidatos cree que la IA favorece los rasgos analíticos, la fuente de talento podría volverse cada vez más uniforme, lo cual potencialmente socava las iniciativas de diversidad y limita la gama de perspectivas en las organizaciones.

Lo que los líderes pueden hacer

Con base en nuestros hallazgos, las organizaciones pueden tomar varias medidas concretas para abordar el efecto de la evaluación con IA:

— Transparencia radical: No se limite a revelar que utiliza una evaluación con IA, sea explícito sobre lo que realmente evalúa. Comunique claramente que su IA puede valorar (y de hecho valora) rasgos diversos, incluyendo creatividad, inteligencia emocional y capacidad intuitiva para resolver problemas.

— Auditorías conductuales regulares: Implemente revisiones sistemáticas de los resultados de sus evaluaciones con IA. Además de examinar sesgos demográficos, le sugerimos que use estas auditorías para buscar patrones que indiquen adaptación de comportamiento: ¿Las respuestas de los candidatos se están volviendo más homogéneas con el tiempo? ¿Está observando una tendencia hacia presentaciones más analíticas a expensas de otros rasgos valiosos?

— Evaluación híbrida: Algunas organizaciones combinan evaluaciones humanas y de IA. Uno de nuestros estudios muestra que, si bien la evaluación híbrida reduce la tendencia de los candidatos a destacar capacidades analíticas, no la elimina por completo. Para cerrar esa brecha, es necesario capacitar a los responsables de contratación (humanos) para que compensen el efecto de la IA.

El camino a seguir

Las mejoras en eficiencia que brinda la evaluación con IA pueden tener el costo de una presentación auténtica del candidato y, en última instancia, de la diversidad humana que hace que las organizaciones sean innovadoras y resilientes. La solución no es abandonar la IA, sino diseñar sistemas de evaluación que consideren y contrarresten estos cambios de comportamiento.

A

claremos algo: la IA generativa definitivamente puede ayudarnos a producir un mayor volumen de resultados, más rápido y con menos esfuerzo humano. Cualquiera que diga lo contrario está en negación.

Sin embargo, al centrarnos en el valor de los resultados que produce la IA, tendemos a no pensar mucho en otras fuentes de valor, como lo que aprendemos y cómo construimos relaciones. Rara vez preguntamos: ¿De qué manera cada actividad que realizamos crea un valor verdadero y único? Es momento de que los líderes analicen con frialdad y dureza a sus organizaciones y se hagan esa pregunta, para no destruir más valor del que crean al adoptar la IA generativa.

De dónde viene el valor

Comencemos con lo obvio: la IA generativa tiene el potencial de crear una enorme cantidad de valor para las organizaciones y los empleados individuales. Al automatizar tareas complejas o mundanas, puede usarse para aumentar la eficiencia y liberar recursos para aplicaciones que generen mayor valor. Su poder computacional puede mejorar la calidad de las decisiones mediante el análisis de datos y acelerar procesos como la innovación, modelando, probando y refinando nuevas ideas. Cuando se usa como apoyo para la lluvia de ideas, puede alimentar nuestros procesos creativos con cantidades aparentemente infinitas de material de origen.

Los líderes deben comenzar con estos beneficios en mente y mantenerlos presentes, ya que todos ellos pueden mejorar la calidad y la eficiencia del trabajo realizado. Pero, ¿qué podríamos estar sacrificando cuando delegamos una tarea a la IA generativa? O, dicho de otra forma: ¿De dónde más proviene el valor? He aquí cinco áreas clave a considerar.

1. Adquisición de conocimientos y perspectivas

Nuestros procesos de trabajo a menudo nos proporcionan conocimientos y perspectivas más allá de la tarea específica en la que estamos trabajando. Luchar por encontrar una palabra en un idioma extranjero suele fijarla en nuestra memoria para un uso futuro; las soluciones rechazadas a un problema técnico complicado pueden resultar ser soluciones a otros problemas relacionados o innovaciones inesperadas por sí mismas; y el proceso de resumir y sintetizar información nos ayuda a reconocer conexiones conceptuales.

Pedir a la IA generativa que traduzca, resuelva problemas o resuma documentos sin duda arrojará resultados más rápidos y, en algunos casos, más precisos, con menos esfuerzo. Sin embargo, al hacerlo, perdemos el aprendizaje que de otro modo habríamos adquirido.

2. Perfeccionamiento de habilidades

Relacionado estrechamente con lo anterior, hay una razón por la cual la gente dice que “la práctica hace al maestro”: mejoramos nuestras habilidades a través de la práctica. Redactar y revisar un informe mejora nuestras habilidades editoriales, buscar errores en nuestro código nos hace mejores programadores, y maldecir el bloqueo del escritor fortalece nuestra perseverancia como escritores. De forma paralela al aprendizaje, pedir a la IA generativa que revise un documento, redacte un borrador, encuentre errores en el código o genere una colección de párrafos entre los que elegir, nos da el beneficio a corto plazo de una solución, pero presenta riesgos para la mejora de nuestras capacidades a largo plazo.

3. Mantenimiento de vínculos sociales

Tradicionalmente, la mayoría del trabajo se ha realizado de forma colectiva, con grupos de personas aportando la capacidad intelectual necesaria para encontrar soluciones a problemas particularmente complejos. El aumento masivo de la potencia computacional que proporciona la IA generativa nos permite resolver individualmente muchos de los problemas para los que antes necesitábamos a otros, lo que, a su vez, implica menos interacciones interpersonales.

Es importante reconocer que tales interacciones sirven como base del entendimiento mutuo, el sentido de conexión y comunidad, y, en última instancia, la confianza (todos ellos elementos que tienen impactos significativos en la capacidad de las organizaciones para obtener resultados).

4. Compromiso con las ideas

El compromiso, definido como estar psicológicamente presente al desempeñar un rol, tiene una amplia gama de beneficios, desde mejorar la calidad y eficiencia de los resultados hasta incrementar el bienestar y la satisfacción individual. Sin embargo, ninguno de nosotros está comprometido al 100% con el 100% de las cosas que hacemos el 100% del tiempo, y el uso de la IA generativa puede influir en eso.

Tomemos como ejemplo la tarea de resumir, una en la que la IA generativa se destaca extrayendo temas de grandes volúmenes de datos mucho más rápido que cualquier humano. Ya sea que los datos que se están resumiendo correspondan a un extenso informe o a la transcripción de una reunión, cuando delegamos esa tarea a la IA generativa, a menudo damos un paso mental hacia atrás y reducimos nuestro nivel de compromiso. La síntesis humana es un proceso activo: no solo capturamos datos, los enmarcamos, los interpretamos y desarrollamos aún más las ideas. Ese proceso nos conecta con el trabajo y aumenta nuestro compromiso.

5. Mantenimiento de la singularidad

Somos el producto de nuestras experiencias, y el trabajo que realizamos contribuye a nuestra identidad como líderes. Nuestro tono en los documentos escritos, la forma en que nos comunicamos en los mensajes, nuestro estilo en las presentaciones e incluso cómo resolvemos problemas son rasgos identificables que nos distinguen unos de otros. Aunque usar IA generativa para redactar automáticamente correos electrónicos, memorandos o presentaciones puede ahorrar tiempo y ofrecer resultados técnicamente mejores, al hacerlo se elimina el tono personal y la voz que nos hacen únicos.

Evaluación de los costos y beneficios de la IA generativa

La IA generativa llegó para quedarse y sus beneficios son innegables, pero los posibles sacrificios implican que los líderes deben ser intencionales en su uso. Al igual que con cualquier otra decisión gerencial importante, esto requiere una evaluación objetiva y holística de beneficios y costos. Los líderes deben realizar una auditoría del valor que aporta la IA. He aquí cómo hacerlo:

Paso 1: Determinar los tipos de valor más relevantes para una tarea determinada que pueda automatizarse con IA.

Comience por preguntarse qué tipos de valor genera la tarea. El resultado (como volumen, velocidad, calidad y eficiencia) es evidente, pero también considere cuánto aprendizaje genera la tarea, cuánto fomenta la interacción social y las relaciones, y si se beneficia de una voz única o personal.

Paso 2: Priorice y optimice los tipos de valor que ha identificado.

No todas las tareas tienen que aportar todo tipo de valor, ni todos los proyectos son igual de eficaces para proporcionarlo. Concéntrese en dónde los beneficios son mayores y más necesarios.

Paso 3: Iterar.

Reconozca que aún no comprendemos del todo los impactos de la IA generativa. Utilice lo que yo llamo la “prueba de la leche”: toda decisión sobre su uso debería tener una fecha de caducidad. Así como revisamos la leche antes de desecharla, vuelva a evaluar cuando tenga nueva información. No la descarte de inmediato, pero asegúrese de revisarla bien.

Un último punto: la decisión de usar IA generativa no recae únicamente (quizá ni siquiera principalmente) en los líderes. Estas herramientas son baratas, accesibles y están ampliamente disponibles, por lo que sus empleados ya están tomando sus propias decisiones sobre cuándo y cómo usarlas, con o sin orientación.

Hable con su equipo sobre la IA generativa y los tipos de valor que crea (y lo que podría poner en riesgo). Asegurarse de que sean conscientes de los beneficios y las desventajas reducirá la probabilidad de que las personas tomen decisiones que no sean en su propio interés o en el de la organización.

H

oy en día, las empresas de todo el mundo enfrentan una creciente incertidumbre económica y empresarial debido al volátil entorno geopolítico y al auge de la IA. En contextos tan desafiantes, puede resultar tentador que los líderes empresariales recurran a tácticas “sustractivas”, como la reducción de costos, la simplificación de operaciones y la eliminación de desperdicios.

Sin duda, las acciones sustractivas pueden ser una forma poderosa de afrontar situaciones emergentes cuando los recursos son limitados. Sin embargo, son miopes si el único objetivo es mejorar la eficiencia a costa de otros objetivos, como la resiliencia y la visibilidad. En lugar de aplicar tácticas sustractivas para hacer recortes indiscriminados, la sustracción estratégica puede ayudarle a innovar de una manera que posicione a su organización para resistir la agitación, e incluso recuperarse.

Este artículo presenta una “triple prueba” para ayudar a los líderes a evaluar cómo afectará cualquier medida sustractiva a tres objetivos esenciales de desempeño: eficiencia, resiliencia y prominencia. A continuación, describimos seis transformaciones sustractivas distintas que usted puede aplicar para cumplir los tres objetivos de forma conjunta.

La triple prueba para estrategias sustractivas

El uso eficaz de la sustracción requiere un enfoque holístico que considere múltiples dimensiones del desempeño, más allá de la eficiencia. Comience por preguntarse: “¿Cómo podemos innovar en tiempos turbulentos al sustraer para mejorar la eficiencia, fortalecer la resiliencia y elevar nuestra prominencia?” Para que cualquier innovación prospere en el complejo panorama de 2025, el uso de la sustracción debe incluir tres objetivos empresariales interrelacionados:

1. Eficiencia: minimizar recursos, tiempo y esfuerzo.

2. Resiliencia: adaptarse a las disrupciones y mantener la funcionalidad central.

3. Prominencia: asegurar la visibilidad y el atractivo para las partes interesadas.

Reducir implacablemente un sistema por pura eficiencia puede dejarlo frágil e invisible, erosionando el valor a largo plazo en lugar de crearlo. Por ejemplo, cuando las empresas adoptaron el inventario “justo a tiempo” como la máxima estrategia de ahorro, muchas descubrieron durante el impacto del COVID-19 que los pocos centavos ahorrados en almacenamiento se perdían rápidamente por el cierre de plantas, estantes vacíos y frustración pública al romperse las redes frágiles. Esto fue una prueba de que la eficiencia sin resiliencia invita a la parálisis operativa y la pérdida de ingresos.

Una sustracción que no supera la triple prueba de eficiencia, resiliencia y prominencia puede convertir la magra victoria de hoy en una responsabilidad catastrófica del mañana.

Seis transformaciones sustractivas fundamentales

Entonces, ¿cómo pueden los líderes empresariales ir más allá de las mejoras de eficiencia y usar la sustracción para innovar? Nuestra experiencia ayudando a más de 100 empresas y organizaciones a identificar oportunidades de innovación en tiempos turbulentos sugiere seis formas distintas de aplicar el pensamiento sustractivo equilibrando eficiencia, resiliencia y prominencia.

1. Eliminación: Elimine componentes, pasos u opciones por completo

Esto implica la eliminación total o selectiva de elementos que ya no cumplen funciones esenciales. La eliminación puede dirigirse a componentes enteros, pasos específicos de procesos, opciones de bajo valor, reglas innecesarias o transferencias redundantes.

2. Sustitución: Reemplace elementos complejos por alternativas más simples

Esto consiste en sustituir componentes, procesos o sistemas complicados por alternativas más sencillas que cumplan la misma función central de manera más elegante.

3. Consolidación: Combine múltiples funciones en soluciones integradas

Esto abarca tanto la compresión de procesos como la integración de múltiples funciones, componentes o puntos de contacto en sistemas unificados que brinden el mismo valor con menos partes móviles.

4. Ocultación: Oculte la complejidad mientras la mantiene accesible

Las organizaciones pueden reducir la carga cognitiva (sin sacrificar la funcionalidad) ocultando selectivamente la complejidad en los flujos de trabajo, procesos y productos cotidianos. Oculte los elementos no esenciales de la interfaz principal y mantenga el acceso cuando sea necesario. Por ejemplo, un portal de incorporación de empleados podría revelar sólo el siguiente paso necesario mientras mantiene accesibles todos los documentos de políticas con un solo clic.

5. Pausa: Suspenda temporalmente los componentes del sistema

Implica la suspensión estratégica de funciones, procesos o servicios que pueden reactivarse cuando cambien las condiciones, en lugar de eliminarlos por completo.

6. Abstracción: Cree capas de interfaz que protejan a los usuarios de la complejidad

Consiste en construir interfaces simplificadas que traduzcan las entradas de los usuarios en operaciones complejas de fondo, haciendo que los sistemas sofisticados sean accesibles sin necesidad de que los usuarios comprendan las complejidades subyacentes.

Cómo hacer de la sustracción una estrategia predeterminada

Los líderes pueden convertir la sustracción en una capacidad central adoptando algunas estrategias prácticas, no de forma aislada, sino como parte de un cambio más amplio hacia hacer “más con menos”:

— Incorpore la sustracción en los procesos centrales

En lugar de tratar la sustracción como una decisión puntual, debe integrarse en la forma en que los equipos planifican y priorizan. Los líderes pueden introducir revisiones de “dejar de hacer” junto con los ejercicios tradicionales de establecimiento de objetivos. En estas revisiones, los equipos analizan sus flujos de trabajo, herramientas y entregables para identificar lo que ya no aporta valor.

— Introduzca retos de diseño sustractivo

Los retos de diseño sustractivo orientan la resolución de problemas hacia el valor esencial. En lugar de preguntar a los equipos cómo mejorar un proceso añadiendo nuevos elementos, pregunte cómo se puede lograr el mismo resultado con menos pasos, funciones o restricciones.

— Celebre la sustracción bien ejecutada

La sustracción a menudo pasa desapercibida, lo que hace que sus beneficios sean fáciles de ignorar. Los líderes pueden fomentar el reconocimiento pidiendo a los equipos que no solo documenten lo que han dejado de hacer, sino que también lo celebren como un logro. Este hábito simple convierte la sustracción en una fuente de valor reconocida y digna de elogio.

Uso de IA generativa para apoyar la transformación sustractiva

Las herramientas de IA generativa pueden ayudarle a identificar oportunidades sustractivas que los humanos podrían pasar por alto. Por ejemplo, para fines ilustrativos, solicitamos a Google Gemini 2.5 y Claude 4 que generaran las siguientes ideas sustractivas para un importante proveedor de atención médica en India, utilizando los seis enfoques descritos arriba: “Genere ideas accionables de innovación sustractiva para [nombre de la empresa] que ofrezcan un valor igual o mejor con menos pasos, menor costo o menor complejidad, manteniendo o aumentando al mismo tiempo la resiliencia, y manteniendo o mejorando la prominencia/visibilidad. Para cada uno de [los seis enfoques], sugiera al menos una idea concreta”. El resultado ha sido ligeramente editado para mayor claridad:

— Eliminación: Elimine las consultas presenciales de seguimiento para condiciones crónicas estables usando teleconsultas para mejorar la comodidad del paciente (eficiencia), asegurar la continuidad de la atención (resiliencia) y posicionar a [la empresa] como un proveedor tecnológico (prominencia).

— Sustitución: Reemplace la admisión tradicional en papel con formularios digitales activados por voz, reduciendo errores de entrada (eficiencia), mejorando la precisión de registros (resiliencia) y demostrando liderazgo en innovación (prominencia).

— Consolidación: Consolide los puntos de contacto del paciente (citas, reportes, pagos, preevaluaciones) en una sola aplicación móvil para optimizar su recorrido (eficiencia), centralizar la comunicación (resiliencia) y mejorar la accesibilidad digital (prominencia).

— Ocultación: Implemente sistemas inteligentes de triaje que oculten la complejidad a los pacientes mientras garantizan que accedan al nivel de atención adecuado, reduciendo tiempos de espera (eficiencia), manteniendo la calidad de la atención (resiliencia) y mejorando la satisfacción del paciente (prominencia).

— Pausa: Introduzca una programación de citas flexible que permita a los pacientes pausar y reprogramar sin penalización, reduciendo inasistencias (eficiencia), manteniendo las relaciones médico–paciente (resiliencia) y demostrando una atención centrada en el paciente (prominencia).

— Abstracción: Cree un portal único para pacientes que abstraiga todas las interacciones de salud tras una interfaz unificada, simplificando el acceso (eficiencia), asegurando la continuidad entre servicios (resiliencia) y posicionando a [la empresa] como un proveedor digitalmente avanzado (prominencia).

Al dirigir explícitamente al modelo de IA a considerar opciones sustractivas de diversos tipos, las organizaciones pueden superar la tendencia humana de añadir y descubrir soluciones más elegantes que equilibren múltiples objetivos de desempeño, más allá de la eficiencia.

En una era en la que todos los competidores se apresuran por añadir más funciones, canales, datos y gastos, el verdadero diferenciador es el valor para eliminar. La sustracción no es austeridad ni minimalismo: es diseño estratégico.

C

omo médico y profesora de la facultad de medicina, me esfuerzo por alcanzar la perfección en cada faceta de la atención al paciente. Realmente no hay margen de error. Sin embargo, cuando el perfeccionismo pasa de ser una ambición útil a una barrera que comienza a inhibir su desempeño, puede convertirse en un problema.

Si sus tendencias perfeccionistas han pasado de ser motivadores positivos a convertirse en obstáculos que le impiden avanzar, ¿qué puede hacer?

Basándome en mi experiencia, he aquí algunos consejos a los que recurro con frecuencia:

Acepte los primeros borradores imperfectos. Una vez que complete un primer borrador imperfecto, es mucho más fácil crear mejores borradores posteriores. Practicar la imperfección también tiene otro beneficio importante: reducir las tendencias perfeccionistas. En un estudio de una intervención en línea de dos semanas, los investigadores pidieron a los voluntarios que «practicaran cometer errores una y otra vez para acostumbrarse a la sensación de no hacer las cosas a la perfección”. Esto se hizo mediante una serie de tareas sencillas repetidas cinco veces durante el estudio. En comparación con un grupo de control, la intervención condujo a un menor perfeccionismo general.

Invierta tiempo en aprender a aprovechar al máximo las herramientas útiles. A veces, la procrastinación puede deberse a una sensación de temor por tener que lidiar con ciertos aspectos de una tarea. Sin embargo, para muchas tareas, utilizar las herramientas adecuadas puede agilizar significativamente el proceso. Ya sea que sondee su red de contactos, investigue en línea o encargue la investigación a un asistente, buscar formas más fáciles de completar una tarea puede tener sus ventajas.

Cuando me encontré postergando repetidamente la redacción de un trabajo de investigación, me di cuenta de que se debía a la onerosa tarea de completar mis citas de referencia. Ahora uso Zotero, un asistente de investigación digital gratuito. Desde la recopilación de fuentes de investigación hasta dar formato a las citas, esta herramienta ha eliminado la sensación de temor que solía experimentar al abordar un trabajo de investigación.

Solicite retroalimentación desde el principio. Al inicio de su carrera, es posible que no tenga un asistente, pero es posible que sea usted quien recibe las instrucciones. Si su gerente le asigna una tarea sin instrucciones claras, haga preguntas aclaratorias. Luego, busque retroalimentación al principio del proceso. Si es necesario corregir el rumbo, puede hacerlo antes de haber invertido demasiado tiempo y energía.

La retroalimentación tardía es igual de importante. El último 20% de un proyecto puede ser muy frustrante porque se están afinando todos los aspectos. Aquí es donde puede ser de gran utilidad la retroalimentación al final del proyecto. La retroalimentación tardía puede ayudarle a descifrar si su proyecto puede entregarse o si necesita más trabajo. Pídale retroalimentación a su gerente y pregúntele específicamente: «¿Qué tan cerca está de lograrlo?»

Aprenda cuándo entregar. Para ciertos proyectos, el entregable debe ser perfecto. En otros casos, su cliente o empleador puede estar priorizando otros aspectos del proyecto final, como la velocidad, la eficiencia o la oportunidad de solicitar retroalimentación. En estos casos es fundamental comprender las expectativas de su cliente o empleador.

En sus propias tareas laborales, haga que sea una prioridad aprender a diferenciar entre aquellas funciones que requieren perfección y aquellas que priorizan otros atributos, como la experimentación, la eficiencia o la innovación.

A

lgunos líderes no solo responden a las crisis, sino que prosperan en el caos, apresurándose para “salvar el día”, a menudo de problemas que ellos mismos crearon sin darse cuenta. Conozca al “bombero”: el jefe que se alimenta de la urgencia, arrastrando constantemente a sus equipos a batallas de alto riesgo, recompensando la reacción por encima de la estrategia y el heroísmo agotador por encima de la eficiencia.

El estilo de liderazgo de un jefe “bombero” no está diseñado para ser sostenible. Entonces, ¿qué debe hacer si su jefe se niega a soltar la manguera contra incendios? Con base en mi experiencia e investigación, aquí le presento algunas maneras de manejar el trabajo con un jefe de este tipo.

Celebrar las victorias no relacionadas con emergencias

Si la única vez que un jefe “bombero” recibe elogios es después de una atajada de último minuto, seguirá persiguiendo crisis para recrear ese momento. En su lugar, intente redirigir los elogios: destaque los momentos en que la planificación proactiva ahorró tiempo, esfuerzo o dinero. Por ejemplo, durante una reunión de equipo, usted podría decir:

“Quisiera hablar sobre un nuevo enfoque para reconocer los esfuerzos de nuestro equipo. Si bien a menudo celebramos la cantidad de incendios que logramos apagar, creo que deberíamos cambiar nuestro enfoque hacia la prevención. Resaltar los ‘días sin incidentes’ puede mostrar nuestra planificación proactiva y las estrategias de prevención de crisis. Este modelo no solo enfatiza la seguridad y la eficiencia, sino que también reconoce el valor que aportamos a la organización al reducir las emergencias y los daños subsecuentes.”

Resistir el caos y mantener la calma

Cuanto más frenético esté el equipo de un jefe “bombero”, más convencido estará él de que su estilo de liderazgo y sus tácticas reactivas están justificados. Pero usted no tiene que seguirle el juego. En lugar de responder de inmediato a cada emergencia que declare, establezca límites y resista la tentación de igualar su intensidad. Para lograrlo, puede hacer preguntas aclaratorias, presentar datos y replantear la situación de manera que se priorice la lógica por encima de la reacción.

Mantener la calma y participar en una comunicación clara y sincera puede ser una forma eficaz de gestionar a un jefe con alto nivel de estrés. Mantener la calma no solo reduce la urgencia que muestra el jefe “bombero”, sino que también fomenta una respuesta más mesurada y analítica por su parte.

Redirigir su necesidad de velocidad

Los jefes “bombero” suelen medir el éxito con base en la rapidez con la que se resuelven los problemas, no por la eficacia con la que se previenen. En lugar de oponerse a sus instintos reactivos, una estrategia más eficaz es redirigir esa energía hacia resultados a largo plazo, presentando los esfuerzos proactivos como una serie de victorias rápidas y medibles.

Por ejemplo, en lugar de decir: “Necesitamos seis meses para arreglar este sistema”, diga: “En las próximas tres semanas, podemos reducir el riesgo de falla en un 40% mediante una solución proactiva”. Esta forma de presentarlo satisface su necesidad de velocidad mientras lo alinea con la lógica de una mejora sostenible. La clave es traducir la estabilidad a un lenguaje que entiendan: impulso, métricas y resultados.

Los jefes “bombero” no tienen por qué ser su perdición, pero usted debe tomar el control de cómo se relaciona con ellos. Al cambiar lo que valoran, resistir su caos, establecer límites y redirigir su energía, usted puede prosperar bajo su liderazgo sin convertirse en un daño colateral.

Al final, recuerde que la mejor manera de vencer a un jefe “bombero” es asegurarse de que no quede nada más que apagar.

T

ras años de aumento del gasto en respuesta a acontecimientos globales importantes y, en ocasiones, sin precedentes, el péndulo de las empresas está volviendo a oscilar hacia la cautela y la eficiencia en costos.

Sin embargo, con demasiada frecuencia, las empresas esperan a que llegue la próxima crisis para reducir costos. Cuando lo hacen, la respuesta puede ser repentina y drástica, lo que se traduce en recortes presupuestarios, cierre de sedes y despidos con poca visión de futuro. Estas medidas reactivas rara vez generan resultados más allá del corto plazo. Una encuesta de BCG a más de 600 ejecutivos de alto nivel sugiere que, si bien la mayoría de los líderes cumplieron con sus objetivos de costos, el 35% informó que los costos indirectos disminuyeron en un plazo de 12 a 18 meses.

Existe una mejor manera de lograr competitividad en costos y eficiencia duradera, una manera que genera importantes beneficios adicionales. Los líderes que comprenden las fuerzas que contribuyen al aumento de los costos, y que responden con decisión, pueden utilizar los recursos liberados para hacer crecer y respaldar las prioridades estratégicas.

A su vez, construirán organizaciones más ágiles, rápidas y fuertes.

La dinámica que impulsa los costos

Los líderes deben reconocer y abordar varias dinámicas predominantes que dificultan mantener la competitividad de costos y generar un impacto duradero.

La primera dinámica es que la mayoría de los gerentes no están incentivados para generar un rendimiento de costos. En ausencia de un mecanismo que los obligue a evaluar el retorno de la inversión (ROI, por sus siglas en inglés) de sus gastos, como la rendición de cuentas de pérdidas y ganancias, los gerentes impulsarán presupuestos de equipo más elevados, independientemente de los objetivos de costos más amplios o las directivas de eficiencia.

En segundo lugar, los gastos generales generan más gastos generales. Los líderes suelen abordar los desafíos empresariales añadiendo puestos, niveles organizativos y comités. Cada medida incrementa los costos y la complejidad. Este patrón crea un círculo vicioso de sistemas cada vez más complicados que se establecen para gestionar la creciente complejidad.

En tercer lugar, las organizaciones añaden recursos para abordar las prioridades emergentes y financiar nuevas capacidades, sin tener en cuenta las actividades existentes. Muchos no logran redistribuir el talento ni reducir el gasto en esfuerzos heredados menos críticos.

Por último, las empresas luchan por obtener el máximo ROI de sus cuantiosas inversiones en tecnología. Por ejemplo, una empresa que adopta la IA para revisar y seleccionar currículums puede, tras su adopción tecnológica, requerir menos personal de contratación. Sin embargo, en su lugar, conserva a todo su personal de contratación, asignando a estos empleados tareas de reclutamiento menos críticas, cuando debería redistribuirlos en áreas prioritarias de recursos humanos, como diversidad e inclusión o gestión estratégica del talento, o reasignar el gasto a las unidades de negocios.

La guía del CEO para la disciplina de costos

En todas las industrias y mercados, hemos identificado cinco acciones críticas que los CEOs y otros ejecutivos pueden tomar para abordar los desafíos de costos. En conjunto, estas medidas ayudan a las organizaciones a mantener la eficiencia y redirigir los recursos para invertir en innovación, promover el crecimiento y capturar valor.

Restablezca el diseño de su organización

Revise la responsabilidad de las pérdidas y ganancias para garantizar que los gerentes sean responsables del rendimiento y estén capacitados para ayudar a su empresa a reducir los costos. Establezca procesos de medición y gobernanza (así como incentivos) que hagan que los líderes, que carecen de responsabilidad directa en materia de pérdidas y ganancias, sean responsables de los rendimientos específicos que aportan valor. Un fabricante mejoró la rentabilidad al impulsar la responsabilidad de pérdidas y ganancias en el negocio y agrupar los recursos de ingeniería. La empresa también adoptó procesos de financiación más flexibles que facilitaron y agilizaron la reasignación de capital a sistemas digitales, de IA y de otro tipo, a medida que cambiaban las prioridades y necesidades.

Haga frente a los gastos generales

Busque diligentemente capas, comités y esfuerzos competitivos o duplicados que puedan eliminarse u optimizarse. Alinee los niveles de servicio con las necesidades del negocio y los requisitos de rentabilidad, garantizando que el gasto en funciones de soporte aporte un valor concreto al negocio. Un cliente descubrió, por ejemplo, que el 50% de sus recursos de planificación y análisis se dedicaban a crear informes de rendimiento demasiado detallados que no cumplían con los objetivos de liderazgo.

Haga lo correcto…

Evalúe metódicamente su cartera de productos y servicios para recortar las líneas de bajo rendimiento o las iniciativas de escaso valor, y sea implacable en su seguimiento. Un cliente había invertido decenas de millones en un programa de operaciones digitales que, dos años después, seguía funcionando en paralelo con los procesos manuales que debía sustituir. Para generar la eficiencia deseada, los altos directivos tuvieron que revisar el caso de negocio y hacer cumplir la reducción de la actividad heredada.

…Y haga las cosas bien

Reevalúe sus procesos, huella y tecnología para maximizar la eficiencia. Consideremos, por ejemplo, las presiones en la cadena de suministro derivadas de los desafíos geopolíticos y las interrupciones de las rutas comerciales. Para mantener los costos bajo control, adopte métodos de fabricación eficiente y evalúe su red y estrategia de inventario para identificar oportunidades para revisar las relaciones con proveedores y socios. Debido a que las cadenas de suministro rígidas y justo a tiempo son ineficaces en medio de la incertidumbre actual, invierta en alternativas flexibles impulsadas por datos en tiempo real y capacidades digitales.

Más allá de las cadenas de suministro, encuentre formas de brindar servicios a los clientes sin aumentar la base de costos de su empresa.

Prepare a su organización para el futuro

Ninguna empresa puede permitirse pasar por alto el poder transformador de la IA convencional y generativa. Las organizaciones suelen ver la IA como un motor de crecimiento, pero tienden a pasar por alto su enorme potencial en la gestión de costos y la eficiencia operativa. Revise todos los procesos empresariales internos y externos, identificando oportunidades de autodisrupción. Transforme las actividades heredadas significativas; elimine las innecesarias o ineficaces. Al mismo tiempo, redistribuya el talento de las áreas que pueden automatizarse a partes más críticas del negocio. Empiece hoy mismo a experimentar con IA, GenAI y otras tecnologías emergentes.

Principios de implementación

Los líderes deben actuar con audacia y decisión para lograr una posición competitiva en costos, que permita el crecimiento y genere retornos rápidos para los accionistas. Al prestar atención a los siguientes tres principios, los líderes pueden posicionar a sus organizaciones para lograr un impacto rápido y sostenible:

1. Las personas son el motor del cambio

Cree oportunidades para que los empleados de alto rendimiento se muevan dentro de la organización en función de sus capacidades y potencial. Desarrolle la aptitud necesaria para evaluar las habilidades de los empleados (colaboración, análisis financiero, ciencia de datos, codificación, etc.), mejorando y recapacitando según sea necesario para permitir un despliegue flexible del talento en toda la organización a medida que cambian las prioridades. Estos movimientos fortalecerán su capacidad para pivotar y retener a los mejores empleados.

2. La planificación vale la pena

Antes de ejecutar su agenda de costos, evalúe la solidez y claridad de las iniciativas y funciones, los objetivos de costos, las interdependencias y los riesgos. Asegúrese de contar con la gobernanza adecuada para ayudar a generar ahorros cuando más se necesitan. La investigación de BCG sugiere que las transformaciones de costos rigurosamente probadas capturan un promedio del 130% de su valor objetivo. Las transformaciones menos rigurosas captaron 30 puntos porcentuales menos.

3. La cultura importa

Los líderes deben modelar los comportamientos deseados. Dé forma a su cultura para centrarse en una toma de decisiones eficiente y basada en el ROI, desde la planta de producción hasta la sala de juntas. Recompense tangiblemente a quienes actúan en interés de la empresa. Con el tiempo, la disciplina de costos se convertirá en parte del ADN de su empresa.

Si ha pasado un tiempo desde la última vez que revisó los costos y operaciones de su empresa, no espere a que haya una crisis. Los líderes que analicen detenida y holísticamente su base de costos encontrarán oportunidades. Aquellos que actúen con audacia y decisión obtendrán beneficios a corto plazo y ventajas duraderas.

S

egún las predicciones de PwC para 2025, la IA es el principal factor que cambiará fundamentalmente la manera de hacer negocios y crear valor este año. La IA se está integrando rápidamente en la forma en que los empleados ejecutan las tareas esenciales en organizaciones de diversos sectores, desde la optimización del servicio al cliente hasta el apoyo en la toma de decisiones y la mejora de la eficiencia. Esta tecnología también está a punto de transformar la forma en que se gestiona a los trabajadores. Los sistemas y agentes de IA son cada vez más capaces de supervisar el flujo de trabajo, y cómo los empleados y la IA colaboran en dichas tareas.

Sin embargo, aunque el porcentaje de organizaciones que adoptan IA ha pasado del 55% en 2023 al 78% en 2024, según McKinsey, los empleados muestran un entusiasmo significativamente menor respecto al uso de la IA en sus actividades diarias. Esto plantea una pregunta importante: ¿Los empleados confían en estas tecnologías?

La evidencia sugiere que la confianza es escasa. En una encuesta reciente de Pew Research, los encuestados informaron sentirse reticentes respecto a la IA: el 52% afirmó sentirse “preocupado” por el impacto de la IA en el lugar de trabajo, y el 33% dijo sentirse “abrumado”, en comparación con el 36% que se describió como “esperanzado”. A nivel global, Edelman descubrió que el 35% de los encuestados dijo rechazar la IA, frente al 30% que la adoptó. Según otra encuesta de Pew Research, el 71% de los estadounidenses se oponía a que las empresas utilizaran IA para tomar decisiones finales de contratación, y el 61% se oponía a su uso para rastrear los movimientos de los trabajadores.

Investigaciones recientes sobre gestión también han demostrado que una de las principales razones por las que los empleados no confían en la IA es que consideran que estas herramientas carecen de benevolencia al hacer recomendaciones y tomar decisiones, y dudan que la IA “se preocupe” y tome en cuenta sus intereses. La benevolencia (la disposición a adoptar una orientación positiva para servir a los intereses de otro interdependiente) es un concepto importante en este contexto, porque representa la característica fundamental del fideicomisario (la IA) para hacer el bien al fideicomitente (los empleados), como base para que surja la confianza.

Estas preocupaciones de los empleados también envían una señal a los líderes organizacionales de que la confianza en ellos también podría estar faltando. Los empleados desean saber si la adopción de la IA promoverá sus intereses o conducirá a su despido; si potenciará o reemplazará sus contribuciones.

A medida que las organizaciones consideran integrar sistemas de IA en su gestión y toma de decisiones, deben preguntarse cómo la IA influirá en la forma en que los empleados perciben la benevolencia. Al pensar en esto, deben considerar cómo estos sistemas pueden afectar la experiencia de los empleados y su visión del trabajo, así como qué rol debe desempeñar la gerencia en la mediación de las recomendaciones de la IA para abordar las preocupaciones de los empleados.

La IA y la capacidad de ser benévola

Los sistemas de IA son cada vez más hábiles para reconocer patrones en las interacciones humanas. Esta capacidad es lo que los hace tan efectivos para funcionar de manera (semi)autónoma en áreas como el servicio al cliente, las recomendaciones personalizadas y la gestión del flujo de trabajo. Al analizar grandes conjuntos de datos sobre comportamiento humano, los sistemas de IA pueden hacer inferencias matizadas sobre las preferencias, estilos de comunicación y respuestas humanas, y posteriormente tomar decisiones. Debido a esto, estos sistemas también pueden comunicarse de maneras que parecen humanas.

Dado que la IA refleja lo que ve en los datos y toma señales de quien le da instrucciones, puede reflejar tanto los valores vividos como los declarados de una empresa. Las organizaciones pueden entrenar a la IA que proporciona recomendaciones para que parezca benévola mediante el uso de indicaciones y solicitudes específicas. Por ejemplo, una IA puede recibir instrucciones para que identifique y priorice los intereses de las partes involucradas en una decisión empresarial.

Las empresas ya están haciendo esto. Por ejemplo, en 2017, Salesforce utilizó su sistema interno de IA para asesorar a los líderes cuando tomaban decisiones. En esos casos, la IA se empleó para reducir el sesgo en las reuniones y disminuir la política interna o las agendas personales. Ayudó a defender los intereses de las partes interesadas, a que los líderes tomaran decisiones benévolas y a demostrar que la IA puede ser una herramienta que ayuda a promover la benevolencia en la toma de decisiones.

Es poco probable que los empleados experimenten estas intervenciones como evidencia de la benevolencia de la IA (ni deberían hacerlo), porque generalmente consideran que esa es una cualidad humana y que está fuera del alcance de estas herramientas.

Esto se debe a que los sistemas de IA no son ni pueden ser benévolos. De hecho, estos sistemas operan a través de algoritmos que siguen patrones estadísticos y objetivos predefinidos sin ningún propósito autoimpuesto; y, como tal, no existe intención en la lógica interna del motor de IA. Sin la capacidad de tener una opinión y tomar una decisión basada en el juicio, los sistemas de IA tienen una comprensión limitada del mundo y de lo que motiva a los humanos en ese mundo. Y, por esa razón, los sistemas de IA no poseen la disposición genuina de cuidar los intereses de las personas.

Recomendaciones

Para fomentar la confianza en la IA, es importante que las organizaciones comprendan que esto no es solamente un ejercicio de ingeniería donde se necesitan intervenciones a nivel de la tecnología en sí, como el código abierto y la promoción de una IA explicable. Garantizar que la IA sea aceptada por los empleados requiere que estos puedan comprenderla y saber cómo funciona. Lograr este tipo de confianza requiere intervenciones tanto a nivel de la IA como del liderazgo. He aquí cómo hacerlo:

1. Para construir un entorno donde los empleados puedan adoptar la IA con confianza, las organizaciones deben promover los factores de confianza cognitiva de la IA: fiabilidad, precisión y transparencia. Las investigaciones demuestran que los sistemas percibidos como confiables y comprensibles fomentan una mayor aceptación entre los usuarios. Este tipo de confianza puede lograrse interviniendo en la tecnología misma. Por ejemplo, la realización de auditorías periódicas sobre la precisión de la IA, los esfuerzos de mitigación de sesgos y el seguimiento del desempeño pueden tranquilizar a los empleados sobre la fiabilidad de la IA, animándolos a comprometerse plenamente con la tecnología.

2. Los líderes deben demostrar una preocupación genuina por el bienestar y la equidad de los empleados, porque la IA no puede hacerlo. En última instancia, el liderazgo será quien decida cómo se usa y se empodera la IA, y dónde no. Al involucrar a los empleados en discusiones sobre el papel de la IA en su trabajo y abordar sus preocupaciones con transparencia, los líderes pueden ayudar a crear una cultura laboral donde los empleados se sientan valorados y perciban la IA como una solución que se adopta con el objetivo de empoderarlos y hacerlos crecer, en lugar de reemplazarlos.

3. La solución óptima para la falta de confianza en la IA requiere una “combinación IA-líder” que garantice que los empleados se sientan no solo técnicamente seguros con la IA, sino también que tengan la seguridad de que servirá a sus intereses de manera respetuosa y justa. Para promover la aceptación de esta combinación (IA-líder) y mejorar la confianza en la IA en toda la organización, es necesario desarrollar e implementar programas de capacitación. Estos programas existen para ayudar a que los empleados se sientan menos amenazados por la adopción de la IA, al tiempo que se sienten empoderados por sus supervisores. Esto puede lograrse promoviendo la alfabetización digital y la comprensión del funcionamiento de la IA. Una mejor comprensión de la IA, combinada con discusiones lideradas por el liderazgo que presenten a la IA como una herramienta de apoyo para contribuir al propósito de la empresa y a los intereses de todos los involucrados, empoderará aún más a los empleados para ver cómo la IA puede contribuir a sus funciones y al crecimiento de su carrera.