Lo Que Las Empresas de Mercado Medio Aprendieron Sobre la Transformación con IA en 2025
Adopción de IA: Las sólidas alianzas entre RRHH y TI llevaron a una productividad en IA 15 veces mayor, mientras que el 53% de las organizaciones no alcanzó las expectativas.
Integración en Flujos de Trabajo: Integrar la IA en herramientas existentes resultó en mayores tasas de adopción en comparación con herramientas de IA independientes.
Brechas de Capacidades: Capacitar a los empleados para usar la IA de manera efectiva resultó crucial, lo que destaca la necesidad de desarrollo de habilidades.
Impuesto por Complejidad: Simplificar las infraestructuras tecnológicas y reducir la dependencia de consultores mejoró el despliegue y los resultados de la IA.
Gestionar la Estrategia: La IA cambió los roles gerenciales, requiriendo planes de transición explícitos y capacitación para una adaptación efectiva.
La brecha entre el despliegue de la IA y su adopción se convirtió en el desafío definitorio de 2025. Investigaciones de BCG descubrieron que las organizaciones con sólidas alianzas entre RR.HH. y TI lograron una productividad 15 veces mayor de las inversiones en IA que aquellas sin dichas alianzas.
La tecnología funcionaba. Las organizaciones eran las que tenían dificultades. Y para finales de año, los datos mostraron una imagen clara: el 53% de las organizaciones no logró los retornos esperados de sus inversiones en IA.
La Brecha en la Integración de Flujos de Trabajo
El mayor factor de separación entre las transformaciones exitosas y las fallidas no era la sofisticación tecnológica ni el tamaño del presupuesto. Era si la IA estaba integrada en los flujos de trabajo existentes o quedaba fuera de ellos.
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
"Los ganadores escogieron uno o dos problemas reales en los flujos de trabajo existentes, no cuestiones de 'arte de lo posible'", dijo Bhrugu Pange, Director General de Soluciones de Tecnología Digital e IA en AArete. "Eligieron cuellos de botella sobre los que ya se quejaba la gente, como el tiempo de cierre de llamadas, la generación de cotizaciones, responder a preguntas de clientes, o las excepciones en facturas. La mayoría sufría del síndrome 'swivel-chair'."
Las empresas que integraron la IA en las herramientas que ya usaban los empleados—Salesforce, plataformas de centros de contacto, sistemas documentales—alcanzaron tasas de adopción del 60-80%. Las empresas que lanzaron herramientas de IA autónomas vieron cómo la adopción se estancaba en el 30-40%.
El patrón se repetía en todas las áreas. Los equipos de marketing mostraron un 98% de confianza en que la IA mejoraría sus métricas, pero solo el 27% informó una adopción amplia. La brecha no se debía al escepticismo, sino a la fricción.
"Las empresas exitosas no pedían a sus empleados abrir una ventana aparte para acceder a la IA", explicó Pange. "La integraron dentro de las herramientas que la gente ya utilizaba, extendiendo plataformas como Salesforce."
Las que no tuvieron éxito construyeron lo que Pange llama "chatbots fuera de contexto" y se preguntaban por qué nadie los usaba. Para finales de 2025, la lección se había convertido en un principio: si la IA no está donde ocurre el trabajo, no perdurará.
La Brecha de Capacidades que Nadie Esperaba
El inicio de 2025 arrancó con una suposición extendida: la adopción de la IA seguiría el patrón de anteriores implementaciones de software empresarial. Comprar las herramientas adecuadas, capacitar en la interfaz, medir tasas de adopción. A mitad de año, esa suposición se desmoronó.
La brecha de capacidades apareció en todos los frentes. Los equipos de atención al cliente tenían IA que podía redactar respuestas pero no evaluar cuáles enviar. Los equipos de ventas contaban con IA que resumía transcripciones de llamadas pero no podía determinar qué ideas eran relevantes. Los equipos de finanzas usaban IA que generaba pronósticos pero no sabía en qué supuestos confiar.
"Los trabajadores sin capacitación tenían seis veces más probabilidades de decir que la IA los volvía menos productivos", dijo Emily Mabie, Ingeniera Senior de Automatización de IA en Zapier. "Los equipos que realmente quieren lograr una transformación con IA deben invertir en formación."
Los empleados necesitaban aprender qué delegar a la IA, qué reservarse, cómo verificar los resultados de la IA y cuándo ignorar sus recomendaciones. Esas capacidades no se enseñaban en una formación de dos horas.
Las empresas que lograron el éxito trataron la adopción de la IA como desarrollo de habilidades, no simple implementación de software. Crearon modelos de aprendizaje donde empleados experimentados trabajaban junto a la IA durante meses, construyendo criterio con la práctica. Medían el desarrollo de capacidades, no solo el uso de la herramienta.
El Impuesto de la Complejidad
Mientras algunas empresas luchaban con la adopción, otras descubrían que habían construido la base equivocada. El Informe sobre el Coste de la Complejidad de Freshworks encontró que el 20% del gasto en software de las organizaciones se desperdiciaba en implementaciones fallidas, herramientas infrautilizadas y costos ocultos.
"Muchas organizaciones se topan con obstáculos de complejidad que impiden la productividad, como sistemas heredados, sistemas desconectados y datos aislados", dijo Ashwin Ballal, CIO de Freshworks. "Estos desafíos provocan fatiga en los empleados, ineficiencias y fugas de ingresos por retrasos y oportunidades perdidas."
Esto resultó en que los empleados perdieran un promedio de 6,7 horas por semana navegando entre herramientas complejas en lugar de realizar trabajo productivo, generando importantes barreras a la adopción de IA.
Así se creó un ciclo vicioso. Las empresas recurrían a proveedores externos y consultores para integrar la IA en sus sistemas tecnológicos desordenados, pero estas incorporaciones a menudo creaban más fricciones que las que resolvían.
Freshworks detectó que el 12% de las pérdidas financieras por ineficiencia en software provenía de consultores y contratistas innecesarios.
"Las empresas suelen recurrir a proveedores externos y consultores para arreglar sistemas heredados, pero estas adiciones pueden sumar fricción en vez de eliminarla", comentó Ballal. "Las organizaciones suelen pagar dos veces, una por la tecnología compleja y otra por los consultores que la hacen funcionar."
Las empresas medianas que tuvieron éxito en 2025 adoptaron un enfoque distinto. En lugar de incorporar la IA sobre la complejidad existente, aprovecharon la adopción de la IA como una oportunidad para simplificar. Consolidaron herramientas redundantes. Escogieron funcionalidades de IA integradas en plataformas que ya utilizaban en vez de comprar productos independientes.
La lección: no puedes transformar lo que no puedes gestionar. Las empresas con infraestructuras tecnológicas más simples y mejor integradas implantaron la IA más rápido y obtuvieron mejores resultados.
La trampa del piloto
La brecha entre el éxito de los pilotos y el despliegue en producción se convirtió en uno de los patrones más frustrantes de 2025.
"Los resultados reales de las inversiones en IA en 2025 fueron mucho más desiguales de lo que sugerían las tasas de adopción publicadas", dijo Mabie. "La IA generativa y los proyectos piloto estaban por todas partes al inicio del año, pero entre los líderes encuestados por Zapier, solo el 26% dijo que la mayoría de sus pilotos de IA llegaron a producción."
El patrón se repitió en todos los sectores. Los departamentos de RRHH probaron la criba de currículos impulsada por IA con excelentes resultados, pero no lograron que los responsables de selección la utilizaran. Los equipos de operaciones probaron una IA de mantenimiento predictivo que funcionaba tal y como prometía, pero no pudieron ampliar su uso más allá de la planta inicial.
Los pilotos exitosos operaban bajo condiciones especiales: apoyo adicional, atención del liderazgo, voluntarios motivados y tiempo protegido para aprender. Cuando las empresas intentaron escalar, esas condiciones desaparecieron.
"Los esfuerzos exitosos designaron a un miembro del negocio como responsable del resultado", dijo Pange. "IT dejó de ser el impulsor o el dueño, y se convirtió en el custodio de la implementación de IA. El negocio era el dueño del resultado."
Las empresas que lograron escalar con éxito hicieron tres cosas de forma diferente.
- No solo documentaron lo que hizo el equipo piloto, sino por qué funcionó, mapeando las condiciones organizativas que permitieron el éxito.
- Realizaron pilotos con equipos representativos, incluyendo grupos escépticos y con pocos recursos, no solo voluntarios.
- Midieron la preparación organizacional, no solo la preparación técnica.
La lección: un piloto exitoso demuestra que la tecnología funciona. No demuestra que tu organización pueda absorberla.
El problema de la IA en la sombra
Para el verano, los ejecutivos de empresas medianas se encontraron con empleados usando herramientas de IA que la empresa no había aprobado, no había protegido y, a menudo, desconocía. Los empleados subían datos de clientes a ChatGPT, usaban herramientas de IA de consumo para análisis de negocio sensibles y creaban flujos de trabajo automatizados sin revisión de seguridad.
El problema de la IA en la sombra reveló un problema más profundo: las empresas se movían demasiado despacio para cubrir las necesidades legítimas de los empleados. Los empleados no actuaban de manera imprudente, solo eran productivos con las herramientas que tenían a su alcance.
Las empresas inteligentes respondieron acelerando el despliegue aprobado de IA, no solo endureciendo los controles. Establecieron procesos rápidos de evaluación para herramientas de IA solicitadas por empleados y crearon alternativas aprobadas para los casos de uso comunes de la IA en la sombra. Midieron el tiempo hasta la aprobación de las herramientas de IA y trataron los retrasos como fallos organizativos.
La IA en la sombra era una señal de necesidades no cubiertas, no un problema de cumplimiento a resolver mediante políticas. Al cierre del año, las organizaciones que mejor la gestionaron pasaron de la prohibición reactiva a la habilitación proactiva.
La crisis de adaptación en la gestión
Cuando la IA se encarga de trabajos rutinarios de coordinación como la programación, actualizaciones de estado, resolución básica de problemas, las actividades de gestión tradicionales que ocupaban entre el 40% y el 60% del día de un gerente desaparecen de repente. Lo que queda es el trabajo para el que la mayoría de los gerentes nunca tenía tiempo: coaching, pensamiento estratégico, solución compleja de problemas, desarrollo de equipos—habilidades que dejan al descubierto los problemas en la cantera de liderazgo.
Los mejores gerentes se adaptaron rápidamente. Los que lucharon por adaptarse se sintieron desplazados, cuestionaron su valor y, a menudo, resistieron la adopción de la IA porque consideraban que amenazaba su identidad.
Esto se reduce a un reto de desarrollo directivo. Se necesitan planes de transición explícitos para los gerentes cuyos roles están cambiando y deben ofrecer coaching para trabajar de forma diferente, porque muy pocos líderes tienen una visión clara de esto y casi ninguno lo ha dominado. Las organizaciones deben evaluar si su estrategia de IA aborda estas transiciones en la gestión y redefinir las expectativas para premiar a los gerentes que logren pasar con éxito a tareas de mayor valor.
Algunos gerentes no harán la transición. Los líderes pueden abordar esto de varias formas, incluyendo la preparación para la reducción de mandos intermedios a medida que las estructuras organizativas se aplanan.
- Crear trayectorias de desarrollo para colaboradores individuales para aquellos gerentes que sean excelentes en el trabajo que la IA no puede hacer, pero tengan dificultades con el nuevo modelo de gestión.
- Proporcionar coaching intensivo, pero estar preparados para tomar la difícil decisión de que algunos gerentes simplemente no se adaptan al rol en la era de la IA.
Lo que no funcionará es fingir que el rol no ha cambiado. Las organizaciones que desplegaron IA pero mantuvieron las mismas expectativas en la gestión acabaron con gerentes ocupados solo para llenar el tiempo.
El avance en la arquitectura de la confianza
La historia de éxito inesperada de 2025 fueron las empresas que construyeron confianza sistemática en la IA en lugar de esperar que los empleados simplemente la aceptaran.
ADP implementó su "Marco 5P" en las iniciativas de IA:
- Propósito (por qué usamos IA aquí)
- Personas (quiénes participan en las decisiones)
- Proceso (cómo funciona)
- Desempeño (cómo medimos el éxito)
- Protección (qué salvaguardas existen).
Las organizaciones que emplearon marcos estructurados de confianza vieron tasas de adopción de IA del 60-80% en comparación con el 30-40% de aquellas que dependían de la creación de confianza informal.
"El humano en el circuito fue clasificado como la principal prioridad de gobernanza por el 71% de los líderes", dijo Mabie.
La confianza no surge naturalmente a partir de la buena tecnología. Requiere un diseño intencional. Las empresas necesitan responder preguntas específicas antes de la implementación, tales como:
- ¿Por qué usamos IA para esta tarea?
- ¿Quién tiene supervisión?
- ¿Cómo toma decisiones el sistema?
- ¿Qué sucede cuando se equivoca?
- ¿Qué protecciones existen?
Las organizaciones que respondieron explícitamente a estas preguntas—en documentación, en capacitación, en comunicación continua—construyeron confianza más rápido y la mantuvieron por más tiempo.
La cascada de costos ocultos
Los costos van mucho más allá de los presupuestos de software desaprovechados.
Un solo incidente negativo puede detener la adopción durante meses. La pérdida de confianza se convirtió en un impuesto oculto sobre las futuras iniciativas.
"La IA puede acelerar el primer borrador, pero si no rediseñas el proceso de revisión, creas un nuevo problema", dijo Pange. "Ahora los equipos dedican tiempo a verificar y corregir. A esto lo llamamos 'impuesto de verificación'." Esta carga mental contribuye a problemas de juicio de los empleados a medida que los trabajadores luchan por equilibrar la asistencia de la IA con el pensamiento crítico.
El cinismo de los empleados surgió como otro costo oculto. Cuando el liderazgo exageraba las capacidades de la IA y no invertía lo suficiente en capacitación y rediseño de flujos de trabajo, los empleados resistían la adopción. Peor aún, utilizaban herramientas de IA no autorizadas, creando el problema de la IA en la sombra que consumía recursos de seguridad y cumplimiento.
La Encuesta de Población en Tiempo Real de la Reserva Federal de St. Louis reveló que para agosto de 2025, aproximadamente la mitad de los adultos en EE.UU. informaron usar IA generativa y más de un tercio la utilizaba en el trabajo. La encuesta estimó un ahorro de tiempo equivalente a aproximadamente el 1.6% del total de horas de trabajo, con un potencial de aumento de productividad de hasta el 1.3% desde el lanzamiento de ChatGPT.
Pero esas ganancias se distribuyeron de manera desigual.
"Mientras una empresa está atascada en un purgatorio de pilotos, otra mejora silenciosamente los niveles de servicio, el rendimiento de ventas o el tiempo de ciclo operativo", dijo Pange. "Y esa ventaja de mejoras incrementales y aprendizajes empieza a acumularse".
El cambio hacia la madurez en la medición
Una de las evoluciones más claras de 2025 fue cómo las empresas medían el éxito de la IA.
"Al principio del año, el éxito se enmarcaba en relación al lanzamiento de pilotos y la demostración de la viabilidad", dijo Mabie. "Poco a poco, los líderes pasaron a medir la fluidez en IA y el ROI a través de los resultados del negocio."
El hecho de que la mayoría de los líderes estén midiendo el ROI refleja una madurez más amplia. "¿Qué tan genial es?" pasó a ser "¿Cuál es el KPI y dónde está el punto de partida?"
Pasar de medir tasas de adopción a medir el impacto en el negocio implica no solo si los empleados usan herramientas de IA, sino si esas herramientas mejoran la calidad de las decisiones, reducen los tiempos de ciclo o liberan capacidad para trabajo de mayor valor.
Las organizaciones más sofisticadas medían tanto las ganancias de eficiencia como el desarrollo de capacidades. Querían saber si la IA hacía a los empleados más rápidos y mejores, reconociendo que la madurez en IA requiere una evaluación integral.
El llamado de atención sobre la asignación de recursos
Quizá el aprendizaje más importante de 2025: la regla 70-20-10 para la inversión en IA demostró ser precisa y la mayoría de las empresas asignaban los recursos al revés.
La regla, validada por múltiples estudios de investigación: el 70% de la inversión en transformación de IA debe destinarse al cambio de personas y procesos, el 20% a infraestructura e integración, y el 10% a algoritmos y modelos.
La mayoría de las empresas medianas estaba destinando entre el 60 y el 70% en tecnología y esforzándose por financiar el trabajo de cambio organizacional.
Esto significa financiar roles de gestión del cambio, proteger tiempo para el aprendizaje y la adaptación, invertir en programas de coaching asistidos por IA, estrategias de comunicación y estructuras de apoyo organizacional.
Las empresas que mantuvieron una inversión centrada únicamente en tecnología vieron que sus iniciativas de IA se estancaban independientemente de la sofisticación tecnológica. Los buenos algoritmos en organizaciones no preparadas tuvieron peores resultados que algoritmos mediocres en organizaciones listas en todo momento.
Lo que exige 2026
Las lecciones de 2025 apuntan a varias prioridades claras para las empresas medianas que ingresan en 2026.
- Incorporar la IA en los flujos de trabajo existentes. La brecha en la integración de flujos de trabajo solo se ampliará. Deja de lanzar herramientas de IA independientes y comienza a mejorar las plataformas que los empleados ya usan.
- Invertir en formación antes que en tecnología. El hallazgo de Zapier de que los trabajadores no entrenados tienen 6 veces más probabilidades de decir que la IA les hace menos productivos debería asustar a cualquier directivo que planee inversiones en IA. La brecha de capacidades no se cerrará solo con licencias de software.
- Simplificar antes de añadir complejidad. Las empresas con sistemas tecnológicos fragmentados tendrán dificultades para implementar IA de manera efectiva. "Las organizaciones que trabajen con líderes tecnológicos que reduzcan activamente el número de aplicaciones, integren la IA en sus sistemas y reemplacen la proliferación de tecnología por sistemas unificados obtendrán una ventaja competitiva", dijo Ballal.
- Construir una gobernanza que habilite, no que bloquee. La gobernanza con intervención humana fue considerada la principal prioridad por el 71% de los líderes. Pero gobernanzas que frenan el despliegue hasta el extremo generan IA en la sombra. El objetivo es una gobernanza ágil que haga seguro avanzar rápidamente.
- Escalar las capacidades de orquestación. "Más equipos de medianas empresas adoptarán la orquestación de IA", dijo Mabie. "Como los equipos medianos no tienen los recursos para reconstruir completamente sus plataformas y equipos, utilizarán y conectarán sus herramientas existentes con la orquestación de IA."
Los datos de Zapier muestran que el 25% de los líderes esperan alcanzar la orquestación de IA a gran escala para 2026, mientras que un 43% anticipa operar flujos de trabajo agentivos entre funciones. Con eso en mente, es recomendable:
- Rediseñar explícitamente los roles de gestión. La IA cambia lo que hacen los gerentes. Reconocer ese cambio, apoyar la transición y aceptar que algunos gerentes no lo lograrán.
- Reconstruir los marcos de carrera para la era de la IA. Las trayectorias de ascenso tradicionales están desapareciendo. Las empresas necesitan nuevos modelos para el desarrollo profesional cuando la IA asume trabajos que antes eran de crecimiento.
- Diseñar la confianza de forma sistemática. Los marcos de confianza funcionan. La creación informal de confianza no. Responde explícitamente a las cinco P para cada despliegue de IA: Propósito, Personas, Proceso, Rendimiento, Protección.
- Reasignar los presupuestos siguiendo la regla 70-20-10. La mayor parte del valor de la IA proviene del cambio organizacional. La mayoría de los presupuestos de IA se destinan a tecnología. Soluciona ese desajuste o acepta menores retornos.
- Medir resultados de negocio, no métricas tecnológicas. Evalúa la calidad de las decisiones, la reducción del ciclo y el desarrollo de capacidades—no solo la utilización del sistema.
"Algunas tendencias que probablemente desaparecerán son los experimentos puntuales, los modelos de automatización solo para desarrolladores y el pensamiento de 'IA como función'," dijo Mabie.
La diferencia entre líderes y rezagados no es quién tiene IA. Es quién ha aprendido a implementarla. Esa brecha de aprendizaje se ampliará a medida que las decisiones de IA en 2026 determinen qué empresas logran avanzar y cuáles se quedan aún más atrás.
