Las mejoras de productividad tienen un valor limitado si el trabajo sigue pasando por los mismos comités, aprobaciones, traspasos y silos funcionales. El principal obstáculo es cada vez más la latencia organizativa: el tiempo que tarda una organización en decidir, cambiar procesos y convertir nuevas capacidades en resultados empresariales.
El trabajo que antes exigía varios especialistas, departamentos o semanas de esfuerzo ahora puede completarse mucho más rápido. Esto cambia la colaboración entre equipos, la toma de decisiones y los ámbitos donde se necesita 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 una base estable y un perímetro adaptativo, además de aprovechar las capacidades humanas más valiosas para juzgar y coordinar acciones.
En LinkedIn, Substack y otros foros abundan comentarios como «No veo el retorno de la inversión en IA». A medida que despega una adopción significativa, vemos un amplio retorno en las soluciones de IA y en herramientas listas para usar como ChatGPT, Codex y Claude. Aun así, la observación es comprensible. Aunque se pueden lograr importantes mejoras de productividad individual, estas quedan limitadas si los flujos de trabajo de la organización no cambian. El diseño de la organización debe evolucionar.
Sin embargo, no se puede preparar una organización para cualquier futuro, especialmente ante la rapidez con la que avanza la IA. Nadie puede afirmar con certeza cómo deberá ser dentro de tres años un banco, una aseguradora, un minorista, una empresa energética 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 se dispone al instante de inteligencia experta y los agentes de IA pueden trabajar de forma autónoma durante horas, hay que asumir que la forma de trabajar cambiará y debe cambiar. Eso implica que el modelo operativo debe cambiar para aprovechar la tecnología. Las organizaciones dispuestas a adaptarse con mayor rapidez a nuevos patrones de trabajo y aplicaciones emergentes de esta tecnología serán las más beneficiadas.
La forma más sencilla de entender el impacto organizativo de la IA es partir de un supuesto simple. Supongamos que cualquier persona de la organización dispone al instante de inteligencia experta. Hace dos años era difícil imaginarlo, pero hoy ya es prácticamente una realidad. Y aunque todavía no sea perfecta, parece razonable suponer que se acercará mucho a la perfección en un futuro próximo.
Añadamos un segundo supuesto. Supongamos que agentes autónomos pueden colaborar durante horas, días y, con el tiempo, semanas para completar conjuntos de trabajo relevantes. No una tarea o unas pocas, sino una secuencia de trabajo considerable que abarque varias disciplinas. Un equipo de agentes que engloba a un equipo multidisciplinar y es capaz de determinar por sí mismo el flujo de trabajo.
Si ambos supuestos son correctos siquiera a grandes rasgos, la forma de trabajar cambiará —y tendrá que hacerlo—. El tiempo necesario 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 mediante comités de inversión y dirección, consejos de arquitectura, revisiones de riesgos, filtros de cumplimiento, procesos de compras, ciclos de planificación anual y casos de negocio. Algunos equipos de gestión del cambio también intermedian la información entre las partes interesadas sin aportarle valor.
Nada de esto es irracional: estos mecanismos existen por buenos motivos. Aunque gestionan riesgos, asignan capital, evitan duplicidades, protegen a los clientes y establecen responsabilidades, también marcan un ritmo. Probablemente 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 siguen premiando el respeto de los límites funcionales, por mucho que un líder diga «tenéis autonomía para decidir». ¿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 caro y los cambios ocasionales son evolutivos, no revolucionarios. Pero se convierte en un problema cuando las capacidades mejoran sustancialmente cada pocos meses y los equipos próximos al trabajo descubren las mejores oportunidades.
Responder a la IA con la centralización tradicional genera una latencia que impide obtener un retorno significativo. Si cada cambio debe pasar por varios comités antes de llegar al trabajo real, la organización aprenderá demasiado despacio.
Limitar las oportunidades de aprovechar la IA hace que la empresa resulte menos atractiva para quienes desean crecer y avanzar más rápido.
La mayoría de las organizaciones empiezan por el dominio individual de la IA. Es el punto de partida adecuado. Las personas deben saber cómo dar instrucciones a la IA, cuestionarla, revisar su trabajo, proteger la información confidencial y reconocer cuándo no deben utilizarla. Necesitan confianza, criterio y experiencia práctica.
Pero el dominio individual tiene un límite. Un analista puede producir cinco veces más análisis, pero el órgano decisorio sigue reuniéndose una vez al mes. Un desarrollador puede generar más código, pero el proceso de revisión y publicación no ha cambiado. Un profesional de marketing puede crear más contenido, pero la aprobación de marca sigue en la misma cola.
Incluso en un equipo, cambiar el flujo de trabajo no aumenta necesariamente la velocidad si otras partes de la organización siguen operando como siempre.
Así, la persona avanza más rápido y quizá también el equipo, pero otras partes del flujo integral de la organización acaban limitando la velocidad de producción. Por eso, el recorrido de la IA debe pasar del dominio individual al 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 reto difícil, pero ahí reside la oportunidad de generar valor. Las empresas nativas de IA surgidas en los últimos años, tras el lanzamiento de ChatGPT, crearon flujos de trabajo con la IA ya integrada, por lo que siguen siendo ágiles y operan con estructuras horizontales. En cambio, las grandes empresas han insertado la IA en procesos existentes, creando un mosaico de soluciones que no cambia cómo se trabaja.
Ser una organización nativa de IA no significa actuar de forma caótica, imprudente u obsesionada con las herramientas. Tampoco significa que cada empleado use el modelo más reciente como quiera. Y desde luego no significa sustituir la gobernanza por entusiasmo ni fingir que ya no hacen falta personas.
El antiguo modelo de diseño organizativo presupone que se puede definir un estado futuro, trazar la estructura, implantar 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 averiguar rápidamente qué flujos deben cambiar, qué funciones deben evolucionar, qué controles hacen falta, qué competencias ganan importancia, qué patrones pueden reutilizarse y qué supuestos ya están obsoletos.
Esto exige dos cosas a la vez: una base estable y un perímetro adaptativo. Ambos permiten equilibrar la centralización y la autonomía de los equipos próximos al trabajo.
La base estable aporta confianza y escala a la organización. Toda la empresa dispone de 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.
El perímetro adaptativo es donde el trabajo se realiza y cambia con frecuencia y sin fricciones. Pequeños equipos multidisciplinares próximos al problema tienen autoridad suficiente para rediseñar flujos, aplicar la IA, probar nuevas formas de trabajar y trasladar lo aprendido a la organización.
Ese equilibrio entre el núcleo y el perímetro es importante. Con demasiado control central, la organización aprende demasiado despacio. Con demasiada libertad local, la organización se fragmenta. La organización nativa de IA necesita disciplina en el núcleo y adaptabilidad en el perímetro.
La conclusión simplista sobre la automatización del trabajo es que la IA reduce la necesidad de personas. Así será en algunos ámbitos, como el trabajo intelectual repetitivo y con poco contexto, que se reducirá o desaparecerá. El trabajo principalmente transaccional —cubrir carencias de los sistemas, trasladar información, realizar análisis iniciales, preparar primeros borradores y ofrecer respuestas de escaso «valor añadido»— estará sometido a presión.
Pero la otra cara de la moneda es que la «aportación» humana sube de nivel: si se dispone al instante de inteligencia experta, las cualidades humanas escasas que la IA no puede ni debe sustituir 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 decidir en situaciones ambiguas. Personas que conozcan el ámbito con suficiente profundidad para orientar a la IA y detectar cuándo se equivoca. Personas capaces de formular mejores preguntas. Personas capaces de conectar las realidades comerciales, técnicas, operativas y humanas. Personas capaces de entablar relaciones, generar confianza y coordinar a numerosas partes interesadas. Y, sobre todo, la capacidad de cambiar de contexto e interpretar información con rapidez y precisión cobra más importancia cuando el trabajo de toda una semana se concentra en el lunes por la mañana.
Por tanto, los perfiles generalistas ganan valor, no lo pierden, si pueden mantener el contexto entre funciones y coordinar el trabajo asistido por IA. Los especialistas también pueden ganar valor, porque trabajar más rápido crea más momentos en los que importan la calidad y el criterio. Y los líderes deberán dejar de controlar actividades para diseñar sistemas, contextos y ritmos.
No hay que invertir solo en «competencias de IA», sino también en las cualidades humanas que cobran importancia cuando la IA ejecuta más tareas básicas: curiosidad, criterio, resiliencia, claridad, creatividad, determinación, colaboración y comodidad ante la ambigüedad. La organización debe empezar ya a contratar, desarrollar y premiar esas cualidades.
Concentrar tanto trabajo es agotador, y las organizaciones nativas de IA no pueden funcionar a un ritmo vertiginoso el 100 % del tiempo. Tendrán que dejar margen y tiempo libre para que las personas se recuperen y vuelvan a conectar. Para evaluar y decidir bien, las organizaciones deben fomentar entornos donde los hallazgos fortuitos puedan generar ideas novedosas.
Hoy, muchas empresas tardan en usar la IA para lo que ya es posible. Esto amplía la brecha entre la mejora de las capacidades de los agentes y la mejora de su uso.
Es normal. Las grandes organizaciones asimilan lentamente la tecnología debido a sistemas heredados, restricciones normativas, resistencia cultural, datos fragmentados, responsabilidades poco claras y riesgos reales que deben gestionar.
Pero llegará un momento en que suficientes líderes, equipos y competidores descubrirán cómo aplicar la IA a flujos de trabajo reales de forma segura y reiterada. Los patrones madurarán, la gobernanza quedará más integrada, los agentes serán más fiables y aumentará la confianza de las organizaciones. La brecha entre lo que la IA permite y lo que las empresas utilizan realmente empezará a cerrarse.
Cuando llegue ese punto de inflexión, la ventaja no será para las empresas con los mejores modelos ni los mayores presupuestos de IA, sino para las organizaciones capaces de cambiar con rapidez la forma de trabajar.
Las empresas que centralicen todas las decisiones, protejan cada función, se rijan mediante comités lentos y premien a quienes «no causen problemas» tendrán dificultades para seguir el ritmo.
Las empresas que construyan una base sólida y un perímetro adaptativo aprenderán más rápido. Descubrirán antes mejores flujos de trabajo, reasignarán una combinación equilibrada de talento generalista, experto y directivo a tareas de mayor valor y convertirán los experimentos locales en patrones reutilizables.
Por ahora, la pregunta puede ser «¿Cómo adoptamos la IA con éxito?», pero pronto deberá 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 adaptativa con una IA potente multiplicará sus resultados.