Formador Corporativo y Líder de Opinión Comparte los Flujos de Trabajo y Marcos Específicos que Utiliza para Transformar Empresas con IA
La trayectoria de liderazgo de Christopher Lind le ha permitido trabajar con algunas de las empresas más grandes del mundo, como GE Healthcare, donde fue el Director Global de Sistemas y Tecnología de Talento. Ahora impulsa la transformación empresarial aprovechando el equilibrio adecuado entre personas y tecnología.
Christopher Lind
Consultor de RRHH e IA
La IA Hace el Liderazgo Más Humano: Lind enfatiza que, aunque la tecnología evoluciona rápidamente, los fundamentos del liderazgo siguen basados en la empatía, la adaptabilidad y la comprensión de las personas.
Desacelera para Escalar Más Rápido: Adoptar la IA de forma apresurada sin comprender los flujos de trabajo conduce a una escalabilidad ineficiente. Lind aconseja a los líderes descomponer primero los procesos, identificar dónde la IA realmente aporta valor e integrarla intencionadamente.
Construye la Alfabetización en IA como una Disciplina Medible: El marco de efectividad en IA de seis partes de Lind—Intencionalidad, Discernimiento, Alineación Ética, Fluidez Técnica, Integración en los Flujos de Trabajo y Discernimiento en la Delegación—ayuda a las organizaciones a evaluar y mejorar cómo las personas usan la IA.
Nos sentamos con él para conocer qué flujos de trabajo está renovando con IA y los marcos que utiliza para garantizar la alfabetización en IA en las organizaciones. Esto es lo que compartió.
De líder accidental a transformador estratégico
He tenido una carrera dinámica que podría describirse mejor como vivir en la intersección de los negocios, la tecnología y las personas. En el currículum, parece una carrera en capacitación corporativa, pero en la práctica ha sido impulsar la transformación empresarial a través de las personas que hacen funcionar a las empresas y optimizar esa transformación mediante la tecnología.
Nunca aspiré a una posición de liderazgo. Solo quería mejorar las cosas y usar cualquier habilidad y experiencia que tuviera para lograrlo. Sin embargo, eso me llevó a dirigir equipos en algunas de las compañías más reconocidas del mundo, como GE Healthcare y HR.com, participar en proyectos que nunca habría imaginado y tener una voz en la industria que un tipo introvertido como yo habría temido años atrás.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Por qué la IA está haciendo el liderazgo más humano, no menos
Aunque mis métodos están cambiando rápidamente con la IA, diría que la base del liderazgo en realidad no ha cambiado.
Mi rol y mi enfoque de liderazgo siempre han estado centrados en identificar los problemas de raíz: solucionarlos rodeándome de personas increíbles y sacando lo mejor de ellas, mientras optimizo la solución mediante la tecnología. Simplemente ahora contamos con más opciones y herramientas para incorporar.
Y, de hecho, creo que la era de la IA realmente está reforzando cuán importante es esa base. De hecho, me atrevería a decir que la IA hará que el liderazgo sea más humano que nunca.
Existe una presión enorme por “hacer más” y “ir más rápido”, pero acelerar y producir más de lo incorrecto te llevará al desastre. Los líderes que prosperarán serán aquellos que prioricen la comprensión de lo que son capaces las personas a su alrededor y después desarrollen adaptabilidad y capacidad en ellas.
Los líderes que persigan imprudentemente métricas de vanidad y ganancias a corto plazo rápidamente se verán en aprietos y, si no tienen cuidado, quedarán completamente fuera del trabajo.
Por qué no puedes aplicar IA a cualquier problema sin más
La IA solo es efectiva si te tomas el tiempo de descomponer el problema, identificar todas las partes dispares, analizar cuidadosamente dónde tiene sentido aplicar IA y luego reconstruir una solución híbrida que combine lo mejor que puede hacer la IA con lo mejor que pueden hacer los humanos.
Actualmente, muchos líderes operan bajo la suposición de que pueden aplicar IA a cualquier asunto y que será tan inteligente que podrá entender el problema, diseñar una solución y ejecutarla exitosamente con mínimos errores.
Eso no es así como funciona.
Es necesario tomarse el tiempo de hablar con las personas que actualmente realizan el trabajo y estudiar los datos relacionados. Hay muchas tareas que se realizan y que no son aparentes en un principio, pero que son absolutamente críticas para el resultado. Y cuando ese trabajo oculto se pasa por alto, es ahí cuando la IA falla — y lo hace rápido.
Cómo la IA puede amplificar todo lo incorrecto
De manera similar, la IA amplifica todo lo que toca, tanto lo bueno como lo malo. Si la aplicas correctamente, verás mejoras más rápidas y a una escala mayor de lo que podrías imaginar.
Desafortunadamente, lo mismo ocurre a la inversa: Si te apresuras o te olvidas de algún detalle, la IA lo aprovechará y lo llevará a una escala inimaginable. Además, no tendrás el tiempo habitual para reaccionar y responder. Los errores pueden ser catastróficos antes de que siquiera te des cuenta de que ocurrieron.
Hay un ejemplo que nunca olvido. Fui contratado por una empresa después de que reemplazaron a sus representantes de atención al cliente por IA. En cuestión de semanas, los clientes estaban furiosos y cancelaban sus servicios por todos lados. Aún peor, los clientes aprendieron a explotar el sistema de atención automatizada y convencían a la IA de darles productos y servicios gratuitos.
Fue un desastre total. Tuvimos que volver atrás y replantear por completo el papel del servicio al cliente, redefiniendo cuándo debe intervenir la IA, cuándo los problemas deben ser escalados a una persona y qué habilidades necesitan los agentes humanos para que el sistema funcione.
Si te apresuras o te olvidas de algo, lo aprovechará y lo amplificará a una escala que no puedes imaginar. Tampoco tendrás el tiempo habitual para reaccionar y responder. Los errores pueden volverse catastróficos antes de que siquiera te des cuenta de que se han producido.
Cómo los líderes están utilizando la IA para todo, desde tareas rutinarias hasta la rediseñación organizacional
Constantemente experimento con IA y mejoro procesos en función de cómo va madurando la tecnología. Para lograrlo, mapeo cada proceso y busco pasos repetitivos y de bajo riesgo que puedan automatizarse. Por eso siempre digo que no existen "áreas específicas de IA": es una mejora que puede aplicarse a todo lo que hacemos.
En el liderazgo, específicamente, hay mucho trabajo robótico y repetitivo que consume mucho tiempo y te aleja de las personas. Ese trabajo debe automatizarse porque, cuando te enfocas en las áreas repetitivas y robóticas del liderazgo, te vuelves obsoleto. Por eso, siempre impulso a mis equipos para que adopten la IA como copiloto: así pueden dedicar más tiempo a lo que realmente importa.
Tres flujos de trabajo diarios que todo líder debería delegar en IA
Aquí tienes tres ejemplos simples de flujos de trabajo repetitivos que delego regularmente en la IA:
- Notas de reuniones: Utilizo Fireflies.ai para transcribir mis reuniones, enviarme resúmenes y luego enviarme por correo electrónico los puntos destacados antes de la próxima reunión. Esta aplicación para tomar notas me permite concentrarme en la persona con la que hablo en vez de preocuparme por anotar o asegurarme de atender los puntos de acción dentro de la reunión.
- Base de conocimientos de reuniones: Dejo las transcripciones de Fireflies.ai en NotebookLM (software de base de conocimientos) y mantengo un cuaderno para cada persona o proyecto, lo que me permite hacer preguntas directas como: “¿Qué me perdí?”, “¿Qué decisiones están pendientes?”, “¿Qué seguimientos hacen falta?” y “¿Qué oportunidades tenemos por delante?”. Convierte las conversaciones en una base de conocimientos práctica y buscable.
- Simulaciones de liderazgo con IA: Para muchas organizaciones, uso Relativ.ai para diseñar simulaciones de liderazgo con IA basadas en comportamientos clave de liderazgo utilizando tecnología similar a mi evaluación de efectividad con IA. Proporcionan a los líderes una medida objetiva de su capacidad y un plan de desarrollo claro.
Tres tareas intensivas en datos donde la IA aporta un valor real
Y aquí tienes tres ejemplos de tareas intensivas en datos que, aunque menos frecuentes, habrían sido difíciles de gestionar sin IA:
- Consolidación y rediseño organizativo: Con una organización, introdujimos datos de roles de trabajo en la IA y le pedimos que ayudara a identificar dónde encontró superposiciones en los puestos; en otras palabras, ¿dónde parecía que dos puestos realizaban la misma función en distintos lugares? Era una organización grande, así que este tipo de trabajo de agrupamiento habría tomado mucho tiempo, pero la IA lo hizo sencillo. Luego, hicimos un seguimiento en esas áreas para entender si realmente se trataba de trabajos duplicados.
Muchos de los ejemplos que nos dio la IA en realidad no suponían una duplicación — o bien la función tenía una necesidad específica, o sencillamente habían tomado una descripción funcional fácil de usar del sistema para poder abrir y cubrir una vacante. En esos casos, actualizamos la información para reflejar de forma más precisa la realidad. Pero algunos de los hallazgos de la IA sí condujeron a la consolidación y al rediseño organizativo. - Cubrir brechas de habilidades: En otra organización, identificamos una brecha de habilidades en el equipo de ventas relacionada con la interacción con un cliente específico. Normalmente, habríamos desplegado algún contenido e incentivado a los gerentes a trabajar con sus equipos directos, pero en la práctica, habría sido físicamente imposible escalar una simulación para ayudar a las personas a desarrollar las habilidades necesarias para hacerlo bien. En su lugar, utilizamos la IA para lanzar una conversación móvil con un bot que simuló la situación, y luego sumamos analítica conversacional de IA para evaluar su desempeño, ofrecerles retroalimentación y proporcionar un panel completo con los resultados de todos. Eso permitió que el liderazgo se involucrara y diera soluciones quirúrgicas al problema, cerrando la brecha de manera medible.
Para ese proyecto, utilicé Relativ.AI para las simulaciones y evaluaciones, y lo construí sobre OpenAI y NotebookLM para potenciar los modelos y la base de conocimiento subyacentes. - Toma de decisiones: Cuando se trata del uso de IA en la toma de grandes decisiones, le suministro grandes cantidades de datos, pero la utilizo más como una pareja reflexiva. Pienso en los elementos clave que estamos analizando y pregunto cómo los datos se alinean con esas categorías.
También hago preguntas como: “¿Qué no estamos considerando?” o “¿Qué patrones ocultos ves?”. Pero nunca es algo en lo que actúe directamente — es más bien un punto de partida para validar o buscar más detalles con personas conocedoras del trabajo, que puedan confirmar, aclarar o negar.
Cómo medir la alfabetización en IA en tu equipo — y cerrar la brecha de capacidades
El paso clave para la alfabetización en IA es identificar las brechas. Para hacerlo, he desglosado la efectividad de la IA en seis disciplinas centrales que realmente se pueden medir:
- Intencionalidad: La intencionalidad consiste en usar la IA con un propósito; no solo por conveniencia. Esta mide si el uso que haces de la IA se alinea con los objetivos estratégicos, en lugar de perseguir tendencias o eficiencia por sí misma. Consejo: Haz una pausa antes de automatizar cualquier cosa. Pregúntate, “¿Qué problema estoy tratando de resolver realmente?” El propósito siempre debe ir antes que el proceso.
- Discernimiento: El discernimiento mide tu capacidad para saber cuándo confiar en la IA — y cuándo no hacerlo. Se trata de aplicar el juicio para evaluar las sugerencias de la IA, su precisión y su adecuación dentro del contexto de la toma de decisiones humanas. Consejo: Incorpora cierta fricción en tu flujo de trabajo. No aceptes el primer resultado de la IA. Compáralo, cuestiónalo y ajústalo antes de actuar.
- Alineación ética: La alineación ética evalúa si el uso que haces de la IA respeta los valores organizativos, la privacidad, la equidad y la integridad. No se trata de listas de verificación de cumplimiento — es mantener un alineamiento moral constante.
Consejo: Define tus innegociables. Decide qué no debe ser delegado a la IA antes de explorar qué sí puede serlo. - Fluidez técnica: La fluidez técnica es tu nivel de comodidad con herramientas, lenguaje y limitaciones de la IA. No es programación — es comprensión. Cuanto más fluido seas, más responsable y creativamente podrás aprovechar la IA. Consejo: No persigas cada herramienta nueva. Elige una o dos y aprofunda, entendiendo sus verdaderas capacidades y limitaciones.
- Integración en el flujo de trabajo: La integración en el flujo de trabajo mide cuán fluidamente la IA se incorpora en tus procesos diarios y en los ritmos de colaboración. Un gran uso de la IA no se añade por encima — se integra. Consejo: Busca cuellos de botella o tareas repetitivas que generen fricción. Empieza de a poco y reemplaza la fricción, no la función.
- Discernimiento en la delegación: El discernimiento en la delegación mide tu capacidad para decidir qué entregar a la IA — y qué mantener humano. Es la disciplina de definir límites en colaboración con la tecnología. Consejo: En caso de duda, delega a la IA tareas de bajo riesgo y con muchos datos, pero mantén siempre el juicio, la empatía y la responsabilidad en manos humanas.
Empieza de a poco y reemplaza la fricción, no la función.
Después de definir estas disciplinas, creé una herramienta de evaluación para ayudar a mis equipos a entender dónde se sitúan en esas seis áreas. Las personas mantienen una conversación con un bot de IA en la que describen cómo usan la IA en su trabajo. Esa conversación se analiza y reciben un informe personalizado que muestra su efectividad en cada disciplina, además de pasos prácticos para cerrar las brechas — todo en unos 10-15 minutos. Y luego podemos volver a aplicar la evaluación con el tiempo para ver el progreso — lo que la convierte en un marco de desarrollo vivo, no una evaluación de una sola vez.
Resultados transformadores y reales de una evaluación de IA
Aquí tienes un ejemplo de este tipo de evaluación de IA en la práctica. Una organización había implementado Microsoft Copilot y se usaba bastante, pero realmente no tenían una referencia de lo que se estaba haciendo ni si estaba aportando algún valor.
Así que lanzamos esa herramienta de evaluación con algunos objetivos clave: identificar de manera medible qué tan efectivos eran los empleados al usarla, detectar tendencias sobre los tipos de tareas para las que se utilizaba la IA y ofrecer planes de desarrollo y crecimiento específicos para una mejora medible en seis meses.
Todos en la empresa recibieron un informe personal, que luego se vinculó a un objetivo de gestión del desempeño relacionado con la mejora de su efectividad en IA. Y los líderes pudieron observar el panorama general.
Primero identificamos que existían grandes vacíos en la "alineación ética" en comparación con los valores de la empresa, lo que derivó en nuevos estándares corporativos que se integraron a la gestión del desempeño —no solo respecto a la ética en IA, sino también en cómo debían comportarse las personas en general.
También identificamos oportunidades de alto riesgo donde se estaba utilizando la IA en trabajos que debían seguir siendo humanos. Los líderes implicados pudieron profundizar en los equipos que realizaban ese trabajo y ayudar a corregir el rumbo.
En el transcurso de seis meses, realizamos la evaluación dos veces más y observamos un crecimiento medible en las seis áreas, con una mejora significativa en ética como resultado de que esos estándares fueran priorizados en toda la organización. Muchos de los líderes también terminaron utilizando los datos resultantes para enfocar el trabajo de sus equipos, porque identificamos que había muchas personas que no tenían claras sus prioridades estratégicas.
El conjunto de herramientas de IA en dos niveles de Christopher Lind
Cuando pienso en herramientas, las divido en dos categorías: herramientas de IA y herramientas potenciadas con IA.
Para las herramientas que son puramente de IA:
- Mis preferidas son ChatGPT y Google Gemini. Pero utilizo más ChatGPT por sus capacidades multimodales.
- También añadiría NotebookLM. Cuando necesito organizar y consultar conjuntos de datos específicos, es imprescindible. Tengo una libreta para cada proyecto en el que trabajo. Todos los recursos, cada transcripción, todo va ahí. Eso me da un conjunto de datos cerrado que puedo buscar y utilizar como base.
- Utilizo Fireflies.ai para todas mis transcripciones de reuniones.
- Y Relativ.ai hace todo mi trabajo de simulación. También es la base sobre la que construí mi evaluación de efectividad en IA.
En el lado de las herramientas potenciadas con IA:
- Me fascina un software de edición de video llamado Descript. Han hecho un trabajo fantástico integrando capacidades de IA en los flujos de trabajo creativos. Y en el pasado, usé bastante CapCut.
- Y también uso mucho Grammarly.
Por qué tu conjunto de herramientas de IA importa menos que tu estrategia de IA
Dicho esto, en lo que respecta a la IA, la mayoría de las personas se enfocan en lo incorrecto. Preguntan qué herramientas están usando los demás y cuáles deberían tener. Esa no es la pregunta adecuada.
La gente debe analizar qué capacidades necesita fortalecer y cuáles pueden automatizarse fácilmente. Luego, adaptar las herramientas de IA que ya tienen en su portafolio para lograrlo.
Las personas que tendrán éxito no serán aquellas que elijan las herramientas correctas. Serán quienes tengan claro lo que necesitan hacer y trabajen de manera inteligente con las herramientas de IA a su alrededor para lograrlo.
Así que cuando hablo de las herramientas que uso, es solo para dar contexto —no como una lista para marcar. Podría lograr todo lo que hago con un conjunto de herramientas completamente distinto porque sé qué capacidades necesito de la IA y puedo evaluar rápidamente cuál de mis herramientas de IA hará el trabajo.
Consejos para líderes en la transformación de la IA: Reduce la velocidad para escalar más rápido
Mi consejo es el siguiente: disminuye la velocidad. Tómate el tiempo para entender qué es lo que realmente intentas lograr y cómo se realiza el trabajo hoy en día.
Todos tienen prisa por hacer algo con IA sin comprender completamente sus flujos de trabajo actuales. Como resultado, están aplicando la IA a procesos rotos y multiplicando el desperdicio.
Si te tomas el tiempo para hacerlo bien desde el principio, equipas a las personas para tener éxito con la tecnología y defines de manera clara los resultados deseados, tendrás éxito.
También debes estar dispuesto a decir "No" a grandes ideas si te alejan de las cosas que realmente importan.
Sigue el recorrido
Para seguir el camino de Christopher Lind y aprender de su experiencia impulsando la transformación empresarial a través de las personas y la tecnología, visita su sitio web en christopherlind.co, suscríbete a sus contenidos en Substack o conéctate con él en LinkedIn.
¡Pronto habrá más entrevistas con expertos en People Managing People!
