¿La regla 70-20-10 para la transformación de la IA se traduce entre tamaños de organización?
La empresa A gastó 8 millones de dólares en transformación con IA el año pasado. La empresa B gastó la mitad de esa cantidad. Sin embargo, según todas las métricas importantes—tasas de adopción, aumentos de productividad, satisfacción de los empleados y retorno de inversión—la empresa B está superando ampliamente a su competidor, a pesar de contar con menos recursos.
La diferencia no está en la tecnología. Ambas empresas adquirieron las mismas LLM empresariales. Ambas contrataron consultores. Ambas anunciaron sus iniciativas de IA con el despliegue habitual que tanto gustan a los ejecutivos. La diferencia radica en una sola decisión tomada al principio: cómo asignaron sus presupuestos.
La empresa A siguió el camino habitual: 60% en tecnología, 15% en formación, 25% en “todo lo demás”. La empresa B invirtió completamente la pirámide: 70% en personas y procesos, 20% en infraestructura, 10% en algoritmos.
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
El patrón seguido por la empresa B no fue inventado en el vacío. Surgió de investigaciones de Boston Consulting Group y MIT Sloan examinando cientos de transformaciones con IA. Su hallazgo fue contundente: las empresas que realmente ven resultados con IA no son las que compran las herramientas más sofisticadas, sino las que invierten más en su gente.
Pero como siempre, el contexto lo es todo. Aquella investigación estudió empresas con presupuestos de IA superiores a los 10 millones de dólares, es decir, empresas con equipos de transformación dedicados, infraestructura de datos madura y ejércitos de especialistas.
Para las empresas medianas, con 5,000 empleados o menos, las limitaciones son fundamentalmente diferentes. Muchas carecen de una infraestructura básica de datos. Compran IA a través de suscripciones SaaS, donde los costos de los algoritmos ya están incluidos en las cuotas mensuales. Las mismas cifras tienen un impacto distinto cuando se trabaja con 2 millones de dólares en lugar de 20 millones.
Entonces, ¿sigue aplicando el marco 70-20-10? ¿O las empresas medianas necesitan un enfoque completamente diferente?
Desglosando el marco
La regla 70-20-10, en esencia, describe en qué las transformaciones exitosas con IA realmente invierten su dinero y energía. Los números representan la asignación en tres bloques fundamentales:
- El 70%: Personas y procesos. Aquí se incluyen los programas de gestión del cambio, la formación específica por rol, el rediseño de flujos de trabajo, los marcos de gobernanza, la infraestructura de comunicación, el entrenamiento de gestores y el soporte a los usuarios. Es el trabajo poco glamoroso de clarificar quién se encarga de qué, cómo fluyen las decisiones cuando la IA está presente, y qué incentivos deben cambiar.
- El 20%: Infraestructura tecnológica. Esto cubre la preparación de datos, capas de integración, marcos de seguridad, sistemas de monitorización y arquitecturas escalables. Es todo aquello necesario que debe funcionar antes de que las herramientas de IA puedan operar realmente en tu entorno.
- El 10%: Algoritmos y modelos. Son las propias herramientas de IA: licencias, costos de API, ajuste de modelos y selección de proveedores.
El patrón surgió de datos duros. La investigación de BCG demostró que las empresas que seguían esta asignación tenían tasas de adopción mucho más altas y aumentos de productividad medibles. MIT Sloan concluyó que el 70% del valor de la IA depende de las inversiones complementarias en personas y procesos, no en la sofisticación de la tecnología.
La razón es que los modelos de IA se están convirtiendo rápidamente en productos estandarizados. Cualquier empresa mediana puede acceder a los mismos modelos avanzados de OpenAI, Anthropic o Google. ¿Pero la capacidad de cambio organizacional? Eso no se puede comprar.
La habilidad para rediseñar flujos de trabajo, formar a los directivos para favorecer la adopción de la IA y crear marcos de gobernanza que impulsen en lugar de restringir, es el verdadero diferenciador.
Sin embargo, cuando los líderes de empresas medianas observan este marco, surge una pregunta lógica: ¿Realmente pueden las empresas sin infraestructura de datos madura destinar solo un 20% allí? ¿Qué ocurre con las organizaciones que compran productos SaaS de IA, donde los costes de los algoritmos ya están incluidos en las cuotas de suscripción? ¿La matemática sigue funcionando?
Whitney Munro, fundadora de FLEX Partners, que guía a empresas en procesos de transformación con IA, observa esta tensión constantemente.
"El enfoque 70-20-10 es, en general, correcto," dice, "pero donde ves los problemas es en la falta de secuencia e intencionalidad. Saltarse el trabajo 'poco glamoroso' de clarificar responsabilidades, propósito, incentivos, flujos de trabajo, etc. incluso antes de llegar a las herramientas."
El marco no está pensado como algo rígido, es un principio. La transformación con IA es, ante todo, un desafío de personas y de organización, no de tecnología. Para las empresas de tamaño medio, ese principio se mantiene, aunque los porcentajes específicos pueden requerir ajustes según el punto de partida.
Por qué las empresas se equivocan en la asignación
La presión por invertir primero en tecnología proviene de todas partes. Los proveedores de IA, naturalmente, venden tecnología. Los miembros del consejo quieren ver paneles de control y herramientas, pruebas visibles de que la empresa está “haciendo IA”. Los inversores preguntan por iniciativas de IA en las llamadas de resultados. Los departamentos de IT hablan en el lenguaje de infraestructura y modelos.
Lo que es más difícil de ver, más difícil de medir y más difícil de vender es el trabajo lento de desarrollo de capacidades. Los programas de formación no generan presentaciones emocionantes para la junta directiva. El rediseño de flujos de trabajo no luce bien en el informe anual. Los marcos de gobernanza suenan burocráticos en lugar de innovadores.
Para las empresas del mercado medio en particular, varias trampas hacen que el enfoque tecnológico resulte aún más tentador:
- La escasez de recursos crea un atajo falso. "No podemos permitirnos un equipo dedicado a la transformación con IA, así que compremos la herramienta y averigüémoslo sobre la marcha." La lógica parece válida hasta que te das cuenta de que la herramienta queda sin uso porque nadie rediseñó los flujos de trabajo a su alrededor.
- La presión por la velocidad supera la planificación reflexiva. Las empresas en etapa de escalado sienten especialmente la necesidad de actuar rápido. Tomarse tres meses para capacitar a gerentes y rediseñar procesos parece lento comparado con activar una nueva herramienta de IA la próxima semana.
- La dinámica con los proveedores dificulta ver los costos reales. Cuando compras un producto SaaS empresarial de IA, el desarrollo del algoritmo y gran parte de la infraestructura se incluyen en una suscripción mensual. Esto hace que parezca que gastas menos en tecnología de lo que realmente estás gastando, y que sea más fácil descuidar la inversión en el factor humano.
- La sobrecarga de roles crea una situación imposible. En las empresas del mercado medio, las mismas personas que deben mantener las operaciones actuales son las que se espera que las transformen. Sin recursos dedicados a la gestión del cambio, la transformación se convierte en un proyecto secundario que nunca recibe la atención adecuada.
Clint Riley, COO de Globe Midwest, ha liderado operaciones de experiencia del cliente a través de múltiples implementaciones tecnológicas. Observa que el patrón se repite.
"Los líderes a menudo invierten dinero en infraestructura de IA y ven resultados limitados. Las herramientas quedan sin uso porque los equipos no están preparados, no confían en ellas o se aferran a sus viejos hábitos. La verdadera diferencia surge de invertir primero en las personas y los procesos", afirma.
La concepción errónea sobre los costos es profunda. La formación parece cara en el momento—$300,000 para una capacitación enfocada en IA para 500 empleados parece mucho. Pero esa inversión puede reducir los errores rutinarios en un 40% en el primer año.
Otros $200,000 para rediseñar flujos de trabajo clave con IA integrada aportan mejoras en la eficiencia que puedes medir trimestre tras trimestre. Compáralo con $800,000 gastados en herramientas de IA que alcanzan solo un 15% de adopción porque nadie invirtió en la gestión del cambio que las respalde.
El fenómeno de “shadow AI” que surgió ofrece la prueba más clara de que los enfoques centrados en la tecnología generan los mismos problemas que deberían resolver. Las investigaciones muestran que el 90% de los empleados usa herramientas de IA, pero solo el 40% de las empresas las han proporcionado oficialmente.
Esta brecha existe porque las empresas implementaron la tecnología sin apoyo, dejando a los empleados solos para averiguar cómo usarla, creando precisamente los riesgos de seguridad y gobernanza que preocupan a los líderes.
Cómo se ve realmente invertir el 70% en las personas
El marco 70-20-10 parece sencillo hasta que intentas llevarlo a la práctica. ¿Qué significa realmente destinar el 70% de tu presupuesto de IA a "personas y procesos"?
Para una empresa del mercado medio con un presupuesto de $2M para la transformación con IA en el primer año, una distribución centrada en las personas podría ser así:
$1.2M (60%) en Personas & Procesos:
- $400K: Recursos dedicados a la transformación (2-3 FTEs que comprendan tanto la gestión del cambio como las capacidades de IA)
- $300K: Expertos externos en gestión del cambio, diseño de flujos de trabajo y marcos de gobernanza
- $200K: Desarrollo y entrega de programas de formación (no sesiones únicas, sino habilitación continua)
- $150K: Herramientas para habilitación de gerentes e infraestructura de coaching
- $150K: Sistemas de comunicación, mecanismos de retroalimentación y ciclos de iteración
$600K (30%) en Infraestructura:
- $300K: Preparación, integración y mejora de calidad de datos
- $150K: Sistemas de seguridad, cumplimiento y monitoreo
- $150K: Infraestructura de analítica para medir tanto resultados técnicos como humanos
$200K (10%) en Herramientas/Algoritmos de IA:
- Suscripciones empresariales de LLM
- Aplicaciones especializadas de IA
- Costos y tarifas de uso de API
Observa la adaptación para el mercado medio: Aquí vemos un enfoque 60-30-10 en lugar del marco puro 70-20-10. ¿Por qué? Las empresas del mercado medio suelen tener brechas de infraestructura más grandes que las organizaciones empresariales. Los sistemas heredados, silos de datos y la deuda técnica hacen que la infraestructura requiera una inversión más alta en relación con las empresas que cuentan con bases de datos modernas.
El principio clave se mantiene: la inversión en personas debe igualar o superar la inversión en tecnología. Si estás gastando el 60% en herramientas e infraestructura combinados, y solo el 40% en personas y procesos, la investigación sugiere que estás dejando un valor significativo sobre la mesa.
Lo que realmente compra la inversión en "personas":
Cuando los ejecutivos ven "$400K para recursos de transformación", a menudo preguntan: ¿qué están haciendo realmente esas personas?
Recursos de transformación dedicados:
- Realizando análisis de flujos de trabajo antes del despliegue de la tecnología
- Diseñando capacitaciones específicas para cada rol (un analista financiero necesita habilidades de IA diferentes a las de un representante de atención al cliente)
- Construyendo marcos de gobernanza que habilitan en lugar de bloquear
- Creando bucles de retroalimentación para iterar en base al uso real
- Coordinando entre IT, RRHH y unidades de negocio
Habilitación de gerentes:
- Preparando a los gerentes para que capaciten a sus equipos en herramientas de IA (no solo usarlas personalmente)
- Ayudando a los gerentes a comprender cómo cambia la evaluación del desempeño cuando la IA asiste el trabajo
- Apoyando a los gerentes en su propio cambio de identidad a medida que evoluciona el trabajo
- Creando comunidades de gerentes para compartir desafíos y soluciones
Infraestructura de comunicación y retroalimentación:
- Comunicaciones generales periódicas sobre el progreso de la transformación
- Canales para que los empleados planteen problemas y preocupaciones
- Sistemas para capturar qué funciona y qué no
- Toma de decisiones transparente respecto a qué herramientas de IA se implementan y por qué
Capacitación que funciona:
- No talleres puntuales, sino programas de aprendizaje continuo
- Entornos de práctica práctica donde es seguro equivocarse
- Aprendizaje justo a tiempo vinculado a necesidades de trabajo reales
- Redes de apoyo entre pares para resolución de problemas
Si se escatima en estas inversiones los resultados son bastante predecibles: bajas tasas de adopción, resistencia de los empleados, proliferación de IA "en la sombra" y, en última instancia, un gasto tecnológico desperdiciado. Para los líderes del equipo directivo o miembros de juntas que ven esto como "banal" o demasiado "amable con los empleados", la clave es enfatizar que se trata de capturar el valor que la tecnología hace posible pero no puede entregar por sí sola.
"A las juntas directivas les encanta ver cómo se despliega nueva tecnología", reconoce Riley. "Así que hay que presentar el enfoque en las personas como una gestión de riesgos inteligente, con retornos fuertes y compuestos: mayor productividad, mejor retención y beneficios de negocio que crecen con el tiempo. La tecnología por sí sola suele alcanzar su pico rápidamente y luego estabilizarse".
La realidad del segmento medio
Pero esa asignación parte de un punto de madurez relativamente alto. ¿Qué pasa con las empresas donde los porcentajes deben variar mucho más?
Alix Gallardo, directora de producto en Invent, ayuda a empresas del segmento medio a navegar exactamente estos escenarios. Su perspectiva acerca de la IA SaaS cambia el cálculo.
"Cuando compras IA en modalidad SaaS, el proveedor ya hizo el trabajo pesado, el desarrollo de modelos más complicado y costoso junto con buena parte de la infraestructura. Así que tu pregunta debe ser: 'Con todo eso listo, ¿en qué debemos enfocar nuestro limitado tiempo y presupuesto internos?'"
Su desglose para una implementación mayoritariamente "lista para usar" en modalidad SaaS sigue priorizando a las personas, pero se ajusta a la realidad de que los retos de infraestructura suelen ser mayores para empresas del segmento medio.
"Las implementaciones en el segmento medio suelen ser desordenadas", observa Gallardo. "Muchos productos SaaS desconectados, sistemas heredados, integraciones nativas, flujos de datos irregulares y equipos de IT pequeños. Así que es normal que la infraestructura ocupe hasta un 25–35% al principio".
Considera tres escenarios donde la asignación necesita ajustarse:
Escenario 1: La empresa con carencias de infraestructura
Una empresa manufacturera de 2,000 empleados lleva 30 años en el mercado. Los datos se encuentran en silos en distintos sistemas. La información de clientes está en una base de datos, los datos de producción en otra, los indicadores de calidad en hojas de cálculo. El equipo de IT son cinco personas.
Para esta empresa, la proporción quizás debe ser 50% personas, 40% infraestructura y 10% algoritmos, al menos al principio. Sin una infraestructura básica de datos, las herramientas de IA no pueden funcionar eficazmente. Pero incluso aquí la inversión en personas no se puede sacrificar. Solo necesita ser estratégica, centrada en desarrollar la capacidad interna para tomar mejores decisiones sobre infraestructura y en preparar a la fuerza laboral para los cambios una vez que la infraestructura esté establecida.
Escenario 2: La scale-up ágil
Una empresa de software de 800 empleados nació nativa en la nube desde el principio. Los sistemas se comunican entre sí. El equipo es técnicamente sofisticado. La infraestructura no es el cuello de botella.
Aquí, la asignación podría ser 75% en personas, 15% en infraestructura y 10% en algoritmos. El rápido crecimiento de la empresa significa que la cultura y los procesos requieren inversión adicional para escalar. Con una base técnica sólida, la limitación es organizacional, no tecnológica.
Escenario 3: La Empresa Cauta de Mercado Medio
Una empresa de servicios financieros con 4.500 empleados opera en un sector altamente regulado. La cultura es resistente al cambio, la gestión del riesgo es primordial y los requisitos de cumplimiento son extensos.
Esta empresa podría asignar 65% a personas, 20% a infraestructura y 15% a algoritmos. El gasto adicional en algoritmos no se trata de perseguir los modelos más recientes, sino de invertir en herramientas de IA que ya incluyen funciones de gobernanza, rastreo de auditorías y mecanismos de transparencia que reducen el riesgo de cumplimiento.
El diagnóstico no es complicado. Califique su empresa en cuatro dimensiones del 1 al 10:
- Calidad de la infraestructura de datos actual
- Capacidad de cambio de la organización
- Densidad de talento técnico
- Complejidad regulatoria y de cumplimiento
Puntuaciones bajas en infraestructura y talento sugieren que necesitará más inversión en esas áreas. Una mayor capacidad de cambio implica que puede dedicar más a personas y procesos. Una gran complejidad regulatoria podría justificar mayor inversión en herramientas sofisticadas con gobernanza incorporada.
Pero en todos los escenarios, hay un principio que se mantiene: la inversión en personas debe ser igual o superior a la inversión en tecnología.
Como dice Munro: "La mayoría de las organizaciones no fracasan por la IA en sí, fracasan porque están invirtiendo en instrucciones esperando que la IA sea una solución mágica en lugar de hacer lo que deberían: asegurarse de que su gente sepa qué es la IA, qué es posible, cómo usarla, qué herramientas utilizar para sus funciones y cómo utilizarla con integridad."
El Problema de los Costos Ocultos
Una razón por la cual las empresas fallan en la asignación es que muchas ni siquiera saben cuánto están gastando en cada categoría. Los costos se distribuyen entre departamentos y se esconden en diferentes partidas presupuestarias.
Los costos tecnológicos suelen ser visibles: licencias de software, tarifas de computación en la nube, contratos con proveedores. Estos aparecen claramente en los presupuestos de TI.
Los costos de infraestructura a veces están ocultos. El tiempo de ingeniería de datos se oculta en el presupuesto operativo del departamento de TI. El trabajo de integración ocurre como parte de "mantenimiento de sistemas". Las revisiones de seguridad son un proyecto adicional de alguien. Los sistemas de monitoreo son una ocurrencia tardía.
Pero los costos de personas y procesos suelen ser completamente invisibles. El tiempo que los empleados dedican a la formación representa un costo de oportunidad (trabajo no realizado mientras la gente aprende). El tiempo de coaching de los gerentes no aparece en ningún presupuesto. Los esfuerzos de rediseño de procesos suceden en salas de reuniones sin asignación clara. Los costos de comunicación están en todas partes y en ninguna parte. Las reuniones de gobernanza consumen tiempo pero rara vez se contabilizan como costos de transformación de IA.
Gallardo identifica tres señales de advertencia de que su asignación no es la correcta, independientemente de lo que diga su presupuesto oficial:
"Algunos usuarios avanzados adoran la herramienta de IA, pero la mayoría la ignora. No hay cambios claros en decisiones o flujos de trabajo debido a la IA, sólo funciones interesantes pero sin un impacto real en cómo se realiza el trabajo. Los nuevos experimentos de IA están dispersos por todas partes, sin estándares, guías, métricas, estudios de caso o gobernanza compartidos."
Cuando vea estos síntomas, "mover el presupuesto hacia la gestión de producto, operaciones, gestión del cambio y la creación de 'champions de IA' produce resultados mucho mayores que asignar más dinero a otro proyecto de integración", señala.
Riley observa el mismo patrón: "Incluso cuando los empleados usan herramientas de IA de forma individual, la respuesta no es controles más estrictos. Es guiar esa energía con formación práctica y pautas claras. Sobreinvertir en personas es raro, de hecho muchas empresas hacen muy poco aquí, no demasiado".
Para entender su verdadera asignación, necesita una auditoría honesta. Para el último trimestre, contabilice:
- Todas las licencias de software relacionadas con IA, costos en la nube y honorarios de proveedores
- Tiempo dedicado por los equipos de TI y datos a infraestructura de IA, integración y seguridad
- Horas que los empleados dedicaron a formación en IA (multiplique las horas por el coste horario promedio)
- Tiempo de los gerentes dedicado a impulsar la adopción de la IA
- Horas de reuniones para gobernanza, rediseño de procesos y planificación de iniciativas de IA
- Costos de consultores externos y asesorías
Clasifique todo en tres categorías: algoritmos, infraestructura, o personas y procesos. La mayoría de las empresas descubre que está gastando mucho más en tecnología y mucho menos en personas de lo que pensaban.
Por qué es Importante Hacerlo Bien
La diferencia en rendimiento entre las empresas que asignan correctamente y las que no es marcada.
Las investigaciones muestran que las organizaciones con enfoques centrados en las personas tienen 2,3 veces más empleados comprometidos y un desempeño 1,5 veces superior.
Las empresas donde los CHRO y los CIO trabajan como verdaderos socios informan ser 15 veces más productivas en sus iniciativas de IA. Pero esto no sucede tan a menudo como se podría pensar. El problema comienza con una confusión fundamental sobre lo que los CIO deberían liderar frente a lo que deberían liderar los CHRO en la transformación de la IA.
"Lo fascinante es que al CIO se le ha asignado no solo el diseño, prueba y despliegue de herramientas, sino también su adopción", observa David Swanagon, fundador de Machine Leadership Journal, a partir de su investigación sobre la preparación organizacional para IA. "Y creo que uno de los argumentos que estamos planteando a través de nuestra investigación es que la adopción debería estar en manos del CHRO, porque implica cultura, confianza, autonomía y habilidades. El CIO debería encargarse solo del diseño, prueba y despliegue, y después asociarse con el CHRO para gestionar la adopción."
ESCUCHA EL EPISODIO COMPLETO CON DAVID SWANAGON
Esta distinción es estructural. Cuando los CIO son responsables tanto de la implementación como de la adopción, el resultado son soluciones predecibles y técnicamente sólidas que nadie utiliza, o que generan fricción organizacional porque no fueron diseñadas considerando la cultura y las capacidades.
El coste de asignar mal las responsabilidades se acumula rápidamente. Klarna fue noticia por sus ganancias de eficiencia con IA, para luego dar marcha atrás en silencio cuando los costes para las personas y la cultura se hicieron evidentes.
La IA en la sombra prolifera cuando las empresas no proveen herramientas y capacitación adecuadas, creando los riesgos de seguridad que temen los líderes. Los datos del sector muestran que el 80% de los proyectos de IA fallan en escalar, a menudo porque se implementaron sin el apoyo organizacional necesario para su adopción—lo que a veces lleva a que la IA se convierta en un chivo expiatorio de fracasos organizacionales más amplios.
El agotamiento y la resistencia de los empleados se convierten en los impuestos ocultos de los enfoques centrados en la tecnología. Cuando las herramientas se implementan sin una capacitación adecuada y sin rediseño de los flujos de trabajo, los empleados experimentan la IA como algo que se les impone, no como una ayuda. Las herramientas aumentan su carga de trabajo en lugar de reducirla. Se endurece la resistencia.
"Es extremadamente disfuncional y preocupante ver que la mayoría de empresas que nos contactan creen que una vez que 'encienden' una herramienta, la magia ocurrirá espontáneamente", dice Munro. La disfunción no solo es un desperdicio, sino que daña activamente la capacidad de la organización para transformarse.
Sin embargo, las empresas medianas que asignan correctamente las responsabilidades tienen una ventaja estructural sobre las grandes. Líneas de comunicación más cortas significan que los cambios se propagan más rápido. Ciclos de decisión más breves permiten iterar rápidamente. Las conexiones cercanas entre líderes y empleados facilitan una gestión del cambio más auténtica. Una adaptación de procesos más ágil permite que los flujos de trabajo evolucionen conforme la organización aprende.
"Como COO que ha liderado operaciones de CX durante múltiples implementaciones tecnológicas, abordo la IA de la misma manera: primero las personas, luego procesos sólidos que las respalden y, finalmente, la tecnología como habilitador", explica Riley. "Cuando predomina el factor humano, toda la transformación se mantiene y ofrece los resultados sostenibles que más importan."
El ROI es transformador. ¿Esos $300,000 en formación enfocada en IA que reducen los errores un 40%? No es una ganancia puntual. Es una capacidad que mejora trimestralmente a medida que el personal adquiere más habilidades. ¿Los $200,000 en rediseño de flujos de trabajo? Esas mejoras se acumulan porque se ha desarrollado una habilidad para la innovación de procesos.
De la Regla al Principio
La regla 70-20-10 no es una fórmula rígida que deba seguirse a ciegas. Es un principio derivado de observar qué empresas realmente tienen éxito con la IA y la realidad de que la transformación es sobre todo un reto humano y organizacional, no tecnológico.
Para las empresas medianas, este principio requiere traducción, pero no abandono. Tus brechas de infraestructura pueden requerir entre el 25% y el 35% del presupuesto en lugar del 20%. Tus herramientas SaaS de IA pueden incluir el coste del algoritmo dentro de tarifas de suscripción que modifican cómo calculas el 10%. Las restricciones propias de tu sector pueden requerir ajustes.
Pero la verdad fundamental permanece: si estás invirtiendo más en tecnología que en personas, casi seguro estás dejando mucho valor sin aprovechar.
La visión de Riley es pragmática: "Para un presupuesto inicial de $2M, asignaría aproximadamente el 65% a las personas mediante formación focalizada y apoyo en la gestión del cambio. Cerca del 25% debería destinarse a elementos esenciales como acceso a datos e instalación básica de la nube, y solo un 10% a algoritmos, principalmente eligiendo un buen SaaS en vez de desarrollos a medida."
La perspectiva de Gallardo tiene en cuenta la realidad SaaS que enfrentan la mayoría de empresas medianas: "Sí, el desglose se mantiene igual aunque nunca toques el modelo en sí. Para una configuración mayormente lista para usar: ~10% va a algoritmos, ~20% a infraestructura y ~70% a personas y procesos. Aquí es donde deberías estar invirtiendo la mayor parte de tu presupuesto."
El aprendizaje que ambos comparten es que el éxito se refleja en las tasas de adopción, la confianza de los empleados y los resultados diarios, no solo en el dinero gastado. La tecnología que compras importa menos que lo que haces para ayudar a las personas a usarla eficazmente.
La acción ejecutiva es clara: realiza tu auditoría de asignaciones este mes. Calcula cuánto estás gastando realmente en algoritmos, infraestructura y personas cuando incluyes todos los costes ocultos. Si la tecnología supera a las personas, has encontrado tu problema.
Luego haz el trabajo.
- Invierte en el trabajo poco atractivo de la gestión del cambio antes de implementar la próxima herramienta.
- Desarrolla programas de formación específicos para cada rol.
- Establece referentes de IA.
- Habilita a tus gerentes para que puedan guiar la adopción.
- Rediseña los flujos de trabajo antes de implementar la tecnología.
- Crea marcos de gobernanza que permitan en vez de restringir.
Recuerda la advertencia de Munro: "Donde comienzas a ver los problemas es en la falta de secuencia e intención. Saltarse el trabajo 'poco atractivo' de clarificar la responsabilidad, el propósito, los incentivos, los flujos de trabajo, etc., antes de siquiera llegar a las herramientas."
La tecnología estará disponible cuando estés listo para ella. Tu gente no esperará para siempre.
