Una organización puede comprar una herramienta avanzada, habilitar cuentas para sus equipos, organizar una capacitación y anunciar que comenzó su transformación con inteligencia artificial. Puede incluso producir informes más rápido, resumir documentos, redactar comunicaciones y automatizar algunas tareas.
Nada de eso garantiza que haya cambiado. La empresa puede conservar exactamente la misma forma de decidir, distribuir responsabilidades, coordinar áreas y revisar resultados, aunque ahora cuente con una tecnología más potente.
En ese escenario, la IA mejora algunas operaciones, pero no transforma el sistema que las contiene. La organización sigue reuniéndose de la misma manera, concentrando las mismas decisiones, postergando las mismas conversaciones y aprobando cada movimiento mediante los mismos circuitos.
La herramienta cambió. La arquitectura de trabajo permanece intacta.
El acceso a la tecnología dejó de ser la diferencia principal.
Durante los primeros años de adopción, acceder a modelos avanzados podía representar una ventaja. Las capacidades estaban concentradas, la experiencia era limitada y muchas organizaciones todavía observaban la inteligencia artificial desde lejos.
Ese escenario cambió. Las herramientas están ampliamente disponibles, pueden contratarse con relativa facilidad y comienzan a parecerse entre sí en muchas de sus funciones básicas. La diferencia ya no depende únicamente de poseer una tecnología que otros no tienen.
Depende de qué logra hacer la organización con ella. Un estudio de IBM con altos ejecutivos informó que solo el 25 % de las iniciativas de IA había producido el retorno esperado y apenas el 16 % había conseguido escalarse en toda la empresa.
Según la lectura de IBM, el problema no estaba solamente en los modelos utilizados, también se encontraba en la capacidad de integrarlos en operaciones, infraestructura y decisiones reales.
La distancia entre experimentar y capturar valor es, en gran medida, organizacional.
Incorporar una herramienta no equivale a rediseñar el trabajo.
Una organización puede introducir IA de dos maneras. La primera consiste en colocarla sobre los procesos existentes; se utiliza para redactar más rápido, resumir reuniones, preparar presentaciones, responder consultas o producir versiones preliminares.
En ese caso, el proceso permanece igual y solo algunas tareas requieren menos tiempo. La herramienta acelera el trabajo conocido, pero no modifica necesariamente su lógica.
La segunda forma implica revisar el proceso completo. La organización se pregunta qué parte todavía tiene sentido, qué tarea puede dejar de existir, qué decisión debería descentralizarse, qué control necesita mantenerse y qué capacidad humana adquiere mayor importancia.
La diferencia es profunda. Automatizar una tarea innecesaria no crea demasiado valor; puede volver más eficiente una práctica que ya debería haberse revisado.
Generar informes más rápido tampoco ayuda si nadie sabe qué decisión debe tomar con ellos. Producir cinco escenarios no mejora el criterio cuando no existen prioridades claras para compararlos.
La transformación empieza cuando la organización deja de preguntarse únicamente qué puede hacer la herramienta y comienza a revisar qué debería cambiar alrededor de ella.
La mayor parte del esfuerzo no está en el modelo.
Boston Consulting Group utiliza una proporción orientativa para explicar el desafío de las transformaciones con IA: alrededor del 10 % del esfuerzo se concentra en algoritmos, un 20 % en datos e infraestructura tecnológica y el 70 % restante en personas, procesos y cambio organizacional.
La proporción no debe leerse como una fórmula matemática aplicable a cualquier empresa. Su valor está en corregir una tendencia frecuente: concentrar la inversión en la herramienta y tratar las consecuencias organizacionales como un asunto posterior.
Ese orden suele producir implementaciones débiles. Primero se contrata la plataforma, después se buscan casos de uso, más tarde se intenta convencer a los equipos y, finalmente, aparecen preguntas que deberían haberse respondido al comienzo.
¿Para qué problema se incorporó? ¿Qué proceso debe cambiar? ¿Qué responsabilidad se modifica? ¿Qué riesgo introduce? ¿Qué tarea seguirá requiriendo criterio humano? ¿Cómo se sabrá si realmente está generando valor?
Cuando estas preguntas llegan tarde, la organización ya está intentando adaptar su funcionamiento a una tecnología que eligió antes de comprender qué transformación necesitaba.
La IA entra en la organización que existe.
Toda organización convive con una estructura formal y una experiencia cotidiana. La primera, aparece en organigramas, descripciones de puestos, políticas, protocolos y circuitos de aprobación.
La segunda, se reconoce en otro lugar: quién responde realmente cuando aparece un problema, a quién se consulta antes de avanzar, qué reuniones definen de verdad las prioridades y qué personas concentran autoridad aunque el organigrama no lo diga.
Harvard Business Review describió esta distancia como el problema de las dos organizaciones: la que la dirección cree haber diseñado y la que las personas experimentan en su trabajo diario.
La incorporación de IA también entra en esas dos realidades. En la organización formal puede existir una política clara, un comité y una lista de herramientas autorizadas; en la experiencia cotidiana, las personas pueden estar utilizando sistemas diferentes, incorporando información sensible sin criterios compartidos o aceptando recomendaciones que nadie revisa.
También puede ocurrir lo contrario: que eviten la tecnología porque no comprenden cómo afecta su responsabilidad. El sistema formal de gobierno puede existir y, al mismo tiempo, convivir con prácticas muy distintas.
La dirección puede afirmar que existe supervisión humana, mientras quienes trabajan sienten que deben aceptar la recomendación del sistema porque cuestionarla demora el proceso. Puede declarar que la decisión continúa bajo responsabilidad de cada área, aunque nadie sepa quién responde cuando la herramienta se equivoca.
Gobernar la IA exige mirar ambas organizaciones: la declarada y la que realmente funciona.
La tecnología también revela problemas anteriores.
La inteligencia artificial no crea todos los problemas que aparecen durante su adopción, muchas veces los vuelve visibles.
Si una empresa no tiene criterios claros para priorizar, la IA producirá más alternativas dentro de esa indefinición. Si las responsabilidades están dispersas, la tecnología agregará una nueva voz sin resolver quién debe cerrar.
Si cada área utiliza datos distintos, el sistema amplificará inconsistencias que ya existían. Y si el liderazgo evita detener proyectos que no producen resultados, la organización acumulará iniciativas de IA del mismo modo en que antes acumulaba otras propuestas.
También puede ocurrir que los equipos no estén acostumbrados a cuestionar una recomendación jerárquica. En ese caso, difícilmente cuestionen una recomendación algorítmica presentada como técnica y objetiva.
La herramienta no corrige automáticamente la arquitectura que recibe. Puede reproducirla, acelerarla y volver más difícil reconocer dónde comenzó el problema.
Por eso, una implementación de IA también funciona como diagnóstico organizacional. Muestra cómo circula la información, quién tiene autoridad, qué criterios se explicitan y qué decisiones nadie quiere asumir.
También permite reconocer qué procesos continúan únicamente porque siempre se hicieron de esa manera.
Nombrar un responsable no alcanza.
La expansión del cargo de Chief AI Officer refleja que la inteligencia artificial está dejando de ser una iniciativa restringida a sistemas o innovación. En varias grandes organizaciones, esta función empieza a incluir presupuesto, prioridades de negocio, gobierno de datos, evaluación de proyectos y responsabilidad por resultados.
La aparición del rol es significativa, pero nombrar un responsable no resuelve por sí solo la arquitectura de decisión. Un CAIO puede coordinar la estrategia general, aunque otras personas seguirán necesitando definir qué problemas se priorizan, qué riesgos son aceptables y cuándo el criterio de negocio debe prevalecer sobre una recomendación técnica.
No todas las organizaciones necesitan crear ese cargo. Todas, sin embargo, necesitan responder preguntas equivalentes: quién puede aprobar un caso de uso, quién evalúa sus consecuencias, quién puede detenerlo y quién decide que una tarea no debería utilizar IA.
También debe quedar claro quién revisa lo que ocurre cuando la recomendación entra en conflicto con el criterio del área, y quién responde frente al cliente, al equipo o al directorio.
La responsabilidad no puede quedar repartida de manera tan amplia que finalmente nadie pueda reconocerla como propia.
Una nueva función no reemplaza la responsabilidad del resto.
Existe otro riesgo: crear una figura especializada y permitir que el resto del liderazgo se retire de la discusión. La IA pasa a ser “tema del CAIO”, del área de tecnología o del comité de innovación.
Pero sus efectos atraviesan selección, comunicación, operaciones, finanzas, clientes, riesgos y decisiones de negocio. Un responsable de área no necesita convertirse en especialista en modelos, aunque sí debe comprender cómo la tecnología modifica el trabajo que conduce.
Necesita saber qué información utiliza, qué parte del proceso automatiza, qué decisión produce o condiciona y qué errores puede cometer. También debe distinguir qué responsabilidad sigue perteneciendo a las personas.
Delegar la dimensión técnica puede ser razonable. Delegar la comprensión de las consecuencias no lo es.
La gobernanza empieza antes del control.
En muchas organizaciones, la gobernanza aparece al final. Se diseñan políticas, formularios, restricciones y mecanismos de aprobación cuando las herramientas ya están siendo utilizadas.
Pero gobernar no consiste solamente en controlar, también consiste en definir el propósito.
Antes de preguntar cómo supervisar una implementación, conviene precisar por qué existe. ¿Qué resultado necesita producir? ¿Qué decisión debe mejorar? ¿Qué capacidad debe liberar? ¿Qué problema no estaba siendo resuelto?
También importa reconocer qué comportamiento debería cambiar. Sin propósito, la gobernanza corre el riesgo de convertirse en una colección de autorizaciones.
Puede demostrar que el sistema fue revisado, pero no que tenía sentido incorporarlo. Una arquitectura seria conecta tecnología, proceso, responsabilidad y resultado esperado.
El criterio humano no puede aparecer únicamente al final.
Una fórmula frecuente afirma que la IA recomienda y la persona decide. La distinción parece clara, pero puede resultar engañosa.
Cuando la tecnología define el problema, selecciona la información, propone las alternativas y califica los riesgos, la decisión humana final puede reducirse a aceptar una arquitectura ya construida.
La persona continúa figurando como responsable, pero interviene cuando buena parte del proceso ya fue orientado. Conservar autoridad humana exige participar antes.
Esa participación debe aparecer en la formulación de la pregunta, la selección de fuentes, la definición de criterios, la interpretación de consecuencias y la revisión de alternativas descartadas.
También debe estar presente en la decisión sobre qué no debería automatizarse. La supervisión humana tiene valor cuando puede cuestionar el proceso, no solo aprobar su resultado.
La adopción no debería medirse por cantidad de usuarios.
Uno de los errores frecuentes consiste en tomar la adopción como indicador principal. Se mide cuántas personas tienen acceso, cuántas ingresaron, cuántas consultas realizaron y cuántas tareas generaron con IA.
Esos datos muestran utilización, pero no necesariamente valor. Una organización puede alcanzar una adopción elevada y continuar tomando las mismas decisiones con la misma calidad.
Incluso puede aumentar el trabajo si las personas deben revisar respuestas poco confiables, corregir resultados o aprender mediante ensayo constante sin acompañamiento suficiente.
El análisis de TechRadar señala precisamente esa diferencia: la adopción tecnológica puede avanzar más rápido que la preparación de quienes deben incorporarla, mientras el retorno permanece limitado por la falta de entrenamiento, procesos y criterios claros sobre dónde sigue siendo indispensable el juicio humano.
La pregunta no debería ser solamente cuánto se utiliza. Conviene medir qué cambió: si disminuyó el tiempo total del proceso, si mejoró la calidad, si aumentó la capacidad para detectar errores o si se redujo una tarea que no agregaba valor.
También importa observar si las personas comprenden mejor el trabajo o dependen más de la herramienta, y si la organización puede explicar por qué mantiene ese uso.
La adopción es un medio. No es el resultado.
Capacitar en herramientas tampoco alcanza.
Una capacitación puede enseñar funciones, comandos y buenas prácticas. Eso es necesario, pero no suficiente.
Las personas también necesitan aprender a decidir cuándo utilizar la herramienta y cuándo no. Deben reconocer una respuesta plausible que carece de sustento, comprender qué información no debería incorporarse y distinguir una tarea automatizable de una responsabilidad indelegable.
Además, necesitan saber cuándo una recomendación debe ser cuestionada y cómo actuar cuando el sistema no ofrece una respuesta clara. Ese aprendizaje no se resuelve únicamente con una clase inicial.
Requiere acompañamiento dentro del trabajo real, revisión de casos, criterios compartidos y permiso para señalar límites. La alfabetización en IA no consiste solamente en saber usarla.
Consiste en saber gobernar la propia relación con ella.
El cambio sigue siendo humano.
La velocidad de la tecnología puede dar la impresión de que los marcos tradicionales de gestión del cambio quedaron obsoletos. Sin embargo, un análisis publicado por Reuters sobre adopción de IA generativa en organizaciones jurídicas sostiene lo contrario.
Modelos como ADKAR, Kotter o McKinsey 7-S continúan siendo útiles porque la transformación todavía depende de comunicación, confianza, participación, coordinación y aprendizaje sostenido.
La tecnología cambió, pero las preguntas humanas centrales permanecen. ¿Por qué debemos modificar nuestra forma de trabajar? ¿Qué se espera de mí? ¿Qué parte de mi rol cambia? ¿Qué capacidad necesito aprender?
También aparecen otras preguntas: qué ocurre si el sistema se equivoca, si es posible cuestionarlo, cómo se evaluará la responsabilidad y qué sucederá con el tiempo que supuestamente se libera.
Cuando la organización no responde, las personas completan los espacios con sus propias interpretaciones. Algunas imaginarán reemplazo, otras entenderán que deben utilizar la herramienta en todo y otras continuarán trabajando como antes.
La comunicación no puede limitarse a anunciar la incorporación. Necesita explicar el nuevo sistema de trabajo.
Transformar exige retirar, no solo agregar.
Muchas implementaciones fracasan porque agregan una capa sin retirar ninguna. Se mantiene el informe anterior y se suma otro generado por IA; se conserva la reunión y se incorpora un resumen automático.
También puede mantenerse el control manual mientras se agrega una revisión algorítmica. Las personas terminan haciendo su trabajo habitual, aprendiendo la herramienta y validando cada resultado.
La organización llama transformación a una acumulación. Pero transformar implica elegir.
Algo debe dejar de hacerse, alguna etapa debe simplificarse y una responsabilidad necesita cambiar de lugar. Una reunión puede perder sentido, un control puede necesitar rediseño y un indicador debería modificarse.
Incluso una decisión puede pasar a otra persona. Si nada se retira, la IA no libera capacidad; solo agrega una nueva exigencia.
El liderazgo necesita observar la organización real.
Antes de diseñar una estrategia de IA, conviene observar cómo se decide hoy. No cómo debería decidirse según el manual, sino cómo ocurre realmente.
¿Quién formula los problemas? ¿Quién tiene la información? ¿Quién puede detener una iniciativa? ¿Dónde se acumulan las aprobaciones? ¿Qué persona resuelve siempre las excepciones?
También conviene revisar qué decisiones se presentan como colectivas aunque dependan de una sola figura y qué procesos continúan a pesar de que nadie puede explicar su utilidad.
Esa lectura evita una implementación idealizada. La tecnología debe integrarse a la organización existente, pero no para consolidar todos sus hábitos.
Debe ayudar a reconocer qué necesita ser rediseñado.
Cinco decisiones anteriores a cualquier implementación.
Antes de incorporar una herramienta importante, la dirección debería definir al menos cinco aspectos. El primero es qué problema merece intervención, porque no todo proceso necesita inteligencia artificial.
El punto de partida debería ser una dificultad, una oportunidad o una capacidad estratégica, no la mera existencia de una herramienta disponible.
La segunda decisión consiste en precisar qué resultado debe cambiar. La implementación necesita una consecuencia observable en calidad, tiempo, capacidad, costo, servicio, aprendizaje o calidad decisional.
La tercera es qué responsabilidad conserva cada persona. Debe quedar claro quién configura, quién utiliza, quién revisa, quién puede detener y quién responde por las consecuencias.
La cuarta decisión es qué criterio humano no se delega. La organización necesita nombrar qué evaluaciones, decisiones o conversaciones seguirán exigiendo intervención humana sustantiva.
Finalmente, debe establecerse qué se revisará después. Toda incorporación necesita una fecha para observar resultados, efectos no previstos, capacidades debilitadas y procesos que todavía no cambiaron.
Estas decisiones no garantizan el éxito. Pero evitan que la herramienta llegue antes que el criterio.
Para revisar.
Pensá en una herramienta de inteligencia artificial que tu organización utiliza o planea incorporar. ¿Qué proceso debería cambiar, además de la tarea puntual?
También conviene revisar qué comportamiento seguirá igual aunque la herramienta funcione y quién tiene autoridad real para decidir sobre su uso.
¿Quién responde cuando la recomendación produce una consecuencia no prevista? ¿Qué capacidad humana necesita preservarse? ¿Qué tarea debería dejar de existir?
Finalmente, preguntate qué señal demostraría que la implementación está generando valor y si la organización está preparando a las personas para utilizar IA o solamente habilitando acceso.
Las respuestas permiten distinguir una adopción tecnológica de una transformación organizacional.
Conclusión.
La inteligencia artificial no transforma una organización por el solo hecho de entrar en ella. Puede acelerar tareas, ampliar análisis y producir nuevas capacidades mientras el sistema continúa decidiendo como antes.
La ventaja no pertenece necesariamente a quien compra primero ni a quien consigue la herramienta más avanzada. Pertenece a la organización que logra convertir esa capacidad tecnológica en una arquitectura más clara de trabajo, decisión y responsabilidad.
Eso exige rediseñar procesos, explicitar criterios, entrenar capacidades y retirar prácticas que dejaron de ser útiles. También requiere definir quién decide, quién responde y qué debe cambiar después.
La IA puede ser una herramienta extraordinaria, pero el valor que produzca dependerá de la calidad del liderazgo que construya las condiciones para utilizarla.
La pregunta no es solamente si la tecnología está preparada para la organización, es si la organización está preparada para dejar de trabajar como antes.
Próximo paso.
Cuando una organización incorpora inteligencia artificial, pero las responsabilidades, los criterios y la ejecución continúan dispersos, el problema no se resuelve con otra capacitación sobre herramientas.
Una intervención con el equipo directivo permite revisar el proceso real: qué decisiones deben cambiar, qué autoridad necesita explicitarse y cómo convertir la incorporación tecnológica en una modificación verificable del sistema de trabajo.
El objetivo no es sumar IA a lo que ya existe, es decidir qué organización necesita existir alrededor de ella.
Referencias.
- Boston Consulting Group. (2026). How AI leaders create competitive advantage.
- Gavett, G. (2026, 7 de julio). Every organization has two realities. Harvard Business Review.
- IBM Institute for Business Value. (2025). CEO study: CEOs double down on AI while navigating enterprise hurdles.
- Lawler, T. (2026, 15 de junio). Strategic change management in the age of generative AI. Reuters.
- TechRadar Pro. (2026, 13 de julio). What the CAIO wave signals for UK companies yet to follow suit.
- TechRadar Pro. (2026, 15 de julio). The gap between AI potential and AI reality is a leadership problem.
Descubre más desde DAMIÁN - INTERLOCUTOR DE CRITERIO.
Suscríbete y recibe las últimas entradas en tu correo electrónico.
