Las 5 tensiones relacionadas con la IA que los líderes deben saber manejar

Cuando los endoscopistas polacos comenzaron a utilizar la IA para detectar el cáncer, su precisión mejoró. Sin embargo, su rendimiento en procedimientos sin IA empeoró. Cuando los estudiantes utilizaron la IA para redactar ensayos al estilo SAT, su creatividad se disparó inicialmente. Sin embargo, aquellos que comenzaron con ideas generadas por IA mostraron una reducción de la actividad de las ondas alfa (un indicador del flujo creativo),«tuvieron tendencia a converger en palabras e ideas comunes» y sus «resultados fueron muy, muy similares» entre sí. Y en un estudio de 2025 que abarcó 20 países europeos, los trabajadores con empleos altamente automatizados informaron de menos propósito, menos control y más estrés, incluso cuando su trabajo se volvió técnicamente más fácil. En conjunto, estos estudios recogen algunas de las muchas dualidades del uso de la IA en el trabajo. Las mismas herramientas que alivian el trabajo pesado también pueden eliminar la difícil fricción que da sentido al trabajo. Estas herramientas pueden facilitar el trabajo, pero también eliminar la lucha que desarrolla las habilidades y la satisfacción. Queríamos comprender cómo se manifiestan estas tensiones dentro de las organizaciones reales y cómo los líderes inteligentes están creando sistemas y barreras de protección para gestionarlas. En medio del entusiasmo y las promesas, nos propusimos descubrir qué es lo que realmente funciona. Recopilamos estudios y lecciones de más de 100 personas (entrevistamos a 35 de ellas) de nuestras redes que están ayudando a sus propias organizaciones y a otras a incorporar la IA en el lugar de trabajo, o que están estudiando cómo se desarrollan los retos y las soluciones. Estos creadores, ejecutivos, inversores, asesores e investigadores de todo el mundo varían en sus áreas de especialización y en su optimismo sobre la IA en el lugar de trabajo. Sin embargo, todos son personas a quienes admiramos por su sabiduría y sentido común. El resultado es«AI Transformation 100», una lista comentada con 100 ideas sobre cómo la IA podría acentuar los aspectos positivos y atenuar los negativos en sus lugares de trabajo. Este es nuestro primer proyecto del nuevo Work AI Institute de Glean, una plataforma de IA empresarial que ayuda a los equipos a encontrar conocimientos, tomar medidas inteligentes y automatizar el trabajo. Nuestros objetivos eran empezar a separar la experimentación de la ejecución y el bombo publicitario de la transformación tangible, así como comprender dónde la IA está impulsando el progreso, dónde se está estancando y dónde está fracasando de forma silenciosa (o ruidosa). Hubo mucho ruido y muchas inconsistencias en los estudios y las historias que recopilamos para crear la lista AI Transformation 100. Sin embargo, hubo un patrón que destacó. Los mejores líderes no hablan de la IA en términos absolutos. No la tratan como una salvadora o una saboteadora. Mantienen la curiosidad... y un poco de escepticismo. Se preguntan: ¿estamos yendo demasiado lejos o no lo suficiente? A lo largo de nuestra investigación, surgieron cinco tensiones, cada una de las cuales supone un equilibrio que todos los líderes deben manejar. Tensión 1: Expertos frente a novatos La IA está cambiando quién puede ser experto. Lo que antes requería años de formación (escribir código, analizar datos, redactar lenguaje jurídico) ahora puede hacerlo casi cualquier persona con el prompt adecuado. La línea entre experto y novato se está difuminando. Ese cambio trae consigo tanto oportunidades como riesgos. Amplía el número de personas que pueden contribuir, pero también hace que sea más fácil confundir el dominio de la IA con el dominio de un oficio o una materia. El reto no es elegir entre expertos y novatos, sino saber cuándo recurrir a cada uno. Por un lado, los expertos aportan rigor y profundidad. Han visto los fracasos, los casos extremos, las razones por las que las cosas no funcionan. Ese conocimiento es esencial, pero también puede frenar la creatividad demasiado pronto. John Lilly, miembro de la junta directiva de Duolingo, nos habló de dos personas sin formación en ingeniería y sin experiencia en ajedrez que utilizaron la IA para crear un prototipo de curso para aprender a jugar al ajedrez en solo cuatro meses, superando a otras iniciativas internas de Duolingo. «Si se incorpora a expertos demasiado pronto», dijo, «les dirán todas las razones por las que no funcionará. La IA permitió a las personas sin formación en ingeniería mostrar lo que era posible, rápidamente». Y en Google, los equipos han pasado de los largos documentos que detallan los requisitos de los productos a un enfoque de «prototipo primero». Con la «codificación vibrante» impulsada por la IA, varios expertos nos cuentan que ahora crean demostraciones funcionales antes de redactar propuestas, lo que acelera la iteración y evita que las buenas ideas mueran en el comité. Pero irse demasiado al otro extremo conlleva nuevos riesgos. Tal y como nos han destacado tanto los líderes en primera línea como los investigadores, los novatos que utilizan la IA para imitar la experiencia pueden crear «basura de IA», es decir, resultados que parecen convincentes pero que se desmoronan al analizarlos detenidamente. Una investigación de Stanford sobre qué desarrolladores de software consiguen trabajo (y cuáles no) sugiere que las empresas confían en los expertos para combatir esos resultados mediocres. Si bien la contratación de desarrolladores principiantes ha disminuido, la demanda de ingenieros sénior sigue aumentando. La IA puede generar un borrador aceptable, pero no puede replicar el criterio, la elegancia o el pensamiento sistémico de los desarrolladores veteranos. Para aprovechar la imaginación de los novatos sin abrir las compuertas a la basura de la IA, prueben lo siguiente: Deje que los generalistas empiecen, pero no terminen. Utilice la IA para reducir las barreras de entrada de los primeros prototipos, pero asegúrese de que los expertos intervengan para probar, perfeccionar y ampliar lo que funciona. En Stitch Fix, el antiguo director de algoritmos Eric Colson describió cómo los algoritmos escaneaban el inventario y las preferencias de los clientes para señalar las necesidades no satisfechas (como estilos, colores o tejidos que faltaban en la gama). Los algoritmos personalizados desarrollados por el equipo de Colson generaban sugerencias de diseño basadas en esas carencias. Pero en lugar de dejar que el sistema diera luz verde a la producción, Stitch Fix remitía esas sugerencias a diseñadores humanos, que decidían cuáles encajaban con la marca, cumplían los estándares de calidad y gustaban a los clientes. Los algoritmos ampliaban el abanico de opciones creativas; los expertos lo reducían a lo que merecía la pena hacer. No deje fuera a sus mejores empleados a la hora de entrenar el modelo. El vicepresidente de IA de TELUS, Alexandre Guilbault, nos advirtió sobre el peligro de mantener a los empleados con mejor rendimiento demasiado atados a sus tareas diarias. Según él, «los mejores empleados son los que pueden impulsar la mayor transformación... pero a menudo las organizaciones quieren mantener a sus mejores empleados en las operaciones». Los líderes deben sacar a sus mejores empleados —como médicos, técnicos, profesionales de RR. HH. y expertos en datos— de las trincheras para que prueben los modelos de IA y participen en los programas piloto desde el principio, incluso si eso ralentiza la ejecución a corto plazo. Dejarlos fuera supone el riesgo de crear sistemas basados en los hábitos de los empleados con un rendimiento medio, en lugar de en las acciones que hacen grandes a sus mejores empleados. Incorpore a expertos en los equipos locales. En Glean, el equipo «Glean on AI» está compuesto por expertos que representan y forman parte oficialmente de diferentes funciones de la organización, como marketing, finanzas e ingeniería. Estos expertos se encargan de identificar los procesos manuales dentro de sus funciones especializadas que merecen ser automatizados y de crear hojas de ruta para convertir dichos procesos en agentes impulsados por IA. El equipo «AI Outcomes» de Glean aplica una estrategia similar al integrar a los empleados de ventas en las organizaciones de los clientes para comprender cómo trabajan y desarrollar soluciones con ustedes, no para ustedes. Tensión 2: Centralizado frente a descentralizado A medida que se extiende la IA, los líderes se enfrentan a una pregunta habitual: ¿cuánto control debe permanecer en la cúpula y en el centro, y cuánta libertad debe haber en los niveles inferiores y periféricos de la organización? Algunas organizaciones apuestan por la centralización, creando centros de excelencia en IA para hacer cumplir las normas, gestionar los riesgos y controlar el acceso. Pero cuando cada proyecto piloto debe atravesar un laberinto de revisiones legales, de seguridad y de aprovisionamiento, la innovación muere en comités, cuellos de botella y traspasos fallidos. Para cuando se obtienen las aprobaciones, la tecnología ya ha avanzado. Por otro lado, cuando el desarrollo de la IA se descentraliza enormemente, la innovación puede superar a la integración. Los equipos corren en diferentes direcciones, los paneles de control se multiplican y las soluciones automatizadas se superponen y, a veces, chocan entre sí. La sobrecarga resultante y el cambio constante entre aplicaciones y herramientas fragmentadas alimentan lo que el profesor Paul Leonardi, de la Universidad de California en Santa Bárbara, denomina «agotamiento digital». Para establecer una gobernanza suficiente sin frenar todas las buenas ideas con procedimientos, pruebe lo siguiente: Centralice para obtener escala y seguridad; descentralice para aprender y ganar velocidad. En una universidad estadounidense, el centro de excelencia de IT gestiona los ámbitos de alto riesgo (gobernanza de datos, integración e infraestructura) para garantizar la coherencia y la seguridad. Las facultades individuales llevan a cabo proyectos piloto descentralizados para avanzar más rápidamente y poner a prueba ideas. El CIO de la universidad nos sugirió utilizar la siguiente regla general: Alto riesgo, baja experimentación (por ejemplo, seguridad de los datos, cumplimiento normativo): centralizar. Bajo riesgo, alta experimentación (por ejemplo, automatización de flujos de trabajo, pruebas de prompt): descentralizar. Cuidado con los nuevos roles atractivos. En momentos de transformación, resulta tentador centralizar el progreso inventando nuevos títulos relacionados con la IA, como directores de IA, ingenieros de prompt y responsables de ética de la IA. Pero, con demasiada frecuencia, estas funciones se convierten en algo simbólico, no estratégico: una fachada sin presupuesto, autoridad ni influencia real. Varios líderes y académicos nos explicaron cómo centralizar el liderazgo en IA bajo uno o dos jefes con nuevos títulos puede ralentizar el aprendizaje y crear cuellos de botella burocráticos, mientras que una descentralización excesiva puede dispersar la responsabilidad entre demasiadas funciones poco importantes, descoordinadas y, en ocasiones, conflictivas. En lugar de añadir más capas, líderes, equipos y títulos que añaden una complejidad innecesaria o que los miembros internos y externos consideran símbolos vacíos, distribuyan las responsabilidades de la IA entre los equipos y funciones existentes, donde ya existen la autoridad, la comprensión del trabajo y la confianza. Elijan una tecnología que imponga una gobernanza de nivel empresarial, pero que permita a las personas realizar su trabajo sin fricciones. Las mejores plataformas de IA proporcionan medidas de seguridad (por ejemplo, seguridad, permisos y registros de auditoría) al tiempo que permiten a los equipos individuales crear, probar y repetir de forma segura dentro de sus propios dominios. Antes de implementar una plataforma de búsqueda interna basada en IA, los equipos de RR. HH. de Booking.com estaban «muy nerviosos» por la introducción de la IA. Les preocupaba que pudiera exponer información confidencial de los empleados a sus compañeros cuando utilizaran la herramienta para buscar recursos de la empresa, como políticas y formularios de RR. HH. Como explicó el director sénior de ingeniería Tadeu Faedrich: «No queríamos que la gente encontrara documentos a los que no debía tener acceso». Tuvieron mucho cuidado al implementar un sistema que garantiza que las búsquedas con IA solo revelen información que los empleados tienen permiso para ver o acceder. De esta manera, los empleados pueden utilizar libremente la herramienta como parte de su trabajo diario sin verse atrapados por aprobaciones o preocuparse por los riesgos de privacidad. Tensión 3: Jerarquía más plana frente a más alta Los organigramas con demasiados niveles jerárquicos frenan el impulso y atrapan las decisiones en niveles muy por encima de donde se encuentran los mejores datos, la experiencia y el criterio. Muchas organizaciones, especialmente las empresas tecnológicas, se están subiendo al carro de «cuanto más plana, mejor». A medida que la IA automatiza la presentación de informes y las decisiones rutinarias, muchos líderes asumen que pueden eliminar niveles y permitir que sus empresas avancen más rápido. Pero la jerarquía no es sinónimo de burocracia sofocante; es la forma en que las organizaciones aprovechan y dan sentido a la complejidad. Eliminar niveles sin rediseñar el flujo de trabajo a través del sistema simplemente desplaza y, a menudo, magnifica la fricción destructiva. Uno de nuestros entrevistados, Michael Arena, exdirector de recursos humanos de General Motors e investigador veterano en redes sociales, descubrió que una estructura excesivamente horizontal provoca una sobrecarga de trabajo en los directivos, que acaban creando cuellos de botella al no poder mantenerse al día con las decisiones, las crisis y las tareas cotidianas. Concretamente, cuando los gerentes dirigen equipos con más de siete subordinados directos, a menudo trabajan entre 10 y 13 horas al día y aún así tienen dificultades para completar su trabajo, lo que les hace sentirse abrumados y agotados. Para decidir si es aconsejable aplanar su organigrama dada la complicada realidad de cómo se realiza su trabajo, tenga en cuenta lo siguiente: Cuidado con la verdad a medias de que «la horizontalización es más rápida». Muchas empresas han aplanado sus organizaciones para avanzar más rápido, pero la investigación de Arena y sus colegas muestra cómo esta estrategia puede ser contraproducente, sobrecargando a los gerentes y ralentizando la coordinación. Por lo tanto, antes de aplanar, Arena sugiere evaluar en qué medida las personas de su organización trabajan en dos modos: Trabajo querequiere concentración y no exige una coordinación y colaboración complejas, como la programación, la redacción o el análisis de datos. Trabajo que requiere interdependencia (a menudo en tiempo real) y comunicación bidireccional, como establecer relaciones con los clientes, intercambiar ideas sobre nuevos productos y servicios con un equipo o generar y comunicar la estrategia de la organización. Si la mayor parte del trabajo consiste en la ejecución meticulosa por parte de personas que pueden trabajar sin una coordinación estricta y una comunicación constante, utilice agentes de IA para asumir las tareas rutinarias y aligerar la carga de los gerentes, lo que les permitirá dirigir equipos más grandes. Si el trabajo es más meticuloso, mantenga un número reducido de personas a cargo de cada gerente y reinvierta las ganancias en eficiencia obtenidas gracias a la IA para que los gerentes puedan dedicar más tiempo a comunicarse, prevenir conflictos destructivos, ejercer su criterio y fortalecer las relaciones. Utilice la IA para aligerar, no para eliminar, la gestión. Deshágase de las tareas repetitivas y el papeleo administrativo, como las actualizaciones de estado, la programación y la elaboración de informes, para que los gerentes puedan centrarse en lo que solo los humanos hacen bien: la formación, la coordinación y el juicio. En Workday, el vicepresidente de análisis de personal, Phil Wilburn, nos contó que dejó de exigir a los equipos que elaboraran presentaciones informativas y documentos de actualización semanales. En su lugar, los datos no estructurados de las conversaciones de Slack y los planes de proyectos ahora se introducen en un único sistema de inteligencia artificial. Antes de las reuniones, Wilburn pide a la IA que compile un resumen o profundice en un tema. Como resultado, su equipo ya no pierde horas recopilando actualizaciones para él o respondiendo a sus preguntas rápidas. La IA no ha sustituido a la gestión, sino que ha eliminado la carga administrativa que la entorpecía. Tensión 4: Rápido frente a lento Los líderes de casi todas las empresas quieren que se les vea «haciendo IA», y hacerlo rápido se ha convertido en una señal de que lo están haciendo bien. Pero más rápido no siempre es mejor. El bombo publicitario y las palabras bonitas se pueden producir mucho más rápido que el lento y minucioso trabajo de reconfigurar la forma en que trabajan realmente las personas. El verdadero reto no es ir cada vez más rápido, sino saber dónde hay que ir rápido y dónde hay que ir más despacio. En muchas organizaciones, la velocidad excesiva y la impaciencia alimentan las brechas entre la toma de decisiones y su implementación: los líderes se apresuran a adoptar nuevas herramientas, pero no se detienen lo suficiente para reparar los sistemas defectuosos o comprender cómo encaja la tecnología dentro de las limitaciones, los hábitos y los flujos de trabajo existentes. Como resultado, las decisiones de «hacer algo nuevo» tardan mucho más en implementarse de lo esperado (si es que se implementan). La adopción se vuelve desigual, se retrasa o se abandona silenciosamente. La promesa de la IA de mejorar la eficiencia y la fiabilidad se desvanece cuando los líderes intentan imponerla en organizaciones que carecen de los sistemas, los incentivos y las habilidades necesarios para ponerla en práctica. Hatim Rahman, profesor de la Universidad Northwestern, nos contó un ejemplo de la brecha entre la toma de decisiones y su implementación. Describió un proyecto hospitalario en el que su estudiante de PhD, Jodie Koh, está estudiando cómo se está introduciendo la IA para mejorar el acceso a los diagnósticos médicos. El entrenamiento de los modelos de IA requiere miles de imágenes de ultrasonido, especialmente exploraciones repetidas de los mismos pacientes a lo largo del tiempo. Pero las presiones de eficiencia en la atención sanitaria han enseñado a los médicos a minimizar el número de imágenes de cada paciente para ahorrar tiempo y dinero. Obtener el consentimiento de los pacientes para utilizar sus imágenes crea retrasos adicionales. Y el progreso se ralentiza aún más porque los departamentos de imagenología que necesitan colaborar para implementar las herramientas de IA a menudo no lo hacen. Rahman nos dijo que tienen pocos incentivos para hacerlo y que, en ocasiones, tienen un historial de desagradables conflictos entre departamentos. Los técnicos también se resisten al proyecto de IA porque temen que los datos resultantes se utilicen para supervisar su rendimiento, aumentar su carga de trabajo o justificar recortes de personal. Como resultado, el proceso de recopilación de las imágenes necesarias se está prolongando mucho más de lo que los responsables esperaban cuando comenzó la implementación. El inversor James Cham, socio de Bloomberg Beta, nos habló de una start-up dedicada a la inteligencia artificial que intentó evitar este tipo de obstáculos. Aislaron a un pequeño equipo del resto de la empresa, lo trasladaron a una oficina separada y le dieron un mandato claro: crear flujos de trabajo integrales que el software pudiera ejecutar sin intervención humana. En la práctica, esto significaba cambiar el trabajo de «gestión» de supervisar a las personas a supervisar las herramientas basadas en IA que realizaban el trabajo por sí mismas, herramientas que, por ejemplo, podían revisar, escribir y corregir código basándose en los errores detectados en la producción. (Matt Beane, profesor de la Universidad de California en Santa Bárbara, y sus colegas describen este trabajo como la gestión de «flotas» de agentes autónomos). La separación y el aislamiento de este equipo en la start-up de IA les permitió avanzar más rápido que el resto de la organización, pero es demasiado pronto para saber si esa velocidad se traducirá en algo que la empresa en general pueda adoptar y mantener. Para equilibrar la prisa por avanzar rápidamente con la disciplina de reducir la velocidad cuando es necesario, pruebe lo siguiente: Proteja el modo lento. Incorpore obstáculos en el trabajo creativo y estratégico, incluyendo puntos de control, períodos de incubación y rituales de reflexión. Perry Klebahn dirige la aceleradora Launchpad de la Stanford d.school, donde se han fundado más de 100 empresas en la última década. Klebahn afirma que la IA hace que sea mucho más fácil que en el pasado para los fundadores de Launchpad a los que entrena generar prototipos e iterar rápidamente. Pero esa misma facilidad y rapidez, dice Klebahn, a veces frena el profundo compromiso, la determinación y la implicación que los fundadores necesitan para convertir ideas prometedoras en empresas viables. Explica: «Los fundadores solían decir "mi idea" o "nuestro prototipo". Ahora dicen "esta idea"». Este cambio preocupa a Klebahn porque cree que, cuando las ideas surgen con demasiada facilidad, las personas dejan de luchar por ellas. Es una versión moderna de lo que los psicólogos denominan el efecto«el trabajo conduce al amor»:cuanto más nos esforzamos por conseguir algo, más lo valoramos para justificar nuestros esfuerzos ante nosotros mismos y ante los demás. La clave está en saber qué partes del proceso se benefician de una ejecución rápida y cuáles requieren un pensamiento lento y un esfuerzo que permita que las ideas originales alcancen su potencial. Recompense el aprendizaje, no el espectáculo. Rebecca Stern, directora sénior de aprendizaje y desarrollo del liderazgo de Udemy, nos habló de los eventos de aprendizaje sobre IA que organiza la empresa para toda la organización, llamados «U-Days». En lugar de limitarse a celebrar demostraciones llamativas, Udemy divide los premios en tres categorías: mayor impacto empresarial, mejora más cuantificable y mejores comentarios de los compañeros. El objetivo no es recompensar a quienes se mueven más rápido y son más deslumbrantes, sino recompensar a las personas con ideas y que aportan comentarios que pueden impulsar un cambio más profundo. Realice la prueba de «residuos de IA». Una característica distintiva de todas las modas pasajeras en materia de gestión y tecnología es que los proveedores, los fundadores y los equipos internos llenan su lenguaje de jerga de moda para disimular un pensamiento superficial, ideas débiles y soluciones sin probar. Por desgracia, el término «IA» se utiliza con demasiada frecuencia de esta manera. Le sugerimos que, después de escuchar una presentación, se tome su tiempo, tache cada uso del término IA (y la jerga relacionada, como «algoritmos de vanguardia», «aprovechamiento de big data» y «soluciones escalables»). Léalo de nuevo. Si lo que queda es vacío y sin sentido, enhorabuena: puede «rechazar» la presentación y ahorrar tiempo y dinero. Tensión 5: Cambio de arriba abajo frente a cambio impulsado por los pares Otra tensión que observamos fue hasta qué punto la transformación de la IA debía ser liderada desde arriba o impulsada por los compañeros. Las políticas, los principios y el liderazgo de arriba abajo son esenciales para impulsar el uso y el aprendizaje de las herramientas de IA (o cualquier otro cambio sistémico) en toda la empresa. Los datos de Worklytics muestran que los equipos eran dos veces más propensos a adoptar herramientas de IA cuando sus gerentes las utilizaban primero. Sin embargo, cuando hay demasiada presión de arriba abajo para cualquier cambio, esto puede provocar resistencia y un cumplimiento meramente formal: los empleados marcan casillas en lugar de cambiar su forma de trabajar. Por otro lado, si se confía demasiado en los esfuerzos y la energía ascendentes, se produce fragmentación y fatiga, es decir, pequeños grupos de experimentación que nunca llegan a escalarse. Un director técnico lo comparó con tener cientos de pequeñas lanchas rápidas compitiendo en diferentes direcciones, lo que ralentiza a la empresa porque sus esfuerzos no están coordinados. Los mejores líderes logran un equilibrio, estableciendo la dirección desde arriba y, al mismo tiempo, fomentando y recompensando los esfuerzos ascendentes. Para equilibrar la dirección de arriba abajo con el entusiasmo y el compromiso de las personas de toda su organización, pruebe lo siguiente: Cree un ritmo de cambio. En una empresa minorista incluida en la lista Fortune 20, el CEO mantiene la IA como un tema recurrente en sus reuniones mensuales con cientos de vicepresidentes. Un comité directivo interfuncional se reúne periódicamente para armonizar la adopción, la gobernanza y los casos de uso en las áreas de finanzas, recursos humanos, tecnología y operaciones. Y las reuniones del personal de los departamentos terminan con el mismo ritual: un breve «momento IA», en el que los líderes se turnan para compartir lo que han probado, lo que funciona y lo que no. El resultado: las iniciativas de IA fluyen a través de todos los niveles de la organización y se han convertido en parte del ritmo operativo de la organización, no en un proyecto secundario. Prevean que la mayoría de los experimentos fracasen. Un vicepresidente de una organización incluida en la lista Fortune 500 nos comentó que aproximadamente el 80 % de los proyectos de IA no alcanzan sus objetivos iniciales de productividad. Por lo tanto, no rediseñan ni eliminan puestos de trabajo hasta que tienen pruebas convincentes de que la IA aumentará la eficiencia y la fiabilidad. Sugerimos que, dado que los líderes impulsan el cambio de arriba abajo, consideren la alta tasa de fracaso como algo normal, esperable e incluso bienvenido cuando se emprende algo nuevo. Incorporen ciclos de revisión para analizar y recopilar lo que ha funcionado, lo que no y por qué, a partir de los comentarios de los empleados de niveles inferiores, de modo que el fracaso impulse el aprendizaje en lugar de la frustración y las acusaciones. Mida lo que importa. Como parte de los esfuerzos de cambio impulsados desde arriba, vemos que demasiadas empresas miden la actividadde la IA (clics, inicios de sesión o recuentos de prompt) en lugar de su impacto. Por ejemplo, una empresa de la lista Fortune 100 incluso clasificó a sus empleados según el uso de herramientas de IA y enviaba semanalmente tablas de clasificación. Otra vinculó la «actividad de IA» a las evaluaciones de rendimiento. Nan Guo, vicepresidenta sénior de ingeniería de Zendesk, compartió cómo, en lugar de realizar un seguimiento de indicadores superficiales de «uso» como los inicios de sesión o el número de prompts, su equipo creó un cuadro de mando integral con seis métricas de productividad de ingeniería: cinco son operativas (tiempo de ciclo, tiempo de ciclo de revisión de código, frecuencia de fusión, tasa de fallos de cambio y número de implementaciones) y una es una métrica de compromiso que captura la opinión de los ingenieros sobre sus herramientas. Según nuestra experiencia, centrarse en el impacto en lugar de en la actividad ofrece a las personas una orientación más clara sobre lo que los líderes valoran de arriba abajo, lo que permite a los equipos de abajo arriba adoptar la IA de formas que realmente mejoran su trabajo. Formalizar las redes de compañeros. En Uber, Manjari Agochiya, responsable de estrategia de IA generativa, nos contó que lanzaron una convocatoria abierta para casos de uso de IA. Se presentaron alrededor de 150 ideas, pero lo más importante es que se descubrieron 53 pioneros en IA en diferentes funciones. Se trataba de empleados que ya estaban experimentando, compartiendo lecciones y creando prototipos. Se convirtieron en la primera red real de pioneros en IA generativa de Uber, formando la columna vertebral de su comunidad interna de aprendizaje entre iguales. En otras organizaciones que hemos estudiado, este tipo de redes de defensores suelen impulsar el compromiso, reforzar la moral interfuncional y abrir nuevas oportunidades de visibilidad y avance, especialmente para los empleados no técnicos que a menudo se convierten en los primeros defensores. En una organización, por ejemplo, un responsable de ventas que comenzó a experimentar con la IA en su trabajo diario se convirtió rápidamente en el experto interno de referencia y más tarde fue elegido para ayudar a liderar los esfuerzos de adopción de la IA en la empresa. Liderar bien en el turbio mundo de la IA La transformación de la IA es un acto de equilibrio, y los líderes y las organizaciones deben lidiar con fuerzas contrapuestas. Los líderes inteligentes no se inclinan sin pensar hacia un extremo u otro. Mantienen su curiosidad y tratan las tensiones como características y limitaciones de diseño, algo que hay que gestionar y aprovechar, y no como defectos o problemas molestos que pueden y deben eliminar. Por último, predecir con exactitud cómo la IA moldeará y debería moldear las organizaciones es una tarea inútil. Los líderes que tengan éxito no serán aquellos que mantengan creencias firmes, inflexibles e inmutables. Las investigaciones y las lecciones prácticas sobre la implementación de la IA en el lugar de trabajo son provisionales, confusas, están en constante cambio y (con demasiada frecuencia) son contradictorias. Cualquier conclusión sobre el mejor camino a seguir es, en el mejor de los casos, provisional. El reto para los líderes nos recuerda una vieja historia (probablemente apócrifa) sobre la advertencia que el decano de la Facultad de Medicina de Harvard hacía a los nuevos estudiantes el primer día de clase: «El cincuenta por ciento de lo que les enseñamos resultará ser erróneo. El problema es que no sabemos qué 50 %». Del mismo modo, en lo que respecta a la IA, los líderes sabios y exitosos serán aquellos que sean lo suficientemente humildes y construyan organizaciones lo suficientemente flexibles, de modo que ellos y sus equipos puedan seguir aprendiendo y actualizándose a medida que el terreno cambia bajo sus pies.

Las 5 tensiones relacionadas con la IA que los líderes deben saber manejar

Resumen.

Partner Center