Tecnología archivos - DirigeHoy PREMIUM https://dirigehoy.info/tag/tecnologia/ Todo lo que un gerente tiene que saber Tue, 09 Jun 2026 19:26:15 +0000 es hourly 1 https://wordpress.org/?v=6.9.5 https://dirigehoy.info/wp-content/uploads/2022/02/cropped-identidad-32x32.png Tecnología archivos - DirigeHoy PREMIUM https://dirigehoy.info/tag/tecnologia/ 32 32 242473640 Por qué los CEOs deberían pensarlo dos veces antes de usar IA para redactar mensajes https://dirigehoy.info/por-que-los-ceos-deberian-pensarlo-dos-veces-antes-de-usar-ia-para-redactar-mensajes/ Tue, 09 Jun 2026 15:00:07 +0000 https://dirigehoy.info/?p=277791 No debería sorprender que los CEOs estén experimentando con el uso de IA generativa para redactar mensajes personales.

La entrada Por qué los CEOs deberían pensarlo dos veces antes de usar IA para redactar mensajes se publicó primero en DirigeHoy PREMIUM.

]]>

Por qué los CEOs deberían pensarlo dos veces antes de usar IA para redactar mensajes

S

i tiene que hacerlo, sea transparente al respecto.

Dada la eficacia con la que la IA puede imitar la escritura humana, no debería sorprender que los CEOs estén experimentando con su uso para redactar mensajes personales. Según un estudio de la Harvard Business School realizado en 2018, el 24% de la jornada laboral de un ejecutivo promedio se destina a la comunicación electrónica. Pero ¿qué pasaría si los CEOs comenzaran a redactar las comunicaciones dirigidas a los empleados utilizando IA generativa?

El año pasado, un grupo de investigadores estudió esta cuestión en Zapier, una empresa estadounidense de software con más de 700 empleados. El profesor Prithwiraj Choudhury, de la Harvard Business School, junto con sus colegas Bart Vanneste (University College London), Xi Kang (Vanderbilt) y Amirhossein Zohrehvand (Leiden University), querían determinar si los empleados podían distinguir entre mensajes escritos por IA y aquellos redactados por el CEO de Zapier, Wade Foster. Utilizando un LLM desarrollado por empleados de la compañía, Choudhury y sus colegas entrenaron un chatbot con mensajes de Slack y correos electrónicos de Foster, declaraciones públicas y otras comunicaciones. El “Wade Bot”, como comenzaron a llamarlo los investigadores, fue diseñado específicamente para escribir como Foster.

“La IA y la automatización están teniendo un gran impacto en cómo y dónde trabajamos”, afirma Choudhury. “Pero cuando pensamos en la próxima frontera de la IA generativa, una de las posibilidades es que los bots personales se comuniquen, asistan a reuniones, escuchen conversaciones y hablen en nuestro nombre. Queríamos determinar hasta qué punto esto podría ser posible hoy en día”.

Los investigadores recopilaron preguntas de 105 empleados para que Foster las respondiera. Tanto el CEO como el Wade Bot dieron sus respuestas, y luego los empleados intentaron identificar cuáles pertenecían a cada uno. Lograron identificar correctamente las respuestas escritas por IA el 59% de las veces.

Hubo otro hallazgo sorprendente. Cuando se pidió a los empleados que evaluaran si las respuestas eran útiles, aquellas que creían que habían sido generadas por IA recibieron calificaciones más bajas, incluso cuando en realidad las había escrito Foster.

Posteriormente, los investigadores realizaron un segundo estudio para determinar si los resultados serían diferentes cuando los evaluadores no tuvieran familiaridad con quien escribía. Reclutaron a 218 personas en Estados Unidos y les pidieron leer respuestas que los participantes creían que habían dado los CEOs durante las conferencias sobre resultados financieros de sus empresas. Mientras que algunas respuestas provenían de conferencias reales, otras fueron generadas por una herramienta de IA que imitaba el estilo de esos CEOs. El estudio encontró que, cuando las personas pensaban que una respuesta había sido creada por IA, la calificaban como menos útil, incluso si provenía de un ser humano. Por el contrario, cuando creían que la respuesta había sido dada por un CEO, la consideraban más útil, incluso si había sido generada por una IA.

En pocas palabras, las personas confían más y valoran más las declaraciones que creen que provienen de un ser humano que en aquellas que atribuyen a la tecnología. Esto sugiere que, aunque la IA puede producir información útil, la percepción de las personas desempeña un papel muy importante en cómo se recibe dicha información.

Aun así, la mayoría de los líderes utilizarán IA generativa de una forma u otra. Según una encuesta de Deloitte realizada en 2024, el 50% de los CEOs en Estados Unidos afirma que sus empresas ya han automatizado la creación de contenido mediante esta tecnología. El 75% dice haber utilizado o estar utilizando personalmente la IA generativa. Si decide hacer lo mismo, Choudhury recomienda seguir tres lineamientos:

1. Sea transparente.

Si sus empleados descubren que ha delegado sus comunicaciones a una herramienta sin informarles, podrían comenzar a creer que cada mensaje que envía ha sido redactado por un bot. La transparencia es fundamental para generar confianza y reducir la aversión que muchas personas sienten hacia la IA generativa. Comunique con claridad cuál es la función de la herramienta y cuáles son sus ventajas. Explique a los empleados qué considera un uso aceptable de esta tecnología, cuáles son sus directrices para utilizar el texto y los datos que generan sus respuestas, y qué tipos de datos utiliza o evita al crear instrucciones y entrenar a los bots.

Su empresa debería contar con reglas que definan hasta qué punto se permite (e incluso se espera) que los empleados utilicen la IA. Evidentemente, usted mismo debe seguir esas reglas, pero también debe informar a los demás sobre cómo está utilizando la tecnología dentro de esos parámetros. Esto ayudará a fomentar un uso constructivo y a responder las dudas que otros puedan tener al respecto.

2. Utilice la IA para mensajes impersonales.

Según la investigación de Choudhury, esta tecnología es más eficaz para comunicaciones formales, como cartas a accionistas o memorandos estratégicos. Evite utilizarla para comunicaciones personales, especialmente con personas que lo conocen bien.

En el experimento de Zapier, los empleados con más antigüedad tuvieron una mayor probabilidad de detectar las respuestas generadas por IA. Por ejemplo, quienes llevaban tres años o más en la empresa tuvieron una tasa de acierto más alta en sus identificaciones (62%) que los empleados más nuevos (58%). Choudhury cree que la familiaridad de estos trabajadores con el estilo de comunicación de Foster limitó la capacidad del bot para imitarlo con éxito. Sin embargo, el estilo personal de un CEO es mucho menos perceptible en una comunicación formal que en un correo electrónico dirigido a un colaborador o en una publicación de LinkedIn.

“Actualmente, el uso previsto debería centrarse realmente en comunicarse con desconocidos o automatizar las partes más rutinarias y tediosas de la escritura”, señala Choudhury. “Podría utilizar IA para responder preguntas sobre su estrategia de precios o sobre lo que espera que ocurra con las tasas de interés durante el próximo año. Pero yo no la utilizaría para redactar un correo electrónico dirigido a un miembro de la junta directiva sobre sus últimas vacaciones”.

3. Revise su trabajo tres veces.

No confíe en la IA generativa para producir respuestas de manera autónoma. La tecnología se equivoca con frecuencia y tiende a depender en exceso de jerga y palabras de moda. Estos desafíos representan riesgos importantes para los CEOs, cuyos mensajes pueden tener un impacto significativo en empleados, accionistas y clientes. En lugar de limitarse a copiar y pegar las respuestas generadas por la IA en un documento, revise y verifique cada palabra, especialmente cuando se trate de mensajes importantes o delicados. También debería pedir a un editor que revise las comunicaciones generadas con ayuda de la tecnología (o, en realidad, cualquier comunicación) para asegurarse de que su significado, tono y personalidad coincidan con lo que usted pretende transmitir.

“Nunca presione ‘enviar’ sin leer y verificar la información del mensaje”, afirma Choudhury. “La IA generativa es una herramienta extraordinaria que ahorrará mucho tiempo a los CEOs, pero no creo que pueda dejar que funcione por completo de forma autónoma. Incluso si responde incorrectamente una sola pregunta, podría enfrentarse a enormes consecuencias no deseadas”.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

If you have to do it, be transparent about it.

Given how effective AI is at mimicking human writing, it should come as no surprise that CEOs are experimenting with using it to draft personal messages. Harvard Business School research from 2018 calculated that 24% of the average executive’s day is allocated to electronic communication. But what would happen if CEOs began drafting employee communications using gen AI?

A group of researchers studied this question last year at Zapier, an American software company with more than 700 employees. Harvard Business School professor Prithwiraj Choudhury and colleagues Bart Vanneste (University College London), Xi Kang (Vanderbilt), and Amirhossein Zohrehvand (Leiden University) wanted to determine whether employees could distinguish between messages written by AI and those written by Zapier CEO Wade Foster. Using a large language model developed by the company’s employees, Choudhury and his colleagues trained a chatbot on Foster’s Slack and email messages, public statements, and other communications. The “Wade Bot,” as the researchers began calling it, was specifically designed to write like Foster.

“AI and automation are having a major effect on how and where we work,” Choudhury says. “But when we think about the next frontier for generative AI, one of the possibilities is that personal bots will communicate, attend meetings, listen in, and speak on our behalf. We wanted to determine the extent to which this might be possible today.”

The researchers crowdsourced questions for Foster to reply to from 105 employees. The CEO and the Wade Bot both produced answers, then employees tried to tell them apart. They correctly identified AI-written responses 59% of the time.

There was another surprising finding. When the employees were asked to assess whether the answers were useful, the ones they believed to be AI-generated were rated as less helpful, even when Foster actually wrote them.

The researchers then conducted a second study to determine whether the findings would be different if evaluators had no familiarity with the writer. They recruited 218 people in the United States and asked them to read answers that the participants believed were given by CEOs during company earnings calls. While some answers were from real earnings calls, others were generated by an AI tool that mimicked the CEOs’ styles. The study found that when people thought an answer was created by AI, they rated it as less helpful even if it came from a human. Conversely, when they thought a CEO had given an answer, they found it more helpful even if it was from AI.

In simple terms, people place more trust in and find more value in statements they believe come from a human rather than technology. This suggests that while AI can produce helpful information, people’s perceptions play a big role in how it is received.

Still, most leaders will use gen AI in some form or fashion. Fifty percent of U.S. CEOs say their companies have already automated content creation with it, according to a 2024 Deloitte survey. Seventy-five percent say they have personally used or are using the technology. If you decide to do the same, Choudhury recommends following three guidelines:

1. Be transparent. If your employees discover that you’ve outsourced your communications without telling them, they may start to believe every message you send is drafted by a bot. Transparency is essential to building trust and allaying people’s aversion to gen AI. Clearly communicate the tool’s role and benefits. Tell employees what you think is acceptable use of it, what your guidance is for pulling text and data from its responses, and which data you use and avoid when prompting and training bots.

Your company should have rules for the extent to which employees are allowed, and even expected, to use AI. Follow the rules yourself, obviously, but also let people know how you’re drawing on the technology within these parameters. This will help encourage constructive usage and answer related questions others have.

2. Use AI for impersonal messaging. The technology is more effective for formal communications, such as shareholder letters or strategy memos, according to Choudhury’s research. Avoid it for personal communications, especially with people who know you well.

In the Zapier experiment, employees with longer tenures were more likely to spot AI-generated responses. Those who had been around three years or more, for example, had a higher accuracy rate in their guesses (62%) than newer workers did (58%). Choudhury believes their familiarity with Foster’s communication style limited the bot’s success in imitating him. But a CEO’s personal style is much less discernible in formal writing than it is in an email to a subordinate or a post on LinkedIn.

“The target use case today should really be communicating with strangers or automating the drab parts of writing,” Choudhury says. “You could use AI to answer questions about your pricing strategy or what you expect to happen to interest rates for the next year. But I wouldn’t use it to write an email to a board member about your last vacation.”

3. Triple-check your work. Don’t rely on gen AI to autonomously produce answers. The technology is often wrong, and it tends to rely too heavily on jargon and buzzwords. These challenges present big risks for CEOs, whose messages can have a dramatic impact on employees, shareholders, and customers. Rather than simply copying and pasting AI’s responses into a document, review and fact-check every word—especially for important and sensitive messages. You should also ask an editor to review your technology-generated communications (or any communications, really) to ensure their meaning, tone, and personality align with what you intended.

“Never press send without reading and fact-checking the message,” Choudhury says. “Gen AI is a great tool that will save CEOs a lot of time, but I don’t think you can let it run completely on its own. Even if it answers only one question incorrectly, you will suffer huge unintended consequences.”

La entrada Por qué los CEOs deberían pensarlo dos veces antes de usar IA para redactar mensajes se publicó primero en DirigeHoy PREMIUM.

]]> 277791 Cómo apoyar el desarrollo profesional de sus colaboradores cuando todos están abrumados https://dirigehoy.info/como-apoyar-el-desarrollo-profesional-de-sus-colaboradores-cuando-todos-estan-abrumados/ Wed, 27 May 2026 16:00:09 +0000 https://dirigehoy.info/?p=277776 Antes de pedirle a su equipo que asuma nuevos procesos de aprendizaje, reduzca un poco su carga de trabajo.

La entrada Cómo apoyar el desarrollo profesional de sus colaboradores cuando todos están abrumados se publicó primero en DirigeHoy PREMIUM.

]]>

Cómo apoyar el desarrollo profesional de sus colaboradores cuando todos están abrumados

S

u equipo está trabajando al límite. En una era de despidos, tensiones geopolíticas e incertidumbre generada por la IA, la presión por cumplir con los objetivos deja muy poco espacio para cualquier otra cosa. Pedirle a la gente que, además de todo eso, piense en su desarrollo profesional puede parecer imposible.

La mayoría de los empleados sabe que debería desarrollar nuevas habilidades. El problema es que las exigencias del día a día dejan muy poco margen para hacerlo, explica Helen Tupper, cofundadora y CEO de Amazing If, una consultora especializada en desarrollo profesional.

“La gente reconoce que aprender es importante, pero siente que está demasiado ocupada”, dice Tupper. La confianza también juega un papel importante. Gran parte de lo que las personas necesitan aprender hoy es completamente nuevo, y la IA es uno de los principales ejemplos, señala. “Muchas personas todavía piensan en el aprendizaje como algo que sucede en la escuela, y no como algo que puede integrarse en su forma de trabajo actual”.

Como líder, usted también está lidiando con las mismas presiones e incertidumbres y, sin embargo, su equipo recurre a usted en busca de ayuda. He aquí por dónde comenzar.

Céntrese en el aprendizaje, no en las jerarquías.

Existe cierta sensación de seguridad en la idea de una escalera profesional: presentarse, esforzarse y ascender poco a poco. Pero, aunque esa idea resulta atractiva, también ha quedado desactualizada, afirma Tupper. Las carreras profesionales no siempre avanzan hacia arriba; muchas veces también toman caminos laterales. Los ascensos van y vienen, y los despidos también.

Nadie puede controlar cómo evolucionará una carrera profesional. La tecnología avanza demasiado rápido como para que alguien pueda predecirlo. Pero eso no significa que las personas estén indefensas. “Lo que sí puede hacer es ayudarles a tomar el control de su desarrollo”, dice Tupper. Sea directo con ellas. “Si son buenas aprendiendo, crearán oportunidades para sí mismas. Si no lo son, corren el riesgo de quedarse atrás”.

Hágalo personal.

Tupper recomienda reunirse con cada miembro de su equipo y analizar qué necesita aprender para desempeñar mejor su rol actual y qué tendría que aprender para llegar a donde quiere estar. “La mayoría de las personas solo aprende lo necesario para el trabajo que tiene en este momento, y eso las limita”, señala.

Piense, por ejemplo, en un gerente de proyectos que quiere orientarse hacia el análisis de clientes. Es posible que esté preparándose para obtener una certificación formal, así que anímelo a pensar más allá. ¿Dónde podría aprender sobre investigación cuantitativa? ¿Qué necesitaría para ponerse al día en innovación de modelos de negocio? ¿A qué empresas podría seguir para aprender más sobre la comercialización de productos? “Dar a las personas la libertad para aprender cosas que quizá hoy no parezcan relevantes (y además darles tiempo para hacerlo) resulta muy motivador”, explica.

Integre el aprendizaje en la semana, no como una carga adicional.

Antes de pedirle a su equipo que asuma nuevos procesos de aprendizaje, reduzca un poco su carga de trabajo. Deles espacio para respirar. “Los líderes programan un día de aprendizaje y las personas pasan todo el tiempo pensando en el trabajo que se acumula en sus escritorios”, dice Tupper.

Ella recomienda ser más intencional con las oportunidades de aprendizaje que ya se esconden dentro de la semana laboral de su equipo. Por ejemplo, imagine que una integrante del equipo quiere ampliar sus funciones en la empresa y fortalecer su presencia de liderazgo. Revise su calendario. Es casi seguro que ya exista algo próximo (como un evento con clientes o una presentación) en lo que podría asumir un papel más importante. Permítale iniciar la reunión, liderar la sesión de preguntas y respuestas, y hacer el cierre con el cliente. “Cuando termine, asegúrese de dedicar un tiempo para reflexionar juntos sobre la experiencia”, concluye.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Your team is grinding. In an era of layoffs, geopolitical unrest and AI-fueled uncertainty, the pressure to deliver leaves little room for anything else. Asking people to think about their career development on top of everything feels impossible.

Most employees know they should be building new skills. The problem is that the demands of the here and now leave little room for it, according to Helen Tupper, co-founder and CEO of Amazing If, a career development consultancy.

“People recognize that learning matters, but they feel like they’re too busy,” Tupper says. Confidence is a big part of it, too. Much of what people need to learn now is new, with AI being a primary example, she says. “Many people still think of learning as something that happens in school, not something that fits into how they work today.”

As a leader, you’re wrestling with the same pressures and unknowns — and yet your people are looking to you. Here’s where to start.

Focus on learning, not ladders.

There’s a certain comfort to the idea of a career ladder: Show up, work hard, climb the rungs. But while it’s appealing, it’s also outdated, says Tupper. Careers move sideways as often as they move upward. Promotions come and go; so do layoffs.

Nobody can control how a career will go. Technology is moving too fast for anyone to know. But that’s not the same as being powerless. “What you can do is help people take control of their development,” Tupper says. Be straight with them. “If they’re good learners, they create opportunities for themselves. If they’re not, they risk getting left behind.”

Make it personal.

Tupper advises sitting down with each person on your team and working through what they need to learn for their current role and what they’d need to learn to get where they want to go. “Most people only learn what they need for the job they have right now, and that’s limiting,” she says.

Take, for instance, a project manager who wants to move into customer insights. They may be working toward a formal qualification, so encourage them to think further. Where could they learn about quantitative research? What would it take to get up to speed on business model innovation? Which companies could they be following to learn about bringing products to market? “Giving people permission to pursue learning that might not seem relevant today — and the time to do it — is energizing,” she says.

Build learning into the week, not onto it.

Before you ask your team to take on new learning, lighten their load. Give them breathing room. “Leaders schedule a learning day and their people spend the whole thing thinking about the work piling up at their desks,” says Tupper.

She recommends being more intentional about the learning already hiding in your team’s week. Say a team member wants to stretch into a broader business role and work on her leadership presence. Look at their calendar. There’s almost certainly something already coming up, such as a client event or a presentation, where they could play a bigger part. Let them open the meeting, lead the Q&A and debrief the client. “When it’s done, make sure you take the time to reflect on it together,” she says.

La entrada Cómo apoyar el desarrollo profesional de sus colaboradores cuando todos están abrumados se publicó primero en DirigeHoy PREMIUM.

]]> 277776 El liderazgo empático puede determinar el éxito o fracaso de la adopción de la IA https://dirigehoy.info/el-liderazgo-empatico-puede-determinar-el-exito-o-fracaso-de-la-adopcion-de-la-ia/ Thu, 14 May 2026 09:00:43 +0000 https://dirigehoy.info/?p=277621 Muchos líderes han olvidado que la tecnología solo funciona a través de las personas, y que las personas trabajan mejor cuando se sienten valoradas.

La entrada El liderazgo empático puede determinar el éxito o fracaso de la adopción de la IA se publicó primero en DirigeHoy PREMIUM.

]]>

El liderazgo empático puede determinar el éxito o fracaso de la adopción de la IA

E

n el ámbito laboral, el argumento a favor de la empatía desde el punto de vista humano es claro: las relaciones sociales son una de nuestras principales fuentes de bienestar, y cuando los trabajadores las experimentan, se sienten más felices y gozan de mejor salud. La investigación también ha demostrado con igual claridad los beneficios para las empresas: los empleados de organizaciones empáticas obtienen mejores resultados, trabajan con mayor dedicación, colaboran de forma más eficaz y aportan ideas más sólidas.

Sin embargo, la IA está poniendo en riesgo la conexión humana. Muchos trabajadores, profundamente preocupados por cómo esta tecnología cambiará sus empleos, están experimentando un aumento de desconfianza y “FOBO” (miedo a volverse obsoletos). Un estudio de 2025 reveló que, cuando las empresas adoptaban IA, los niveles de depresión de los empleados tendían a aumentar con el tiempo.

Todo esto pone de manifiesto la importancia de las relaciones humanas para mantener la salud de los empleados en el lugar de trabajo a medida que se introducen nuevas tecnologías. Sin embargo, la IA también está redefiniendo, en tiempo real, el argumento empresarial a favor de la empatía. Cada vez hay más pruebas que revelan que el éxito de la adopción de la IA depende de la empatía, y que las empresas que priorizan la conexión humana también lideran el camino en innovación tecnológica.

Existen varias razones que lo explican:

  1. Sin empatía, los trabajadores innovan menos.

Cuando se cuida a las personas, se sienten seguras, y eso les da la confianza necesaria para asumir riesgos. Esto tiene un enorme impacto en los líderes. Una encuesta de Catalyst de 2021 descubrió que el 61% de los empleados con gerentes empáticos reportaron innovar en el trabajo, en comparación con solo el 13% de los empleados con gerentes poco empáticos. La investigación revela que los líderes empáticos reducen el miedo de sus equipos ante la incertidumbre, permitiéndoles adoptar, explorar e implementar nuevas ideas.

Lo mismo ocurre con la IA. Los datos recopilados entre más de 2,000 empleados mostraron que las personas que se sentían seguras eran más propensas a adoptar herramientas de IA y, en una encuesta del MIT realizada a 500 líderes, el 84% observó una relación entre la seguridad psicológica y los resultados tangibles de la IA. A pesar de esta evidencia, muchos líderes han hecho poco para fomentar la seguridad en torno a las nuevas tecnologías, y la mayoría de las personas sigue viéndolas con cautela. La mayoría de los estadounidenses cree que la IA hará más daño que bien en sus vidas, y solo el 21% cree que puede confiar en ella la mayor parte del tiempo o siempre. Es imposible esperar que las empresas alcancen la madurez en materia de IA si esto no cambia.

  1. La implementación de la IA sin empatía hace que la tecnología sea menos eficaz.

En entornos que carecen de cuidado y seguridad, las personas intentan parecer ocupadas frenéticamente, lo que a menudo da lugar a un trabajo de menor calidad. La IA ha vuelto a poner de relieve este problema de nuevas formas. Al decirles que la utilicen y esperar a que simplemente “sean más productivos”, los empleados han generado montones de workslop, es decir, resultados generados por IA que parecen razonables, pero carecen de profundidad o valor. El workslop se crea en segundos, pero les cuesta horas a los colegas que intentan descifrarlo, y en el proceso, deteriora la colaboración.

Esto no es más que un síntoma de un riesgo más profundo. Cuando la IA se implementa en ausencia de empatía o confianza, muchos empleados se oponen activamente a ella. Una encuesta sobre adopción de IA empresarial realizada por Writer encontró que casi un tercio de los empleados (y el 44% de los trabajadores de la Generación Z) admite sabotear las estrategias de IA de sus compañías; por ejemplo, introduciendo información confidencial en modelos no autorizados o manipulando los resultados para que la IA parezca menos efectiva. Esto es poco ético, pero comprensible: cuando las personas se encuentran en un entorno de suma cero con una nueva tecnología, naturalmente, tienden a protegerse a sí mismas.

La ventaja de la empatía

Como todo esto deja claro, las empresas no están aprovechando la IA porque muchos ejecutivos han olvidado que la tecnología solo funciona a través de las personas, y que las personas trabajan mejor cuando se sienten valoradas y cuidadas. Esto también significa que los líderes inteligentes pueden obtener una ventaja en IA apostando por las relaciones humanas. En particular, las siguientes acciones pueden ayudar:

  1. Cocrear estrategias de IA.

En muchas empresas, los fracasos en la adopción de la IA son un claro ejemplo de falta de empatía. Los líderes anuncian objetivos ambiciosos y poco realistas, dando a los empleados poca orientación sobre cómo alcanzarlos y aún menos certeza sobre cuál será su papel en un entorno post-IA. Esta es una forma segura de frenar la adopción, fomentar el workslop y aumentar la resistencia.

La empatía implica reemplazar los anuncios por conversaciones y las respuestas por preguntas. Y eso significa hablar con los empleados sobre cómo la IA puede ayudarlos a enfocarse en aquellos aspectos de su trabajo que les resultan significativos. Esta estrategia, a menudo llamada “potenciación” (en contraposición a la automatización), probablemente genere más valor a largo plazo. Pero también puede impulsar la adopción de la IA en el presente, al fomentar una mentalidad colaborativa entre líderes y empleados, y aprovechar eficazmente el conocimiento de todos.

La creación conjunta de estrategias de IA también ofrece a los líderes la oportunidad de fomentar la “justicia procesal” en torno a las nuevas tecnologías. Las personas son más propensas a aceptar las políticas cuando quienes toman las decisiones se comunican con claridad y escuchan a todos los involucrados. En otras palabras, la empatía no solo permite obtener más y mejores aportaciones en las implementaciones de IA, sino que también aumenta las posibilidades de que los trabajadores se sumen al proceso.

  1. Centrarse en el nivel intermedio.

Para implementar con éxito la IA, los altos directivos deben comprender la importancia de la empatía, pero no pueden transmitirla por si solos. En 2020, Businessolver descubrió que solo el 10% de los empleados creía que los gerentes eran quienes más influían en la empatía en el lugar de trabajo. Para 2025, ese porcentaje había crecido al 38%.

Los gerentes de primera línea se han convertido en los guardianes de culturas empáticas (y no empáticas) y, sin embargo, este “nivel intermedio” a menudo no recibe la misma formación en habilidades sociales que los altos ejecutivos. Esto crea una brecha entre los valores que los líderes desean promover y la realidad que los empleados viven día a día.

Afortunadamente, la investigación deja claro que la empatía puede enseñarse, y los nuevos programas permiten hacerlo a gran escala. Por ejemplo, Zurich Insurance capacitó recientemente a miles de gestores de siniestros en comunicación empática, mejorando la experiencia y lealtad de los clientes. En la actualidad, se están implementando programas similares (conocidos como “gimnasios de empatía”) para gerentes de primera línea, permitiéndoles practicar escucha, comunicación y retroalimentación. Estas habilidades son atemporales y especialmente importantes para navegar la disrupción causada por la IA.

  1. Recordar que la tecnología es humana.

La implementación de la IA requiere estrategias precisas, pero también refleja una filosofía más profunda sobre para qué existe la tecnología. El primer instinto de muchos líderes ha sido reemplazar a las personas con máquinas, mediante automatización laboral y numerosos productos que usan IA para sustituir terapeutas, coaches y amigos. Esta visión extractiva puede apagar la creatividad humana y atrofiar las habilidades sociales, dañando las partes de la vida que muchos de nosotros más valoramos.

Pero siempre existe una alternativa. En lugar de reemplazar a las personas, se pueden desarrollar tecnologías que las conecten más profundamente. Yo llamo a esto “IA para la interdependencia”, y se puede poner en práctica mediante chatbots que animen a las personas a relacionarse entre sí o les enseñen a escuchar. Los lugares de trabajo también pueden usar la IA para fomentar la interdependencia: sugiriendo colaboración entre trabajadores con habilidades complementarias o identificando puntos en común ante los conflictos.

Estos casos de uso ya cuentan con respaldo científico y ofrecen un enorme potencial para los entornos laborales. Y es aún más probable que funcionen si usted fomenta la interdependencia dentro de sus estrategias de IA. La forma más rápida y eficaz de aprovechar bien la tecnología consiste en trabajar con las personas a las que se les pide que la utilicen, y no sin tenerlas en cuenta.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

At work, the human case for empathy is straightforward: Social connection is one of our greatest sources of well-being, and when workers feel it they grow happier and healthier. Research has now made the business case for it equally clear: Employees of empathic companies do better, work harder, collaborate more efficiently and generate stronger ideas.

AI, however, is putting human connection at risk. Many workers, deeply concerned about how the technology will change their jobs, are experiencing rising levels of mistrust and “FOBO” or fear of becoming obsolete. A 2025 study found that when companies adopted AI, employees’ depression levels tended to increase over time.

All of this highlights the importance of human connection in keeping employees healthy in the workplace as new technologies enter. But AI is also remaking the business case for empathy in real time. A growing body of evidence reveals that successful AI adoption depends on empathy, and companies who focus on human connection also lead the way in technical innovation.

There are several reasons for this:

1. Without empathy, workers innovate less.

When people are cared for they feel safe, which gives them the confidence to take risks. This gives leaders enormous impact. A 2021 Catalyst survey found that 61% of employees who had empathic managers reported innovating at work, compared to just 13% of employees with unempathetic managers. Research reveals that empathic leaders decrease their team’s fear of uncertainty, allowing them to embrace, explore and deploy new ideas.

This is true of AI as well. Data from more than 2,000 employees found that people who felt safe were more likely to embrace AI tools, and in an MIT survey of 500 leaders, 84% observed a connection between psychological safety and tangible AI outcomes. Despite this evidence, many leaders have done little to encourage safety around new technologies, and most people remain wary. Most Americans believe AI will do more harm than good in their lives, and only 21% believe they can trust it most or all of the time. It’s impossible to expect companies to become AI-mature unless this changes.

2. Unempathetic AI rollouts make the technology less efficient.

In environments that lack care and safety, people try frantically to look busy, often producing lower quality work. AI has resurfaced this issue in new ways. Told to use it and expected to simply “be more productive,” employees have produced landfills of workslop: seemingly sensible AI output that lacks depth or value. Workslop is created in seconds but costs colleagues hours as they try to decipher it, and it damages collaboration in the process.

This is just one symptom of a deeper risk. When AI is rolled out in the absence of empathy or trust, many employees actively oppose it. An enterprise-AI adoption survey conducted by Writer found that nearly a third of employees (and 44% of Gen Z workers) admit to sabotaging their company’s AI strategies — for instance, by feeding sensitive information to unauthorized models or tampering with outputs to make AI seem less effective. This is unethical but understandable: When placed in a zero-sum environment with a new technology, people will naturally protect themselves.

The Empathy Advantage

As this all makes clear, companies are failing to leverage AI because many executives have forgotten that technology only works through people, and people work best when they feel cared for. This also means that wise leaders can gain an AI advantage by leaning into connection. In particular, the following actions can help:

1. Co-create AI strategies.

In many firms, failed AI rollouts are a master class in unempathetic behavior. Leaders announce massive, unrealistic goals, giving employees little guidance on how to meet them and even less assurance about their own role in a post-AI landscape. This is a surefire way to slow adoption, encourage workslop and raise resistance.

Empathy means replacing announcements with conversations, and answers with questions. And that entails talking with employees about how AI can help them focus on the parts of their work that bring them meaning. This strategy, often called “augmentation” (as opposed to automation), is likely to provide more value over the long term. But it can also boost AI adoption now, by bringing leaders and employees into a collaborative mindset and effectively leveraging everyone’s knowledge.

Cocreating AI strategies also provides leaders an opportunity to create “procedural justice” around new technologies. People are more likely to accept policies when decision-makers communicate clearly and listen to everyone involved. In other words, empathy not only allows for more and better inputs into AI rollouts but also makes it more likely that workers will come on board.

2. Focus on the middle layer.

To successfully roll out AI, senior leaders must understand the importance of empathy, but they can’t deliver it alone. In 2020, Businessolver found that only 10% of employees believed managers had the most impact on workplace empathy. By 2025, that percentage had grown to 38%.

Front line managers have become the stewards of empathic — and unempathic — cultures, and yet this “middle layer” often doesn’t receive the training in soft skills that senior executives do. This creates a gap between the values that leaders desire and the reality that employees face on the ground.

Thankfully, research makes it clear that empathy can be taught, and new programs allow for that to be done at scale. Zurich Insurance, for example, recently trained thousands of claim workers in empathic communication, improving customer experience and loyalty. Similar “empathy gyms” are now being rolled out for front line managers, allowing them to practice listening, communication and feedback. These skills are evergreen, and especially important to navigating AI disruption.

3. Remember that technology is human.

AI rollouts require precise strategies but also reflect a deeper philosophy around what technology is for. Many leaders’ first instinct has been to replace people with machines, through workplace automation and many products that use AI to substitute for therapists, coaches and friends. This extractive vision can dull human creativity and atrophy social skills, damaging the pieces of life that many of us value most.

But there is always an alternative. Instead of replacing people, technologies can be built to connect them more deeply. I call this “AI for interdependence,” and it can be enabled through chatbots that nudge people to reach out to one another or teach them listening skills. Workplaces can use AI for interdependence as well: by suggesting collaboration between workers with complementary skills or identifying common ground in the face of conflict.

These use cases already have research support and offer immense potential to workplaces. They become even more likely to help if you enable interdependence in your AI strategies. The fastest, most-effective path to using technology well involves working with the people you’re asking to use it, not around them.

La entrada El liderazgo empático puede determinar el éxito o fracaso de la adopción de la IA se publicó primero en DirigeHoy PREMIUM.

]]> 277621 El fin del software empresarial estandarizado https://dirigehoy.info/el-fin-del-software-empresarial-estandarizado/ Fri, 08 May 2026 13:00:39 +0000 https://dirigehoy.info/?p=277607 Las empresas de software empresarial se enfrentan a una pregunta importante: ¿Cómo replantear sus flujos de trabajo y decidir cuáles desarrollar, integrar, colaborar o adquirir?

La entrada El fin del software empresarial estandarizado se publicó primero en DirigeHoy PREMIUM.

]]>

El fin del software empresarial estandarizado

L

a IA generativa está disolviendo la lógica económica que convirtió al software empresarial estandarizado en la única opción viable para la mayoría de las empresas. Lo que lo sustituya no estará determinado únicamente por las capacidades en rápida evolución de esta nueva tecnología, sino también por líderes dispuestos a plantearse una pregunta más exigente: ¿Qué flujos de trabajo necesitamos realmente controlar?

Hasta hace poco, las organizaciones adaptaban sus flujos de trabajo a soluciones de software estandarizadas. Las convenciones de flujo de trabajo de un proveedor se convertían, por defecto, en las convenciones de flujo de trabajo de la empresa. Ahora, las compañías necesitan decidir estratégicamente qué flujos de trabajo quieren controlar por sí mismas.

Cuatro modelos que empiezan a tomar forma

Comienzan a surgir un pequeño número de enfoques claramente diferenciados. Cada uno refleja una respuesta distinta a una misma pregunta de fondo: ¿Dónde debe situarse el límite entre lo que una organización desarrolla por sí misma y aquello que depende de terceros para obtenerlo?

  1. Desarrollar

Algunas empresas optarán por construir sus propios sistemas directamente sobre modelos fundacionales. Estos sistemas no se organizan en función de las convenciones de flujo de trabajo del proveedor, sino en torno a las tareas específicas que la organización pretende llevar a cabo.

Una buena forma de comprobarlo es ver si el sistema incorpora datos o una lógica de decisión verdaderamente distintivos. De no ser así, su desarrollo (aunque en un principio parezca sencillo) podría ser una apuesta excesiva, y la integración o la colaboración podrían aportar un valor similar con mucha menos complejidad.

  1. Integrar

Está surgiendo una segunda vía para las organizaciones que buscan flexibilidad sin asumir una propiedad total. En este modelo, los proveedores ofrecen una estructura base, plantillas y componentes fundamentales que los usuarios de negocio pueden configurar según sus necesidades.

Los equipos deben estar atentos a señales de que la diferenciación crítica no esté siendo limitada por los márgenes de la plataforma. Cuando la personalización se siente forzada o engorrosa, puede ser señal de que es necesario desarrollar soluciones de forma más directa o colaborar de manera más profunda.

  1. Colaborar

Un tercer modelo implica pasar de comprar software empresarial a colaborar con proveedores para construir soluciones a medida. Los proveedores trabajan con los clientes (con ingenieros integrados en el proyecto) para definir con claridad la tarea, y después desarrollar sistemas personalizados diseñados en función de ese resultado.

La ventaja es la rapidez y la alineación; el riesgo es la dependencia de experiencia externa. Con el tiempo, las empresas deberían evaluar si la dependencia recurrente de socios externos está ocultando una oportunidad para internalizar una capacidad estratégicamente importante o, por el contrario, si aquello que se está construyendo carece de singularidad y podría adquirirse directamente como producto final.

  1. Adquirir un producto final

El modelo más radical va más allá del software. En lugar de adquirir herramientas, las empresas contratan el producto final en sí mismo. Una organización podría dejar de adquirir licencias de software de contabilidad y gestionarlo internamente, y en su lugar contratar servicios de información financiera precisa, cumplimiento normativo y presentación de informes.

En este modelo, los proveedores no proporcionan herramientas, sino que asumen la responsabilidad por los resultados. Esto puede simplificar significativamente las operaciones, pero también traslada el control y requiere un alto grado de confianza en el proveedor.

Lo que viene después

Las empresas de software empresarial se enfrentan a una pregunta importante: ¿Cómo replantear sus flujos de trabajo y decidir cuáles desarrollar, integrar, colaborar o adquirir?

Las organizaciones que aborden esta pregunta con claridad descubrirán que ofrece algo más valioso que una estrategia de software. Les proporciona una comprensión más precisa de dónde crean valor y por qué ese valor es difícil de replicar.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Generative artificial intelligence is dissolving the economic logic that made standardized enterprise software the only practical choice for most companies. What replaces it will be shaped not just by the rapidly evolving capabilities of this new technology, but by leaders willing to ask a harder question: Which workflows do we actually need to own?

Until recently, organizations adapted their workflows to standardized software solutions. The workflow conventions of a vendor became, by default, the workflow conventions of your company. Now, companies need to decide strategically which workflows they want to control themselves.

FOUR MODELS TAKING SHAPE

A small number of distinct approaches are beginning to emerge. Each reflects a different answer to the same underlying question: Where should the boundary lie between what an organization builds for itself and what it relies on others to provide?

BUILD

Some companies will choose to construct their own systems directly on top of foundational models. These systems are not organized around the vendor’s workflow conventions, but around the specific jobs the organization is trying to perform.

A useful check is whether the system encodes truly distinctive data or decision logic; if not, building, even though it initially seems easy, may be overreaching, and composing or collaborating could deliver similar value with far less complexity.

COMPOSE

A second path is emerging for organizations that want flexibility without full ownership. In this model, vendors provide scaffolding, templates and primitives that business users can configure to their needs.

Teams should watch for signs that critical differentiation is not being constrained by the platform’s boundaries; when customization feels forced or cumbersome, it may signal the need to build more directly or collaborate more deeply.

COLLABORATE

A third model shifts from buying enterprise software to collaborating with providers to build tailored solutions. Providers work with clients — using forward-deployed engineers — to define the job clearly, then build bespoke systems designed around that outcome.

The advantage is speed and alignment; the risk is dependence on external expertise. Over time, companies should assess whether repeated reliance on external partners is masking an opportunity to internalize a strategically important capability, or conversely, whether what is being built lacks uniqueness and could be bought as an outcome.

BUY OUTCOMES

The most radical model moves beyond software altogether. Instead of purchasing tools, companies procure the outcome itself. An organization might no longer license accounting software and operate it internally, but instead contract for accurate financials, compliance and reporting as a service.

In this model, vendors do not provide tools; they take responsibility for results. This can significantly simplify operations, but it also shifts control and requires a high degree of trust in the provider.

WHAT COMES NEXT

Enterprise software companies face an important question: How can we rethink our workflows and decide which to build, compose, collaborate on or buy outcomes?

Organizations that approach this question with clarity will find that it yields something more valuable than a software strategy. It offers a sharper understanding of where they create value, and why that value is difficult to replicate.

La entrada El fin del software empresarial estandarizado se publicó primero en DirigeHoy PREMIUM.

]]> 277607 Cree un plan de incorporación para los agentes de IA https://dirigehoy.info/cree-un-plan-de-incorporacion-para-los-agentes-de-ia/ Fri, 10 Apr 2026 11:00:13 +0000 https://dirigehoy.info/?p=277354 Para aprovechar los beneficios a corto plazo de la IA y prepararse para su impacto creciente, las organizaciones deben integrarla en los procesos existentes de recursos humanos.

La entrada Cree un plan de incorporación para los agentes de IA se publicó primero en DirigeHoy PREMIUM.

]]>

Cree un plan de incorporación para los agentes de IA

L

a mayoría de los ejecutivos cree que el gran desafío al adoptar agentes de IA es entender cómo adaptarse a una tecnología nueva e importante. Pero, en realidad, se trata principalmente de gestionar el trabajo.

Para aprovechar los beneficios a corto plazo de la IA y prepararse para su impacto creciente, las organizaciones deben integrarla en los procesos existentes de recursos humanos y dejar claro su papel para los empleados. A continuación, se presentan cuatro ideas que he desarrollado trabajando con empresas para alcanzar ese objetivo. Provienen de diversos sectores, incluyendo banca, productos de consumo, logística y ciencias de la vida, y son ampliamente reconocidas como líderes en sus respectivas industrias.

  1. Asigne a cada agente de IA una descripción de puesto.

A medida que la IA agéntica se integra en las organizaciones, los equipos estarán conformados por “colegas” humanos y agentes de IA, y todos necesitarán descripciones de puesto: un método probado para especificar las responsabilidades de un trabajador, sus derechos de decisión y su rol dentro de los procesos relevantes. Elaborar una descripción de puesto para cada agente de IA obligará a sus responsables a ser deliberados al momento de asignar responsabilidades entre colegas humanos y agentes. Al redactar estas descripciones, hágase las siguientes preguntas: ¿De qué es responsable y de qué no lo es? (Los mandatos vagos como “optimizar” o “mejorar la eficiencia” son una receta para el fracaso. Al igual que las personas, los agentes funcionan mejor cuando los objetivos son explícitos). ¿Cuáles son los límites de sus derechos de decisión? ¿Qué facultades tiene? ¿Cuándo debe buscar la opinión o aprobación de colegas o superiores?

  1. Diseñe al agente para resolver los problemas de los colegas humanos.

Muchos observadores han señalado que la IA agéntica promete mejorar la calidad de vida laboral de los trabajadores del conocimiento. Así como la automatización ayudó a eliminar tareas en industrias tradicionalmente consideradas “sucias, peligrosas y demandantes”, como la manufactura, la metalurgia y la minería, la IA puede eliminar trabajos que resultan “aburridos, desalentadores y repetitivos”. Ya sea reduciendo pasos tediosos o automatizando los elementos más monótonos de un puesto, diseñar los roles de los agentes de IA de esta manera les da a los empleados una razón para adoptar la IA y los motiva a sortear sus limitaciones, integrándola en su experiencia diaria.

  1. Evalúe a cada agente de IA regularmente.

Los agentes de IA necesitan métricas de desempeño cuantificables que reflejen los resultados reales de los procesos derivados de sus acciones. Estos indicadores deben ser explícitos y permitir una evaluación amplia del desempeño, yendo más allá de aspectos como la precisión y la facilidad de uso para incluir la puntualidad y la confiabilidad. La existencia de tales métricas ayudará a tranquilizar a los compañeros humanos, al confirmarles que sus colegas algorítmicos también están sujetos a estándares. Además, contribuirán a mejorar los procesos de entrenamiento al revelar áreas de mejora. Así como las evaluaciones de desempeño informan los planes de desarrollo profesional de los empleados, los compañeros agénticos también deberían beneficiarse de un ciclo en el que la retroalimentación impulse el aprendizaje. Sin indicadores, los gerentes no pueden distinguir entre variaciones aceptables y fallas reales.

  1. Asigne a cada agente de IA un supervisor humano.

Algunos observadores han comenzado a destacar la capacidad de los agentes de IA para “coordinar” las actividades de múltiples agentes independientes. Esto puede acelerar las acciones y hacer su trabajo más preciso. Pero, ¿quién supervisa a los coordinadores? Sin duda, la necesidad de una supervisión humana sigue existiendo. Todas las generaciones de IA han demostrado cierta propensión a generar errores o “alucinaciones”. Es probable que estos casos disminuyan a medida que la IA mejore, pero los riesgos aumentarán conforme la IA se expanda a profesiones consideradas de alto riesgo. Además, las organizaciones seguirán siendo responsables de cualquier resultado generado por la IA que utilicen, por lo que debe existir un responsable humano que rinda cuentas sobre cómo se entrena, cómo se integra con los procesos y cómo interactúa con otros compañeros humanos y agénticos. Los reguladores, legisladores y tribunales insistirán en ello.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Most executives believe that the big challenge in adopting agentic AI is figuring out how to adapt to a new and important technology. But in fact it’s primarily about managing work.

To capture AI’s near-term benefits and prepare for its expanding impact, organizations need to integrate it into existing HR processes and make its role clear to employees. Below are four ideas I’ve developed working with companies to realize that objective. They come from a range of industries, including banking, consumer products, logistics and life sciences, and are widely recognized as leaders in their respective industries.

GIVE EVERY AI AGENT A JOB DESCRIPTION. As agentic AI penetrates organizations, teams will consist of human and agentic AI “colleagues,” and all of them will need job descriptions — a tried-and-true way of specifying a worker’s responsibilities, decision rights and role in relevant processes. Crafting a job description for every AI agent will oblige their managers to be deliberate about allocating responsibilities across human and agentic colleagues. As you craft those agents’ job descriptions, ask yourself these questions: What is it responsible for — and not responsible for? (Vague mandates such as “optimize” or “improve efficiency” are a recipe for trouble. Just as people do, agents perform best when objectives are explicit.) What are the boundaries of its decision rights? What are its authorities? When must it seek input or approval from colleagues or superiors?

DESIGN THE AGENT TO ADDRESS PAIN POINTS FOR HUMAN COLLEAGUES. Many observers have pointed out that agentic AI promises to improve the quality of knowledge workers’ work lives. Just as automation helped eliminate work in industries that were, as the saying goes, “dirty, dark and dangerous,” such as manufacturing, metals processing and mining, AI can help eliminate work that is “dull, dispiriting and deterministic.” Whether by reducing tedious steps or automating the dreariest elements of a job, designing jobs for AI agents in this manner gives employees a reason to adopt AI and encourages them to work around its limitations by grounding it in their day-to-day experience.

EVALUATE EVERY AI AGENT ON A REGULAR CYCLE. AI agents need measurable performance metrics for the actual process outcomes that arise from their actions. The metrics have to be explicit and allow the broad evaluation of performance, going beyond qualities such as accuracy and ease of use to include timeliness and reliability. The existence of such metrics will help reassure human teammates that their algorithmic colleagues are being held to standards, too. Moreover, such metrics will help improve training regimes by revealing areas for improvement. Much as performance reviews inform professional development plans for employees, agentic teammates should benefit from a cycle in which feedback informs learning. Without metrics, managers can’t distinguish between acceptable variation and real failure.

GIVE EVERY AI AGENT A HUMAN SUPERVISOR. Observers have begun to tout the capacity of AI agents to “orchestrate” the activities of many discrete agents. That may speed actions and make their work more precise. But who will oversee the orchestrators? The need for human oversight undoubtedly remains. Every generation of AI has demonstrated some propensity to hallucinate. Instances are likely to wane as AI improves, but the stakes will mount as AI expands into professions deemed to be significantly exposed. Moreover, organizations will remain accountable for any results generated by AI it employs, so a sentient decision-maker must be held accountable for how it’s trained, how it integrates with processes and how it interacts with other human and agentic teammates. Regulators, legislators and the courts are certain to insist on that.

La entrada Cree un plan de incorporación para los agentes de IA se publicó primero en DirigeHoy PREMIUM.

]]> 277354 Diseñar procesos que evolucionen con la tecnología emergente https://dirigehoy.info/disenar-procesos-que-evolucionen-con-la-tecnologia-emergente/ Wed, 08 Apr 2026 11:00:42 +0000 https://dirigehoy.info/?p=277293 Un nuevo marco de reinvención de procesos está a punto de reducir drásticamente los costos de transacción al combinar la visibilidad radical y la experimentación dentro de un gemelo digital.

La entrada Diseñar procesos que evolucionen con la tecnología emergente se publicó primero en DirigeHoy PREMIUM.

]]>

Diseñar procesos que evolucionen con la tecnología emergente

D

urante décadas, las empresas han estado atrapadas en un ciclo de cambios dolorosos y episódicos, solo para descubrir que la forma en que su organización opera, en el fondo, sigue siendo lenta. Los enormes costos de transacción (la fricción que supone coordinar al personal, gestionar la información y alinear tareas complejas) han hecho que una transformación profunda y continua resulte prohibitivamente costosa y arriesgada.

Según nuestro reciente análisis aún no publicado, más de cuatro de cada diez horas de trabajo están relacionadas con este tipo de transacciones dentro de los procesos empresariales. Ahora, un nuevo marco para la reinvención está a punto de reducir drásticamente estos costos al combinar dos factores: la visibilidad radical de los procesos y la experimentación de bajo riesgo dentro de un gemelo digital. En conjunto, transforman la reinvención de procesos de un proyecto disruptivo en una capacidad central y continua.

Visibilidad radical

El primer paso esencial en la reinvención de procesos es codificar las operaciones en un modelo dinámico y computable: un plano del estado actual, en tiempo real, de cómo ocurre realmente el trabajo. Alcanzar este nivel de visibilidad de los procesos se convierte en el catalizador crítico para toda transformación posterior, sentando las bases para construir un gemelo digital.

Considere el objetivo de la empresa minera Boliden de optimizar el control del proceso de molienda de cobre en su mina de Aitik, en Suecia. La molienda desempeña un papel fundamental en la extracción de metales valiosos a partir de depósitos minerales y sigue siendo el principal cuello de botella operativo en la planta. Incluso pequeñas mejoras en el rendimiento y la estabilidad del proceso pueden generar grandes beneficios financieros. En colaboración con el gigante multinacional ABB, (en efecto, una planta virtual), la empresa creó un modelo altamente preciso del estado actual. Lo codificaron creando una copia directa del sistema de control distribuido (DCS) real de la planta, incluyendo su lógica personalizada, para garantizar una réplica realista de la capa base de control.

Este modelo del sistema de control se conectó posteriormente a una simulación de procesos que alojaba la dinámica del proceso del molino físico. Las “huellas digitales” analizadas eran los protocolos de comunicación en tiempo real que compartían datos entre la capa base de control y la simulación del proceso, reflejando el flujo de datos real “tal cual es” de la planta física. Este modelo computable, con su visibilidad radical del proceso, proporcionó el entorno no disruptivo de un gemelo digital necesario para probar nuevas estrategias de control frente al estado actual.

Experimentación continua en el gemelo digital

La mejora continua requiere experimentación continua. La experimentación dentro de un gemelo digital permite a las organizaciones simular y validar procesos completamente nuevos desde cero en un entorno simulado sin riesgos, bajo el supuesto de que los agentes de IA gestionarán la coordinación. Esta capacidad reemplaza los cambios de proceso episódicos y de alto riesgo por un ciclo continuo de reinvención de bajo riesgo.

La “fábrica virtual” de BMW Group ilustra este cambio. La empresa construyó un gemelo digital completo de sus plantas de producción, conectando datos de edificios, datos de equipos, información logística e incluso simulaciones en 3D de procesos de trabajo manual realizados por personas. Este gemelo virtual también simula avatares de trabajadores humanos que toman piezas y ensamblan componentes, con el fin de encontrar el mejor procedimiento, minimizar problemas ergonómicos e identificar el número óptimo de trabajadores para cada tarea. Los ingenieros ahora pueden simular y validar la integración de nuevos modelos de vehículos de forma virtual, reduciendo un costoso proceso de validación física de cuatro semanas a uno de tres días.

De cara al futuro, se espera que la fábrica virtual de BMW Group reduzca los costos de planificación de producción hasta en un 30%. El proceso de validación anterior de BMW para un nuevo modelo de vehículo requería guiar manualmente una carrocería física a través de la línea de producción durante varios fines de semana. En el taller de pintura, este proceso podía implicar vaciar y limpiar por completo los tanques de recubrimiento por inmersión, lo que generaba enormes costos y tiempos de inactividad en la producción. El nuevo proceso de validación permite a los planificadores ejecutar escenarios hipotéticos (como optimizar los diseños de línea para nuevos modelos en un entorno virtual) sin interrumpir la producción en curso.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

For decades, businesses have been trapped in a cycle of painful, episodic change, only to find their organization’s fundamental metabolism remains sluggish. Immense transaction costs — the friction of coordinating people, managing information and aligning complex work — have made deep, continuous transformation prohibitively expensive and risky.

According to our recent unpublished analysis, more than four in ten working hours are related to such transactions within business processes. Now, a new framework for reinvention is poised to collapse these costs by combining two forces: radical process visibility and low-risk experimentation within a digital twin. Together, they transform process reinvention from a disruptive project into a continuous, core capability.

RADICAL VISIBILITY

The essential first step in process reinvention is to codify operations into a dynamic, computable model: a current-state, real-time blueprint of how work actually happens. Achieving this level of process visibility becomes the critical catalyst for every subsequent transformation, laying the groundwork for building a digital twin.

Consider the desire of mining company Boliden to optimize control of the copper grinding process at their Aitik mine in Sweden. Grinding plays a critical part in extracting valuable metals from mineral deposits and remains the primary operational bottleneck at the plant. Even small improvements in throughput and stability of the process can yield big financial gains. Working with multinational giant ABB, the company created a highly accurate as-is model — in effect, a virtual plant. They codified it by creating a direct copy of the plant’s actual distributed control system process (DCS) including its customized logic to ensure a realistic replication of the base layer of control.

This control system model was then connected to a process simulation that hosted the process dynamics of the physical mill. The “digital footprints” analyzed were the real-time communication protocols that shared data between the base control layer and the process simulation, mirroring the true “as-is” data flow of the physical plant. This computable model, with its radical visibility into the process, provided the nondisruptive environment of a digital twin needed to test new control strategies against the current state.

CONTINUOUS EXPERIMENTATION IN THE DIGITAL TWIN

Continuous improvement requires continuous experimentation. Experimentation within a digital twin allows organizations to simulate and validate entirely new processes from a clean sheet in a risk-free simulated environment, which assumes that AI agents will handle coordination. This capability replaces episodic, high-stakes process change with an ongoing, low-risk cycle of reinvention.

BMW Group’s “Virtual Factory” illustrates this shift. The company built a full digital twin of its production plants, linking building data, equipment data, logistics information and even 3D simulations of manual human work processes. This virtual twin will also simulate avatars of human workers grabbing parts and assembling components, to find the best procedure, minimize ergonomic problems and identify the best number of workers for each job. Engineers can now simulate and validate the integration of new vehicle models virtually, collapsing a costly four-week physical validation process into a three-day process.

Looking ahead, the BMW Group’s Virtual Factory is expected to reduce production planning costs by up to 30%. BMW’s previous validation process for a new vehicle model required manually guiding a physical car body through the production line over several weekends. In the paint shop, this process could require draining and cleaning entire dip coating tanks, incurring enormous costs and production downtime. The new validation process allows planners to run “what-if” scenarios, such as optimizing line layouts for new models in a virtual environment, without disrupting live production.

La entrada Diseñar procesos que evolucionen con la tecnología emergente se publicó primero en DirigeHoy PREMIUM.

]]> 277293 Qué hacen de forma diferente los mejores usuarios de IA (y cómo mejorar el nivel de todos sus colaboradores) https://dirigehoy.info/que-hacen-de-forma-diferente-los-mejores-usuarios-de-ia-y-como-mejorar-el-nivel-de-todos-sus-colaboradores/ Tue, 31 Mar 2026 12:00:55 +0000 https://dirigehoy.info/?p=277246 El uso avanzado de la IA surge cuando las personas aprenden a estructurar problemas con claridad, guiar el razonamiento del modelo, evaluar críticamente los resultados y aplicar la IA de forma flexible en su trabajo.

La entrada Qué hacen de forma diferente los mejores usuarios de IA (y cómo mejorar el nivel de todos sus colaboradores) se publicó primero en DirigeHoy PREMIUM.

]]>

Qué hacen de forma diferente los mejores usuarios de IA (y cómo mejorar el nivel de todos sus colaboradores)

L

as organizaciones han avanzado rápidamente para poner las herramientas de IA en manos de sus colaboradores. Pero, a pesar de toda esta inversión, muchos líderes tienen dificultades para evaluar cómo va realmente. ¿Cómo se ve, en la práctica, un uso exitoso?

Para entender qué diferencia el uso rutinario de la IA de una colaboración avanzada entre humanos y tecnología, KPMG se asoció con investigadores de la Universidad de Texas en Austin. En conjunto, analizamos más de 1.4 millones de prompts y respuestas generados por aproximadamente 2,500 colaboradores durante un periodo de ocho meses. A partir de este análisis, construimos una definición de uso avanzado que va más allá de la ingeniería de prompts, priorizando instrucciones claras junto con estrategias aplicadas de manera deliberada, y descubrimos un conjunto de indicadores observables y de bajo costo, como el cambio entre modelos y el uso de prompts iniciales estructurados, que predicen un uso de alto nivel. Estos hallazgos ya se están integrando en los sistemas de talento, aprendizaje y desempeño de KPMG, y ofrecen un marco que cualquier organización puede utilizar para desarrollar y medir un uso más avanzado de la IA entre sus colaboradores.

Desglosando el uso avanzado

Al identificar quiénes eran los usuarios más avanzados dentro de la organización, encontramos una gran variedad en roles y niveles de antigüedad. Sin embargo, también surgieron patrones claros en común. Detectamos cuatro comportamientos distintivos que estos usuarios compartían:

— Abordaban el uso de la IA con ambición.

— Trataban a la IA como un socio para razonar.

— Delegaban tareas complejas con objetivos claros.

— Utilizaban la IA como una herramienta cognitiva general, no solo como un atajo de productividad puntual.

La investigación también reveló una tendencia sorprendente: los mejores usuarios solían estar por encima del nivel gerencial. Esto nos tomó por sorpresa, considerando la creencia general de que los colaboradores más jóvenes tienden a sentirse más cómodos con estas herramientas y a usarlas de forma más natural. Sin embargo, los hallazgos muestran que podría existir una diferencia importante entre comodidad y dominio.

¿Qué pueden hacer los líderes de forma diferente?

Los resultados sugieren que las empresas deben cambiar el enfoque de sus esfuerzos en IA: pasar de impulsar la adopción a moldear hábitos. El uso avanzado de la IA surge cuando las personas aprenden a estructurar problemas con claridad, guiar el razonamiento del modelo, evaluar críticamente los resultados y aplicar la IA de forma flexible en su trabajo.

Esto es en lo que deberían centrarse los líderes:

Desarrollar buenas prácticas basadas en la IA.

La investigación identificó comportamientos específicos que KPMG buscaba fomentar, por lo que los líderes los tradujeron en guías prácticas, explicaciones breves y redes de “embajadores” lideradas por pares que enfatizan cómo se ve el uso avanzado en el día a día. El objetivo es crear un entendimiento compartido de “cómo se ve un buen uso” que se refuerce en toda la organización.

Replantear el desarrollo de habilidades.

Los hallazgos redefinieron la forma en que KPMG aborda el desarrollo, con un enfoque en ayudar a las personas a ganar confianza sobre cómo trabajar eficazmente con la IA dentro del flujo natural de su trabajo. La organización invirtió en capacitación práctica, basada en la aplicación, desarrollada por equipos multifuncionales. Tanto en las oficinas como en las aulas virtuales, las sesiones basadas en situaciones reales sumergen a los profesionales en el trabajo real con clientes y en las tareas internas, con un fuerte énfasis en comportamientos avanzados de colaboración.

Establecer expectativas claras de crecimiento y desarrollo.

Este trabajo no se trata de cambiar los sistemas o procesos de gestión del talento, sino de tener claridad sobre cómo se ve un trabajo de calidad en un entorno habilitado por la IA. A partir de esta investigación, KPMG tradujo lo que implica un desempeño efectivo con IA en expectativas prácticas a nivel de rol y de tarea, reconociendo que el juicio de calidad se manifiesta de forma distinta según la función, el nivel y el contexto de ejecución.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Organizations have moved quickly to put AI tools in the hands of their employees. But for all of this investment, many leaders struggle to assess how it’s going. What does successful use even look like?

To understand what separates routine AI use from sophisticated human-AI collaboration, KPMG partnered with researchers at the University of Texas Austin. Together, we analyzed more than 1.4 million AI prompts and responses generated by some 2,500 employees over an eight-month period. Through this analysis, we assembled a definition of sophisticated use that builds on prompt engineering—prioritizing clear prompts along with deliberately applied strategies—and discovered a set of low-cost, observable indicators such as model switching and structured initial prompts that predict high-level use. These insights are being integrated into KPMG’s talent, learning and performance systems, and they offer a framework any organization can use to cultivate and measure more sophisticated AI use by their employees.

BREAKING DOWN SOPHISTICATED USE

When we identified who the most sophisticated users at the company were, we found that there was wide variation in roles and seniority. But there were also clear commonalities that emerged. We found four distinct behavioral patterns that sophisticated users all seemed to share:

— They were ambitious in how they approached AI use.

— They treated AI as a reasoning partner.

— They delegated complex tasks with clear objectives.

— They treated AI as a general cognitive tool rather than a narrow productivity shortcut.

The research also uncovered a surprising trend: The best users were often those above manager level. This caught us off guard, given the conventional wisdom that more junior employees tend to feel more comfortable with these tools and use them more naturally. But the findings showed that there might be an important distinction between comfort and sophistication.

WHAT LEADERS CAN DO DIFFERENTLY

The findings suggest that companies need to shift the focus of their AI efforts from driving adoption to shaping habits. Sophisticated AI use emerges when people learn how to frame problems clearly, guide model reasoning, evaluate outputs critically and apply AI flexibly across their work.

Here’s what leaders should focus on.

DEVELOP AI-FIRST BEST PRACTICES.

The research revealed specific behaviors that KPMG wanted to encourage, so leaders translated them into practical playbooks, short explainers and peer‑led “champion” networks that emphasize what sophisticated use looks like day-to-day. The goal here is to create a common understanding of “what good looks like” that is reinforced across the company.

RETHINK UPSKILLING.

The findings reshaped how KPMG approached development, with a focus on helping people build confidence in how to work with AI effectively in the flow of their job. KPMG invested in hands-on, application-based training that was developed by a cross-functional team. Across offices and virtual classrooms, scenario-based sessions immerse professionals in real client and internal work, with a strong emphasis on advanced collaboration behaviors.

SET CLEAR EXPECTATIONS FOR GROWTH AND DEVELOPMENT.

This work is not about changing talent management systems or processes. It’s about being clear on what good work looks like in an AI‑enabled world. Using this research, KPMG translated what effective AI‑enabled work looks like into practical, role‑ and task‑level expectations, recognizing that quality judgment shows up differently across functions, levels and delivery contexts.

La entrada Qué hacen de forma diferente los mejores usuarios de IA (y cómo mejorar el nivel de todos sus colaboradores) se publicó primero en DirigeHoy PREMIUM.

]]> 277246 Busque nuevas formas de crear valor al implementar la IA generativa https://dirigehoy.info/busque-nuevas-formas-de-crear-valor-al-implementar-la-ia-generativa/ Fri, 20 Mar 2026 17:00:27 +0000 https://dirigehoy.info/?p=277214 Los líderes que buscan aprovechar la IA generativa para obtener una ventaja competitiva deben enfocarse en la apertura de nuevas fuentes de valor.

La entrada Busque nuevas formas de crear valor al implementar la IA generativa se publicó primero en DirigeHoy PREMIUM.

]]>

Busque nuevas formas de crear valor al implementar la IA generativa

A

unque las empresas invierten grandes recursos en IA generativa, las ganancias de productividad resultantes parecen verse neutralizadas por la competencia, ya que se trasladan a los clientes o proveedores en lugar de quedarse en manos de las empresas (una señal temprana de la mercantilización). Por lo tanto, los datos sugieren que los beneficios de la IA generativa no residirán en utilizar la tecnología simplemente para realizar las actividades existentes de forma más rápida o eficiente.

Más bien, los líderes empresariales que buscan aprovechar la IA generativa para obtener ventaja deberían enfocarse en otro impacto de las nuevas tecnologías: la apertura de nuevas fuentes de valor.

Al reconocer los cambios que la IA generativa impulsará en el mercado en general, los líderes pueden reposicionar a su empresa como un nodo valioso dentro de este ecosistema emergente. Tres estrategias ilustran cómo este desarrollo puede impulsar cambios en las fuentes de valor.

1. El rediseñador: Replantear las ofertas para adaptarlas a las decisiones impulsadas por la IA generativa

Dado que las decisiones se basan cada vez más en agentes de IA (y es posible que, en un futuro próximo, estos las tomen directamente), las empresas deben rediseñar sus ofertas para que puedan ser procesadas por máquinas. Esto implica revisar la forma en que se proporciona la información, por ejemplo, ofreciendo datos estandarizados sobre las características y la compatibilidad de los productos, y permitiendo que los agentes interactúen directamente con sus ofertas.

Este nuevo enfoque complementará las estrategias de marketing tradicionales centradas en la percepción humana, las cuales pueden perder efectividad a medida que los agentes se basan en datos objetivos y verificables en lugar de la confianza emocional o el reconocimiento de marca.

  1. El supervisor: Validar la precisión de la IA generativa

A medida que los modelos de IA generativa y los agentes autónomos se multiplican y comienzan a actuar como actores económicos por derecho propio, surge una necesidad creciente de supervisión adecuada para aumentar la credibilidad y garantizar la confiabilidad.

Esta es una nueva fricción que las empresas pueden convertir en oportunidad, por ejemplo, comercializando capacidades que ya utilizan internamente. Mastercard Decision Intelligence ofrece interfaces de programación de aplicaciones para la evaluación del riesgo de fraude que ayudan a los agentes de pago a decidir cuándo aprobar o rechazar una transacción. Este enfoque de “cumplimiento como servicio” convierte la experiencia adquirida en verificación y regulación en una nueva fuente de ingresos. De manera similar, NewsGuard, que evalúa a los medios con base en su confiabilidad, credibilidad y posibles conflictos de interés, ha licenciado su tecnología a proveedores de LLM, quienes la utilizan para permitir que sus modelos puedan seleccionar fuentes adecuadas y autocorregir la información falsa.

En un sentido más amplio, cualquier empresa que disponga de datos propios y verificados (como resultados de ensayos clínicos, análisis financieros o manuales de ingeniería) podría transformar ese conocimiento en un servicio de validación para los modelos de lenguaje de gran tamaño, garantizando así que el contenido generado sea conforme a las normas y preciso.

  1. El proveedor: Suministrar insumos para la IA generativa

Los modelos de IA generativa también necesitan insumos para su entrenamiento (una necesidad creciente, ya que se prevé que los datos de texto creados por humanos disponibles públicamente se agoten para 2028), así como acceso a datos que les permitan responder consultas en tiempo real.

La necesidad de contar con fuentes seleccionadas y de alta calidad (en particular conocimientos especializados en ámbitos específicos en los que los desarrolladores de modelos deseen que sus LLM tengan experiencia) está abriendo las puertas a otro posible modelo de negocio para las empresas ya establecidas. Por ejemplo, Thomson Reuters concede licencias para que sus noticias y datos de mercado en tiempo real se incorporen a los flujos de trabajo de los LLM, mientras que LexisNexis proporciona las ontologías legales estructuradas y la jurisprudencia verificada de las que dependen los LLM especializados en el ámbito jurídico.

Las estrategias anteriores no son exhaustivas y no aplicarán a todas las organizaciones. Los líderes pueden identificar las más valiosas para su empresa en la era de la IA generativa haciéndose las siguientes preguntas:

— ¿Cuáles de nuestros activos o capacidades diferenciadoras actuales corren el riesgo de convertirse en productos genéricos debido a la IA generativa?

— ¿Qué nuevos obstáculos está provocando la tecnología de IA generativa en nuestros mercados o para nuestros clientes? ¿Resolverlos representa una oportunidad de valor?

Al abordar estas cuestiones de forma proactiva, los líderes pueden identificar qué estrategias corren el riesgo de convertirse en productos básicos y cómo conseguir una ventaja competitiva duradera.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Even as companies pour resources into generative artificial intelligence, the resulting productivity gains appear to be competed away, passed on to customers or suppliers rather than retained by firms — an early sign of commoditization. As such, the data suggests that the benefits of generative AI will not lie in using the technology simply to perform existing activities faster or more efficiently.

Rather, business leaders seeking to deploy generative AI for advantage should look toward another impact of new technologies: the unlocking of new value pools.

By recognizing the changes generative AI will drive in the broader market, leaders can reposition their firm as a valuable node in this emerging ecosystem. Three strategies illustrate how this development may drive shifts in value pools.

THE REPACKAGER: RETHINK OFFERINGS FOR GENERATIVE AI-POWERED CHOICES

As choices are increasingly informed by — and may in the near future increasingly be made directly by — AI agents, firms must repackage their offerings for machine consumption. This means revisiting how information is provided, for instance, by offering standardized data on product attributes and compatibility, and enabling agents to interact directly with your offerings.

This new approach will complement traditional marketing strategies focused on human perception, which may lose power as agents rely on objective, verifiable data rather than emotional trust or recognition.

THE SUPERVISOR: VALIDATE GENERATIVE AI’S ACCURACY

As generative AI models and autonomous agents proliferate and begin acting as economic actors in their own right, there is an increasing need for appropriate supervision to enhance credibility and ensure reliability.

This is a new friction that businesses can pivot to solving, for example, by productizing capabilities they already use internally. Mastercard Decision Intelligence provides fraud risk-scoring application programming interfaces that help payment agents decide when to approve or decline a transaction. This “compliance-as-a-service” approach converts hard-won verification and regulatory expertise into a new income stream. Similarly, NewsGuard, which rates publishers based on reliability, trustworthiness and potential conflicts of interest, has licensed its technology to large language model providers, which use it to enable their models to select appropriate sources and to self-correct false information.

More broadly, any companies with proprietary, verified data, such as clinical trial results, financial analysis or engineering manuals, could transform that knowledge into a validation service for LLMs, ensuring that generated content is compliant and accurate.

THE SUPPLIER: PROVIDE INPUT TO GENERATIVE AI

Generative AI models also need input for training — an increasing need, as publicly available human-created text data is predicted to run out by 2028 — as well as access to data that could help answer queries in real time.

The need for curated, high-quality sources, particularly domain-specific knowledge that a model developer may want their LLM to have expertise in, is unlocking another potential business model for incumbents. For example, Thomson Reuters licenses real-time news and market data into LLM pipelines, while LexisNexis provides the structured legal ontologies and verified case law that domain-specific LLMs depend on.

The strategies above are not exhaustive, and they will not apply to every organization. Leaders can identify the most valuable strategies for their company in the generative AI age by asking themselves the following questions:

— Which of our current differentiating assets or capabilities are at risk of becoming commoditized by generative AI?

— Which new frictions is generative AI technology causing in our markets or for our customers? Is solving them valuable?

By proactively engaging with these questions, leaders can identify which strategies are at risk of commoditization — and how to unlock durable advantage.

La entrada Busque nuevas formas de crear valor al implementar la IA generativa se publicó primero en DirigeHoy PREMIUM.

]]> 277214 Para impulsar la adopción de la IA, desarrolle las habilidades de gestión de producto de su equipo https://dirigehoy.info/para-impulsar-la-adopcion-de-la-ia-desarrolle-las-habilidades-de-gestion-de-producto-de-su-equipo/ Fri, 20 Feb 2026 13:00:45 +0000 https://dirigehoy.info/?p=276877 La adopción de la IA generativa en el trabajo fracasa porque los primeros intentos suelen percibirse como ineficientes, frágiles o difíciles de sostener.

La entrada Para impulsar la adopción de la IA, desarrolle las habilidades de gestión de producto de su equipo se publicó primero en DirigeHoy PREMIUM.

]]>

Para impulsar la adopción de la IA, desarrolle las habilidades de gestión de producto de su equipo

G

ran parte de la conversación sobre cómo trabajar eficazmente con la IA generativa se ha centrado en la ingeniería de prompts. Estas habilidades son útiles, pero solo representan una parte de la historia. El verdadero beneficio aparece cuando los empleados aprenden a aplicar la IA generativa en su trabajo diario de una manera que mejore la forma en que trabajan. Esto exige definir problemas valiosos dentro de los flujos de trabajo, evaluar posibles soluciones, experimentar con rapidez e integrar nuevas prácticas de manera sostenible en el trabajo cotidiano, disciplinas que son fundamentales para la gestión de productos.

Si todos los empleados deben actuar como gestores de producto a la hora de adoptar la IA generativa, los directivos desempeñan un papel clave en la creación de las condiciones que hacen que este conjunto de habilidades sea visible, valorado y útil. Este artículo muestra cómo se aplican estas habilidades en la práctica y qué pueden hacer los directivos para fomentarlas.

Defina el problema a resolver y su valor

A diferencia de muchas tecnologías previas en el entorno laboral, la IA generativa es ampliamente aplicable y evoluciona con rapidez.

Los empleados necesitan desarrollar la capacidad de descubrir por sí mismos qué puede hacer la tecnología para apoyar su trabajo. Un gestor de producto comienza por especificar cómo se define el valor para los usuarios (qué necesidades tienen y cuáles son las más críticas). Esta es también la forma en que los empleados deben comenzar al abordar la IA generativa: decidiendo si buscan ahorrar tiempo, mejorar la calidad, reducir errores y/o ampliar el rango creativo.

Evalúe las opciones tecnológicas

Para desarrollar un producto de manera eficaz, los gestores de producto evalúan constantemente el abanico de soluciones técnicas disponibles y la forma en que cada una funciona, con el fin de identificar qué herramienta es la más adecuada para la tarea. De manera similar, existen distintos tipos de herramientas de IA generativa, por lo que vincular la herramienta correcta con el problema puede resultar complicado.

Los líderes pueden ayudar a los empleados a navegar este entorno enseñándoles a evaluar las herramientas de IA generativa en función de sus necesidades específicas, considerando:

— La interfaz y el flujo de trabajo.

— La integración de datos.

— La capacidad de la herramienta.

Para educar a los empleados sobre estas herramientas en constante cambio, establezca reuniones, boletines informativos y otros recursos que sirvan como ejemplo y demuestren su uso.

Experimente

Una gestión de productos eficaz depende de la experimentación a lo largo del ciclo típico de desarrollo. Esto permite refinar rápidamente el valor de una solución. De manera similar, el ensayo y error es necesario para que los empleados prueben soluciones y desarrollen flujos de trabajo con IA que realmente generen valor.

Integre

Los gestores de producto saben que una funcionalidad brillante es inútil si no encaja en el ecosistema existente del usuario.

Los líderes pueden ayudar a los empleados a cerrar esta brecha fomentando dos tipos de interoperabilidad:

1. Técnica. Anime a los empleados a preguntarse: “¿A dónde necesito realmente que vaya esta información?” En lugar de copiar manualmente resúmenes generados por IA en un sistema de seguimiento de proyectos, un empleado con mentalidad de producto busca formas de automatizar esa transferencia.

2. De procesos. Las herramientas de IA generativa a menudo pueden modificar el orden necesario de las operaciones dentro de un equipo. Cuando una persona automatiza una tarea, se genera un efecto en cadena para quien recibe posteriormente ese trabajo. Los directivos deben ayudar a los empleados a rediseñar roles y rutinas, asegurando que el nuevo flujo de trabajo potenciado por IA no genere cargas desiguales ni cuellos de botella.

La adopción de la IA generativa en el trabajo rara vez fracasa porque las personas no sepan redactar buenos prompts. Fracasa porque los empleados tienen dificultades para visualizar cómo la IA encaja en sus flujos de trabajo reales, y porque los primeros intentos suelen percibirse como ineficientes, frágiles o difíciles de sostener. Los directivos que logran el mayor impacto no resuelven esto imponiendo su uso ni ofreciendo más capacitación técnica: hacen visible el camino hacia el valor.

© 2026 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Much of the conversation about how to work effectively with generative AI has focused on prompt engineering. These skills are helpful, but they are only part of the story. The real payoff comes when employees learn how to apply generative AI in their day jobs in a way that improves how they work. This requires defining valuable problems within workflows, evaluating possible solutions, rapidly experimenting and integrating new practices sustainably into day-to-day work — disciplines that are core to the work of product managers.

If every employee needs to act like a product manager in adopting generative AI, managers play a critical role in creating the conditions that make this skill set visible, valued and useful. This article shows what these skills look like in practice — and what managers can do to foster them.

DEFINE THE PROBLEM TO SOLVE AND ITS VALUE

Unlike many previous workplace technologies, generative AI is broadly applicable and rapidly evolving.

Employees need to develop the skill of discovering for themselves what the technology can do to support their work. A product manager starts by specifying what value looks like for users — what needs users have and which are most critical. This skill is where employees also need to start when approaching gen AI: by deciding whether they are looking to it to save time, improve quality, reduce errors and/or expand creative range.

EVALUATE TECHNOLOGY OPTIONS

To develop a product effectively, product managers constantly evaluate the range of technical solutions available and how each works in order to identify which tool is best for the job. Similarly, there are many different kinds of gen AI tools, so matching the right tool to the problem can be difficult.

Leaders can help employees navigate this landscape by teaching them to evaluate gen AI tools against their specific needs by considering:

—The interface and workflow

—Data integration

—Tool capability

To educate employees on these rapidly changing tools, institute meetings, newsletters and other resources that model and demonstrate their use.

EXPERIMENT

Effective product management depends on experimentation through the typical product cycle. This helps to quickly refine the value of a solution. Similarly, trial and error is needed for employees to test solutions and develop AI workflows that are actually valuable.

INTEGRATE

Product managers know that a brilliant feature is useless if it doesn’t fit into the user’s existing ecosystem.

Leaders can help employees bridge this gap by encouraging two kinds of interoperability:

—TECHNICAL. Encourage employees to ask, “Where do I actually need this information to go?” Instead of manually copying AI-generated summaries into a project tracker, a product-minded employee looks for ways to automate that handoff.

—PROCESS. Gen AI tools can often change the necessary order of operations for a team. When one person automates a task, it creates a ripple effect for whomever next receives that work. Managers should help employees redesign roles and routines, ensuring that the new AI-enhanced workflow doesn’t create uneven loads or bottlenecks.

Gen AI adoption at work rarely fails because people can’t write good prompts. It fails because employees struggle to see how AI fits into their real workflows — and because early attempts feel inefficient, fragile or hard to sustain. Managers who make the biggest difference don’t solve this by mandating usage or offering more technical training; they make the path to value visible.

La entrada Para impulsar la adopción de la IA, desarrolle las habilidades de gestión de producto de su equipo se publicó primero en DirigeHoy PREMIUM.

]]> 276877 Los 10 artículos esenciales sobre inteligencia artificial y el futuro del trabajo https://dirigehoy.info/los-10-articulos-esenciales-sobre-inteligencia-artificial-y-el-futuro-del-trabajo/ Thu, 19 Feb 2026 23:00:35 +0000 https://dirigehoy.info/?p=276903 Descarga el E-book y descubre 10 artículos esenciales sobre inteligencia artificial y el futuro del trabajo, con ideas prácticas y reflexiones estratégicas.

La entrada Los 10 artículos esenciales sobre inteligencia artificial y el futuro del trabajo se publicó primero en DirigeHoy PREMIUM.

]]>

Palabras clave

La entrada Los 10 artículos esenciales sobre inteligencia artificial y el futuro del trabajo se publicó primero en DirigeHoy PREMIUM.

]]> 276903