Durante los últimos años, buena parte de la estrategia corporativa de IA se ha concentrado alrededor de una pregunta: ¿qué herramientas debemos adoptar?
La respuesta ha sido bastante predecible: licencias empresariales, copilotos, asistentes, automatización de procesos y, más recientemente, agentes capaces de ejecutar tareas que antes requerían intervención humana.
El problema es que comprar capacidad tecnológica no significa desarrollar capacidad organizacional.
Una empresa puede desplegar IA en cientos de posiciones y seguir operando prácticamente igual. Puede reducir de cuatro horas a una el tiempo necesario para preparar una presentación, analizar información o redactar un reporte y, aun así, no cambiar sus decisiones, sus procesos ni su P&L.
De hecho, esa brecha ya empieza a verse en los números. En México, 26% de las organizaciones se encuentra en una fase de adopción activa de IA, pero sólo 7% reporta un retorno de inversión consolidado. La mitad incluso ha tenido que replantear iniciativas porque los costos terminaron siendo mayores que los beneficios esperados.
El problema, entonces, deja de ser únicamente tecnológico.
Se convierte en un problema de cultura, diseño organizacional y liderazgo.
Para Latinoamérica esto merece especial atención. Incorporar inteligencia artificial sobre estructuras muy jerárquicas, culturas con poca experimentación o equipos donde equivocarse todavía tiene un costo alto no corrige esas condiciones. En muchos casos, las amplifica.
La próxima ventaja competitiva probablemente no pertenecerá a quien tenga acceso a los mejores modelos. Al final, muchas empresas podrán comprar prácticamente la misma tecnología.
La diferencia estará en quién aprenda a dirigir mejor la combinación entre personas y sistemas inteligentes.
De liderazgo digital a Liderazgo Sintético
En Nexo proponemos llamar Liderazgo Sintético a la capacidad de dirigir flujos de trabajo en los que personas y sistemas de IA (autónomos o semiautónomos) colaboran para producir resultados de negocio.
No se trata de sustituir liderazgo humano por algoritmos.
Se trata de reconocer que la unidad básica del trabajo está cambiando.
Durante décadas, un líder gestionó principalmente tres variables: personas, recursos y procesos.
Hoy aparece una cuarta: capacidad cognitiva artificial disponible bajo demanda.
Un gerente puede delegar una investigación a un agente, apoyarse en otro sistema para analizar información y automatizar parte de una operación. Pero sigue siendo responsable de decidir qué delegar, qué revisar, qué cuestionar y, sobre todo, qué decisión tiene que seguir siendo suya.
Y ahí aparece una competencia directiva que todavía estamos tratando como si fuera una habilidad técnica: la delegación algorítmica.
No todo lo que puede automatizarse debería automatizarse.
Un líder necesita distinguir entre aquellas actividades donde la IA amplifica la capacidad del equipo y aquellas donde puede terminar erosionando criterio, aprendizaje, confianza o incluso la relación con el cliente.
La pregunta ya no es solamente:
“¿Qué puede hacer la IA?”
La pregunta es:
“¿Qué combinación de juicio humano y capacidad artificial produce el mejor resultado?”
Puede parecer una diferencia semántica. No lo es. Cambia por completo la forma en la que diseñamos el trabajo.
El riesgo latinoamericano: automatizar antes de preparar a quienes lideran
Buena parte de la conversación corporativa sobre IA ocurre entre dos extremos.
Arriba, la Alta Dirección presiona por velocidad, adopción y retorno de inversión.
Abajo, los colaboradores experimentan directamente con las herramientas.
En medio están los mandos medios.
Y probablemente ahí se encuentre uno de los mayores puntos de tensión de esta transformación.
Son los gerentes, supervisores y líderes funcionales quienes tienen que traducir una estrategia abstracta de IA en decisiones cotidianas:
¿Qué proceso debería cambiar?
¿Qué responsabilidad debe reasignarse?
¿Qué error estamos dispuestos a tolerar?
¿Cómo evaluamos el desempeño cuando parte del trabajo ya está asistido por IA?
¿Qué hacemos con la capacidad que liberamos?
¿Quién responde cuando una decisión asistida por IA sale mal?
Ese trabajo no se resuelve enviando a los managers a un curso de herramientas.
Necesita acompañamiento, criterio y espacios para rediseñar la forma en que funciona el equipo. Se parece mucho más al trabajo que haríamos desde desarrollo de liderazgo o executive coaching que a una capacitación de software.
Cuando eso no ocurre, empiezan a aparecer dos respuestas que pueden resultar igualmente costosas.
La primera es la resistencia silenciosa.
La empresa declara que usa IA, pero los procesos relevantes permanecen prácticamente intactos. Los colaboradores experimentan por su cuenta, los líderes evitan modificar responsabilidades y la tecnología termina convirtiéndose en una nueva capa colocada sobre la misma manera de trabajar.
Tenemos más herramientas.
Pero no necesariamente una organización diferente.
La segunda es el burnout por sobre-automatización.
Ocurre cuando la promesa de eficiencia se convierte automáticamente en una expectativa de producir más.
Si una actividad que tomaba cuatro horas ahora toma una, pero las tres horas liberadas se llenan inmediatamente de nuevas tareas, reuniones y entregables, el colaborador no vive la IA como amplificación de capacidad.
La vive como una nueva fuente de presión.
Y entonces aparece una paradoja bastante incómoda: más tecnología, más velocidad y menos capacidad organizacional sostenible.
Evitar ambos escenarios requiere algo que rara vez aparece en el presupuesto de transformación de IA:
una arquitectura de liderazgo explícita para adoptarla.
Tres prioridades para cerrar la brecha
1. Rediseñar la confianza frente a la IA
La transformación empieza con una conversación que muchas organizaciones todavía no saben cómo tener:
¿qué significa la IA para mi trabajo?
Si la empresa no responde con claridad, cada persona va a llenar ese vacío con su propia interpretación.
Algunos ocultarán que utilizan IA porque temen parecer menos competentes.
Otros dejarán de compartir conocimiento porque sienten que hacerlo podría facilitar la automatización de su propia posición.
Y algunos líderes la utilizarán sin reconocerlo, creando una cultura de experimentación clandestina en lugar de aprendizaje colectivo.
No sirve prometer que nada va a cambiar.
Probablemente sí va a cambiar.
La confianza viene de explicar qué puede cambiar, con qué criterios se tomarán esas decisiones y qué papel tendrán las personas dentro de ese proceso.
Eso también exige reglas claras.
¿Qué usos de IA son aceptables?
¿Qué información podemos introducir?
¿Qué decisiones requieren necesariamente juicio humano?
¿Cómo vamos a tratar los errores?
¿Qué sucede con el tiempo y la capacidad que libera la automatización?
Sin esas respuestas, pedirle a las personas que “adopten IA” es pedirles que participen en una transformación cuyo impacto sobre su propio trabajo todavía no entienden.
2. Formar a la primera línea directiva en delegación algorítmica
Enviar a un gerente a un curso genérico de prompting puede ayudarle a utilizar mejor una herramienta.
Pero no necesariamente lo prepara para dirigir el trabajo que esa herramienta empieza a cambiar.
La habilidad crítica no es escribir mejores instrucciones.
Es rediseñar el trabajo.
Un líder debería poder tomar cualquier proceso de su equipo y dividirlo, al menos, en cuatro categorías:
- lo que debe seguir siendo humano;
- lo que puede ser asistido por IA;
- lo que puede automatizarse;
- y lo que, ahora que estamos revisando el proceso, simplemente debería desaparecer.
Después viene lo más difícil: establecer controles.
¿Qué resultados tienen que verificarse?
¿Quién conserva el accountability?
¿Cuándo tiene que intervenir una persona?
¿Qué decisiones nunca deberían delegarse?
La delegación algorítmica debería empezar a tener el mismo peso que otras competencias tradicionales de liderazgo, como asignar responsabilidades, gestionar desempeño o desarrollar talento.
Porque incorporar agentes inteligentes sin desarrollar esa capacidad equivale, en cierta forma, a aumentar drásticamente el span of control de un gerente sin enseñarle cómo administrarlo.
No es sólo un problema de habilidad individual.
Es un problema de arquitectura organizacional.
3. Medir impacto en el P&L, no sólo horas ahorradas
Hay una métrica que aparece constantemente cuando hablamos de IA:
tiempo ahorrado.
“Reducimos tres horas.”
“El reporte se genera 60% más rápido.”
“Automatizamos 200 tareas.”
Son datos útiles.
Pero tienen un problema: una hora ahorrada no es automáticamente una hora monetizada.
Si esa capacidad no termina convirtiéndose en más ventas, menores costos, mejor servicio, menos riesgo, mayor volumen o decisiones más rápidas, el impacto financiero puede ser mínimo.
La Alta Dirección necesita empezar a conectar adopción de IA con indicadores económicos mucho más concretos:
margen por empleado, costo de servir, velocidad comercial, tiempo de ciclo, errores operativos, revenue por FTE o capacidad adicional absorbida sin contratar.
No se trata de demostrar que una persona puede hacer su trabajo más rápido.
Se trata de demostrar que la organización produce más valor con la capacidad que ya tiene.
“La IA no sustituirá a tus líderes; los líderes que sepan orquestar IA sustituirán a los que no sepan hacerlo.”
-Mauricio Rodríguez
La conversación que debe llegar al Comité Ejecutivo
La inteligencia artificial no va a eliminar la necesidad de liderazgo.
Probablemente haga lo contrario.
Cuanta mayor autonomía tengan los sistemas, mayor será la necesidad de líderes capaces de establecer contexto, límites, criterio y responsabilidad.
Por eso la pregunta para CEOs, CHROs y líderes de Desarrollo Organizacional no debería ser solamente cuánto invertirán en IA durante los próximos años.
Debería ser otra:
¿Nuestra madurez de liderazgo está creciendo a la misma velocidad que nuestra capacidad tecnológica?
Si la respuesta es no, estamos acumulando una deuda organizacional detrás de cada nueva licencia, cada nuevo agente y cada nueva automatización.
Y esa deuda tarde o temprano aparece.
Puede aparecer como resistencia.
Como costos que no producen retorno.
Como procesos que nunca cambiaron.
Como líderes que no saben qué delegar.
O como personas a las que les pedimos producir cada vez más porque la tecnología supuestamente les “ahorró tiempo”.
Las empresas que logren cerrar esa brecha no serán simplemente organizaciones que usan IA.
Serán organizaciones capaces de combinar inteligencia humana y artificial para tomar mejores decisiones, operar con más capacidad y construir ventajas que un competidor no podrá replicar simplemente comprando el mismo software.
Ese es el desafío del Liderazgo Sintético.
Mauricio Rodríguez es Director de Nexo Talento & Aprendizaje.