Dejemos de intentar abarcar demasiado: argumentos a favor de la IA intencional

Merece la pena describir claramente este patrón, porque reconocerlo es el primer paso para superarlo.

La adopción se estanca, el ROI resulta inalcanzable y alguien pierde su trabajo, normalmente la persona que defendió la herramienta en lugar de la que aprobó el presupuesto.

Este ciclo se ha reproducido en todas las grandes oleadas tecnológicas durante décadas, y con la IA, las organizaciones lo están repitiendo con mayores riesgos, presupuestos más elevados y expectativas tan infladas que incomodarían incluso al director de tecnología más optimista. Un martillo no puede construir una casa sin un plano, una mano experta y una idea clara de lo que se está construyendo, y la IA no es diferente en ese sentido. La herramienta es más compleja, las expectativas están más elevadas y los errores son más difíciles de detectar hasta que ya están arraigados.

El problema de definir el éxito como transformación es que la transformación, sin una definición operativa, es inconmensurable, y cuando algo es inconmensurable no se puede defender ni repetir. Se convierte en una declaración más que en una estrategia.

He visto esta situación más de una vez: una empresa implementa herramientas de IA en múltiples departamentos simultáneamente, con diferentes plataformas, sin un marco de gobernanza de datos compartido y sin una referencia acordada de lo que se considera un buen resultado. Dieciocho meses después, cuando la dirección pregunta si está funcionando, nadie en la sala puede responder a esa pregunta con seguridad, no porque las herramientas hayan funcionado mal, sino porque la organización nunca estableció cómo debía ser el rendimiento antes de empezar.

Las organizaciones más ansiosas por transformarse son a menudo las menos preparadas para hacerlo, porque la verdadera transformación requiere disciplina junto con ambición, y la voluntad de reducir el ritmo antes de acelerar. Esa cualidad concreta de la paciencia es realmente difícil de cultivar cuando el consejo de administración está planteando la IA en cada revisión trimestral y los competidores parecen estar avanzando a toda velocidad. Pero las organizaciones que se saltan este paso no evitan el trabajo duro; simplemente lo aplazan a un momento mucho más caro y notorio.

Entonces, ¿cuál es la forma correcta de evaluar, implementar y desplegar la tecnología en una empresa? Empieza por sustituir la fórmula del fracaso en cuatro pasos por algo basado en cómo funciona realmente el cambio.

La forma en que se estructura un presupuesto envía una señal sobre lo que la organización considera importante, y las personas interpretan esa señal con precisión. Cuando la formación, la gestión del cambio y el rediseño de procesos reciben sólo una fracción de la atención y los recursos destinados a la propia tecnología, los responsables de la adopción responderán en consecuencia. Una implementación significativa implica dedicar recursos reales a ayudar a las personas a entender no sólo cómo utilizar la herramienta, sino por qué está cambiando el flujo de trabajo y cuáles son sus responsabilidades dentro de él. Las personas y los procesos no son elementos secundarios de una implantación tecnológica, sino su esencia.

Sustituir «transformar la organización» por una secuencia de puntos de control específicos y medibles crea algo que el discurso de la transformación no puede: una señal honesta sobre si el enfoque está funcionando, con la suficiente antelación para hacer ajustes antes de que la inversión se convierta en el argumento para continuar independientemente de los resultados. ¿Cómo se define el éxito en 90 días? ¿En seis meses? ¿Qué métrica cambia, en qué medida y cuándo?

Toda implementación necesita un responsable, alguien que rinda cuentas de los resultados y no sólo de la puesta en marcha, alguien que siga presente en la sala en la revisión semestral con datos y una lectura honesta de lo que funciona y lo que no. La responsabilidad no es un castigo en este contexto; es lo que separa una implementación que aprende y se adapta de otra que se deteriora silenciosamente mientras todos evitan la conversación.

Estos cuatro pasos no son revolucionarios. Son disciplina operativa aplicada a un nuevo contexto, que es precisamente la clave. Puede que la IA sea una tecnología nueva, pero el reto de gestión que plantea ya lo han afrontado antes las organizaciones.

Una vez sentadas estas bases, la estrategia de implementación se vuelve más clara, y empieza con un tamaño más pequeño de lo que la mayoría de las organizaciones se atreven a admitir.

Empezar poco a poco tiene un problema de reputación. Se interpreta como cobardía, falta de visión o la posición de organizaciones que aún no están preparadas para comprometerse. En la práctica, empezar poco a poco es la forma de aprender qué funciona antes de invertir en ampliar lo que no funciona, y es el único enfoque que tiene un historial consistente de producir resultados que se mantienen a lo largo del tiempo.

En la práctica, parece un caso de uso definido, no «IA para operaciones jurídicas», que es una categoría más que un problema, sino algo específico: queremos reducir el tiempo de revisión de contratos en un 40% para un tipo de contrato recurrente concreto, dentro de este equipo, para esta fecha. Ese nivel de especificidad hace aflorar todas las preguntas importantes antes de comprometer un euro.

Es como un equipo, lo suficientemente cerca del problema como para ofrecer una retroalimentación operativa honesta y con la experiencia suficiente para impulsar una adopción real en lugar de un cumplimiento formal. Es como una métrica de éxito, algo medible y con un plazo determinado que realmente te dice algo cierto sobre si el enfoque está funcionando. Y es como un único responsable, por las razones ya expuestas.

La disciplina de esa especificidad obliga a plantear las preguntas más importantes antes de firmar el contrato: ¿Qué problema estamos resolviendo? ¿Quién lo utilizará y cómo cambiará su flujo de trabajo? ¿Cómo se define el éxito y cómo lo perciben las personas que realizan el trabajo? ¿Qué datos se necesitan? ¿Están depurados, regulados y son accesibles? Si estas preguntas no tienen respuestas sólidas antes de firmar el contrato, la organización no está comprando una solución, sino financiando un problema futuro.

«Intencional» no significa lento; significa deliberado, y es una distinción que vale la pena tener en cuenta. Avanzar con rapidez y con claridad son cosas totalmente compatibles entre sí, mientras que avanzar de forma general y ambigua tiende a producir resultados difíciles de interpretar y aún más difíciles de defender.

Una implementación intencional también implica invertir de forma proporcional, un tema que la mayoría de las organizaciones eluden. Cuando el presupuesto se inclina mucho hacia la tecnología y poco hacia la formación, la gestión del cambio y la alineación de procesos, la implementación ya se ve comprometida, no porque la tecnología sea insuficiente, sino porque la estructura de inversión indica lo que la dirección considera importante. Cuando la formación y los procesos se tratan como partidas presupuestarias y no como compromisos, los responsables de la adopción los tratan en consecuencia.

Antes de cualquier implementación de IA, hay tres preguntas que merecen respuestas reales, no aspiracionales ni superficiales, sino operativas y honestas: ¿Qué intentamos hacer mejor? ¿Quién es responsable si no funciona? ¿Cómo sabremos si funciona? Las respuestas ambiguas a estas preguntas producen resultados ambiguos.

Cuando las organizaciones se resisten a la presión de hacerlo todo a la vez y se comprometen a hacer una cosa realmente bien, ocurre algo previsible: el siguiente caso de uso es más fácil de ejecutar, y el siguiente aún más.

La razón no es que la tecnología haya mejorado. Puede que sea idéntica. La razón es que la organización ha construido algo más duradero que una herramienta: el conocimiento operativo de cómo implantarla bien, un marco de gobernanza que la gente realmente utiliza, un enfoque de gestión del cambio que no existe sólo como documento, y el tipo de confianza cultural que surge de demostrar, concretamente, que esto funciona cuando se crean las condiciones adecuadas.

En ese efecto multiplicador es donde reside el verdadero beneficio de la IA, no en el anuncio de lanzamiento ni en la lista de características, sino en el trabajo paciente y poco glamuroso de sentar bien las bases y construir a partir de ahí.. Está disponible para cualquier organización dispuesta a resistir la tentación del escenario de la transformación el tiempo suficiente para hacer ese trabajo.

Cada organización está tomando una decisión ahora mismo, la plantee o no en esos términos. Algunas están sentando las bases de una IA que se desarrolla con el tiempo, aportando un valor sostenible y haciendo que su personal sea realmente más eficaz. Otras están siguiendo el mismo ciclo de cuatro pasos que ha producido la misma decepción a posteriori en todas las grandes oleadas tecnológicas, culpando a una herramienta que nunca fue la verdadera fuente del problema.

La tecnología nunca ha sido la parte difícil. Lo difícil es la disciplina necesaria para definir el problema antes de implementar la solución, invertir en personas y procesos con la misma seriedad que en la plataforma, medir honestamente lo que importa y empezar con una cosa, hacerla bien y ganarse el derecho a escalar.

Empezar poco a poco y definir intencionadamente el problema antes de implantar la solución no es una limitación de la ambición. Es el camino que conduce realmente a la transformación.