Por: Revistaeyn.com
La inteligencia artificial ya puede estar mejorando el trabajo de muchos colaboradores sin que eso se refleje en los resultados de la compañía.
Esa brecha —entre una experiencia individual más eficiente y un negocio que no crece ni mejora sus márgenes— es el punto de partida de El manual del CEO (para no ser parte del 95 % que fracasa), una guía presentada por la consultora de transformación organizacional Olivia.
Su tesis central es deliberadamente incómoda para la alta dirección: el problema no consiste en que los modelos fallen, sino en que las empresas incorporan herramientas nuevas dentro de procesos, incentivos y estructuras que permanecen intactos.
En palabras de la guía, “la IA productiva no se compra, se diseña, y se diseña desde arriba”.
El documento toma como referencia el informe The GenAI Divide: State of AI in Business 2025, elaborado por NANDA, una iniciativa vinculada al MIT Media Lab.
El estudio señaló que solo una minoría de las iniciativas empresariales integradas de inteligencia artificial generativa estaba produciendo impacto medible en resultados financieros. De allí surge el 95% que Olivia coloca en el centro de su propuesta.
La cifra requiere una lectura cuidadosa: no describe una tasa universal de fracaso técnico ni significa que 95 de cada 100 herramientas de IA no funcionen. Se refiere a la dificultad observada para convertir pilotos e implementaciones en valor financiero verificable. Esa distinción es, precisamente, el argumento más relevante para un CEO: adoptar una tecnología y capturar su valor son dos desafíos distintos.
La paradoja de la productividad individual
Las señales de adopción son contundentes. El informe DORA 2025 de Google, basado en respuestas de cerca de 5.000 profesionales tecnológicos, encontró que 90% utilizaba IA en su trabajo y más de 80% percibía una mejora de productividad. Pero el mismo estudio resumió el problema con una advertencia: la IA amplifica lo que ya existe.
Los equipos sólidos pueden mejorar; los que arrastran procesos débiles también aceleran sus fallas. Olivia denomina “dividendo de tiempo” a las horas liberadas al automatizar minutas, traducciones, reportes u otras tareas de baja densidad cognitiva.
El dividendo, sin embargo, no tiene valor estratégico por sí solo. Si la cultura continúa premiando volumen, el ahorro puede convertirse en más correos, documentos y reuniones, sin producir mejores decisiones. Por eso, el manual de Olivia plantea una disyuntiva que debería discutirse antes de desplegar nuevas herramientas: ¿la capacidad liberada se capturará como un recorte de una sola vez o se reinvertirá para desarrollar productos, explorar mercados, atender mejor a los clientes y fortalecer talento crítico?
No es una cuestión meramente filosófica. Define el caso de negocio, los indicadores de éxito y la actitud de los equipos frente a la automatización.
Cuando los colaboradores interpretan que cada mejora de productividad amenaza su puesto, tienen incentivos para ocultarla o resistirse. Cuando conocen el destino del tiempo ahorrado y participan en el rediseño, la adopción puede convertirse en capacidad organizacional.
Primera decisión: convertir el criterio en una competencia
La primera recomendación de Olivia no es tecnológica. Es entrenar al equipo ejecutivo para formular mejores preguntas, desafiar las premisas de una respuesta generada por IA e interpretar sus resultados con contexto de negocio.
La razón es sencilla: cuando sintetizar información y producir un primer análisis se vuelve barato, poseer una respuesta pierde parte de su valor diferencial. El valor migra hacia la capacidad de definir el problema correcto, reconocer lo que falta y asumir las consecuencias de la decisión.
Para el CEO, convertir el criterio en competencia formal implica algo más que ofrecer cursos de prompting. Supone evaluar a los líderes por la calidad de las preguntas, exigir que expliciten supuestos, determinar qué evidencia permitiría refutar una recomendación y establecer cuándo un resultado necesita revisión humana especializada.
Una práctica útil para el comité ejecutivo es añadir cuatro preguntas a toda propuesta apoyada por IA: ¿qué problema estamos resolviendo?, ¿qué datos no están representados?, ¿qué supuesto podría cambiar la conclusión? y ¿quién responderá si la recomendación es equivocada?
Segunda decisión: asignar el dividendo de tiempo
El tiempo que libera la IA no se reinvierte solo. Si el CEO no define su destino, la inercia llenará el espacio con más actividad. Olivia recomienda establecer una directiva explícita con dos prioridades: exploración estratégica y desarrollo del talento crítico.
Esto requiere medir capacidad liberada, pero también su reinversión. Una organización puede registrar cuántas horas ahorra al producir reportes y, al mismo tiempo, comprobar cuántas de esas horas se destinaron a analizar riesgos emergentes, conversar con clientes, diseñar escenarios o preparar sucesores.
El cambio de tablero es importante: una hora ahorrada es un indicador de eficiencia; una decisión mejorada, un riesgo evitado o una oportunidad comercial capturada son indicadores de valor.
Tercera decisión: no automatizar procesos rotos
La guía identifica tres errores frecuentes: concentrarse exclusivamente en eficiencia, automatizar procesos defectuosos y medir adopción en lugar de impacto. Los tres comparten una confusión: tomar actividad por transformación.
Un flujo de veinte pasos innecesarios no se vuelve bueno porque un algoritmo los ejecute más rápido. Antes de incorporar IA, la empresa debería eliminar controles redundantes, aclarar derechos de decisión y revisar si el proceso todavía responde a una necesidad del cliente o del negocio.
Luego debe reemplazar métricas como licencias activas, consultas mensuales o cantidad de pilotos por variables vinculadas con resultados: ingresos incrementales, tiempo de ciclo, satisfacción del cliente, calidad, margen o riesgo mitigado.
La investigación de MIT CISR refuerza esa lógica. Su modelo de madurez distingue entre experimentar, construir pilotos, desarrollar formas de trabajo habilitadas por IA y convertir la inteligencia artificial en una capacidad continua de innovación.
El mayor salto no ocurre al abrir más pilotos, sino al pasar del piloto a una manera escalable de trabajar, con estrategia, sistemas, personas y gobernanza alineados.
Cuarta decisión: trazar la frontera de lo “IA-able”
No toda tarea que puede automatizarse debería automatizarse. Olivia usa el concepto “IA-able” para separar aquello que la tecnología puede ejecutar con ventaja de las decisiones e interacciones en las que el juicio, la empatía y la responsabilidad humana resultan indispensables.
El caso de Klarna ilustra la tensión. La compañía informó en 2024 que su asistente de IA había gestionado 2,3 millones de conversaciones durante su primer mes, un volumen equivalente al trabajo de 700 agentes, y había reducido el tiempo promedio de resolución de 11 minutos a menos de dos. Más adelante, la empresa volvió a enfatizar la atención humana para interacciones que exigían mayor calidad y conexión con el cliente.
La conclusión no es que la automatización haya sido un error, sino que una métrica de volumen no captura todo el valor de una relación. Cada compañía necesita definir qué puede delegarse, qué requiere supervisión y qué debe permanecer bajo responsabilidad humana.
El protocolo debe incluir datos permitidos, sistemas autorizados, controles, transparencia de autoría, escalamiento de excepciones y un responsable cuando la IA falla. Compliance, Riesgos, Tecnología, Recursos Humanos y las áreas de negocio deben participar, pero la definición del apetito de riesgo pertenece al máximo nivel de gobierno.
Quinta decisión: proteger la cantera de futuros líderes
La automatización también plantea una decisión menos visible: qué hacer con los mandos medios. Buena parte de su valor histórico provino de coordinar información, producir análisis y controlar la ejecución, actividades que la IA puede acelerar.
Reducir esa capa puede parecer eficiente, pero también elimina el espacio donde se aprende a traducir estrategia, conducir personas y prepararse para roles ejecutivos.
El manual recomienda auditar la banca de sucesión antes de aplanar la estructura y rediseñar el trabajo gerencial alrededor de capacidades menos sustituibles: desarrollar personas, gestionar conflictos, interpretar ambigüedad, conectar áreas y construir confianza.
La pregunta para el directorio no debería limitarse a cuántos puestos puede retirar. También debe calcular qué capacidades perderá, quién formará a los próximos líderes y cuánto costará buscar afuera el talento que dejó de desarrollar internamente.
La agenda del lunes para el CEO
El aporte más valioso del manual es trasladar la conversación desde “qué herramienta compraremos” hacia “qué empresa necesitamos diseñar”.
Para convertir esa idea en una agenda ejecutiva, el CEO puede comenzar con cinco decisiones:
1. Definir el problema de negocio que la IA debe resolver y la métrica financiera, operativa o de cliente que demostrará valor.
2. Asignar el tiempo liberado antes de automatizar, con destinos verificables en crecimiento, innovación o talento.
3. Simplificar el proceso primero y detener cualquier automatización que solo acelere burocracia.
4. Publicar una frontera de uso responsable, con supervisión humana y responsables claros ante fallas.
5. Revisar la sucesión antes de recortar, para no financiar la eficiencia presente con una crisis de liderazgo futura.
La pregunta final de Olivia condensa el desafío: “¿Estamos diseñando nuestra IA, o solo la estamos comprando?”.
La respuesta no estará en la cantidad de licencias activas. Estará en la capacidad de la compañía para tomar decisiones que antes no podía, generar resultados que pueda medir y aprender sin delegar en un algoritmo aquello por lo que sus líderes deben responder.
Con información de Olivia, MIT Media Lab, MIT CISR, Google DORA y Klarna.
