Los equipos pequeños están desperdiciando su mayor ventaja en IA
Factor de éxito en IA: Rediseñar los flujos de trabajo es crucial para implementar la IA con éxito, más que el presupuesto o la tecnología.
Ventaja del equipo pequeño: Los equipos pequeños facilitan naturalmente la colaboración, evitando los procesos lentos que enfrentan las grandes organizaciones.
Importancia de la colaboración: La adopción efectiva de IA requiere trabajo en equipo y repensar los procesos de toma de decisiones, no solo nuevas herramientas.
En algún lugar, ahora mismo, un fundador está mirando una factura y preguntándose por qué pagó. El trabajo se hizo. Simplemente aún no puede verlo.
Yo he enviado esa factura. Semanas metido de lleno en un trabajo en el que creía, sin nada a lo que un cliente pudiera señalar y llamar progreso. En silencio, sabes que están cuestionando tu valor. Lo que no ven es el único trabajo que importa.
El trabajo que no puedes poner en una diapositiva
Veinte horas al mes. Cada hora aparecía en una factura, y si el fundador me hubiera parado a mitad y preguntado qué valor había creado, no estoy seguro de que pudiera haber dado una respuesta que justificara el coste.
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
Estábamos probando herramientas unas contra otras, descartando flujos de trabajo que el equipo había utilizado durante años, sentados en una sala intentando acordar qué significaba realmente "mejorar". Algunos días pasábamos tres horas descubriendo que una herramienta que pensábamos que funcionaría no podía hacer justo lo que necesitábamos.
Eso no es un progreso que puedas poner en una diapositiva. Y al otro lado de esa factura, el fundador ve cómo el presupuesto se reduce, la pista se acorta y la tasa de gasto aumenta. Y no sería el único.
El año pasado, las empresas medianas abandonaron una media de una iniciativa de IA cada una, a un coste de más de $4 millones por proyecto, porque no podían ver el valor lo suficientemente rápido.
De nuestro lado de la factura, operábamos como un equipo distribuido en distintas ciudades, cada uno responsable de una parte diferente del producto, intentando resolver problemas que se multiplicaban cuanto más cerca los mirabas. El negocio necesitaba rapidez. El producto necesitaba calidad. Las herramientas eran no probadas. Cada solución que funcionaba para alguien creaba un nuevo problema para otra persona.
No se puede desenredar eso con una lista de verificación ni con un plan de proyecto. Lo desenredas haciendo que todas las perspectivas estén en la misma conversación, haciendo visible cada concesión y encontrando las acciones que generen más beneficios sin desplazar los problemas a otra parte.
Eso es lento. No es fotogénico. Y es la única manera de lograrlo.
Esos problemas se multiplican porque cada persona del equipo resuelve según una necesidad diferente, y las viejas reglas para equilibrar esas diferencias ya no aplican. El desarrollador necesita integración sin rehacer cosas. El diseñador necesita control creativo sin ralentizar la entrega. El fundador necesita que todo cueste menos y avance más rápido.
Dentro de cada una de esas necesidades hay decenas de pequeñas concesiones, y cada una afecta a otra cosa. Si resuelves para el fundador, reduces la calidad. Si resuelves para el diseñador, todo se vuelve más lento.
El trabajo que hacíamos, ese trabajo lento, invisible y frustrante, era encontrar la versión de cada decisión que creara más beneficios para todo el sistema sin simplemente trasladar el daño.
La única variable que realmente predice el éxito con la IA
Si fallas en eso, los problemas se escalan más rápido de lo que puedes solucionarlos. McKinsey encuestó a casi 2,000 ejecutivos de 105 países y analizó 25 factores que predicen si la IA genera un impacto real en el negocio. El factor más importante no era el presupuesto, la implicación del liderazgo ni la tecnología elegida. Era si la organización había rediseñado fundamentalmente sus flujos de trabajo.
Entonces, en dos días, entregamos lo que con el flujo de trabajo antiguo hubiera tardado semanas y tres o cuatro personas en producir. No era un borrador ni un prototipo. Era una pieza de trabajo completa, revisada, aprobada y resolviendo problemas con los que el equipo llevaba meses lidiando.
El mayor problema no era producir el trabajo. Era que podíamos producir tanto, tan rápido, que la antigua cuestión — ¿qué recortamos para mantenernos dentro del presupuesto y cumplir los plazos? — dejó de tener sentido.
Las concesiones que antes dominaban cada conversación de planificación apenas se notaban. Lo que tuvimos que replantearnos fue dónde poner el valor de nuestro tiempo, nuestra colaboración y nuestras aportaciones individuales. El trabajo no solo fue más rápido. Rompió el ritmo en el que el equipo llevaba años funcionando.
La ventaja estructural que los pequeños equipos no saben que tienen
Las grandes organizaciones no pueden hacer lo que nosotros hicimos. No pueden reunir a todos los implicados en la misma conversación y trabajar los intercambios conjuntamente en tiempo real. Así que crean procesos que intentan aproximarse a eso: comités de gobernanza, cadenas de aprobaciones, centros de excelencia, roles dedicados a IA.
Todo esto es caro, lento y está diseñado para simular lo que un equipo pequeño ya hace de forma natural.
La ironía es que la mayoría de los pequeños equipos no lo ven así. Miran el manual de las grandes empresas y asumen que así es como se adopta la IA "en serio". Nombran a alguien responsable. Compran herramientas y construyen procesos. Y, al hacerlo, pierden la única ventaja estructural que realmente tenían.
El año pasado, S&P Global estimó que el 42% de las empresas abandonaron la mayoría de sus iniciativas de IA, más del doble de la tasa del año anterior.
El hallazgo, frecuentemente citado, del MIT de que el 95% de los proyectos piloto de IA empresarial no logran ofrecer retornos medibles se utiliza como argumento en contra de las iniciativas de IA, pero lo que vemos en la práctica es que no fracasan porque la tecnología no funcione, fracasan porque las empresas intentan forzarla en la forma en que ya operan. Se saltan el trabajo lento y poco glamuroso de replantear cómo colaboran las personas, dónde se toman las decisiones y cómo se define qué es "bueno" cuando las herramientas lo cambian todo.
No necesitas contratar a un especialista en IA. No necesitas un centro de excelencia ni un plan formal de gestión de cambio. No tienes que convertirte en algo más grande o más estructurado para que la IA funcione.
Lo que necesitas ya está en la llamada: las personas que conocen el trabajo, que sienten los sacrificios, que entienden cómo es el éxito desde su posición.
Ya hemos pasado por esto antes. Cada cambio tecnológico importante, desde el ordenador personal hasta internet y la nube, requirió lo mismo: tiempo para aprender, espacio para experimentar y permiso para replantear lo que se creía resuelto.
La IA no es diferente, solo es más rápida. No es un problema que una persona pueda resolver para el resto de la organización. Es una capacidad que todo tu equipo debe desarrollar, igual que aprendieron a usar cada herramienta previa. Dales el tiempo y el espacio para afrontarlo juntos.
Eso no es un problema de tecnología. Nunca lo fue.
