¿Ya está obsoleta tu estrategia de IA?
IA invisible: Los empleados utilizan chatbots personales sin aprobación, formando una pila de IA no reconocida dentro de las organizaciones.
Limitaciones de diseño: La IA debe transformar la estructura del trabajo y no solo añadirse encima de la existente para una adopción efectiva.
Desafíos de adopción: El antiguo control de TI ya no es válido porque las herramientas de IA requieren poca formación debido a la familiaridad previa.
Resistencia a la tecnología: Las organizaciones luchan con la implementación de la IA, concentrándose en la tecnología en vez de transformar los flujos de trabajo.
Urgencia en la IA: Involúcrate en cómo los equipos utilizan la IA ahora mismo para abordar restricciones, evitar interrupciones en el negocio y fomentar la innovación.
Los ejecutivos de diferentes industrias cometen el mismo error con la adopción de la IA.
La tratan como una decisión de compras. Compra esta plataforma. Prueba aquel agente. Agrega esta función al stack.
El problema va más allá de la selección de herramientas. Según el informe Estado de la IA en Negocios 2025 del MIT, empleados en más del 90% de las empresas utilizan cuentas de chatbots personales para tareas diarias, a menudo sin aprobación de TI, mientras que solo el 40% de las empresas cuentan con suscripciones oficiales a LLM. Tus empleados ya han construido la base de tu stack de IA. Simplemente lo hicieron sin pedir permiso.
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
Esto crea una realidad extraña: la tecnología que la mayoría de los líderes aún están planificando implementar ya está funcionando en sus organizaciones. Para cuando hayas formado un comité para evaluar herramientas de IA, tu equipo ya ha elegido sus favoritas e integrado en los flujos de trabajo diarios.
El problema de la arquitectura
Cuando abordas la IA como una compra, pierdes la oportunidad de rediseñar.
Gabriela Mauch, directora de atención al cliente y jefa de productividad en ActivTrak, ve este patrón repetirse constantemente.
Los equipos pueden imaginar casos de uso transformadores de IA, pero se ven limitados por una infraestructura organizacional que no está diseñada para el trabajo habilitado por IA. Si los líderes solo miden el uso de herramientas, no pueden ver estos techos invisibles.
El resultado es que la IA se superpone a las estructuras organizacionales existentes en lugar de transformar cómo se realiza el trabajo. Las habilidades se atrofian en vez de evolucionar.
La alternativa requiere encontrar carriles para la IA y carriles para las personas. La IA debería encargarse del análisis, la redacción de informes y la gestión de tareas mundanas. Debería informar a las personas y plantear preguntas que no puede contextualizar. La decisión final debe recaer en alguien que pueda ser responsable.
La responsabilidad es importante porque la IA no perderá su trabajo. En marzo de 2024, Air Canada aprendió esta lección cuando un cliente demandó luego de que el chatbot de la aerolínea proporcionara información incorrecta sobre tarifas por duelo. El tribunal dictaminó que Air Canada era responsable de los errores de su chatbot. Cualquier daño reputacional para la IA fue temporal. El equipo legal de la compañía soportó las consecuencias reales.
Esa es la limitación de diseño que la mayoría de las conversaciones sobre IA evitan.
Por qué los ejecutivos experimentados tropiezan
Los líderes que lograron migraciones a la nube e implementaciones de ERP están cometiendo errores de novato con la IA. Hay tres factores que hacen distinta a esta ola.
- El ritmo es sin precedentes. Gartner predice que el 40% de las aplicaciones empresariales incorporarán agentes de IA para finales de 2026, frente a menos del 5% en 2025. Es un incremento de 8 veces en un año. Cuando comprendas un avance, la siguiente ola ofrecerá algo radicalmente distinto.
- La cuestión ética es compleja. Cada implementación requiere preguntar: ¿Puede la IA hacer esto tan bien como las personas? ¿Qué haría falta para llegar ahí? ¿Deberían las personas mantener el control?
- El patrón de adopción está invertido. Antes, la tecnología en el trabajo exigía capacitación, certificación, despliegues controlados. Las herramientas de IA requieren poca especialización porque la gente ya las usa.
Ese es el reto fundamental. En anteriores oleadas tecnológicas, TI controlaba el despliegue. Ahora la capa basal de tu stack ya está en movimiento y en gran parte es invisible.
La brecha entre el anuncio y la adopción
Un problema común es la creencia de que, una vez anunciada una estrategia, la gente sabrá instantáneamente cómo trabajar de forma diferente.
Lo vemos mucho con la IA", dice Iris Cremers, CHRO en GoodHabitz. "Una vez que el liderazgo dice 'vamos a utilizar IA', se asume que todos automáticamente van a trabajar de forma más inteligente y eficiente. En realidad, las personas y equipos necesitan tiempo, orientación clara y aprendizaje práctico.
La nueva tecnología puede resultar compleja o amenazante sin el soporte adecuado. GoodHabitz diseñó un programa de capacitación para toda la empresa con su plataforma de aprendizaje de IA Goodlearn, para dar a las personas una forma sencilla y segura de ganar confianza y destrezas.
"Ayudó a reducir la ansiedad y la reemplazó por curiosidad y entusiasmo a medida que introducíamos estas nuevas herramientas en nuestro trabajo cotidiano", dijo Cremers.
Sharon Steiner, CHRO de Fiverr, lo plantea de otra forma.
"La mayor desconexión que veo es que el liderazgo frecuentemente aborda la IA como una estrategia tecnológica o de eficiencia, mientras que los equipos la experimentan como un cambio fundamental en la manera en que se hace el trabajo", dijo. "Los ejecutivos preguntan, '¿Qué herramientas deberíamos adoptar?', pero los empleados están preguntando, '¿Cómo cambia esto mi función, mis habilidades y la forma en que se me evalúa?"
Lo que realmente está ocurriendo a nivel de equipo es experimentación. Las personas ya están usando la IA para avanzar más rápido, aprender nuevas habilidades y resolver problemas en tiempo real.
Cuando las decisiones tecnológicas ignoran la realidad organizacional
Mauch compartió el ejemplo de un cliente de servicios financieros que implementó IA empresarial con enfoques estándar de tecnología: acceso a herramientas, capacitación, bibliotecas de casos de uso y personas promotoras. Seis meses después, la adopción se estancó y el retorno de inversión no se materializaba a pesar de tener un 70% de uso activo.
La empresa quería usar la IA para clasificar automáticamente las consultas de clientes según su complejidad y dirigirlas apropiadamente, lo que representaría una verdadera transformación de los flujos de trabajo. No pudieron porque:
- TI no había priorizado el trabajo de API para acceder a los sistemas de datos de clientes
- Los flujos de aprobación de gerentes no se habían actualizado para permitir que la IA tomara decisiones de direccionamiento
- Los procesos de control de calidad todavía estaban diseñados solo para trabajo humano
- Los patrones de coordinación del equipo seguían estructurados en asignaciones de tareas individuales
"La dirección seguía tratando estos puntos como 'detalles de gestión del cambio para resolver más adelante'," dijo Mauch. "Mientras tanto, invertían en más tecnología como modelos avanzados, más herramientas, más integraciones. Pero la restricción no era tecnológica."
Los empleados aparecían en las métricas de adopción como "usuarios activos de IA" porque seguían usando IA para tareas básicas, pero habían abandonado los casos de uso de alto valor que realmente impulsarían el retorno de inversión.
La visión a largo plazo que nadie está tomando
Cuando hablo de tener una visión a largo plazo sobre la IA, me refiero a dos cosas específicas.
Cambios en el personal
Una firma de servicios profesionales identificó a sus mejores usuarios de IA — consultores produciendo tres veces el rendimiento habitual — y los recompensó con ascensos, bonificaciones y presentaciones ante todo el personal. Reconocimiento clásico del talento.
Tres meses después, la adopción de IA a nivel de equipo en los grupos de estas "estrellas" en realidad había disminuido.
"La empresa recompensó las ganancias de productividad individual, así que los altos ejecutores guardaron sus técnicas de IA en vez de compartirlas," dijo Mauch. "¿Por qué ayudar a los compañeros a adoptar IA si eso solo significa más competencia para la próxima promoción? La empresa perdió la oportunidad de crear mentores de IA."
Reestructuraron los incentivos en torno a la adopción de equipos, en lugar de la productividad individual. Las bonificaciones se vincularon a ayudar a los compañeros a avanzar en sus habilidades en IA. Para recibir un ascenso, debías demostrar que habías capacitado a otros.
Con este cambio, los altos ejecutores comenzaron a enseñar activamente y la adopción a nivel de equipo se aceleró. Las estrellas individuales son excelentes, pero solo si su conocimiento se multiplica en toda la organización en lugar de quedarse limitado como una ventaja competitiva personal.
Evolución organizacional
A los líderes les encantan los planes a cinco años, pero no tenemos idea de cómo será el mundo al final de este año.
Incorpora flexibilidad en tu planificación. Tu perfil de talento y la manera en que desarrollas a tu gente te ayudarán a mantenerte flexible. La alternativa es sobredimensionar la IA como el componente central de la estrategia, luego darte cuenta de que necesitas personas para que funcione, y entrar en un mercado de talento donde las habilidades específicas que necesitas son difíciles de encontrar.
Planifica para dos años y observa qué sucede. El ritmo de cambio es demasiado alto para horizontes más largos.
Cómo construir cuando la base ya se está moviendo
Tienes que comunicar.
"Deja de tratar la adopción como binaria y empieza a diagnosticar el impacto," dijo Mauch. "La mayoría de las organizaciones tienen suficiente uso básico, pero casi ningún uso transformador, que es donde realmente se materializa el valor."
La mayoría de los ejecutivos monitorean inicios de sesión, consultas y licencias de usuario, en lugar de la transformación del comportamiento. El verdadero retorno de inversión ocurre cuando la IA remodela los flujos de trabajo, lo que requiere comprender si la tecnología ha cambiado el comportamiento laboral real, no simplemente si aumentó el uso de herramientas de IA.
El analista que usa la IA para redactar secciones de un informe no ha transformado su flujo de trabajo. El analista que rediseñó todo su proceso analítico basándose en las capacidades de monitoreo continuo de la IA, sí lo ha hecho.
Steiner enfatiza la conversación de aprendizaje.
Pregúntales a tus equipos cómo están usando la IA hoy, dónde quieren fortalecer habilidades y qué apoyo necesitan para crecer," dijo. "Dales espacio para experimentar, mejorar sus competencias y ganar confianza con estas herramientas.
Mientras analizas opciones para reestructuración, algunas de tus personas están intentando aprender. Están adquiriendo nuevas habilidades sin saber si son las correctas. Puedes guiarlos en la dirección que necesitas y ayudarlos a desarrollar las capacidades que el negocio requiere.
En el proceso, entenderás las herramientas que están usando, dónde están extrayendo valor y dónde la organización puede apoyar mejor lo que hacen.
Esto te mantiene al tanto de los cambios y te ayuda a mantener el control de la parte ética. Te vuelves más cómodo con la dirección en vez de dejarte llevar por el bombo.
Y en lugar de “estamos atrasados, tenemos que hacer esto para no quedarnos atrás”, actúas desde “¿esa novedosa herramienta nos ayuda a cultivar la visión que tenemos de dónde queremos estar dentro de dos años?”
El cambio de lo reactivo a lo intencional requiere repensar la gobernanza por completo.
Gobernanza como alineamiento, no como vigilancia
Cuando descubres que un empleado ha creado su propio flujo de trabajo con IA, enfócalo como una colaboración.
“Trata la IA en la sombra como investigación de mercado, no como un problema de cumplimiento”, dijo Mauch. “Tus empleados que han adoptado herramientas no aprobadas te están diciendo que han encontrado soluciones a problemas reales que tus herramientas oficiales no resuelven”.
Poll: How is your org handling AI adoption?
Cremers y su equipo en GoodHabitz tomaron este enfoque cuando se dieron cuenta de que los empleados ya estaban usando herramientas externas de IA.
En lugar de bloquear todo, elegimos un enfoque más abierto y de apoyo”, dijo. “Invitamos a cualquier persona que ya estuviera usando una herramienta externa a compartirla con nosotros. Luego comprobamos si podía usarse de forma segura. Si pasaba el control de seguridad, la poníamos a disposición de toda la organización para que otros también pudieran beneficiarse.
Esto generó confianza, redujo riesgos y demostró que el objetivo era ayudar a las personas a trabajar de manera más inteligente, no vigilarlas. Y, como era de esperarse, algunos empleados habían descubierto herramientas útiles que la empresa aún no conocía.
“Goodlearn también ayudó otorgando a todos una comprensión básica de cómo manejar la información de manera segura y responsable, y cómo reconocer qué herramientas eran confiables”, señaló Cremers.
Mauch recomienda un marco de tres partes:
Comprende antes de estandarizar
Mapea lo que realmente se está utilizando y por qué, no para sancionarlo, sino para aprender de ello. En un caso, ActivTrak descubrió que un equipo de producto utilizaba una herramienta no aprobada de codificación con IA durante cuatro a cinco horas diarias.
En lugar de cerrarlo, la dirección preguntó por qué. El equipo encontró capacidades específicas que su herramienta “oficial” no ofrecía, y habían desarrollado flujos de trabajo sofisticados que ninguna otra persona había logrado antes.
Diferencia los niveles de riesgo
No toda IA en la sombra conlleva el mismo riesgo. El analista que usa IA para generar ideas para presentaciones no representa el mismo riesgo que alguien procesando datos personales de clientes a través de una herramienta no aprobada. Crea criterios simples:
- ¿Qué datos se están procesando?
- ¿Qué decisiones puede impulsar el resultado de la IA?
- ¿Qué tan maduro es el criterio del usuario sobre el uso adecuado?
Permite que el uso de bajo riesgo y alto valor continúe mientras construyes barreras apropiadas.
Co-crea la gobernanza junto a los usuarios
Involucra a los usuarios de IA en la sombra en el diseño de políticas. Ellos entienden mejor que nadie los equilibrios prácticos entre seguridad y utilidad. Pregúntales:
- ¿Qué perderías si cerramos esto?
- ¿Qué preocupaciones tienes?
- ¿Qué salvaguardas te gustaría tener?
Esto genera soluciones como entornos aislados en los que los equipos pueden experimentar con herramientas no aprobadas usando datos sintéticos antes de recibir la aprobación para producción.
La realidad es que la IA ya es parte de cómo se realiza el trabajo, y tratar de frenar eso deja a las empresas atrás, no en control”, indicó Steiner. “La gobernanza sigue siendo importante, pero en un entorno centrado en IA debe habilitar el progreso, no frenarlo.
Para que estos procesos funcionen, es necesario integrarlos en los sistemas que las personas ya utilizan. ¿Puede ser un formulario en tu centro de documentación interna? ¿Pueden los aprobadores designados dar el visto bueno a las ideas en un plazo definido dentro de Slack? Incorporar la aprobación en los flujos de trabajo existentes reduce la fricción y ayuda a las personas a evaluar sus ideas en cuanto a claridad, alineación con los objetivos e impacto en el negocio.
Hay que recompensar la transparencia de los empleados que están experimentando. Si alguien comparte algo que no es un buen uso de la tecnología, no debe recibir un castigo.
Cómo se ve realmente "demasiado tarde"
No te queda mucho tiempo.
"Demasiado tarde" se ve como lanzar funciones que tus competidores sacaron hace seis meses. Se ve como tus mejores empleados frustrados y con ganas de irse. Se ve como gerentes que se sienten intermediarios confusos entre la estrategia y la ejecución.
Pero, sobre todo, parece la incapacidad de implementar IA como solución a problemas reales dentro de tu organización.
Algunas empresas ya lo están sintiendo. Por eso recurren a despidos y a resultados a corto plazo. No tienen una visión clara de la recompensa a largo plazo, así que están desmantelando el negocio mientras lo intentan resolver.
Una investigación de Reco AI encontró que dos herramientas de IA en la sombra tuvieron una duración media de uso de 403 y 401 días respectivamente. Más de un año de uso continuo sin aprobación formal ni supervisión. Después de 100 días de uso continuo, una herramienta de IA ya no es una prueba. Está incorporada en los procesos empresariales clave. Intentar eliminarla no es solo una tarea de TI, sino una posible interrupción del negocio.
Así es como se ve demasiado tarde. La incapacidad de gobernar lo que ya se ha adoptado.
El primer paso
Steiner tiene un consejo claro para ejecutivos que sienten que se han quedado atrás.
"La verdadera pregunta no es si empezar a usar la IA, sino cuándo y cómo hacerlo, y la respuesta es ahora y con experimentación", dijo. "Este no es el momento de quedarse al margen y observar. La inteligencia artificial está transformando rápidamente la forma en que se realiza el trabajo".
Comienza la conversación sobre cómo tus equipos están trabajando con IA. Qué herramientas están utilizando. Dónde encuentran valor. Qué desearían poder hacer pero no pueden.
Una pregunta tan simple como "¿qué harías con la IA si no existieran las limitaciones organizacionales?" puede sacar a la luz barreras invisibles.
"Vemos constantemente a personas que imaginan aplicaciones transformadoras, pero que se ven bloqueadas por el acceso a datos, los flujos de aprobación o las políticas de gobernanza diseñadas para riesgos iniciales", dijo Mauch.
Esa conversación revela dónde ya existe tu base invisible. Te muestra qué experimentos vale la pena escalar y cuáles necesitan ser redirigidos. Te ayuda a entender si estás construyendo sobre bases sólidas o sobre deuda técnica.
