El lanzamiento de ChatGPT por parte de OpenAI en 2022 marcó el punto de partida de una disrupción única en una generación, que recién comienza a transformar la manera en que funciona el mundo. Y aunque el potencial transformador de la inteligencia artificial puede redefinir por completo cada industria, la mayoría de las empresas sigue atrapada en una etapa de experimentación. Trimestre tras trimestre, nuestra encuesta a compañías revela el mismo panorama: menos del 20 % ha logrado escalar sus iniciativas de IA generativa de forma significativa.

El mundo empresarial está estancado.

Conocemos muchas de las razones detrás de este estancamiento: tecnología implementada sin una conexión clara con los resultados del negocio, pruebas piloto sin foco ni especificidad, y una proliferación de casos de uso sin priorización dentro del amplio panorama de la IA. Pero en el fondo del problema hay algo fácil de diagnosticar y difícil de resolver: la mayoría de las organizaciones está tratando la IA generativa como una implementación tecnológica, no como una transformación del negocio.

A diferencia de olas tecnológicas anteriores, la IA generativa no genera valor solo con su adopción básica. El retorno sobre la inversión proviene de reinventar cómo se hace el trabajo y cómo compite una empresa. Y eso requiere algo más profundo: rediseñar el negocio con la IA en el centro.

En cambio, muchas empresas están cayendo en lo que llamamos la “trampa de la microproductividad”: una proliferación de pruebas de concepto y casos de uso aislados que generan mejoras modestas y localizadas en eficiencia, pero que no logran escalar. Se implementan herramientas. Las demostraciones impresionan. Pero los resultados nunca se concretan.

Esta trampa no es solo una oportunidad perdida; representa un riesgo estratégico creciente. Los equipos de liderazgo lo reconocen: los campos de batalla de la IA están surgiendo en todos los sectores. Y a medida que la IA generativa evoluciona de texto a multimodal, de pasiva a física, de herramienta a agente autónomo, los riesgos de postergar decisiones se multiplican. Está en juego la ventaja competitiva.

Para las empresas que ya están inmersas en la etapa de experimentación, el desafío no es comenzar, sino recomenzar. Reiniciar implica dar un paso atrás y preguntarse: ¿Estamos enfocados en resultados o en actividades? ¿Nos estamos dispersando demasiado? ¿Estamos desarrollando la capacidad para escalar? Los líderes emergentes que están logrando salir de esta trampa están renovando su compromiso — desde la alta dirección — con cuatro acciones que, de forma constante, distinguen a quienes lideran en IA de quienes se están quedando atrás.

Liderazgo desde la alta dirección

Puede parecer obvio, pero en nuestra experiencia, este es el punto de partida clave al que muchas empresas y juntas directivas todavía no se han comprometido del todo: el liderazgo importa. La transformación con IA empieza —y se consolida— en la alta dirección. 

La experimentación desde la base con herramientas de IA impulsa la innovación y genera dinamismo cultural —todo eso es positivo—, pero por sí sola no se convierte en un impacto a escala empresarial. Sin una dirección clara desde arriba, estos esfuerzos quedan fragmentados, aislados y, en última instancia, superficiales. ¿Por qué? Porque los equipos necesitan permiso y respaldo de sus líderes para asumir y adoptar un cambio de esta magnitud.

Las empresas que realmente están avanzando integran la IA generativa en el centro de su estrategia, con una ambición respaldada por un liderazgo comprometido. Establecen metas audaces alineadas con el negocio, tienen una visión clara sobre cómo la IA transformará su industria y cómo planean liderar esa evolución, y marcan el rumbo desde arriba.

Un buen ejemplo es Tobi Lütke, CEO de Shopify. En abril de 2025, envió una directiva interna ordenando que todos los empleados incorporaran la IA en su trabajo diario. Declaró que su uso era una “expectativa básica” y exigió que, antes de pedir más recursos o personal, los equipos demostraran por qué una tarea no podía ser realizada por IA.

Otras compañías también están dando pasos similares para hacer de la IA una prioridad estratégica y cultural. Algunas están rediseñando sus sistemas de incentivos e incluyendo metas relacionadas con IA en evaluaciones, bonos y criterios de promoción. Otras están lanzando programas de capacitación masiva —cursos, desafíos y microaprendizajes— para desarrollar fluidez en IA en todas las áreas.

Pero el mensaje es claro: en las empresas que están logrando avances reales, los líderes están comprometidos de forma activa—marcando la agenda, reforzando la visión, usando la IA ellos mismos y haciendo visible su prioridad. El patrocinio no es simbólico: es concreto, intencional y enfocado en resultados.

Menos apuestas, pero más ambiciosas 

La ambición es necesaria, pero no suficiente. La IA abre un mundo de posibilidades. Las empresas más exitosas hacen apuestas enfocadas y bien fundamentadas, y evitan la tentación de aplicar la IA en todas partes sin tener resultados reales y específicos en mente. Dejan de lado el enfoque de los “mil puntos de luz” que ha marcado los primeros meses de implementación de la IA generativa: decenas o incluso cientos de pilotos desconectados que nunca logran escalar.

En cambio, identifican de cuatro a cinco áreas críticas — conjuntos de casos de uso interrelacionados y de alto impacto— y concentran ahí sus esfuerzos de transformación.

Enfrentar la disrupción de la IA de esta manera no solo es una decisión estratégicamente inteligente, sino también financieramente relevante. En todos los sectores, vemos cómo surgen algunos dominios clave como verdaderos campos de batalla: lugares donde se ganará o se perderá la ventaja competitiva. En tecnología, es el ciclo de vida del desarrollo de software. En el sector salud, el descubrimiento de fármacos, la gestión regulatoria y la interacción con los pacientes. En retail y productos de consumo, se trata de la personalización, la creación de contenido, la fijación dinámica de precios y la previsión de la demanda. Estas no son solo oportunidades; son la primera línea de la transformación en cada industria.

Y, lo más importante, estos dominios no son casos de uso aislados: son sistemas de trabajo. El ciclo de vida del desarrollo de software, por ejemplo, incluye más de 40 casos de uso distintos. Con menos de la mitad del tiempo de los desarrolladores dedicado realmente a escribir código, los copilotos por sí solos no son suficientes. Las mejoras significativas en productividad requieren cambios coordinados en diseño, pruebas, revisión de código y planificación.

Las ventas B2B son otro ejemplo: un solo caso de uso rara vez genera un impacto real, porque el trabajo de salida al mercado está fragmentado en decenas de microtareas. Liberar más tiempo de cara al cliente para los equipos comerciales y mejorar la conversión requiere rediseñar de forma sistemática todo el ciclo de ventas, desde la generación de leads hasta la cotización y el cierre.

La transformación ocurre cuando las organizaciones piensan en términos de dominios que generen ventaja competitiva y un retorno real sobre la inversión, no en soluciones puntuales. Las empresas que logran resultados no adivinan. Hacen el trabajo difícil desde el principio: definen los dominios adecuados, establecen hipótesis de valor desde la alta dirección y construyen los mecanismos para medir, gestionar y escalar la reinvención a lo largo del tiempo.

Rediseño de procesos desde cero

No se puede lograr una transformación solo automatizando. Es necesario repensar el trabajo en sí.

El verdadero impacto de la IA generativa requiere un diseño de procesos detallado y basado en cero: trazar dónde está hoy la organización (el “punto de partida”) y reimaginar cómo podría funcionar el trabajo con la IA integrada desde cero (el “punto de llegada”).

No se trata de superponer herramientas sobre flujos de trabajo ineficientes. Se trata de construir procesos completamente nuevos con la IA generativa en el centro. Y según nuestra experiencia, es el rediseño de procesos —no la tecnología en sí— lo que genera la mayor parte del valor.

Un ejemplo revelador es el de cómo un banco de gran tamaño transformó la interacción con sus clientes mediante IA. Tras años de inversión disciplinada para construir una base digital que ofreciera una vista de 360 grados del cliente, el banco contaba con evidencia sólida del valor de usar esa inteligencia para generar interacción: en campañas seleccionadas, el valor del cliente a lo largo del tiempo se duplicó y la recomendación del cliente se triplicó, según mediciones del Net Promoter System®. Pero escalar ese enfoque a los 18 millones de clientes fue un desafío monumental.

Un paso clave fue rediseñar el proceso con flujos de trabajo nativos de IA. El banco creó una nueva unidad de negocio con un pequeño número de equipos enfocados en “misiones del cliente”, orientadas a mejorar la interacción en momentos clave del ciclo de vida del cliente. En lugar de usar campañas para enviar mensajes de venta en momentos específicos, estos equipos utilizan “disparadores” inteligentes para interactuar con los clientes con contexto y opciones útiles. Por ejemplo, si el banco detecta que un cliente ha estado retirando efectivo de un cajero que cobra comisión, le envía una notificación destacando los cajeros en su zona que no aplican cargos. 

La sólida base tecnológica del banco, combinada con tecnología de agentic AI — que permite a los modelos razonar y resolver problemas complejos en tiempo real — significó que se pudiera automatizar una gran cantidad de trabajo manual, liberando a los equipos de misiones del cliente para que se enfocaran en generar ideas basadas en datos y de alto impacto. Los equipos utilizan una herramienta de IA diseñada específicamente para este fin, que les permite comprender los insights del cliente, modelar distintas estrategias de interacción, transformar rápidamente las mejores ideas en pruebas y, luego, medir y optimizar de forma continua la interacción con el cliente en función de lo que funciona y lo que no.

¿Los resultados hasta ahora? Convertir un insight del cliente en una campaña activa ahora toma un día, en comparación con los 60 a 100 días que solía requerir. Lo que antes necesitaba 40 empleados y 10 traspasos, ahora lo logran cuatro o cinco personas sin ningún traspaso.

Este trabajo no suele ser glamoroso; requiere comprender en detalle los flujos de trabajo actuales y tener la imaginación y el compromiso para reconstruirlos desde cero. Pero es precisamente eso lo que marca la diferencia entre mejoras marginales y un salto real en el rendimiento.

Un modelo operativo que impulsa la transformación 

Todo lo que se describe arriba es difícil: establecer prioridades estratégicas, definir objetivos específicos con una visión de futuro, mapear procesos en detalle, implementar tecnología de forma inteligente, gestionar el cambio de comportamiento y establecer una buena gobernanza. Aunque los resultados —no las herramientas— deben seguir siendo el centro de la transformación, la tecnología, los datos y las bases de seguridad subyacentes son igual de esenciales. Hacer bien esa parte requiere un análisis riguroso, decisiones bien pensadas y elecciones arquitectónicas que no se deban revertir más adelante.

Sin embargo, muy pocas empresas incorporan una dinámica de transformación en su forma de operar. Para ser claros, no estamos promoviendo una estructura rígida y centralizada de mando y control. Ese enfoque puede funcionar en algunas organizaciones, pero no en la mayoría. En lugar de eso, lo que vemos en las organizaciones exitosas es la implementación de un pequeño equipo de transformación que facilita la transparencia continua y la capacidad de adaptación.Este equipo apoya a los equipos de soluciones dentro del negocio, que son los responsables de diseñar cambios alineados con los objetivos a varios años establecidos por el equipo de liderazgo. Dichos equipos prueban los cambios en colaboración con las operaciones y los escalan utilizando un modelo definido y replicable. El objetivo del equipo de transformación es permitir que estos esfuerzos sean repetibles, coordinados y generen valor de manera sostenida.

Según nuestra experiencia, los líderes emergentes operan en dos velocidades: ejecutar y transformar. Las funciones del negocio participan en ambas, concentrándose en seis áreas clave:

• Procesos de punta a punta. Observar más allá de los silos para reinventar cómo las principales fuentes de valor contribuyen al cumplimiento de los objetivos estratégicos y financieros.
• Movilización de equipos de soluciones y ritmo constante. Asegurar que los equipos estén diseñados para probar y escalar soluciones, con pasos claros para eliminar obstáculos y liberar fondos.
• Infraestructura y gobernanza de datos. Enfocar los esfuerzos e inversiones en datos en aquello que genera mayor valor, en lugar de intentar solucionar todo. Desarrollar capacidades para gestionar datos no estructurados y sintéticos, y establecer una gobernanza sólida que garantice calidad, reutilización y alineación con las prioridades del negocio.
• Escalamiento. Comprometerse a escalar los cambios de forma rápida y efectiva en toda la operación, adaptándose a la unidad de escalamiento (territorios, fábricas, clientes, etc.).
• Adopción. Crear y mantener circuitos de retroalimentación, como reportes semanales de adopción, para apoyar a los equipos de soluciones en el proceso de escalamiento y visibilidad.
• Salud de la alianza entre negocio y tecnología. Aumentar la visibilidad de las plataformas habilitadoras, las oportunidades de reutilización y una gobernanza adecuada en toda la organización.

Creemos que este tipo de dinámica de transformación, enfocada en cambiar el negocio, debe convertirse en una característica permanente y definitoria de la empresa moderna. A medida que la disrupción impulsada por la inteligencia artificial se acelera, las compañías tendrán que equilibrar de forma constante los objetivos de “operar el negocio” y “transformar el negocio”, muchas veces al mismo tiempo. Además, la cantidad de desafíos transversales, estratégicamente relevantes y operativamente complejos no deja de aumentar. ¿Cómo diseñarás tus procesos para permitir flujos de trabajo totalmente autónomos? ¿Cómo organizarás y gobernarás la explosión de datos no estructurados generados por IA? ¿Y cómo liderarás y capacitarás a una organización compuesta por personas, agentes autónomos y, quizás, incluso robots?

Las preguntas seguirán surgiendo a medida que la inteligencia artificial evoluciona. Y responderlas no será un esfuerzo puntual. Requerirá una dinámica de transformación definida y continua, integrada en tu modelo operativo, junto con un conjunto de capacidades de cambio diseñadas para sostenerse en el tiempo.

De la experimentación a la transformación empresarial 

La inteligencia artificial no es solo otra ola tecnológica. Es un cambio fundamental en la forma en que se realiza el trabajo y se genera valor (ver Figura 1).

Para la mayoría de las empresas, la pregunta ya no es cómo usar la inteligencia artificial. Es cómo competir en un mundo donde todos los competidores también la están utilizando.

Los ganadores no serán quienes tengan más pruebas piloto, las demostraciones más llamativas o los presupuestos tecnológicos más grandes. Serán aquellos que tomen decisiones estratégicas, acompañadas de la disciplina operativa necesaria para ejecutarlas.

Un ejecutivo comentó recientemente que, tras redefinir los objetivos de costo por unidad en toda su cadena de valor principal y después de un año trabajando para reinventar qué trabajo se realiza y cómo se realiza de una forma más nativa con inteligencia artificial, su empresa ahora está generando el doble de margen EBIT que sus competidores.

Salir del estancamiento se ha convertido en una prioridad estratégica, dada la velocidad con la que avanza la tecnología. Las empresas que actúen ahora convertirán la IA generativa en resultados reales. Las demás se quedarán intentando alcanzar el ritmo.