Las mejoras de productividad tienen un valor limitado si el trabajo sigue pasando por los mismos comités, aprobaciones, transferencias y silos funcionales. La limitación es cada vez más la latencia organizacional: cuánto tarda una organización en tomar decisiones, cambiar procesos y convertir nuevas capacidades en resultados empresariales.
El trabajo que antes requería varios especialistas, departamentos o semanas de esfuerzo ahora puede completarse mucho más rápido. Esto cambia la manera en que colaboran los equipos, se toman decisiones y se requiere experiencia.
Los beneficios se materializan plenamente cuando las organizaciones revolucionan su diseño y replantean los flujos de trabajo, la gobernanza, los incentivos, los flujos de conocimiento y las estructuras de decisión para multiplicar en toda la empresa las mejoras de productividad impulsadas por la IA.
Las organizaciones nativas de IA necesitan tanto una base estable como una periferia adaptable, además de aprovechar las capacidades humanas más valiosas para evaluar y coordinar acciones.
En LinkedIn, Substack y otros foros se debate mucho con argumentos que se reducen a “No veo el retorno de la inversión en IA”. A medida que despega una adopción significativa, vemos un amplio retorno de la inversión en soluciones de IA y en herramientas comerciales como ChatGPT, Codex y Claude. Aun así, el planteamiento es comprensible. Aunque es posible lograr mejoras considerables en la productividad individual, estas terminan limitadas si los flujos de trabajo de la organización no cambian. El diseño de la organización debe evolucionar.
Sin embargo, no es posible preparar una organización para cualquier futuro, en especial ante la rapidez con que avanza la IA. Nadie puede afirmar con certeza cómo debería ser dentro de tres años un banco, una aseguradora, un comercio minorista, una empresa de energía o una consultora optimizados para la IA. La tecnología, la economía y los patrones de trabajo cambian demasiado rápido, por lo que la capacidad de adaptación será una de las ventajas decisivas de la próxima década.
Pero si la inteligencia de nivel experto está disponible al instante y los agentes de IA pueden trabajar de forma autónoma durante horas, hay que asumir que la manera de trabajar cambiará y debe hacerlo. Y eso indica que el modelo operativo debe cambiar para aprovechar la tecnología. Las organizaciones dispuestas a adaptarse más rápido a los nuevos patrones de trabajo y a las aplicaciones emergentes de esta tecnología serán las más beneficiadas.
La forma más sencilla de comprender el impacto organizacional de la IA es comenzar con una premisa simple. Supongamos que cualquier persona de la organización dispone al instante de inteligencia de nivel experto. Hace dos años era difícil imaginarlo, pero ahora prácticamente ya es una realidad. Y aunque todavía no sea perfecta, es razonable suponer que estará cerca de serlo en un futuro muy próximo.
Agreguemos una segunda premisa. Supongamos que los agentes autónomos pueden colaborar durante horas, días y, con el tiempo, semanas para completar conjuntos de trabajo significativos. No una tarea ni unas cuantas tareas, sino una secuencia sustancial de trabajo que abarque varias disciplinas. Un equipo multifuncional integrado en un equipo de agentes capaces de determinar por sí mismos el flujo de trabajo.
Si ambas premisas son correctas aunque sea en términos generales, la manera de trabajar cambiará —y tendrá que hacerlo—. El tiempo de ejecución se reduce, la colaboración interna evoluciona y el ritmo del cambio se acelera.
Un cambio a este ritmo favorece la descentralización, la autonomía y la innovación, mientras que la mayoría de las grandes organizaciones se basan en la idea opuesta.
Las grandes empresas centralizan el poder en departamentos organizados por funciones. Separan estrategia, tecnología, datos, riesgo, operaciones, finanzas, recursos humanos y negocio en estructuras distintas, cada una con sus propias prioridades, incentivos y, sobre todo, controles.
El cambio se rige por comités de inversión y dirección, consejos de arquitectura, evaluaciones de riesgos, controles de cumplimiento, procesos de compras, ciclos de planificación anual y casos de negocio. Algunos equipos de gestión del cambio añaden aún más intermediación a la información entre las partes interesadas sin aportarle valor.
De nuevo, nada de esto es irracional y estos mecanismos existen por buenas razones. Aunque gestionan riesgos, asignan capital, evitan duplicaciones, protegen a los clientes y establecen responsabilidades, también imponen un ritmo. Es probable que ese ritmo sea demasiado lento para un mundo donde los competidores nativos de IA pueden probar, aprender y rediseñar el trabajo mucho más rápido.
La señal cultural también importa. En muchas organizaciones, los incentivos aún premian mantenerse dentro de los límites funcionales, sin importar cuántas veces un líder diga “tienen autonomía para tomar decisiones”. ¿Por qué? Proteger al equipo. Proteger el presupuesto. Proteger la hoja de ruta. Evitar fracasos visibles. Elevar las decisiones difíciles a un comité. No apartarse demasiado del proceso aprobado.
Este enfoque centralizado tiene sentido cuando experimentar resulta costoso y los cambios ocasionales son evolutivos, no revolucionarios. Pero se vuelve problemático cuando la capacidad mejora sustancialmente cada pocos meses y las mejores oportunidades las descubren los equipos cercanos al trabajo.
Responder a la IA con la centralización tradicional genera una latencia que impide obtener un retorno de la inversión significativo. Si cada cambio debe pasar por varios comités antes de llegar al trabajo real, la organización aprenderá con demasiada lentitud.
Para quienes desean crecer y avanzar más rápido, limitar las oportunidades de aprovechar la IA hace que la organización sea un lugar menos atractivo para trabajar.
La mayoría de las organizaciones están comenzando por el dominio individual de la IA. Es el punto de partida correcto. Las personas deben saber cómo dar instrucciones a la IA, cuestionarla, revisar su trabajo, proteger la información confidencial y reconocer cuándo no usarla. Necesitan confianza, criterio y experiencia práctica.
Pero el dominio individual tiene un límite. Un analista puede producir cinco veces más análisis, pero el comité de decisión sigue reuniéndose una vez al mes. Un desarrollador puede generar más código, pero el proceso de revisión y lanzamiento no ha cambiado. Un profesional de marketing puede crear más contenido, pero la aprobación de marca sigue en la misma fila.
Incluso en el equipo, cambiar un flujo de trabajo no necesariamente aumenta la velocidad si otras áreas de la organización siguen operando como siempre.
Así, la persona avanza más rápido y quizá también el equipo, pero la velocidad de los resultados termina limitada por otras áreas del flujo integral de la organización. Por eso, la trayectoria de la IA debe pasar del dominio individual al dominio del equipo y, después, al de toda la organización.
Cuando la empresa puede cambiar sus estructuras, incentivos, gobernanza, flujos de conocimiento y patrones tecnológicos, las mejoras locales de personas y equipos se convierten en valor empresarial.
Es un desafío difícil, pero ahí está la oportunidad de liberar valor. Las empresas nativas de IA surgidas en los últimos años tras el lanzamiento de ChatGPT crearon flujos de trabajo con IA ya integrada, por lo que conservan su agilidad y operan con estructuras horizontales. En cambio, las empresas más grandes han incorporado la IA a procesos existentes, lo que crea un mosaico de soluciones que no logra cambiar cómo se trabaja.
Ser una organización nativa de IA no significa ser caótica, imprudente ni obsesionarse con las herramientas. No significa que cada empleado use el modelo más reciente como prefiera. Y ciertamente no significa reemplazar la gobernanza con entusiasmo ni fingir que las personas ya no son necesarias.
El antiguo modelo de diseño organizacional supone que es posible definir un estado futuro, trazar la estructura, implementar el cambio y estabilizarlo. Eso es demasiado lento para la IA.
Las organizaciones nativas de IA estarán diseñadas para el cambio continuo. Una organización nativa de IA es aquella que rediseña continuamente el trabajo en torno a las fortalezas combinadas de las personas, los sistemas de IA, los datos, los flujos de trabajo y la gobernanza. No lo apostarán todo a un único plan maestro. Desarrollarán la capacidad de descubrir rápidamente qué flujos de trabajo deben cambiar, qué funciones deben evolucionar, qué controles hacen falta, qué habilidades cobran importancia, qué patrones pueden reutilizarse y qué supuestos ya están obsoletos.
Eso requiere dos cosas a la vez: una base estable y una periferia adaptable. Ambas permiten equilibrar la centralización y la autonomía de los equipos cercanos al trabajo.
La base estable aporta confianza y escala a la organización. Toda la empresa tiene acceso a herramientas aprobadas, patrones reutilizables, vías de acceso a datos, métodos de evaluación, controles de seguridad, principios de gobernanza, supervisión, infraestructura de conocimiento y responsabilidades claras.
La periferia adaptable es donde el trabajo se realiza y cambia con frecuencia y sin fricción. Los equipos pequeños y multifuncionales cercanos al problema tienen suficiente autoridad para rediseñar flujos de trabajo, aplicar la IA, probar nuevas formas de trabajar y transmitir lo aprendido a la organización.
Ese equilibrio entre el núcleo y la periferia es importante. Con demasiado control central, la organización aprende muy lentamente. Con demasiada libertad local, la organización se fragmenta. La organización nativa de IA necesita disciplina en el núcleo y adaptabilidad en la periferia.
La conclusión simplista sobre automatizar el trabajo es que la IA reduce la necesidad de personas. En algunas áreas será así, como en el trabajo intelectual repetitivo y con poco contexto, que se reducirá o desaparecerá. Estarán bajo presión los trabajos principalmente transaccionales, que cubren deficiencias de los sistemas, trasladan información, realizan análisis iniciales, producen primeros borradores y ofrecen respuestas con un “valor agregado” limitado.
Pero la otra cara de la moneda es que la “contribución” humana sube de nivel: si la inteligencia experta está disponible al instante, las cualidades humanas escasas que la IA no puede ni debe reemplazar pasan a ser el criterio, la creatividad, la responsabilidad, el contexto y la confianza.
Las organizaciones deben centrarse cada vez más en personas capaces de tomar decisiones en situaciones ambiguas. Personas que comprendan el ámbito con suficiente profundidad para orientar a la IA y reconocer cuándo se equivoca. Personas capaces de hacer mejores preguntas. Personas capaces de conectar las realidades comerciales, técnicas, operativas y humanas. Personas capaces de establecer relaciones, generar confianza y coordinar a numerosas partes interesadas. Y, algo importante, la capacidad de cambiar de contexto e interpretar información con rapidez y precisión se vuelve más esencial cuando el trabajo de toda una semana se concentra en la mañana del lunes.
Por eso, los generalistas adquieren más valor, no menos, si pueden mantener el contexto entre funciones y coordinar el trabajo facilitado por la IA. Los expertos pueden adquirir más valor, no menos, porque trabajar más rápido genera más momentos en los que importan la calidad y el criterio. Y los líderes tendrán que actuar menos como controladores de actividades y más como diseñadores de sistemas, contextos y ritmos.
Las capacidades en las que se debe invertir no son solo las “habilidades de IA”. Son las cualidades humanas que cobran mayor importancia cuando la IA se encarga de más tareas operativas: curiosidad, criterio, resiliencia, claridad, creatividad, determinación, colaboración y comodidad ante la ambigüedad. La organización debe contratar, desarrollar y recompensar desde ahora esas cualidades.
Comprimir tanto trabajo es intenso, y las organizaciones nativas de IA no pueden operar a un ritmo vertiginoso el 100 % del tiempo. Tendrán que crear capacidad disponible y margen para que las personas se recuperen y vuelvan a conectarse. Para evaluar y decidir eficazmente, las organizaciones deben fomentar entornos donde los hallazgos fortuitos puedan dar lugar a ideas novedosas.
Hoy, muchas empresas tardan en aprovechar posibilidades que la IA ya ofrece. Esto amplía la brecha entre las mejoras en las capacidades de los agentes y las mejoras en su uso.
Es normal. Las grandes organizaciones adoptan la tecnología lentamente debido a sistemas heredados, restricciones regulatorias, resistencia cultural, datos fragmentados, responsabilidades poco claras y riesgos reales que deben gestionar.
Pero, en algún momento, suficientes líderes, equipos y competidores descubrirán cómo aplicar la IA de forma segura y repetida a flujos de trabajo reales. Los patrones madurarán, la gobernanza se integrará mejor, los agentes serán más confiables y crecerá la confianza de las organizaciones. La brecha entre lo que la IA hace posible y lo que las empresas realmente utilizan comenzará a cerrarse.
Cuando llegue ese punto de inflexión, la ventaja no será para las empresas con los mejores modelos o los mayores presupuestos de IA, sino para las organizaciones capaces de cambiar con rapidez la forma de trabajar.
Las empresas que centralicen cada decisión, protejan cada función, se rijan mediante comités lentos y premien a quienes “no agiten las aguas” tendrán dificultades para seguir el ritmo.
Las empresas que construyan una base sólida y una periferia adaptable aprenderán más rápido. Descubrirán antes mejores flujos de trabajo, reasignarán una combinación saludable de talento humano generalista, experto y directivo a trabajos de mayor valor, y convertirán experimentos locales en patrones reutilizables.
Por ahora, la pregunta puede ser “¿Cómo adoptamos la IA con éxito?”, pero pronto tendrá que convertirse en “¿Con qué rapidez puede adaptarse nuestra organización a medida que la IA transforma el trabajo?”.
Una organización lenta con una IA potente seguirá siendo lenta; una organización adaptable con una IA potente multiplicará sus resultados.