La inteligencia artificial (IA) ocupa, cada vez con mayor regularidad, un lugar destacado en la agenda de los comités de dirección. Desde el lanzamiento de ChatGPT, a finales de 2022, se ha producido un volumen abrumador de literatura sobre modelos de IA, arquitecturas y “casos de uso”.
JAVIER BUSQUETS. Profesor de ESADE
Sin embargo, distintos informes (IDC, 2024; MIT, 2025) señalan que el impacto real de este tipo de sistemas en la empresa sigue siendo limitado: muchos pilotos no escalan o no generan valor económico sostenible.
Sostenemos que el problema arranca cuando los sistemas de inteligencia artificial (ya sean de machine learning, deep learning, generativos o basados en agentes) se enmarcan dentro de los “modelos mentales” tradicionales con los que los directivos dan sentido a los sistemas de información corporativos —como los ERP (enterprise resource planning) o los CRM (customer relationship management)—, concibiéndolos principalmente como “herramientas” de automatización, presentación de información y eficiencia operativa. Los modelos mentales de los comités de dirección actúan como una teoría implícita de causa y efecto sobre cómo funciona realmente la empresa: qué decisiones crean valor, qué inversiones generan ventajas competitivas y qué riesgos conviene asumir.
En este marco, los fallos de los sistemas de IA suelen explicarse mediante narrativas heredadas de los proyectos de sistemas de información: “Problemas de adopción” (bajo uso por parte de los usuarios, falta de formación, resistencias al cambio), falta de madurez (débil integración de plataformas de datos, expectativas infladas, incapacidad para capturar la pendiente de productividad) o desalineamiento entre tecnología y negocio. Sin embargo, estas explicaciones resultan insuficientes para capturar la naturaleza específica de los sistemas de IA en contextos organizativos complejos. Sostenemos, por ello, que el problema de fondo nace en la conceptualización de la IA como una “herramienta”, lo que oscurece el verdadero reto al que se enfrenta la empresa: la fricción sistémica, que desarrollamos brevemente en los apartados siguientes.
¿ES LA IA UNA “HERRAMIENTA”?
En el mundo corporativo se considera que las “herramientas” —las tecnologías de la información (TI)— incorporan el “modelo mental” compartido de la empresa: las teorías implícitas de causa y efecto sobre cómo funciona la organización (sus procesos) y la representación estructurada y transparente de la información de gestión. Son, por ello, sistemas concebidos como estables, deterministas y explicables, que además deben “alinearse” necesariamente con los procesos de la empresa. Su éxito se evalúa principalmente en términos de adopción por parte de los usuarios, lo que facilita que los sistemas se integren progresivamente en los procesos existentes, maduren y escalen mediante la incorporación de nuevas fuentes de datos y su despliegue en más unidades de negocio dentro de la corporación. Cuando la adopción es exitosa, emergen “buenas prácticas” que, por mimetismo institucional, se transfieren hacia otras organizaciones, dando lugar a ciclos de adopción agregados a nivel sectorial.
Los fallos de los sistemas de IA suelen explicarse mediante narrativas heredadas de los proyectos de sistemas de información
La narrativa anterior tiene importantes limitaciones cuando abordamos la puesta en marcha de sistemas de IA. Aunque ya hemos destacado que existen diversos sistemas de IA, casi todos ellos comparten características similares. La IA no “procesa información” de forma lineal para generar eficiencias, sino que es un sistema abierto que sintetiza y representa conocimiento procedente de múltiples fuentes de datos. Sus representaciones no son deterministas: produce resultados probabilísticos. No es transparente: sus procesos internos son opacos en gran medida. Genera variabilidad: ante el mismo problema puede ofrecer respuestas distintas a lo largo del tiempo. Y en el caso de los agentes IA pueden definirse objetivos o propósitos y pueden llegar a gobernar medios y recursos con ciertos grados de autonomía de los que los sistemas tradicionales carecen. Por si fuera poco, existen muy pocos estándares sobre los que sostener e integrar estos sistemas con otros existentes.
Cuando una organización se enfrenta a una tecnología nueva, el primer error es encuadrarla mal en su “modelo mental”. Marshall McLuhan, pionero en el estudio de los medios digitales, lo expresó así: “El medio es el mensaje”. Es decir, no importa solo lo que la empresa haga con una tecnología (la finalidad) o cómo la ponga en marcha y la optimice, y de qué materiales esté hecha, sino comprender que una tecnología digital —y sobre todo IA— es un “medio” a través del cual se enmarcan conocimientos con el potencial de reconfigurar poder, tiempos y estructura organizativa. Un sistema de IA no se puede “alinear” con un proceso porque sus resultados son dinámicos (estadísticos) en función del contexto donde se encuentre. En todo caso, se podrían encontrar puntos en los cuales el sistema-empresa y el sistema IA fueran coherentes. Pero esto puede ocurrir solo temporalmente. O también se pueden limitar sus efectos y reducir su función a mera automatización.
En definitiva, las propiedades de la IA chocan con el modelo de las organizaciones empresariales: estructuras pensadas para estabilidad, control, responsabilidades definidas y ritmos de decisión a escala humana.
LA FRICCIÓN SISTÉMICA ENTRE EMPRESA E IA
Lo que se produce entre la IA y la empresa es “fricción”: aquello que emerge cuando el sistema-empresa y el sistema-IA presentan incoherencias o contradicciones —no solo en forma de “alucinaciones”, sino en desajustes estructurales más profundos—. No se trata de “resistencia de los usuarios”, sino de “resistencia de la organización” como sistema. Esta fricción no es un problema de actitud individual, sino de incompatibilidad entre lógicas de funcionamiento, supuestos implícitos, procesos, incentivos y formas de decisión. Algunas de las causas, no exhaustivas, más frecuentes de esta fricción son:
- Opacidad en la síntesis de conocimiento: cuesta explicar por qué la IA “recomienda” algo; los comités piden trazabilidad y responsabilidad.
- Desajuste temporal: los modelos cambian y “aprenden” o “infieren” más rápido que los ciclos de decisión, control y gobierno corporativo.
- Desalineación de autoridad: ¿quién decide cuando la IA sugiere algo que contradice a un experto?
- Cambio en la división del trabajo: los sistemas de inteligencia artificial pueden erosionar algunas actividades. Y dada su capacidad “generalista” puede dejar obsoletos los límites entre unidades o funciones empresariales.
- Erosión del juicio de valoración de riesgos: automatizar sin rediseñar roles empobrece la capacidad de juicio humano en algunos casos límite.
- Cascadas de error: pequeñas desviaciones algorítmicas se amplifican en procesos organizativos rígidos.
La fricción no es algo a evitar de entrada, puede ser signo de oportunidad. Sin embargo, abordar la fricción que produce la IA con los modelos mentales de las “herramientas de automatización” puede producir frustración y es peligroso. En varias empresas hemos observado que cuando la IA se introduce desde una unidad funcional (por ejemplo, marketing), se tiende a confundir automatización con rediseño organizativo. El resultado no es eficiencia, sino pérdida de capacidades críticas. En cambio, cuando desde la IA se integra su variabilidad hacia la propuesta de valor, aparecen configuraciones organizativas más robustas. Una organización debe comprender que la automatización es solo una de las funciones de la IA —en casos muy concretos—.
La IA no “procesa información” de forma lineal para generar eficiencias, sino que es un sistema abierto que sintetiza y representa conocimiento procedente de múltiples fuentes de datos
ALTA OPCIONALIDAD Y ANTIFRAGILIDAD
Cuando una empresa no tiene la estructura adecuada y entra en fricción con los sistemas de IA, ¿cómo proceder con las inversiones? Debe enfocarse la conversación hacia las prioridades estratégicas. Marcos consultivos como los estudios de aceptación o los modelos de madurez han sido útiles en proyectos TI y de transformación digital, pero muestran limitaciones cuando se aplican a sistemas de IA, por su carácter no determinista y su impacto organizativo más profundo, como ya hemos argumentado.
Es conveniente evitar grandes proyectos “visionarios” y/o muy ambiciosos, dado que la empresa va a tener que navegar en contextos de alta incertidumbre. Lo que creemos más adecuado es diseñar un marco de iniciativas con alto potencial de crecimiento, que puedan aceptar la variabilidad que introduzcan los agentes de IA, y asignar los recursos humanos y materiales para tal fin.
El coste de cada iniciativa debe limitarse porque no existe la seguridad de que todas las iniciativas vayan a prosperar. Lo que sí debe asegurarse es su potencial de crecimiento en las áreas adecuadas. Esto es lo que denominamos portafolio de “opciones” de innovación en alta incertidumbre o “alta opcionalidad”. Algunos call centers han desarrollado agentes de IA en funciones de escalada de incidentes y en la formación de los agentes y que ahora funcionan a gran escala como parte de su propuesta de valor y ventaja competitiva. En este enfoque que proponemos, inspirado en la antifragilidad —o como un sistema es capaz de cambiar de forma y reforzarse ante una disrupción— no puede faltar el empleo de la inteligencia humana: esa capacidad para enmarcar y resolver problemas nunca vistos con anterioridad.
Una tecnología digital —y sobre todo IA— es un “medio” a través del cual se enmarcan conocimientos con el potencial de reconfigurar poder, tiempos y estructura organizativa
EL RETO ES TECNOLÓGICO E INSTITUCIONAL
Para que las iniciativas descritas en la sección anterior puedan prosperar, la organización debe estar dispuesta a construir nuevos andamios (unidades, roles diseñados para una fase concreta) y como estos andamios pueden afectar a las paredes maestras (límites del sistema y arquitectura organizativa).
Sin estos andamios, el aprendizaje para la integración de sistemas de IA —en función de su alcance— puede no ser posible. En otras palabras, la IA no es una reforma superficial: implica decidir qué límites del sistema deben cambiar, cuáles deben reforzarse y qué nuevos apoyos estructurales se precisan para que la organización pueda absorber la fricción sin perder coherencia.
El talento necesario para llevar adelante estas iniciativas es un híbrido entre:
1) Estrategia
2) Diseño organizativo
3) Conocimiento sobre IA
4) Criterio para evaluar el conocimiento generado por la IA
Cambiar estructuras puede no respetar los “silos” clásicos de la empresa: el problema “no cabe” en ninguna de las “unidades” que ordenan la empresa: ni puro IT, ni puro cambio cultural, ni gobierno de datos, ni reorganización. La IA tampoco es una nueva unidad burocrática: es una tecnología general y transversal. Por eso el comité de dirección es tan relevante, en grandes y pequeñas empresas.
En varias empresas hemos observado que cuando la IA se introduce desde una unidad funcional (por ejemplo, marketing), se tiende a confundir automatización con rediseño organizativo
Lo que está en juego es la ventaja competitiva en un entorno donde el conocimiento deja de ser estable (decisión, diseño, relación con clientes, pricing, riesgo). Entonces la estrategia deja de ser un ejercicio de posicionamiento estático sobre estructuras fijas y pasa a ser un problema de arquitectura organizativa dinámica y adaptativa. En este contexto, competir ya no consiste únicamente en tener mejores datos u optimizar modelos, sino en diseñar una organización capaz de absorber incertidumbre y variabilidad sin perder responsabilidad, criterio ni coherencia estratégica. Las empresas que traten la IA como un proyecto de TI u otro proceso de automatización quedarán atrapadas en eficiencias marginales; las que la integren en su modelo de gobierno del conocimiento redefinirán su propuesta de valor.
Creemos que la conversación adecuada debería dirigirse hacia lo que significa decidir, conocer, organizar el trabajo y gobernar una organización con un nuevo medio cognitivo como la IA. Las empresas entonces se verán obligadas a repensar la empresa como sistema: su arquitectura de poder, sus órganos de decisión y la relación entre personas y sistemas de IA. Es decir, sus modelos operativos y de negocio. Esta es la frontera: tecnológica e institucional. Ahí es donde se decide si la IA será un catalizador real de ventaja competitiva o una inversión más con impacto limitado.
