A

l cierre de 2023, la empresa californiana de chips Nvidia anunció otro trimestre de ventas récord. La compañía, cuyo éxito ha sido impulsado por el auge de la IA, ahora posee aproximadamente el 80% de la cuota de mercado global de chips semiconductores GPU.

Sin embargo, su competidora Intel, también fabricante de semiconductores, no tuvo la misma suerte. Aunque al momento de escribir esto ha experimentado un aumento inesperado en sus ganancias trimestrales, la compañía ha tenido dificultades durante años. Intentó un cambio de dirección con un nuevo CEO en 2021 y, en los primeros tres meses de 2023, registró la mayor pérdida trimestral de su historia.

Hasta hace relativamente poco, Intel estaba muy por delante de rivales como Nvidia en la carrera de los semiconductores. Hace cinco años, el valor empresarial (EV, por sus siglas en inglés) de la compañía, de 226 mil millones de dólares, eclipsaba los 76 mil millones de Nvidia, según el análisis de mi equipo basado en datos de Value Line. Desde entonces, Nvidia ha cuadruplicado su valor hasta alcanzar los 315 mil millones, mientras que el EV de Intel se ha reducido a 218 mil millones. Esto significa que Nvidia ha registrado un crecimiento promedio anual de ingresos superior al 20%, mientras que los ingresos de Intel se han mantenido estables.

Entonces, ¿cómo ha logrado Nvidia superar de manera tan contundente a su competidor? Por supuesto, hay una combinación de factores en juego, pero la investigación sugiere que el uso por parte de Nvidia de uno de los seis conceptos estratégicos emergentes (que en conjunto están cambiando radicalmente la manera en que las compañías de diversas industrias aseguran su ventaja competitiva) podría ser un factor significativo en su éxito.

1. Aproveche la vía de acceso de alguien más

La asociación de Nvidia con la empresa británica de diseño de software ARM Holdings es un gran ejemplo de esta estrategia. La colaboración es una relación simbiótica centrada en integrar las capacidades de aprendizaje profundo e IA de Nvidia con los diseños de procesadores energéticamente eficientes de ARM. Esto permite a Nvidia aprovechar el amplio alcance de ARM en diversos sectores tecnológicos, como la informática móvil y los vehículos autónomos, donde la eficiencia energética y la movilidad son clave.

Las organizaciones también pueden crear valor convirtiéndose en la vía de acceso. Amazon, por ejemplo, construyó su oferta Alexa para que fuera un canal para otros proveedores. Como señala el profesor de estrategia Mohan Subramanium en su artículo “How Smart Products Create Connected Customers”, el valor de ser la vía de acceso se amplía a medida que se multiplica el valor de los datos procedentes de las interacciones digitales con los clientes.

2. Asóciese con un tercero

Microsoft decidió hacer que Office estuviera disponible en los dispositivos iOS de Apple en 2014. Esta asociación con Apple, que antes era un rival, significó más que una nueva oferta de producto: representó la culminación de un cambio de paradigma en el enfoque estratégico de Microsoft, alineándose con las tendencias emergentes destacadas en nuestro análisis. Bob Muglia, expresidente de la división de servidores y herramientas de Microsoft, describió este cambio como una transición de una mentalidad “centrada en dispositivos” a una “centrada en servicios”.

Microsoft ahora aprovecha con mayor entusiasmo las oportunidades de colaborar con socios que tienen áreas de competencia superpuestas, por ejemplo, Adobe, Salesforce y Google. La inversión multimillonaria de la empresa en Open-AI es quizás el ejemplo reciente más significativo de esta mentalidad.

3. Revele su estrategia

Deere & Co adoptó estratégicamente este concepto de “revelar su estrategia” al invertir abiertamente en tecnologías de agricultura de precisión. En medio de una revolución tecnológica en el sector agrícola, Deere & Co no solo se adaptó, sino que lideró el cambio. Realizó inversiones significativas no solo en crear y adquirir tecnología de agricultura de precisión, sino también en construir un movimiento. Ya sea anunciando públicamente asociaciones con startups agrotecnológicas o con Space-X para ofrecer servicios de comunicación satelital a agricultores, lanzando colaboraciones emergentes en agrotecnología, dando conferencias en eventos de agricultura y tecnología (como el CES), publicando continuamente noticias en su página dedicada a la tecnología agrícola y a través de plataformas mediáticas desde CNBC hasta Barrons, la compañía es mucho más activa que sus competidores en comunicar su visión de agricultura inteligente.

Esta transparencia estratégica no se limita únicamente a la innovación: fue una jugada calculada por parte de Deere & Co para influir en las tendencias del mercado, guiar las expectativas de los clientes y mantener una ventaja competitiva en el cambiante panorama de la tecnología agrícola.

4. Sea bueno

La iniciativa “Beyond Cash” de Mastercard ejemplifica este concepto, marcando un cambio estratégico significativo hacia la promoción del avance socioeconómico. La iniciativa surgió cuando Mastercard se dio cuenta de que su mayor oportunidad de mercado no era quitar participación a otras empresas de pago, sino al efectivo. La campaña sentó las bases para una transformación que ha ido más allá de la simple diversificación de servicios, demostrando un compromiso por crear un mundo en el que cualquiera pueda realizar transacciones digitales, reduciendo la dependencia del efectivo y los costos sociales que las economías basadas en efectivo pueden generar.

Este enfoque tiene un impacto especial en las poblaciones con acceso limitado (o sin acceso) a servicios bancarios, y refleja la comprensión de Mastercard del papel influyente que puede desempeñar al aprovechar su red global y tecnología para fomentar un panorama económico sostenible e inclusivo. Al adoptar la estrategia de “ser bueno”, la empresa está demostrando que el éxito corporativo está cada vez más vinculado a la capacidad de generar un impacto social positivo.

5. Deje que la competencia vaya primero

Históricamente, las empresas buscaban la “ventaja del primer movimiento” por los beneficios que ofrecía (como la creación de una ventaja tecnológica, el establecimiento de un reconocimiento y una lealtad temprana hacia la marca, el control de los recursos y canales, y el aumento de los costos de cambio o las barreras de entrada). Pero el cálculo está cambiando. Gracias a una mayor accesibilidad de los datos sobre la adopción por parte de los clientes, la disminución de la fidelidad a la marca, la reducción de los costos de cambio y la disminución de los plazos de lanzamiento de los productos, ser el primero ya no supone una ventaja tan significativa. En cambio, dejar que otros prueben el mercado y la tecnología, y estar preparado para adelantarlos si se demuestra que existe una oportunidad, puede ser un mejor enfoque.

Durante un periodo considerable, Ferrari se mantuvo firme en su declaración de que no produciría un vehículo utilitario deportivo (SUV, por sus siglas en inglés). Sus rivales tradicionales, por otro lado, tomaron un camino distinto. Cuando la dinámica del mercado evolucionó, Ferrari reevaluó su posición. El fabricante italiano reconoció que el mercado de SUVs de lujo presentaba una oportunidad única de crecimiento y diversificación. Además, observaron las experiencias de sus competidores, quienes ya habían incursionado en el segmento, y aprendieron valiosas lecciones.

6. Adopte ataques a pequeña escala

Los mercados también se están volviendo más impredecibles, y las preferencias de los clientes evolucionan rápidamente, haciendo que la planificación a largo plazo sea menos precisa. El enfoque de “actuar, aprender, construir” les da a las empresas la agilidad para responder rápidamente a los cambios del mercado y adaptar su oferta en función de la retroalimentación del cliente. Experimentar a menor escala también ayuda a las compañías a gestionar el riesgo de manera efectiva, permitiéndoles probar hipótesis e identificar posibles obstáculos antes de comprometer recursos significativos.

El enfoque de Tesla para la fabricación de baterías es un caso real ejemplar. La compañía adoptó un enfoque modular para construir su fábrica de baterías de 5 mil millones de dólares en Nevada. En lugar de esperar a que toda la instalación estuviera operativa, Tesla construyó la gigafábrica en unidades discretas y funcionales o “bloques”. Cada bloque podía iniciar producción tan pronto como se completaba, reduciendo significativamente el tiempo necesario para generar ingresos. Este enfoque modular no solo aceleró el cronograma de producción, sino que también permitió a Tesla aprender y mejorar con cada bloque sucesivo, logrando ciclos de producción más rápidos y eficientes.

H

oy en día, el desarrollo de la inteligencia artificial está controlado por un pequeño grupo de empresas. Compañías como OpenAI, Alphabet, Amazon, Meta y Microsoft dominan el mercado gracias a sus vastos recursos computacionales, sus enormes bases de datos propias, su gran cantidad de talento técnico, sus prácticas de extracción de datos, su mano de obra barata y su capital, que les permiten realizar experimentos continuos y una rápida implementación.

Este dominio trae consigo problemas: violaciones de privacidad y estrategias laborales orientadas a minimizar costos, altos costos ambientales derivados de los centros de datos y sesgos evidentes en los modelos que pueden reforzar la discriminación en la contratación, la atención médica, la puntuación crediticia, la vigilancia policial y más.

Sin embargo, está surgiendo un modelo diferente, sin mucho alboroto, pero con un potencial real. Las cooperativas de IA (organizaciones que desarrollan o gestionan tecnologías de IA basadas en principios cooperativos) ofrecen una alternativa prometedora. El movimiento cooperativo, con su presencia global y diversidad de modelos, ha tenido éxito en la banca y la agricultura, así como en los seguros y la manufactura. Las empresas cooperativas, que son propiedad de sus miembros y están gobernadas por ellos, llevan mucho tiempo gestionando infraestructuras para el bien público.

Un puñado de cooperativas de IA ofrece los primeros ejemplos de cómo la gobernanza democrática y la propiedad compartida podrían dar forma a usos de tecnología más responsables y centrados en la comunidad. Esto es lo que pueden hacer las cooperativas.

1. Democratizar la gobernanza de datos

Las cooperativas de IA aún son pequeñas y están en desarrollo, pero las que existen dan una idea de cómo podría ser un tipo diferente de infraestructura y gobernanza de datos, y cómo pueden cambiar la forma en que se controlan y se accede a ellos. MIDATA es una cooperativa suiza sin fines de lucro dedicada a los datos de salud, que pone a los ciudadanos al mando de su propia información médica. Los miembros abren una cuenta de datos segura y encriptada, y pueden conceder de forma selectiva a los investigadores acceso a sus datos personales de salud, todo mientras gobiernan la cooperativa de forma democrática a través de su asamblea general. Construida sobre infraestructura de código abierto del ETH Zurich y la Universidad de Ciencias Aplicadas de Bern, MIDATA respalda la creación de cooperativas hermanas regionales o nacionales, permitiendo una investigación justa, transparente y coordinada a nivel global sin sacrificar el control individual.

2. Llevar la investigación a la sociedad civil

Los debates más importantes sobre la IA se desarrollan en círculos elitistas (congresos académicos, centros de pensamiento, laboratorios financiados por capital riesgo). Pero las decisiones que se toman allí tienen consecuencias cotidianas. El movimiento cooperativo está en una posición única para socializar estos debates, llevando la IA a los ayuntamientos, centros comunitarios y asambleas ciudadanas.

3. Impulsar la educación

Cerrar la brecha de conocimiento sobre la IA no es solo una cuestión de traducción, sino también de poder. La Alianza Cooperativa Internacional (la principal organización que representa a los mil millones de personas que participan en cooperativas en todo el mundo) podría liderar el uso de la IA para la educación cooperativa a nivel global. Las cooperativas pueden crear plataformas de aprendizaje multilingües basadas en audio y dotadas de IA, que ofrezcan formación profesional a sus miembros.

4. Construir modelos alternativos de propiedad

La propiedad da forma a la dirección. OpenAI comenzó como una organización sin fines de lucro “para la humanidad”, luego cambió a un modelo de ganancias limitadas para atraer capital de riesgo, un movimiento que fue tanto ideológico como legal. Las cooperativas, por el contrario, utilizan reservas indivisibles y una gobernanza democrática para mantenerse alineadas con sus objetivos a largo plazo.

5. Adaptar críticamente la ia para fines cooperativos

No toda la IA se adapta naturalmente a los modelos cooperativos. Pero en aquellos casos donde sí lo hace (como las cooperativas de plataformas, los bienes comunes de datos y las herramientas de gobernanza), existe un espacio real para construir. El desafío consiste en rediseñar el propio desarrollo de la IA, no simplemente “usar mejor la IA”. Eso significa invertir en infraestructura, marcos legales y formas organizacionales que garanticen la rendición de cuentas desde el principio.

La IA no es simplemente un salto tecnológico: es un reinicio sistémico, uno que definirá cómo operan las instituciones y a quién sirven. Los experimentos cooperativos que se están desarrollando hoy no escalarán de la noche a la mañana. Pero, mediante principios alineados, coordinación global y asociaciones concretas entre los sectores público y privado, pueden ayudar a remodelar el panorama.

¿

Qué pasaría si la primera contratación de su startup no fuera una persona, sino un agente de IA? Esta pregunta provocativa estuvo en el centro de una colaboración de un semestre entre Microsoft y el programa Tech MBA de NYU Stern. Treinta estudiantes, divididos en seis equipos de estilo startup, tuvieron acceso a Microsoft 365 Copilot con las últimas capacidades de agentes y se les pidió que reimaginaran cómo se realiza el trabajo cuando la IA se integra desde el primer día. Su misión: romper los flujos de trabajo tradicionales, crear empresas “pioneras” y explorar el futuro de la colaboración entre humanos y agentes.

Consideramos que las empresas pioneras son aquellas que no solo adoptan la IA, sino que se construyen en torno a ella. Estas empresas incorporan agentes de IA en todas sus funciones desde el primer día, rediseñando los flujos de trabajo, la toma de decisiones y las estructuras de los equipos para maximizar la colaboración entre humanos e IA. En el contexto de este proyecto, el modelo de empresa pionera desafió a los estudiantes a ir más allá de la automatización y explorar lo que realmente significa liderar y escalar una organización en la que la IA es un miembro fundamental del equipo, y no un complemento.

Los resultados fueron una mezcla de inspiradores, disruptivos y aleccionadores. Más allá de usar la IA para la ejecución, los equipos más exitosos buscaron desbloquear el potencial de ideación de la IA, creando organigramas, remodelando presentaciones y proporcionando modelos de negocio hipotéticos para que los líderes humanos reaccionaran ante ellos. En el proceso, descubrieron un nuevo paradigma para el trabajo, uno en el que la IA es un miembro del equipo proactivo y en constante evolución.

Este artículo resume sus hallazgos en cuatro temas transformadores que redefinen nuestra forma de pensar sobre el trabajo, los equipos y el liderazgo en la era de la IA. Las observaciones no fueron cambios aislados, estaban profundamente interconectados: la forma en que se iniciaba el trabajo influía en las necesidades de contratación, y la forma en que se gestionaban los equipos determinaba la toma de decisiones. En conjunto, ofrecen una hoja de ruta para crear y dirigir organizaciones nativas de IA.

1. La IA como contratación n.º 1

Los estudiantes comentaron que la IA se convirtió rápidamente en la “primera contratación” de los equipos y se utilizó en roles fundamentales como estratega y analista. El acceso instantáneo a una amplia gama de capacidades permitió a los fundadores humanos desempeñar más funciones sin sentirse abrumados y ocuparse de tareas que estaban fuera de su experiencia principal. El resultado fue que los estudiantes pasaron rápidamente de la idea a la ejecución. Tanto las decisiones de bajo riesgo como las de alto riesgo se consultaban en primer lugar con la IA, lo que supuso la introducción de un nuevo paradigma de toma de decisiones para los emprendedores.

Este cambio tiene profundas implicaciones para el emprendimiento en general. En las startups, muchas de las “tareas pendientes” son vagas o temporales, y la contratación puede suponer una distracción considerable para los fundadores que intentan avanzar rápidamente. La capacidad de la IA para manejar tareas amorfas y producir resultados tangibles ayuda a aclarar las verdaderas necesidades de la empresa, dando a los fundadores una base más sólida desde la cual construir. El trabajo de la IA fue generalmente suficiente para operar con una plantilla humana muy reducida en las primeras etapas.

¿La conclusión? La IA cambia la ecuación de la contratación. En lugar de preguntar “¿A quién necesito contratar?”, los fundadores ahora pueden preguntar: “¿Hasta dónde me llevará la IA para empezar y qué vacíos quedarán?”

2. El trabajo empieza con una conversación

Uno de los cambios más llamativos que se observó fue cómo el trabajo pasó de documentos estáticos a diálogos dinámicos. Los estudiantes programaban reuniones en vivo para hablar sobre las entradas contextuales de la IA (las “semillas” conceptuales), de modo que la IA pudiera centrarse en redactar el informe o la presentación. Esto cambia la experiencia de trabajo: en lugar de abrir una aplicación y empezar desde cero, se comienza hablando con Copilot.

Este cambio de creador a inspirador y curador tiene profundas implicaciones. Sugiere que las habilidades más valiosas en el futuro estarán relacionadas con dar forma y orientar la producción de la IA. La experiencia en el dominio, el pensamiento crítico y el juicio editorial se convierten en los nuevos superpoderes. Cuando el lenguaje natural es la nueva interfaz de usuario, se trata menos de saber en qué menú hacer clic o qué fórmula escribir, y más de articular lo que usted necesita y luego evaluar lo que la IA entrega. Saber cómo comunicarse, expresar claramente la intención y los resultados deseados, será un conjunto de habilidades altamente valorado en el futuro.

3. El papel del conocimiento humano

Esta idea de los humanos como inspiradores y curadores sugiere que el papel del conocimiento humano cambia. Los estudiantes no necesitaban ser expertos en cada tarea que realizaban, porque podían complementar su propio conocimiento con el poder de la IA. Dicho esto, expresaron su preocupación de que la confianza de la IA pudiera crear una falsa sensación de seguridad que ellos no podían evaluar necesariamente si no poseían el conocimiento adecuado. En algunas ocasiones, los resultados de la IA omitían matices o incluían datos engañosos, como un analista junior demasiado confiado. Ellos enfatizaron el mantra “Copilot debe desafiar, no solo complacer”. Un estudiante compartió: “Usted tiene que ser el experto. Usted tiene que ser quien diga, ‘esto está bien, esto está mal’, y usted tiene que ser quien tome la decisión final”.

El principal resultado positivo fue que la IA redujo drásticamente el costo de la toma de decisiones. Esta inteligencia casi instantánea hace que sea más barato y rápido explorar alternativas, y permite a los humanos centrarse en usar su conocimiento para evaluar una gran cantidad de ideas generadas rápidamente. Los equipos podían preguntar “¿Qué pasaría si…?” con mayor frecuencia, porque la IA puede procesar el escenario de inmediato. En la era de la IA, no hay ninguna penalización por ser curioso.

También desplazó la carga de las decisiones transaccionales de bajo riesgo hacia la IA: en temas de menor valor para el equipo en general, los estudiantes podían usar la IA como compañera de lluvia de ideas. Esto apunta hacia un posible aplanamiento de jerarquías. La toma de decisiones puede volverse más descentralizada: las personas más cercanas a las operaciones podrían tomar decisiones que antes habrían sido “escaladas”, ya que cuentan con información generada por la IA que las respalda.

4. La dinámica de los equipos humano-agente

Quizá la idea más radical del proyecto fue cómo la IA reconfiguró la dinámica de los equipos. Con la IA manejando la ejecución, los equipos se mantuvieron más pequeños y se movieron más rápido. Los estudiantes describieron una “red multiagente” en la que diferentes agentes de IA manejaban distintos dominios (CRM, programación, finanzas), mientras que los humanos actuaban como directores de orquesta, coordinando a los agentes y tomando las decisiones finales. La idea era que cada agente podía tener su propio rol, conocimiento y perspectiva, de modo que la selección de las habilidades de cada agente se convirtiera en algo primordial.

Este modelo invierte la estructura tradicional de los equipos. En lugar de que las personas usen muchas herramientas, estas gestionan a muchos trabajadores de IA que usan las herramientas. Se trata de un cambio en que los humanos pasan de utilizar mano de obra mecánica a utilizar mano de obra digital que utiliza mano de obra mecánica. Se establece un nuevo flujo de trabajo.

Este replanteamiento de la IA como fuerza laboral (no solo como característica) tiene profundas implicaciones para el liderazgo. Sugiere que gestionar la IA se convertirá en una competencia central que requerirá nuevas habilidades en materia de coordinación, supervisión y gobernanza ética.

La colaboración entre NYU Stern y Microsoft ofreció una visión convincente de una realidad que emerge rápidamente: la organización aumentada por IA. Demostró que la IA puede ser más que una herramienta de productividad: puede ser un compañero de equipo, un estratega e incluso un cofundador. Esto no es una visión lejana del futuro, es un fenómeno actual que ya está transformando la naturaleza del trabajo, la innovación y la ventaja competitiva.

L

a frontera entre trabajo y hogar nunca ha sido una línea clara. Incluso cuando trabajaba a tiempo completo en la oficina, estaba de guardia si alguno de mis cuatro hijos me necesitaba. Sin embargo, en marzo de 2020, la frontera entre el trabajo y el hogar realmente se derrumbó. No lo sabíamos entonces, pero estábamos en el inicio de una de las mayores disrupciones laborales en generaciones.

Conforme el trabajo se adentró en nuestros hogares, las barreras útiles comenzaron a difuminarse. En un estudio, casi la mitad de los empleados de Microsoft declararon que trabajaban más horas, y sólo el 9% reportó que trabajaba menos. En un estudio global de trabajadores externos a Microsoft tras un año de pandemia, el 54% dijo sentirse sobrecargado de trabajo y el 39% reportó sentirse agotado.

Un estudio tras otro ha demostrado que para afrontar los desafíos actuales no basta con guiarse por simples medidas de productividad. Aunque podría ser tentador equiparar los altos niveles de actividad de los empleados con el éxito, al hacerlo se omiten los factores que impulsan la innovación sostenible a largo plazo: bienestar, colaboración e innovación.

Con base en lo que estamos viendo en la investigación, he aquí algunas formas en que los directivos pueden adoptar una visión más amplia de la productividad en un mundo híbrido:

— Bienestar: El entorno híbrido ofrece una oportunidad de crear un enfoque laboral más sostenible. Cuando esté en la oficina, por ejemplo, usted podría priorizar las relaciones y los trabajos colaborativos, como la lluvia de ideas. Cuando trabaje desde casa, podría animar a la gente a que diseñe sus días para incluir otras prioridades como la familia, el ejercicio o las aficiones.

— Colaboración: Un aspecto clave para que el trabajo híbrido sea productivo es encontrar un punto medio entre los estilos de trabajo individuales y las necesidades del equipo. Una forma de hacerlo es establecer acuerdos de equipo. En Microsoft, pedimos que cada equipo creara un conjunto de normas de equipo que definen cómo les gustaría trabajar juntos en nuestro lugar de trabajo híbrido. También es importante garantizar que las reuniones híbridas sean lo más inclusivas e intencionadas posible.

Utilice la función de levantar la mano para asegurarse de que todos tengan oportunidad de hablar y, si utilizan un chat de reunión, asigne un moderador que sea distinto de la persona que dirige la reunión, para que siga el chat e introduzca temas clave en la conversación.

— Innovación: En el sentido más simple, la innovación suele requerir que las personas se reúnan para intercambiar y crear prototipos de ideas y soluciones, con un equilibrio de tiempo para la concentración y la reflexión individual. Si se hace bien, el trabajo híbrido puede crear exactamente esas condiciones. Por ejemplo, el inicio de un gran proyecto es una gran razón para reunirse en persona, pero una vez que los problemas se formalizan, los flujos de trabajo se estandarizan y las responsabilidades se establecen, muchos proyectos pasan a un modo de acoplamiento más libre, donde el trabajo a distancia puede ser más eficaz.

Aunque muchas cosas son inciertas cuando miramos al futuro, nuestro trabajo no es predecir el futuro del trabajo, sino ayudar a darle forma. Sabremos que hemos tenido éxito si el trabajo es mejor que antes, no sólo en términos de métricas a corto plazo, sino en cuanto a ayudar a las personas, equipos y organizaciones a ser productivos y alcanzar sus objetivos.

L

a IA generativa está transformando las industrias al automatizar tareas y aumentar la toma de decisiones humanas. Sin embargo, a medida que las organizaciones adoptan la IA, deben ser conscientes de su impacto en el liderazgo y las estructuras de gobernanza. Las empresas han comenzado a experimentar con diferentes formas de integrar la IA en sus reuniones de la junta directiva, incluyendo la toma de actas, la creación de agendas y la documentación de las reuniones. Además, está surgiendo un nuevo software de gestión de juntas directivas impulsado por IA para ofrecer asesoría y guiar las discusiones de la junta directiva.

Hemos estado realizando investigaciones continuas sobre cómo los presidentes de la junta directiva ejercen su poder. Una serie de entrevistas recientes destacó varias formas en que la IA podría, inadvertidamente, disminuir ese poder e influencia. Comprender y mitigar este “riesgo de invasión” que la IA representa para los presidentes de la junta directiva es esencial para mantener un liderazgo efectivo y garantizar que la IA respalde sus objetivos estratégicos, en lugar de socavarlos.

El papel de las tareas de transmisión de poder y el riesgo de invasión

Entrevistamos a 27 presidentes de juntas directivas que cotizan en la Bolsa de Valores de Toronto. Utilizando entrevistas semiestructuradas con una duración promedio de 54 minutos, discutimos en detalle cómo los presidentes de la junta directiva ejercen el poder en sus funciones. Múltiples codificadores independientes revisaron las transcripciones para identificar las tareas específicas de transmisión de poder, o las acciones a través de las cuales los líderes ejercen el poder inherente a sus roles.

Las tareas de transmisión de poder (como establecer las agendas de las reuniones y conformar los comités de la junta directiva) pueden parecer rutinarias, pero son vitales para permitir que los líderes ejerzan su influencia. El riesgo de invasión ocurre cuando los presidentes de la junta directiva utilizan aplicaciones de IA para automatizar sus tareas, pero el uso de la IA termina debilitando o erosionando la influencia del presidente sobre estas tareas clave.

Las tareas de transmisión de poder de los presidentes de la junta directiva

Identificamos tres tareas críticas de transmisión de poder que utilizan los presidentes de la junta directiva:

1. Gestión de la agenda

El presidente de la junta directiva determina estratégicamente qué temas se discutirán y en qué orden, influyendo en las prioridades y el flujo de las reuniones de la junta.

Gestionar la agenda puede parecer algo sencillo, pero alrededor del 30% de los presidentes dijeron que esta era una de las principales formas en que ejercían influencia. No se trata solo de enumerar los temas a discutir, sino de influir en todo el desarrollo de la conversación: dónde encaja cada parte, qué se enfatiza y qué no se discute en absoluto o solo cuando se solicita explícitamente.

“El papel del presidente es como el de un director de orquesta”, nos dijo un presidente de la junta directiva. “Donde usted no toca realmente: no hace ningún sonido, no toca ningún instrumento, pero es responsable del sonido final”.

Dejar en manos de la IA la creación de la agenda (basándose, por ejemplo, en cuánto tiempo ha tomado discutir cada punto en el pasado) ignora por completo el pensamiento estratégico del presidente.

El presidente también ejerce una influencia entre bastidores sobre el flujo de la información que la IA no puede replicar fácilmente. Guía cómo se presenta la información, gestiona quién habla y cuándo, y asegura que las personas interactúen de forma constructiva.

2. Resumen y tematización de las discusiones

Los presidentes sintetizan las discusiones, reformulan los temas y guían a los miembros de la junta directiva hacia la alineación y la toma de decisiones.

Resumir puede sonar como algo que la IA podría manejar fácilmente, pero es una poderosa manera para que el presidente moldee la forma en que la junta directiva comprende las cosas y las conclusiones a las que llega. Se trata de escuchar con atención, identificar los hilos principales de la conversación, y luego reunir todo de forma que se genere consenso y se avance.

Si bien la IA puede resumir una conversación, puede pasar por alto matices (como aquello que las personas no dicen o los cambios de humor) que un buen presidente puede captar y utilizar en su resumen. Se trata de leer el ambiente, agregar contexto, reformular y tomar decisiones.

3. Desempeño de los miembros de la junta directiva, evaluación y recomendación

Los presidentes desempeñan un papel clave en la evaluación de la eficacia de los miembros de la junta directiva, influyendo en su permanencia y dando forma a la composición futura de la junta.

El presidente debe asegurarse de que la junta directiva, en su conjunto, funcione bien y cuente con la combinación adecuada de habilidades y experiencia. Esto no es algo que un algoritmo optimizador de la IA pueda hacer. Es responsabilidad del presidente identificar al personal adecuado dentro de la junta directiva, equilibrar las competencias correctas y garantizar que la dinámica de los comités esté alineada con los intereses de los grupos de interés de la empresa.

Un proceso de tres pasos para minimizar el riesgo de invasión

Para protegerse contra las consecuencias no deseadas de la IA, los presidentes de la junta directiva deberían adoptar un enfoque estructurado para su integración:

1. Identifique los roles estratégicos clave

Determine qué puestos de liderazgo son más susceptibles al riesgo de invasión, como los presidentes de la junta directiva y los ejecutivos de alto nivel. Los directores de la junta y las personas designadas por el mismo, como los ejecutivos y presidentes, son seleccionados por su capacidad para dar forma a la dirección de la organización, no solo para ejecutar las operaciones diarias.

Considere a Satya Nadella, CEO de Microsoft. No fue contratado solo para gestionar operaciones internas, sino para liderar a Microsoft hacia nuevas áreas como la computación en la nube y la IA. Y durante su tiempo como presidenta de la junta directiva de PepsiCo, Indra Nooyi influyó en los valores a largo plazo de la compañía y en su posicionamiento público hacia líneas de productos más saludables y objetivos de sostenibilidad a largo plazo.

2. Identifique las tareas de transmisión de poder

Una vez que haya identificado los roles estratégicos clave, trabaje con esas personas para identificar las tareas que son fundamentales para su capacidad de ejercer influencia y que, por lo tanto, no son candidatas adecuadas para automatización mediante IA. Por ejemplo, definir la misión y visión a largo plazo de la empresa requiere una comprensión profunda de las tendencias del mercado, los valores sociales y las motivaciones de las partes interesadas clave. Un ejecutivo a cargo de las operaciones locales puede tener que persuadir a los líderes locales, generar confianza y responder a las señales sociales. Esto requiere interacciones presenciales y comunicaciones personalizadas con los líderes locales para generar confianza, así como el conocimiento local adquirido a través de la experiencia. Un CFO debe gestionar la reputación de la empresa mientras sostiene conversaciones difíciles, como explicar un informe de resultados decepcionante como parte de una narrativa de cambio más amplia, que es mejor transmitir de forma auténtica y personalizada. Un CEO, con frecuencia, debe decidir si pronunciarse o no sobre un tema público controvertido, como la justicia racial o la política climática. Negociar con los sindicatos de trabajadores requiere superar el escepticismo utilizando estratégicamente la confianza, la negociación y las dinámicas de poder informales.

3. Delimite y controle la participación de la IA

Teniendo en cuenta estas tareas de transmisión de poder, establezca políticas claras sobre dónde puede utilizarse la IA y dónde debe mantenerse la supervisión humana, asegurando que la IA respalde, en lugar de reemplazar, la toma de decisiones estratégicas. “Delimitar” una tarea significa establecer límites sobre el papel de la IA en su ejecución. Esto no significa rechazar la IA por completo, sino definir condiciones claras bajo las cuales la IA puede asistir, preservando la supervisión humana. Por ejemplo, la IA puede sugerir estructuras de agenda, pero la decisión final debe recaer en el presidente de la junta directiva. Al delimitar el rol de la IA, las organizaciones pueden garantizar que la automatización mejore la influencia del liderazgo en lugar de erosionarla.

La IA debe implementarse con cuidado para aumentar, y no disminuir, la influencia estratégica de los presidentes de la junta directiva. Al identificar los roles estratégicos clave y las tareas de transmisión de poder, así como al delimitar la participación de la IA, los presidentes de la junta directiva pueden lograr un equilibrio entre el avance tecnológico y una gobernanza efectiva. El objetivo no debe ser resistirse a la IA, sino integrarla de una manera que preserve la influencia del liderazgo y fortalezca los objetivos estratégicos del presidente de la junta directiva. Con una planificación y supervisión cuidadosas, la IA puede ser un aliado poderoso en la gobernanza, uno que respalde (y no sustituya) a las personas encargadas de liderar las organizaciones hacia el éxito con intuición, perspectiva, persuasión y poder.

E

n 2020, Microsoft anunció su iniciativa “Planetary Computer”, un proyecto monumental destinado a recopilar datos ambientales a escala mundial y hacerlos accesibles para soluciones de sostenibilidad. Al asociarse con organizaciones medioambientalistas y aprovechar algoritmos de inteligencia artificial de vanguardia, Microsoft pretende abordar algunos de los problemas ambientales más apremiantes del planeta, desde la pérdida de biodiversidad hasta el cambio climático. Este proyecto con visión de futuro sirve como algo más que un simple ejemplo de responsabilidad corporativa. Se trata de un hito importante, que indica un cambio de paradigma más amplio para hacer de la IA y la sostenibilidad la columna vertebral de la gestión moderna de proyectos.

En la actual economía de proyectos, donde los proyectos son la principal unidad de trabajo y la creación de valor, los paradigmas tradicionales de gestión de proyectos están experimentando una transformación radical. La sostenibilidad ya no es algo que “es bueno tener”, sino un criterio esencial para el éxito, tanto en la fase inicial de los proyectos como cuando los resultados del proyecto siguen generando beneficios a lo largo de su vida útil. Como lo demuestran empresas como Microsoft, existe una oportunidad sin precedentes en la intersección de la IA, la gestión de proyectos y la sostenibilidad (en los ámbitos social y financiero, así como en el ámbito medioambiental).

Desafortunadamente, sin una ejecución adecuada, la integración de IA y la gestión de proyectos para lograr objetivos de sostenibilidad, puede contribuir a la misma huella de carbono que pretendemos reducir. ¿Cómo podemos aprovechar simultáneamente los poderes computacionales de la IA y cumplir los objetivos de sostenibilidad sin inclinar la balanza desfavorablemente en términos de costo e impacto ambiental? Aquí es donde entran en escena los “algoritmos ecológicos” (construcciones especializadas de IA diseñadas para mejorar la eficiencia operativa y priorizar la sostenibilidad).

Complejidad, costo y carbono

La gestión de proyectos siempre ha requerido un delicado equilibrio entre alcance, tiempo, presupuesto y beneficios. Medir el impacto ambiental, social y humano de los proyectos añade más complejidades. Las herramientas de IA para la gestión de proyectos tienen el potencial de ayudar a abordar estas preocupaciones, pero a medida que la implementación de la IA pasa de la teoría a la realidad, surge otra capa de tres desafíos clave: la complejidad, el costo y el carbono de la implementación de la IA.

Complejidad

— Demandas interdisciplinarias. La fusión de la IA y la gestión de proyectos exige un grupo de expertos de diversos ámbitos. La complejidad se multiplica cuando se reúnen especialistas en aprendizaje automático, científicos de datos, científicos medioambientales y responsables de cumplimiento de políticas, solo por nombrar algunos.

— Entorno normativo dinámico. Los objetivos de sostenibilidad no son estáticos; evolucionan bajo la influencia de leyes, culturas y tradiciones locales, estatales e internacionales.

— Sobrecarga de datos. La IA se basa en datos, y gestionar e interpretar conjuntos de datos multidimensionales, que van desde el uso de energía hasta la producción de residuos, introduce aún más complejidad.

Costo

— Costos directos de los requerimientos interdisciplinarios. Los recursos humanos interdisciplinarios descritos anteriormente tienen un precio. La experiencia en múltiples áreas se suma.

— Costo del ciclo de vida. Los modelos de IA son entidades vivas que necesitan un cuidado continuo. Esto incluye actualizaciones periódicas, ajustes para adaptarse a nuevos datos o condiciones, e incluso revisiones completas para incorporar nuevos estándares.

Carbono

— Impacto de carbono de los requerimientos interdisciplinarios. Se deben tener en cuenta los desplazamientos para reuniones de las partes interesadas, el transporte de hardware, e incluso la energía consumida en los espacios de oficina donde trabajan los equipos del proyecto.

— Emisiones de carbono relacionadas con la IA. Los algoritmos de aprendizaje automático requieren una cantidad de energía considerable, lo que eleva el impacto ambiental del proyecto debido a su amplia potencia computacional. El ciclo de vida del hardware necesario para estos complejos algoritmos (desde la fabricación hasta la eliminación) también conlleva un costo medioambiental. El hardware especializado (GPU y TPU), además de acelerar los procesos algorítmicos, aumenta la huella de carbono general del proyecto. Un estudio realizado por investigadores de la Universidad de Massachusetts Amherst, encontró que las emisiones derivadas del entrenamiento de un solo modelo de IA pueden generar hasta 626,000 libras de CO2 equivalente, aproximadamente cinco veces las emisiones de un automóvil estadounidense promedio durante su vida útil.

Introduciendo los algoritmos ecológicos

Aquí es donde entran en juego los algoritmos ecológicos. Se integran a la perfección con una serie de metodologías de IA, desde el aprendizaje automático que permite el mantenimiento predictivo hasta el procesamiento del lenguaje natural para el análisis de los sentimientos de las partes interesadas, e incluso el aprendizaje reforzado para la asignación dinámica de recursos. El resultado final son herramientas de IA que no sólo son inteligentes en su ejecución, sino también sostenibles en su impacto en los proyectos. Los algoritmos ecológicos ayudan a abordar los desafíos de complejidad, costo y carbono:

— Gestión de la complejidad. Las herramientas y metodologías modernas de gestión de proyectos están cada vez más orientadas a aliviar la complejidad y facilitar la integración. Muchas plataformas, como Notion y Forecast, ofrecen ahora funciones que simplifican la gestión de algoritmos y conjuntos de datos complejos, convirtiéndolos en información procesable para una mejor toma de decisiones. También ofrecen servicios especializados de formación y consultoría para ayudar a los gestores de proyectos a adquirir las habilidades necesarias para implementar los algoritmos ecológicos de manera efectiva.

— Gestión de costos. Implementar las soluciones de IA requiere un precio financiero inicial y habilidades especializadas, que podrían considerarse barreras para su adopción. Sin embargo, es esencial considerar estas tecnologías como inversiones con beneficios a largo plazo, y no como un mero gasto. Los ahorros de energía de los centros de datos eficientes se traducen en reducciones significativas de los gastos operativos y menores costos de cumplimiento. La adopción de algoritmos ecológicos también puede ir acompañada de beneficios intangibles, como la reducción del riesgo y el incremento del valor de la marca.

— Gestión del carbono. Con los algoritmos ecológicos, se obtiene la eficiencia operativa comprobada que ofrecen las soluciones automatizadas y ahorros significativos mediante la optimización del uso recursos, la reducción de residuos y el cumplimiento de las regulaciones de sostenibilidad. Cambiar de un centro de datos promedio a uno más eficiente puede reducir la huella de carbono hasta en un 30%, y en el horizonte se vislumbran nuevas mejoras.

GE Research es un ejemplo de ello. En colaboración con GE Renewable Energy, han desarrollado una herramienta de aprendizaje automático de vanguardia diseñada para optimizar la logística de las turbinas eólicas, lo que podría ahorrarle a la industria miles de millones de dólares durante la próxima década. La solución algorítmica se centra en optimizar diversos aspectos de las operaciones de los parques eólicos, desde el envío y la instalación hasta el mantenimiento continuo. El costo, la complejidad y las emisiones de carbono se gestionaron o redujeron.

Con historias de éxito como ésta cada vez más frecuentes, el mensaje para los gestores de proyectos de todo el mundo es claro: Es hora de aprender a implementar algoritmos ecológicos.

Los gestores de proyectos están aprendiendo que la integración de algoritmos ecológicos en sus proyectos cataliza la eficiencia operativa y fortalece su compromiso con la sostenibilidad. Al mismo tiempo, los líderes organizacionales están viendo que la convergencia de IA y la conciencia ecológica ofrece una hoja de ruta para lograr resultados comerciales. Con una planificación meticulosa y un compromiso con la sostenibilidad, los algoritmos ecológicos pueden ayudar a los gestores y patrocinadores de proyectos a convertir los desafíos en oportunidades para lograr un impacto significativo. A medida que los proyectos se convierten cada vez más en la columna vertebral del valor organizacional, los algoritmos ecológicos ofrecen una forma tangible y efectiva de lograr tanto la sostenibilidad como la IA.

D

espués de muchos comienzos en falso, las organizaciones finalmente están haciendo el cambio hacia un verdadero modelo de trabajo híbrido. Mientras que algunas empresas se abocan al trabajo flexible, otras están presionando para regresar a la oficina del 2019.

¿El nuevo énfasis en la flexibilidad es temporal o el comienzo de nuestra nueva normalidad?

El más reciente Work Trend Index de Microsoft recopila perspectivas de 31,000 personas en 31 países, tendencias laborales de LinkedIn y billones de señales de productividad de Microsoft 365 para resaltar lo que los empleados realmente quieren y ayudar a los líderes a trazar un camino hacia adelante.

Nuestro informe expone las tendencias clave para ayudar a los líderes a empoderar a sus equipos para que prosperen en el próximo año.

1. Los empleados tienen diferentes prioridades cuando se trata de vida y trabajo.

Comparado con antes de la pandemia de COVID-19, el 47% de los empleados tienen más probabilidades de poner la vida familiar y personal por encima del trabajo. Además, el 52% de los trabajadores más jóvenes (Generación Z y millennials) está considerando cambiar de empleador este año (un aumento del 3% respecto al año pasado). Cuando se les preguntó qué querían de un nuevo empleador, en la cima de la lista se colocó una cultura positiva (46%), prestaciones de bienestar (42%), sentido de propósito (40%), horarios flexibles (38%) y más de dos semanas de vacaciones (35%).

Adaptarse a estas nuevas expectativas puede ser una ventaja competitiva, permitiendo que las organizaciones empoderen a los empleados actuales y atraigan nuevos talentos a sus filas.

2. Los gerentes se sienten atrapados en cuanto a las expectativas de la dirección y de los empleados.

Después de más de dos años de trabajo remoto o híbrido, el 80% de los empleados cree que su productividad se ha mantenido igual o ha mejorado. En marcado contraste, el 54% de los líderes empresariales temen que sus equipos hayan sido menos productivos.

Los gerentes están en una posición privilegiada para ver a ambos lados. Sin embargo, el 74% dice no tener la influencia ni los recursos para hacer cambios para sus equipos. Esto debe ser atendido.

3. Los líderes necesitan hacer que la oficina valga el traslado.

Muchas organizaciones han estado animando a los empleados a volver a la oficina, pero lo que ha sido menos claro es el por qué. De hecho, 51% de los empleados que actualmente están trabajando en un modelo híbrido dicen que están considerando volverse completamente remotos en el siguiente año.

No se trata de sólo meter a los empleados dentro de la oficina, sino de aprovechar al máximo su tiempo, especialmente en reuniones híbridas. Los líderes necesitan establecer una nueva etiqueta de reunión que les dé a todos un asiento en la mesa.

4. El trabajo flexible necesita significar “conexión permanente”.

Nuestros datos demuestran que hemos estado trabajando más que nunca desde principios de 2020. Ha habido un aumento constante en la duración media de la jornada laboral (+13%), el trabajo fuera de horario y el trabajo de fin de semana (+28% y +14%, respectivamente), y el tiempo en las reuniones (+252%).

Hay señales prometedoras de que los empleados están remodelando sus jornadas laborales. A comparación del 2021, las reuniones comienzan más tarde los lunes y se cierran más temprano los viernes. Los equipos deben establecer límites para que la flexibilidad de una persona no se convierta en la “conexión permanente” de otra.

5. La reconstrucción del capital social se ve diferente en un mundo híbrido.

Mientras que el 58% de los empleados híbridos han podido mantener relaciones prósperas con sus equipos directos durante el último año, sólo la mitad de los que quienes trabajan plenamente a distancia pueden decir lo mismo. Los empleados recién incorporados tienen relaciones laborales más débiles, y el 56% dice que probablemente considerarán cambiar de trabajo en el año por venir.

Cree el tiempo y el espacio para la creación de relaciones. Al animar a los equipos (especialmente a los empleados remotos y nuevos) a priorizar el trabajo en red y la conexión en persona, los empleados pueden recuperar el terreno perdido.

S

eamos realistas: ¿quién no se ha sentido aburrido en el trabajo en algún momento? El aburrimiento es completamente normal. No importa si usted es el CEO de su organización o si apenas está comenzando en un puesto de nivel inicial, todos lo sentimos de vez en cuando. Pero aquí está el problema: está lejos de ser inofensivo. Si no se controla, el aburrimiento puede reducir la motivación, disminuir la productividad y afectar los resultados financieros. Para los gerentes, comprender y abordar el aburrimiento en el lugar de trabajo no es solo algo positivo, sino algo esencial para mantener a los equipos comprometidos y asegurar que las organizaciones prosperen.

Si bien el aburrimiento en el trabajo es común, mi investigación ha encontrado que se vuelve verdaderamente problemático cuando no se debe a tareas repetitivas o reuniones tediosas, sino a una sensación más profunda de falta de propósito, es decir, cuando los empleados comienzan a preguntarse: ¿Qué estoy haciendo aquí?

Este aburrimiento existencial (a diferencia del aburrimiento situacional) se ha vuelto más pronunciado en los últimos años, ya que el aumento del agotamiento entre los trabajadores los ha llevado a cuestionarse por qué están trabajando tan duro. Al no encontrar respuestas, el aburrimiento existencial puede aparecer, alimentando la reciente tendencia de “renuncia silenciosa” o la desconexión de tareas no esenciales en el trabajo.

Cómo responden los empleados al aburrimiento

En mi análisis, los empleados que lograron superar mejor el aburrimiento existencial lo hicieron aceptándolo en primer lugar. Reconocieron que los objetivos ambiciosos y lejanos se sentían abstractos en comparación con su realidad diaria. Pero no solo aceptaron este hecho, sino que replantearon sus expectativas y cambiaron proactivamente su enfoque hacia metas más inmediatas y alcanzables.

Por el contrario, aquellos que tuvieron mayores dificultades para superar el aburrimiento existencial fueron aquellos que se negaron a reconocerlo, aferrándose obstinadamente al objetivo final. Estas personas tenían más probabilidades de ver el aburrimiento como un fracaso y, por lo tanto, no ajustaban sus expectativas a la realidad del día a día. Mi estudio encontró que este enfoque a menudo tenía el efecto contrario, ampliando la brecha entre sus aspiraciones y su trabajo real, lo que conducía a frustración, desinterés y, en última instancia, a una mayor rotación de personal.

Cómo saber si un empleado está experimentando aburrimiento existencial

Si bien puede ser difícil para los gerentes identificar si los empleados están experimentando aburrimiento existencial, mi investigación señala algunos signos que pueden indicar que los trabajadores están pasando por algo más profundo que un aburrimiento ordinario. Algunos síntomas del aburrimiento existencial pueden incluir:

— Desapego emocional y apatía: Parecen emocionalmente planos, insensibles o indiferentes ante los éxitos y desafíos. Carecen de entusiasmo, incluso por proyectos que antes disfrutaban. Sus respuestas a los elogios o retroalimentación parecen forzadas o indiferentes.

— Cuestionamiento del significado de su trabajo: Hacen comentarios como «¿Esto realmente importa?», expresan cinismo sobre la misión de la empresa, su rol o sus objetivos profesionales a largo plazo.

— Inquietud persistente, baja energía y fatiga: A menudo parecen perdidos en sus pensamientos, mirando por la ventana o fijando la vista en la pantalla sin trabajar. Frecuentemente mencionan que se sienten “estancados” o desmotivados. Retrasan la finalización de incluso tareas simples, poniendo excusas o aplazando los tiempos de entrega.

— Alejamiento del trabajo y de sus colegas: Evitan las interacciones sociales, reuniones o eventos del equipo. Dejan de aportar ideas o participar en discusiones. Se aíslan, prefiriendo trabajar solos o reduciendo su compromiso casual con sus compañeros. Se desvinculan de la cultura laboral o muestran una sensación de desilusión.

Si bien estos síntomas pueden no ser una medición 100% precisa, pueden indicar la presencia de aburrimiento existencial en el lugar de trabajo, especialmente cuando varios de estos signos aparecen simultáneamente.

Cómo los gerentes pueden abordar eficazmente el aburrimiento existencial en sus equipos

El aburrimiento no es solo un problema personal: es un desafío organizacional que puede descarrilar incluso las iniciativas más ambiciosas, desde grandes transformaciones digitales hasta esfuerzos de sostenibilidad de gran alcance. Mi estudio reveló que los trabajadores que pueden superar su aburrimiento mediante la creación de victorias más pequeñas y alcanzables logran mantener altos niveles de responsabilidad y permanecen comprometidos con los objetivos a largo plazo.

Basándome en mi estudio, ofrezco las siguientes recomendaciones para los gerentes que buscan ayudar a sus empleados a superar el aburrimiento existencial:

1. Establecer objetivos a corto y largo plazo

Las iniciativas ambiciosas (como lograr un crecimiento del 300% para 2050 o expandirse a nuevos mercados para 2035) pueden inspirar, pero a menudo resultan lejanas y abstractas para los empleados centrados en el trabajo diario. Para mantener motivados a los equipos, los gerentes deben encontrar un equilibrio entre las aspiraciones futuras y los logros presentes. La clave está en conectar los hitos inmediatos que resuenan en la experiencia diaria de los empleados con la misión más amplia de la organización.

Tomemos el ejemplo de Microsoft. Hace poco, la empresa anunció su innovador chip cuántico Majorana 1, aunque también señaló que aún se necesitarán años para desplegar sus unidades de procesamiento cuántico, de las que forma parte el chip. Al establecer objetivos a corto plazo (creación del chip) en el contexto de iniciativas de mayor envergadura (unidades de procesamiento cuántico), Microsoft mantiene la motivación de los equipos al tiempo que mantiene su compromiso con las ambiciones a largo plazo.

2. Reconocer las victorias a lo largo del camino

Además, los gerentes pueden ayudar a celebrar y reconocer el crecimiento incremental y el progreso hacia un objetivo mayor.

Tomemos el ejemplo de Netflix, que se enfrenta al reto de mantener su crecimiento en el número de suscriptores. Aunque se trata de un viaje continuo en un negocio altamente competitivo, los éxitos como el aumento de suscriptores debido a la retransmisión de deportes en vivo se celebran en el momento y pueden servir como hitos memorables para los empleados que se enfrentan a un reto continuo. Replantear las amplias expectativas de crecimiento en pequeñas victorias celebradas puede ayudar a las personas a mantenerse comprometidas y sentirse motivadas a corto y largo plazo.

3. Fomentar la adaptabilidad

Los gerentes deben crear entornos donde los equipos se sientan empoderados para adaptar su enfoque en lugar de apegarse rígidamente a los planes originales. Al dar prioridad a soluciones que se ajusten a las circunstancias actuales, se reconoce que hay múltiples caminos hacia el éxito. Asignar una parte del tiempo de los empleados a la búsqueda independiente de intereses relacionados con su trabajo habitual (pero ajenos a él) les permite abordar lo que les desconcierta y les intriga de su trabajo, con ventajas potencialmente significativas para la organización.

4. Normalizar el aburrimiento

El aburrimiento existencial no se limita a los contextos de alta presión o extremos: es algo a lo que se enfrentan muchos profesionales, desde mandos intermedios hasta trabajadores de primera línea, especialmente cuando las tareas carecen de sentido aparente o el progreso es (demasiado) lento.

Según mi estudio, ignorar esta realidad puede generar falta de compromiso, sin embargo, reconocerla puede ser el primer paso para establecer planes nuevos y atractivos. Las conversaciones abiertas, el apoyo reflexivo y un enfoque renovado en el “por qué” detrás del trabajo pueden marcar una diferencia significativa.

McKinsey, por ejemplo, toma regularmente el “pulso” de su fuerza laboral para saber cómo se sienten los empleados con su trabajo e introducir cambios en respuesta a los resultados de estas encuestas. Aplicar mecanismos similares de retroalimentación puede ayudar a las organizaciones a detectar la tensión emocional (incluido el aburrimiento) y abordarla antes de que conduzca a una renuncia silenciosa.

El aburrimiento no tiene que ser un obstáculo: los gerentes inteligentes pueden aprovecharlo para impulsar la innovación y recalibrar los objetivos. Al crear espacio para la reflexión y la adaptabilidad, las organizaciones pueden convertir la desconexión en una oportunidad de crecimiento. En un mundo donde las visiones ambiciosas pueden tardar años en materializarse, centrarse en el aquí y el ahora es clave para mantener el impulso.

“

La ingeniería es fácil. Las personas son difíciles”. Esa cita proviene del tecnólogo Bill Coughran, cuya carrera abarca los Laboratorios Bell, Google y la famosa firma de capital de riesgo Sequoia.

En noviembre, OpenAI aprendió la sabiduría de esta lección a menudo olvidada.

El laboratorio de inteligencia artificial, fundado por Sam Altman, Elon Musk y otros, ha cambiado el mundo con el lanzamiento de su modelo de lenguaje ChatGPT. Su destreza en ingeniería e innovación de productos están fuera de toda duda.

Pero OpenAI intentó combinar eso con una importante innovación en materia de gobernanza destinada a controlar su impacto a largo plazo. Y esa innovación fracasó estrepitosamente cuando la junta destituyó a Altman y casi destruyó la valoración de 80,000 millones de dólares de la empresa.

Los ingredientes inusuales de la estructura de gobernanza de OpenAI se han analizado recientemente: Es una organización sin fines de lucro que controla una organización con fines de lucro; los empleados tenían participación accionaria en la organización con fines de lucro, pero el CEO y los directores no; los inversionistas en la empresa con fines de lucro tenían un límite en el rendimiento que podían recibir, y no tenían derechos de control, porque permanecían en la junta directiva de la organización sin fines de lucro. (De hecho, el CEO de Microsoft, el mayor inversor de OpenAI, sólo se enteró de la destitución justo antes de que ocurriera).

Al combinar los modelos con y sin fines de lucro, OpenAI esperaba lo mejor de ambos mundos. En cambio, obtuvo lo peor, y subrayó la importancia de las mejores prácticas en gestión y gobernanza. Los fundadores y las empresas innovadoras pueden verse tentados a reinventar todo al mismo tiempo. Sin embargo, las startups exitosas se resisten a hacerlo. Se centran en cambiar algo importante (generalmente el producto) mientras duplican las mejores prácticas en otras áreas.

Mi investigación ha esbozado las mejores prácticas para startups exitosas. En ese trabajo, he descrito cómo las startups pueden fracasar cuando los fundadores actúan como monarcas sin restricciones. Eso fue, en parte, el fracaso de FTX. Y es por eso que las startups más exitosas suelen ceder el control gradualmente del fundador a los inversionistas, la gerencia y otros empleados. Idealmente, todos estos grupos están alineados a través del capital social de la empresa, pero ninguna persona tiene el control total.

A principios de noviembre, Brad Smith, presidente de Microsoft, intentó hacer una distinción entre la estructura de gobernanza de OpenAI y la de un gigante tecnológico como Meta. “¿En cuál tendría más confianza?” preguntó. «¿Obtener su tecnología de una empresa sin fines de lucro, o de una empresa con fines de lucro que es totalmente controlada por un ser humano?»

Desafortunadamente, esa declaración resultó acertada, pero no en la forma en que Smith la expresó. La toma de decisiones de OpenAI resultó mucho más similar a las monarquías tecnológicas de las que se burlaba. Hay un viejo dicho que dice que «la monarquía es el mejor método de toma de decisiones del mundo, siempre y cuando el monarca sea infalible». La junta directiva de OpenAI solo era responsable ante sí misma y su interpretación subjetiva de la misión de la organización sin fines de lucro, lo que llevó al caos y al fallido golpe contra Altman. Esto no es, por decir lo menos, una mejora del gobierno corporativo. Es un vaciamiento.

¿Qué pasa ahora? Altman está de vuelta como CEO, aunque quedó fuera de la junta reconstituida. Todos menos uno de los miembros de la junta que lo destituyeron se han ido. Pero hasta ahora no está claro si se producirán mejoras en la gobernanza.

Los cambios importantes en el modelo operativo o de gobierno de una startup son particularmente peligrosos. Los cambios significativos que se realizan a medida que una startup crece corren el riesgo de hundir la empresa. Y ahí es donde se encuentra OpenAI. Necesita limitar su experimentación a la investigación y los productos de IA, y adoptar cuidadosamente un modelo de gobernanza más probado en el tiempo. Pero llegar de aquí hasta allí estará plagado de dificultades. Lo más difícil son las personas, no la ingeniería.

L

a inteligencia artificial está generando avances impresionantes para muchas empresas: automatiza el servicio al cliente, optimiza las cadenas de suministro y potencia el marketing. Sin embargo, aunque este progreso incremental es valioso, no prepara a las empresas para las grandes olas de disrupción impulsadas por la IA que se avecinan.

Los riesgos y costos de oportunidad de centrarse únicamente en el incrementalismo están bien documentados. La revolución digital que cobró impulso a finales de la década de 1990 es un ejemplo de advertencia. Las cadenas hoteleras digitalizaron sus operaciones e interfaces con los clientes, pero cedieron valor a nuevos competidores con modelos de negocio que daban prioridad a lo digital, como las agencias de viajes en línea y las plataformas de alojamiento y experiencias entre particulares. Las empresas de medios tradicionales digitalizaron su contenido, pero perdieron audiencia e ingresos publicitarios frente a las redes sociales, que transformaron la forma de crear, compartir, interactuar y monetizar los contenidos.

Con la IA avanzando más rápido que cualquier otro cambio tecnológico anterior, hoy en día los riesgos son aún mayores. Las empresas que se limiten a un enfoque incremental de la IA caso por caso corren el riesgo de quedarse rezagadas a medida que sus competidores redefinen rápidamente las industrias.

Un enfoque estratégico que combine dos caminos paralelos ofrece una solución viable. La «transformación A» aprovecha la IA para optimizar el modelo de negocio actual, refinando procesos, reduciendo costos y mejorando la experiencia del cliente. La «transformación B» crea nuevos modelos de negocio impulsados por IA, desbloqueando oportunidades y redefiniendo los mercados. Cada una de estas transformaciones sigue una estructura diferente. La transformación A se implementa dentro de la organización existente, aprovechando las capacidades establecidas y siguiendo los procesos tradicionales de presupuestación anual diseñados para ejecutar y mejorar continuamente un modelo de negocio predecible. La transformación B, en cambio, se beneficia de una estructura separada, similar a una empresa emergente, con talento emprendedor y una cultura diferenciada, además de métricas de éxito y financiamiento enfocados en el descubrimiento y desarrollo de nuevos motores de crecimiento.

Existen pasos prácticos que los líderes pueden seguir para superar los obstáculos y llevar a cabo una transformación dual de manera efectiva. A continuación, exploraremos cómo las empresas líderes están aprovechando tres enfoques clave para impulsar sus propias transformaciones con IA.

1. Llevar a cabo la planificación de escenarios para anticipar cambios disruptivos

La IA avanza a una velocidad sin precedentes, lo que significa que las organizaciones que no logren anticiparse a las disrupciones corren el riesgo de ser sorprendidas por la competencia. La planificación de escenarios permite a los líderes explorar múltiples futuros posibles, poner a prueba sus estrategias actuales e identificar oportunidades emergentes antes de que se conviertan en tendencias dominantes.

Una importante aerolínea llevó a cabo un extenso ejercicio de planificación de escenarios para explorar cómo las tecnologías emergentes (como el aprendizaje automático, la IA generativa, la visión por computadora y la robótica avanzada) podrían transformar su modelo de negocio y la industria de viajes en general. Al analizar diversos escenarios futuros, la aerolínea buscaba anticiparse a las necesidades de los clientes, identificar oportunidades operativas y detectar posibles disrupciones en los próximos años.

El proceso comenzó con un análisis de las partes interesadas y del ecosistema, identificando las necesidades de clientes, reguladores y socios, como aeropuertos y control del tráfico aéreo, al tiempo que se consideraban las restricciones que estos grupos podrían imponer a la adopción de la IA. Las evaluaciones tecnológicas analizaron la madurez y escalabilidad de las soluciones de IA para definir qué aplicaciones estaban listas para implementarse a corto plazo y cuáles requerían inversiones a largo plazo. El equipo también analizó las innovaciones en industrias adyacentes y no relacionadas para detectar señales tempranas de cambio.

Esto se complementó con un proceso de ideación centrado en la «posibilidad», en el que la aerolínea imaginó cómo la IA podría redefinir la productividad, la eficiencia operativa y la experiencia del cliente, desde la optimización de rutas hasta la personalización de servicios.

Los hallazgos revelaron dos caminos claros de transformación. Para el negocio principal (transformación A), la aerolínea priorizó los casos de uso de IA con impacto inmediato, respaldados por tecnologías como el mantenimiento predictivo, los chatbots de IA generativa y la visión por computadora para mejorar los servicios de asistencia en tierra. Al mismo tiempo, la aerolínea desarrolló una innovación en su modelo de negocio (transformación B) mediante el desarrollo de agentes de viaje inteligentes impulsados por IA, capaces de planificar y reservar itinerarios personalizados en vuelos, hoteles y experiencias, lo que le permitió generar ingresos a través de comisiones en todo el ecosistema de viajes.

2. Alinear el liderazgo con el potencial transformador de la IA

Establecer una visión compartida en el liderazgo es fundamental para la transformación de la IA. Sin ella, las empresas corren el riesgo de fragmentarse: algunos líderes avanzan, otros dudan y el impulso se ralentiza. Aunque la verdadera alineación es un proceso que consta de varias etapas, realizar un ejercicio de alineación del liderazgo puede acelerar el proceso al revelar diferentes puntos de vista, fortalecer la convicción y definir una dirección clara.

En una empresa de tecnología industrial de la lista Fortune 500, el equipo directivo tenía perspectivas muy diferentes sobre la IA. Algunos la consideraban transformadora y vislumbraban un futuro en el que las cámaras con IA sustituirían a los costosos y sofisticados sensores de sus productos de medición. Otros se mostraban escépticos, tachando a la IA como una «moda pasajera» que distraía la atención de las prioridades del negocio. Un tercer grupo se mostraba curioso pero inseguro, luchando por comprender su verdadero potencial y sus implicaciones.

Estas diferencias plantearon cuestiones críticas sobre el verdadero potencial de la IA, la rapidez con la que la empresa debería actuar y las áreas en las que debía enfocarse. Para alinear las perspectivas y fortalecer la convicción, los 50 principales ejecutivos de la empresa se reunieron en una sesión estratégica de medio día dedicada a la IA.

La reunión dejó en claro la necesidad de actuar con urgencia tanto en las operaciones centrales como en las nuevas áreas de crecimiento. Al finalizar la sesión, los ejecutivos se alinearon en una serie de proyectos piloto «faro» diseñados como prototipos para una adopción más amplia, marcando un punto de inflexión significativo en la estrategia de IA de la compañía. También crearon un centro de capacidades para proporcionar los procesos, recursos y gobernanza necesarios para ampliar la IA. Este centro apoya el desarrollo de estrategias y casos de uso, al tiempo que colabora con los grupos de productos para dotar de recursos y avanzar en los proyectos piloto de transformación (A y B).

Para la transformación A, el liderazgo se comprometió a implementar soluciones impulsadas por IA en su centro de contacto para mejorar la eficiencia de las ventas y la interacción con los clientes. Para la transformación B, priorizaron el desarrollo de sensores definidos por software impulsados por IA, lo que cambiaría el modelo de negocio de la empresa de la venta de hardware a la venta de software.

3. Convertir las capacidades internas en oportunidades de mercado

Construir nuevos modelos de negocio impulsados por IA es un reto, pero las empresas no tienen que empezar desde cero. Al aprovechar su experiencia, datos e infraestructura interna, pueden expandir la IA más allá de sus propias operaciones, convirtiendo las capacidades internas en ventajas competitivas en nuevos mercados.

Para Shell, la IA no era solo una herramienta de eficiencia, sino una prioridad estratégica. El liderazgo se comprometió a integrarla en todas sus operaciones globales, centralizando recursos, infraestructura y talento para coordinar más de 100 aplicaciones desarrolladas y destinar sus inversiones en las oportunidades de mayor impacto dentro de su transformación A.

Más allá del ahorro de costos, cada implementación amplió el alcance y la profundidad de sus datos, mejoró la capacidad predictiva de la IA y fortaleció su base para futuras aplicaciones. Por ejemplo, cada solución de mantenimiento predictivo recién implementada generó flujos continuos de datos sobre el rendimiento de los equipos, lo que permitió ampliar los conocimientos y potenciar nuevas aplicaciones basadas en IA.

Sobre esta base, Shell colaboró con C3 AI, Microsoft y Baker Hughes para lanzar la Open AI Energy Initiative, una plataforma diseñada para establecer estándares en la industria y comercializar soluciones impulsadas por IA. Este esfuerzo fue un elemento clave en la transformación B, ya que la empresa buscó aprovechar las capacidades internas de IA para obtener una ventaja competitiva en nuevos mercados.

La IA está reescribiendo las reglas de la competencia, presentando tanto oportunidades extraordinarias como desafíos existenciales. Para las empresas establecidas, el camino a seguir no siempre es claro, pero al adoptar una transformación dual, pueden fortalecer sus operaciones actuales mientras dan pasos audaces para prosperar en esta nueva era.