Doxa 2456

¿Sus inversores apoyarán su cambio estratégico?

Aquí te explicamos cómo resolverlo

Por Mark DesJardine y Wei Shi
Estrategia
Harvard Business Review

#Doxa #Inversores #Estrategia #Cambio #Apoyo #Confianza #Comunicación #Visión #Crecimiento #Rentabilidad #Innovación #Liderazgo #Transparencia #Mercado #Futuro #Éxito
Resumen. Los pivotes estratégicos suelen fracasar, no por malas ideas o mala ejecución, sino porque las empresas calculan mal el apego de los inversores a su estrategia actual. Las empresas cultivan activamente accionistas alineados con un perfil de riesgo específico yNarrativa; cuando esta cambia, pueden resistirse, creando fricción desestabilizadora. Eso fue lo que ocurrió en Danone cuando el director ejecutivo, Emmanuel Faber, estableció una ambiciosa agenda para fortalecer las credenciales de sostenibilidad de la compañía, la cual chocó con las expectativas de muchos inversores sobre los márgenes y los resultados a corto plazo. Las tensiones llevaron a la destitución de Faber y a una importante pérdida de valor de mercado. Los líderes deben iniciar cualquier cambio importante evaluando sistemáticamente las preferencias de los inversores. Mediante un sistema de puntuación que las examina en cinco dimensiones y siguiendo un marco de transición, los ejecutivos pueden anticipar la resistencia, gestionar las expectativas y mejorar las probabilidades de éxito del cambio estratégico.
La mayoría de las empresas cultivan cuidadosamente relaciones estrechas con sus inversores. Los líderes corporativos, junto con su equipo de relaciones con inversores, elaboran deliberadamente sus comunicaciones para atraer a accionistas que apoyen el modelo de negocio, el perfil de riesgo y la narrativa estratégica de la empresa. Durante las presentaciones de resultados, los días de inversores y las reuniones privadas, se convence a los accionistas de una visión particular y se espera que inviertan con la intención de verla hecha realidad.

Pero cuando una empresa cambia de estrategia, esta alineación cuidadosamente cultivada puede desaparecer rápidamente, creando un desajuste con la base inversora. Los inversores tradicionales —aquellos atraídos por la estrategia y la visión originales de la empresa— pueden encontrarse en desacuerdo con su nueva dirección. En casos extremos, las tensiones pueden descarrilar los planes de la empresa y costarle el trabajo a los altos directivos.

El gigante francés de productos lácteos, Danone, ofrece un ejemplo ilustrativo. Poco después de ser nombrado director ejecutivo, en octubre de 2014, Emmanuel Faber presentó un plan para transformar la empresa en un líder global en capitalismo de grupos de interés y negocios socialmente responsables. Como parte de este plan, se propuso convertir a la empresa en la mayor multinacional con certificación B-Corp y lanzó One Planet, One Health, un marco para abordar los desafíos ambientales y de salud globales. También reestructuró la cartera de negocios de la empresa para centrarse más en alternativas vegetales a los productos lácteos, como la leche, el yogur y los postres que ofrecen las marcas Silk y Alpro.

En muchos sentidos, Faber estaba impulsando a la empresa a seguir un camino ya establecido. Después de todo, Danone había promovido con frecuencia sus valores ambientales y sociales. Y la reacción inicial a su reinvención fue optimista. Los defensores de la sostenibilidad la aplaudieron, las calificaciones ambientales, sociales y de gobernanza (ESG) de la empresa mejoraron y Faber se convirtió en una figura célebre en los círculos globales de reforma corporativa.

Pero bajo la superficie, se estaba desarrollando una historia diferente. Cuando el inversor activista Corvex compró una participación de 400 millones de dólares en Danone en agosto de 2017, expresando la creencia de que sus acciones estaban significativamente infravaloradas (a pesar de un aumento de precio del 21% entre octubre de 2014 y julio de 2017), el precio de la acción subió aproximadamente un 7%, lo que sugiere que otros inversores acogieron con satisfacción una revisión de estrategia impulsada por activistas. En 2018 y 2019, el descontento se estaba gestando abiertamente. Durante el día del inversor de 2018 de la compañía en Londres, los analistas interrogaron a Faber sobre cómo la nueva estrategia estaba afectando los márgenes. Pierre Tegnér de Oddo BHF preguntó sin rodeos a Faber si "el dinero y ganar más dinero" era una prioridad principal para la compañía. Más tarde, en una carta de 2020 al directorio de Danone, Bluebell Capital argumentó que la empresa no había logrado "lograr el equilibrio adecuado entre la creación de valor para los accionistas y la sostenibilidad", atribuyendo el bajo rendimiento de la empresa al esfuerzo de transformación de Faber y sus "cuestionables decisiones de asignación de capital".

El creciente desajuste entre la estrategia del director ejecutivo y las expectativas de los inversores en cuanto al crecimiento de las ventas y los beneficios finalmente condujo a cambios importantes: Faber se vio obligada a abandonar la empresa, y el consejo de administración de Danone cambió rápidamente de rumbo, reorientando las prioridades de la empresa para adaptarlas mejor a las preferencias de los inversores. Al final, el cambio estratégico resultó en una campaña de distracción para destituir a un líder corporativo, media década de impulso estratégico perdido y una caída multimillonaria de la valoración de mercado.

La moraleja de la historia es que los directores ejecutivos que inician cambios estratégicos importantes deben evaluar las preferencias de sus inversores con mayor rigor. En las siguientes páginas, describiremos cómo pueden hacerlo mediante un análisis estructurado de las inversiones y el comportamiento pasados ​​de los accionistas. Con este enfoque, las empresas pueden calcular una puntuación de riesgo de adaptación al inversor, una medida multidimensional que permite a las empresas que contemplan un cambio de rumbo identificar qué inversores se mostrarán reacios, en qué aspectos y cuánta fricción esperar.

¿Qué hay de nuevo en el enfoque?
Un error crítico que vemos con frecuencia cuando los líderes empresariales introducen una nueva estrategia es que se concentran tanto en enumerar las oportunidades del mercado, la demanda del producto y las ganancias que olvidan por qué sus inversores compraron acciones de su empresa en primer lugar.

En el caso de Danone, la estrategia de Faber no fue necesariamente el problema. La lógica a largo plazo de encaminar el negocio hacia un modelo más sostenible, líneas de productos orgánicos y mercados desatendidos era razonable y posiblemente profética. El problema residía en que la estrategia chocaba con las preferencias, de evolución más lenta, de los accionistas que habían invertido en Danone buscando rentabilidades financieras estables y márgenes sólidos; incluso con cambios graduales en la estrategia de la empresa, esperaban que se mantuviera en una trayectoria similar a la de sus competidores, como Nestlé. Con el tiempo, la dirección de Danone se dio cuenta de ello. Cuando uno de nosotros (Mark) habló con altos directivos de Danone en la sede de la empresa en París, reconocieron la nueva y creciente fricción con su base accionarial. Desde la perspectiva de los ejecutivos, la transformación de Danone desconcertaba a muchos inversores tradicionales y había generado inquietud sobre la capacidad de la empresa para competir en su mercado.

¿Podrían los directivos de Faber y Danone haber previsto esa evolución? Si bien los directores ejecutivos y las juntas directivas suelen esforzarse sinceramente por comprender a sus accionistas, las métricas y técnicas convencionales en las que se basan no ofrecen una visión adecuada de las expectativas de los inversores. La mayoría de los análisis de relaciones con los inversores comienzan identificando a los propietarios de las acciones, utilizando informes regulatorios (como los informes SEC 13F en Estados Unidos o las notificaciones de accionistas importantes en el Reino Unido). Para comprender la actitud de sus accionistas, las empresas podrían adquirir análisis de propiedad de proveedores externos y firmas que realizan encuestas trimestrales de percepción, las cuales captan las opiniones de los inversores a nivel macroeconómico, pero no revelan claramente sus preferencias individuales. En la temporada de votaciones, las empresas pueden recurrir a abogados y asesores de representación para desarrollar estrategias de comunicación con los inversores y pronosticar los resultados de las votaciones.

Sin embargo, estos esfuerzos suelen pasar por alto matices importantes en las preferencias de los accionistas y suponen que son las mismas en todas las empresas. Además, las encuestas sobre la opinión de los inversores sobre las empresas están plagadas de sesgos y son retrospectivas. A menudo, solo captan la opinión después de que una decisión estratégica ya haya afectado al rendimiento, revelando el descontento cuando es demasiado tarde para responder de forma proactiva. Por lo tanto, es improbable que la información a la que tuvo acceso su equipo de relaciones con los inversores hubiera ayudado a Faber a anticipar que tantos accionistas reaccionarían de forma tan negativa al cambio estratégico. Esto habría sido especialmente improbable dado que la base accionarial de la empresa estaba bastante fragmentada y estaba en manos de muchos inversores cuyo pulso era difícil de seguir con las herramientas convencionales.

Nuestro enfoque, en cambio, ofrece una visión directa de las probables reacciones de los inversores ante una decisión. Al analizar los cambios de cartera realizados por los inversores tras los cambios estratégicos de las empresas que poseían, sus patrones de voto y participación en las juntas anuales de accionistas, y sus reacciones públicas a las decisiones de los accionistas activistas, modela las respuestas futuras de los inversores ante cualquier cambio. Basándose en una gran cantidad de datos públicos y en el uso de técnicas estadísticas modernas, las empresas pueden crear cuadros de mando detallados que reflejen las preferencias únicas de cada inversor.

Las revelaciones de Danone tras la crisis revelaron que la empresa estaba intensificando el diálogo con los accionistas, lo que sugiere que su enfoque anterior no había logrado captar la creciente insatisfacción de los inversores. El propio Faber parece haberse sentido engañado. Como reflexionó posteriormente en una entrevista con Time: «Lo que ocurrió fue que algunas personas vieron una oportunidad y, por motivos personales, la aprovecharon en un momento en que era fácil desestabilizar la gobernanza de la empresa». Pero si hubiera aplicado nuestro enfoque, podría haber previsto la recepción negativa de los accionistas de Danone y haber desarrollado un plan para abordarla. Al menos, habría tenido muchas más posibilidades de hacerlo.

Para gestionar el cambio estratégico desde una perspectiva basada en el conocimiento del inversor, los líderes deberían implementar un marco de tres pasos.

[   Paso 1   ]
Crear cuadros de mando para inversores
La mayoría de los fondos de inversión tienen ideas claras sobre los tipos de estrategias específicas que desean que adopten las empresas de sus carteras. Estas se definirán en función del horizonte temporal y los objetivos del fondo en cuestión. Los fondos orientados al crecimiento, por ejemplo, tienden a invertir en empresas que realizan adquisiciones a gran escala o buscan activamente nuevos mercados, mientras que los fondos orientados al valor generalmente invierten en acciones de empresas que realizan inversiones de capital consistentes y progresivas. Si bien algunos inversores describen sus preferencias estratégicas en información pública, las decisiones que realmente toman son un indicador más fiable de sus inclinaciones, especialmente porque la información puede adaptarse para mejorar la reputación o la credibilidad.

Nuestro enfoque consiste en identificar las empresas en la cartera de un inversor y calificar cada una de ellas según múltiples indicadores en cinco categorías: tolerancia al riesgo corporativo, diversificación, agresividad competitiva, actividad prosocial y compromiso político. A continuación, ponderamos las puntuaciones de cada empresa según su tamaño en la cartera y calculamos una puntuación media general para la cartera en cada indicador. Realizamos el mismo ejercicio con el resto de inversores de nuestra base de datos, que incluye una amplia gama de variables para miles de inversores institucionales, como fondos de inversión, fondos de pensiones, compañías de seguros, fideicomisos bancarios, fondos de dotación y fondos de cobertura. (La elaboramos con información de proveedores de datos propios, documentos corporativos y métricas generadas mediante aprendizaje automático a la información de texto). A continuación, calculamos una puntuación media para todos los inversores en cada indicador.

A continuación, determinamos cuánto se desvía la puntuación media de cada inversor en cada medida de la puntuación media de todos los demás inversores, lo que proporciona un punto de referencia. Este cálculo, conocido como estandarización z, muestra exactamente qué características favorece (o rechaza) un inversor determinado en las empresas en las que invierte, en relación con otros inversores. El número indica cuántas desviaciones típicas por encima (un número positivo indica una preferencia relativa) o por debajo (un número negativo indica una aversión relativa) se encuentra la puntuación del inversor individual en la medida respecto al promedio de todos los inversores. Las puntuaciones indican a una empresa la receptividad probable de un inversor determinado a cambios específicos en su orientación estratégica. La empresa puede ver el grado de desajuste entre su estrategia propuesta y las preferencias de un inversor determinado.

Ahora exploraremos con más detalle las cinco categorías de preferencias que examina el cuadro de mando.

Tolerancia al riesgo corporativo. Para medir el interés de un inversor por decisiones estratégicas audaces que implican un alto grado de incertidumbre, analizamos el nivel de gasto en I+D, las inversiones de capital y la actividad de adquisiciones de las empresas de su cartera, e incluso el lenguaje que utilizan sus ejecutivos durante las presentaciones de resultados y otros foros. Una alta tolerancia indica apertura a inversiones a largo plazo e iniciativas innovadoras pero arriesgadas; una baja tolerancia puede sugerir una preferencia por la estabilidad operativa y la rentabilidad a corto plazo.

Diversificación. Para determinar si un inversor se inclina por una estrategia empresarial centrada o expansiva, analizamos si invierte principalmente en empresas con líneas de producto limitadas y concentración regional, o en empresas con líneas de producto más amplias y presencia global. El análisis de estas tendencias permite a las empresas adaptar sus mensajes y decisiones estratégicas para alinearlas, o contrastarlas deliberadamente, con ellas.

Agresividad competitiva. El cuadro de mando también refleja la actitud de los inversores sobre la intensidad con la que las empresas compiten. Algunos inversores se inclinan por empresas que realizan cambios frecuentes de precios, se lanzan a nuevos mercados o innovan con rapidez. Quienes poseen empresas más estables y conservadoras pueden valorar la disciplina estratégica y la ejecución constante. Comprender estas preferencias puede ayudar a los ejecutivos no solo a elegir estrategias que se ajusten mejor a las expectativas de los inversores, sino también a formular estrategias competitivas que resuenen con sus accionistas.

Actividad prosocial. Para evaluar el grado en que un inversor valora la implicación corporativa con cuestiones ambientales y sociales, examinamos su propio historial de presentación de propuestas a accionistas, así como los perfiles ambientales y sociales y las inversiones en sostenibilidad de las empresas de su cartera. Los inversores con fuertes preferencias prosociales pueden impulsar iniciativas en torno a la sostenibilidad o la participación comunitaria, mientras que otros pueden priorizar el rendimiento financiero.

Compromiso político. También evaluamos la comodidad de un inversor con los esfuerzos de las empresas por influir en la regulación, las políticas públicas o la opinión pública. Esto se puede inferir de sus propias actividades de cabildeo, la intensidad del cabildeo de las empresas que posee, su interacción pública con políticos y su participación en propuestas de accionistas relacionadas con actividades políticas. Comprender la tolerancia de un inversor a las estrategias políticas corporativas puede ayudar a los ejecutivos a calibrar su nivel de asertividad política sin riesgo de represalias.
[   Paso 2   ]
Diagnostique su riesgo de adaptación al inversor
Una vez que comprenden las preferencias estratégicas de cada inversor, las empresas pueden diagnosticar el riesgo general de adaptación de sus inversores a una estrategia que se esté considerando. Si una estrategia implica solo ajustes modestos, las comunicaciones estándar con los inversores pueden ser suficientes. Sin embargo, cuando la estrategia es más radical, se requiere un análisis más profundo de la base accionarial.

Los cambios estratégicos que se desvían de la trayectoria histórica de una empresa o rompen con las normas del sector inquietan a los inversores. Por ejemplo, pasar de un modelo basado en activos a uno centrado en la IA o en inversiones intangibles puede parecer visionario a nivel interno, pero resultar chocante para los accionistas a largo plazo, acostumbrados a la infraestructura física y a flujos de caja estables. Asimismo, la decisión de desinvertir en una línea de negocio emblemática o salir de un mercado importante puede entrar en conflicto con las expectativas de los inversores tradicionales, incluso si otros lo desean.

La respuesta del Fondo Común de Jubilación del Estado de Nueva York (NYSCRF), un importante fondo público de pensiones estadounidense, a las decisiones de una de sus participaciones revela cómo incluso los cambios estratégicos bien pensados ​​pueden entrar en conflicto con las preferencias subyacentes de un inversor. El cuadro de mando del NYSCRF (véase el recuadro "Cuadro de mando de un inversor institucional") muestra que favorece ligeramente el riesgo corporativo y la diversificación; favorece firmemente las iniciativas prosociales y el compromiso político; y se muestra reacio a la agresividad competitiva. En 2016, una empresa de la que poseía acciones, Papa John's, lanzó un amplio conjunto de iniciativas destinadas a fortalecer su posición en el altamente competitivo mercado de la pizza. Estas incluyeron campañas de marketing digital intensificadas, compromisos renovados con el liderazgo en costes y garantías de fidelización de clientes, todos ellos sellos distintivos de una estrategia agresiva y orientada a la ofensiva.

Cuadro de mando de un inversor institucional. Este cuadro de mando muestra las preferencias de inversión del Fondo Común de Jubilación del Estado de Nueva York (NYSCRF) en cinco áreas estratégicas. Las puntuaciones son desviaciones estándar del promedio del inversor; los valores positivos indican preferencia y los negativos, aversión. El NYSCRF muestra una tolerancia al riesgo y diversificación ligeramente superiores a la media, una baja preferencia por la agresividad competitiva y una fuerte preferencia por la actividad prosocial y la participación política. Fuente: Mark DesJardine y Wei Shi.

Ver más gráficos de HBR en Datos y elementos visuales

A pesar de la convincente justificación de la cadena de pizzas, los documentos 13F presentados ante la SEC muestran que NYSCRF redujo su participación en Papa John's en un 61 % al año siguiente, lo que indica su incomodidad con el rumbo que estaba tomando la compañía. Si bien no existe una declaración formal que explique el razonamiento de NYSCRF, un análisis de sus documentos presentados ante la SEC muestra una preferencia firme y constante por las empresas que buscan un crecimiento estable y con moderación de riesgo, en lugar de una escalada competitiva acelerada. Para un fondo que tiende a favorecer a empresas con un ritmo estratégico mesurado, las decisiones de Papa John's probablemente generaron preocupación en lugar de confianza.

Comparemos esto con la reacción de NYSCRF a las nuevas iniciativas del fabricante danés de dispositivos médicos Micrel. En 2024, la compañía anunció un mayor compromiso con la sostenibilidad y publicó nuevas métricas que registran su consumo de energía, emisiones de CO₂, consumo de agua y generación de residuos. La respuesta de NYSCRF fue rápida y positiva: el fondo aumentó su participación en Micrel en un 185%, lo que refleja su fuerte preferencia por las estrategias prosociales. Probablemente, interpretó las acciones de Micrel como una señal creíble de alineación con sus valores y objetivos de gestión responsable. (Nota: NYSCRF declinó hacer comentarios sobre las preferencias de sus inversores y las motivaciones detrás de sus decisiones con respecto a Papa John's y Micrel).

Las tarjetas de puntuación individuales de los inversores son especialmente valiosas cuando un accionista tiene una participación significativa o un historial de expresar su desacuerdo. Comprender las preferencias únicas de los inversores puede ayudar a los ejecutivos a anticipar posibles reacciones adversas, adaptar las iniciativas de interacción e incluso ajustar preventivamente elementos de un plan estratégico para obtener apoyo. Además, la agregación de las tarjetas de puntuación individuales (ponderando las puntuaciones de los inversores según el porcentaje de acciones que poseen) permite a las empresas evaluar el riesgo general de adaptación de una estrategia propuesta a la base accionarial más amplia. Esto proporciona a los ejecutivos un indicador práctico de si una estrategia determinada se ajusta en general a las preferencias de los accionistas o si es probable que genere tensión.

Consideremos una hipotética empresa industrial global con una larga trayectoria de operaciones con un alto volumen de activos, que históricamente ha poseído una gran cantidad de equipos de fabricación e infraestructura física, generando flujos de caja estables y predecibles en mercados maduros. Ante la desaceleración del crecimiento y la creciente presión para innovar, su equipo ejecutivo contempla dos audaces opciones estratégicas: (1) escindir su división de capital intensivo y reposicionar la empresa en torno a servicios basados ​​en IA y centrados en datos; y (2) redoblar sus esfuerzos en sus capacidades principales expandiéndose a mercados internacionales de alto crecimiento y con un alto volumen de activos.

En teoría, ambas opciones parecen prometedoras. El cambio hacia la IA ofrece mayores márgenes, escalabilidad y alineación con las tendencias futuras. La expansión global aprovecha la experiencia operativa de la empresa y facilita el acceso a bases de clientes en rápido crecimiento. Pero ¿qué camino apoyarán los inversores de la empresa?

Comprender el riesgo general de adaptación al inversor de la empresa puede ayudar a los ejecutivos a responder a esta pregunta. Si bien la transición hacia la IA parece innovadora y requiere poco capital, podría alarmar a la base inversora actual, que prioriza los activos tangibles a largo plazo y los flujos de caja predecibles. Para estos inversores —principalmente fondos de pensiones, fondos soberanos e instituciones centradas en la renta—, la transición a mercados en rápida evolución y con una alta concentración de intangibles generaría inquietud sobre el riesgo y la volatilidad del modelo de negocio.

En cambio, la expansión internacional de activos se alinea con las preferencias de los grandes inversores por un crecimiento intensivo en capital e impulsado por infraestructuras en los mercados emergentes, ofreciendo potencial alcista sin socavar los fundamentos habituales. Al tomar su decisión, el equipo ejecutivo y el consejo de administración deben sopesar no solo los méritos de cada estrategia, sino también la compatibilidad con los inversores. La compatibilidad puede influir en la decisión, pero de no ser así, la empresa al menos sabrá que una decisión podría molestar a los inversores y podrá tomar medidas para gestionar ese riesgo.

[   Paso 3   ]
Desarrollar una estrategia de participación basada en el riesgo de los inversores
Una vez que una empresa ha diagnosticado el riesgo de adaptación al inversor de su estrategia prevista, el siguiente paso es elaborar un plan para atraer inversores. Este debe reflejar el grado de alineamiento (o desalineamiento) entre la estrategia propuesta y la base actual de inversores, a la vez que identifica nuevos inversores que puedan apoyar el cambio y acelerar la transformación.

Si el riesgo de adaptación para los inversores es bajo, la estrategia está bien alineada con los accionistas actuales. Pero incluso en estos casos, las empresas no deben permanecer pasivas. La comunicación proactiva —mediante presentaciones de resultados, comunicados de prensa y reuniones individuales entre el director ejecutivo y los accionistas clave— debe enfatizar los elementos de la nueva estrategia que estén en sintonía con las preferencias de los accionistas. Esto reforzará su apoyo y fortalecerá su compromiso a largo plazo con la empresa.

Si el riesgo de adaptación para el inversor es alto, se requiere un enfoque más específico. Las empresas deberían considerar una estrategia triple:

Involucrar a posibles partidarios entre los inversores actuales. Resalte cómo la nueva estrategia se basa en las fortalezas existentes de la empresa y elabore una narrativa clara y que cumpla con las regulaciones que subraye el valor del cambio y comunique su potencial a largo plazo.

Abordar las preocupaciones de los inversores “que no están preparados para el futuro”. Estos son los inversores que probablemente saldrán debido a una desalineación. Explique cómo la estrategia complementa la trayectoria histórica de la empresa y se alinea con sus preferencias en las dimensiones donde existe cierto grado de adecuación, incluso si la adecuación general es baja. Una comunicación transparente puede no evitar toda la rotación, pero puede reducir el riesgo de ventas por pánico o agitación activista.

Identificar y atraer inversores “preparados para el futuro”. Se trata de accionistas potenciales cuyas preferencias estratégicas se alinean estrechamente con el giro propuesto. Pueden convertirse en aliados importantes durante una transformación y conviene buscarlos de forma proactiva.

Fundamentalmente, este último paso convierte las tarjetas de puntuación de los inversores en herramientas de reclutamiento. Al evaluar los perfiles del universo accionarial más amplio, los ejecutivos pueden descubrir inversores con alto potencial que podrían haber pasado por alto previamente o que desconocían la evolución de la estrategia de la empresa. Estos inversores estratégicamente alineados no solo ayudan a estabilizar una acción durante un período de cambio, sino que también pueden dar credibilidad a una transformación, influyendo en otros accionistas para que mantengan el rumbo.
...
Con demasiada frecuencia, las empresas tratan la idoneidad de los inversores como algo secundario, algo que gestionar una vez definida la estrategia o tras la entrada de un activista. Pero en momentos de transformación, la alineación del capital es tan crucial como la claridad estratégica. Los líderes más exitosos comprenden que la viabilidad de un nuevo rumbo audaz a menudo depende no solo de su lógica, sino también de si los accionistas de la empresa están dispuestos a sumarse al proceso y de cuántos otros inversores están dispuestos a seguir su ejemplo.

Leer más sobre Estrategia o temas relacionados Mercados financieros, Finanzas e inversiones, Comunicaciones corporativas y Gestión del cambio

Una versión de este artículo apareció en la   edición de marzo-abril de 2026 de Harvard Business Review.

Mark DesJardine es analista financiero certificado por el CFA Institute, profesor y miembro del cuerpo docente Paul E. Raether T'73 en la Tuck School of Business del Dartmouth College, e investigador senior de la Wharton School.

Wei Shi es profesor de administración y académico Cesarano en la Miami Herbert Business School.


Doxa 2455

La solución a la pérdida de clientes de los trabajadores de servicios
Las prácticas de programación de muchas empresas son deficientes. Un nuevo estudio demuestra que la analítica puede ser útil

Por Santiago Gallino y Borja Apaolaza
Gestión de personal
Harvard Business Review

#Doxa #gestión #clientes #analítica #servicios #programación #retención #eficiencia #datos #estrategia #negocios #optimización #trabajadores #estudio #tecnología #soluciones
Resumen. La alta rotación de personal de primera línea es un problema costoso en el comercio minorista y otros sectores de servicios. Las soluciones tradicionales —publicar horarios con antelación, prohibir las "aperturas cerradas" y ofrecer horarios más estables— ayudan, pero no solucionanLos factores más profundos y específicos de cada ubicación que impulsan la rotación de personal. Un nuevo estudio que analiza 280 millones de turnos en 20 cadenas minoristas muestra que la rotación depende de una combinación de factores, como la previsibilidad de la programación, la flexibilidad gerencial, la equidad y las condiciones laborales locales. Al aplicar análisis a los registros de programación, los gerentes pueden identificar qué factores, como períodos de descanso cortos, preavisos irregulares o solicitudes de tiempo libre no aprobadas, predicen con mayor precisión la rotación en cada sede. De esta manera, pueden crear horarios que equilibren la eficiencia operativa con las necesidades de los empleados. Las organizaciones que consideran la programación como un proceso basado en datos y en constante mejora pueden reducir la rotación, fortalecer la moral y mejorar la calidad del servicio.
Los minoristas saben desde hace tiempo que la alta rotación de personal de primera línea es costosa y consume tiempo y dinero, ya que los gerentes reclutan y capacitan constantemente a nuevo personal. La sabiduría popular sostiene que la programación es un factor clave en la rotación. Para reducir la pérdida de personal, se insta a los minoristas a publicar los horarios con anticipación; crear horarios de trabajo consistentes, predecibles y justos; y prohibir los " clopenings ", horarios que exigen que un empleado trabaje un turno de cierre y luego uno de apertura al día siguiente. Estas medidas pueden ayudar, pero un estudio que realizamos con 280 millones de turnos trabajados por 1,3 millones de empleados en 20 importantes cadenas minoristas de EE. UU. descubrió que la realidad es mucho más matizada. Los diferentes aspectos de la programación afectan a cada tienda de manera diferente, y solo un análisis de datos puede determinar cuáles son los más importantes para un sitio determinado, e incluso en qué medida la programación es la culpable de impulsar la rotación.

Hasta la fecha, la mayoría de los esfuerzos para abordar la rotación de personal han sido contundentes, uniformes y no se han basado en datos sobre la fuerza laboral local en cuestión. Gracias a los sistemas de gestión de personal basados ​​en datos, los gerentes ahora cuentan con las herramientas para mejorar considerablemente. Pueden usar la analítica para diseñar horarios adaptados a las necesidades locales que impulsan tanto la satisfacción de los empleados como la eficiencia de la dotación de personal. En este artículo, mostramos cómo identificar, priorizar y actuar sobre los factores clave de la programación en cada operación. Si bien nuestros datos provienen del sector minorista, la misma dinámica se aplica a los sectores de servicios de primera línea, donde la inestabilidad en la programación impulsa la rotación de personal.

El enfoque que proponemos no requiere recopilar más datos ni construir nueva infraestructura. Simplemente implica contar con la capacidad analítica necesaria. Casi todos los minoristas ya cuentan con los datos brutos necesarios para comprender la rotación de personal en ubicaciones específicas: marcas de tiempo (registros electrónicos o físicos de cuándo un empleado comenzó un turno, se tomó un descanso, completó una tarea o finalizó la jornada laboral), patrones de turnos, aprobaciones y ausencias. Sin embargo, la mayoría de las empresas utilizan los sistemas que recopilan estos datos solo para la nómina o para demostrar que cumplen con las leyes y regulaciones gubernamentales. Hasta donde sabemos, ninguna organización ha adoptado plenamente la personalización basada en datos que recomienda nuestra investigación. Por lo tanto, el enfoque que describimos en este artículo ofrece a las empresas con alta rotación de personal de primera línea una solución que podría tener un impacto positivo significativo en sus negocios rápidamente.

El alto costo de la rotación de personal
La retención de empleados varió drásticamente entre los 20 minoristas que estudiamos. Las tasas anuales oscilaron entre tan solo el 30% y el 73%, con un promedio del 52%, y la mediana de permanencia se extendió de cinco a 13 meses. En comparación, en muchos empleos administrativos, las tasas de retención anual suelen superar el 80%, e incluso en logística o fabricación, suelen mantenerse por encima del 70%. La rotación constante de personal en el sector minorista de primera línea genera numerosos problemas, como la falta crónica de personal, la falta de personal en los procesos de capacitación y la inconsistencia en el servicio que los clientes perciben de inmediato.

Los costos directos de una alta rotación incluyen el tiempo y el dinero invertidos en reclutamiento, incorporación y capacitación. Los costos indirectos son más sutiles, pero igual de perjudiciales: se pierden ventas porque no hay suficientes vendedores para mantener los estantes abastecidos, atender a los compradores y mantener las tiendas organizadas. Mientras tanto, los supervisores dedican más tiempo a reemplazar a los trabajadores que a capacitar a los existentes. Estimaciones ampliamente citadas por la Fundación SHRM y Gallup estiman que los costos de reemplazo para puestos de primera línea oscilan entre el 50% y el 200% del salario anual, dependiendo de la complejidad del puesto y el tiempo de adaptación (el tiempo que tarda un nuevo empleado en adquirir plena competencia), suficiente para eliminar los estrechos márgenes de ganancia típicos del sector servicios.

Los datos de programación pueden actuar como un sistema de alerta temprana, pero las señales no siempre son fáciles de leer. Las tiendas con una programación errática (cambios frecuentes de última hora, patrones de turnos inconsistentes y avisos con poca anticipación interrumpen la capacidad de los empleados para planificar sus vidas) a menudo experimentan grandes fluctuaciones en la rotación, el ausentismo y las calificaciones del servicio al cliente. Pero el ruido operativo (las pequeñas variaciones diarias en la demanda, el personal o la logística) puede hacer que los horarios parezcan inestables incluso cuando los sistemas funcionan como deberían. El desafío para los líderes es distinguir entre la variabilidad normal y los problemas estructurales que socavan la retención. Los gerentes deben estar atentos a las señales de comunicación débil, la presión en la gerencia media y una cultura que prioriza la eficiencia a corto plazo sobre la consistencia. Si las empresas monitorean los patrones de programación al igual que monitorean la satisfacción del cliente y la rotación del inventario, pueden detectar riesgos críticos para la moral y la retención antes de que surjan problemas graves.

Un análisis de los patrones de programación puede revelar no solo dónde existen problemas, sino también por qué. Al profundizar en los registros de cada turno, los gerentes pueden identificar la combinación específica de factores que impulsan la rotación de personal en una tienda o región en particular.

Confíe en los datos, no en la intuición
Cada una de las cadenas minoristas que estudiamos utiliza una herramienta de gestión de personal para generar y rastrear los detalles de los horarios de cada turno: cuándo se publicaron, si se modificaron y cómo estos cambios se alinearon con las solicitudes de los empleados o las condiciones locales. A diferencia de los estudios basados ​​en encuestas, que se basan en lo que la gente dice sobre sus horarios, estos registros capturan lo que realmente sucede. Descubrimos que, incluso dentro de los mismos sectores minoristas, las prácticas de programación y las tasas de rotación variaban considerablemente, mucho más de lo que la mayoría de los ejecutivos creen.

Para identificar qué aspectos de la programación predicen realmente la rotación de personal, utilizamos la regresión LASSO, un método estadístico avanzado diseñado para analizar cientos de variables potenciales y aislar las más relevantes. Basándonos en investigaciones previas en operaciones, economía laboral y comportamiento organizacional, creamos un conjunto completo de métricas que abarcan cinco dimensiones de la calidad de la programación:

  • Consistencia (o estabilidad) semanal de las rutinas de trabajo: si un empleado trabajó los mismos días, comenzó y terminó en horarios similares y recibió horas comparables a las de semanas anteriores
  • Previsibilidad: la cantidad de avisos anticipados que recibieron los empleados
  • Control: el grado en el que los empleados podían influir en sus horarios a través de solicitudes de tiempo libre y cambios en su disponibilidad, medido por la frecuencia con la que los gerentes atendían dichas solicitudes.
  • Fatiga física: la tensión que se crea cuando los turnos están mal secuenciados, como cuando un trabajador tiene períodos de descanso cortos entre turnos, se le asignan turnos de cierre y trabaja largas cadenas de días consecutivos
  • Equidad: si los empleados recibieron un trato equitativo en comparación con sus pares en la misma tienda, medido por si recibieron un aviso más corto de sus horarios, turnos menos favorables o menos solicitudes aprobadas de cambios de horario que los colegas
En conjunto, estas medidas ofrecen una visión multidimensional de cómo la programación afecta la actitud de los trabajadores en ubicaciones específicas y su rotación. En resumen, el análisis estadístico funciona como un detector de la verdad: descompone 166 variables de programación hasta el conjunto más pequeño que mejor explica qué trabajadores se quedan y cuáles se van.

Entre los minoristas de nuestro estudio, las prácticas de programación variaron mucho, al igual que su impacto. Tomemos como ejemplo la previsibilidad. En algunas empresas, los turnos se anunciaban con casi tres semanas de antelación; en otras, los trabajadores recibían un preaviso de menos de una semana. En general, observamos una diferencia de 12 días entre los lugares de trabajo más y menos predecibles. En general, los periodos de preaviso más largos se alineaban con una menor rotación: los minoristas que ofrecían un preaviso de dos a tres semanas tenían una tasa de deserción mensual media de alrededor del 5%, en comparación con el 7% u 8% de los que daban un preaviso de menos de una semana. Sin embargo, la relación no era absoluta. Otro minorista mantenía la rotación mensual por debajo del 4% con un preaviso de 12 días, mientras que uno que ofrecía un plazo de entrega similar perdió casi el doble de empleados. La previsibilidad ayudaba, pero no lo era todo.

Un aspecto adicional que varió considerablemente fue la flexibilidad gerencial: la facilidad con la que los supervisores atendían las solicitudes de los empleados para cambiar sus horarios de trabajo. (Esta es la práctica que utilizamos para medir la dimensión del control). En los 20 minoristas, las tasas de aprobación de dichas solicitudes oscilaron entre menos del 50 % y casi el 100 %, lo que refleja dos filosofías de gestión fundamentalmente diferentes.

Las empresas cuyos gerentes aprobaban rutinariamente los cambios de horario tendían a retener al personal durante más tiempo que aquellas cuyos gerentes no lo hacían. Los minoristas que aprobaron una alta proporción de solicitudes de cambio de horario y notificaron a sus trabajadores de primera línea con suficiente antelación experimentaron una tasa de rotación casi la mitad que la de sus pares menos flexibles. Aun así, una empresa que aprobó solo dos tercios de las solicitudes logró la tasa de deserción más baja de nuestra muestra.

Estos hallazgos resaltan una lección fundamental: los datos, no la intuición, deben guiar las prácticas de programación. Un análisis basado en datos de los factores que impulsan la rotación ayudará a los gerentes de operaciones locales individuales a ir más allá de las simples reglas generales (como "un mayor aviso es bueno" o "rechazar solicitudes de cambio es malo") para comprender las verdaderas compensaciones que influyen tanto en las operaciones como en la vida de los empleados. Solo identificando los factores más importantes para los trabajadores en su contexto específico, las organizaciones pueden diseñar horarios que no solo sean justos, sino también efectivos.

Un manual para personalizar la programación
Aquí encontrará una guía para comprender qué aspectos de la programación impulsan la rotación de personal en sus operaciones locales, de modo que pueda crear un enfoque personalizado para reducirla. Esta iniciativa es especialmente valiosa porque, en comparación con otras soluciones para otros factores de rotación, como aumentar la remuneración y contratar más personal para reducir la carga de trabajo, una mejor programación no incrementa los costos.

1. Identificar los factores que impulsan la rotación local. Para determinar qué aspectos de la programación contribuyen a la rotación, comience por analizar los datos de su fuerza laboral y concéntrese en diferentes segmentos y ubicaciones de empleados. Deje que sus datos revelen qué predice realmente la rotación. Muchas empresas ya aplican análisis avanzados a la fijación de precios, el surtido y la logística; es hora de aplicar la misma disciplina analítica al aspecto humano de las operaciones.
Realizamos nuestro análisis LASSO por separado para cada empresa, sus operaciones en cada estado y cada grupo de trabajadores (tiempo parcial, tiempo completo, nuevos empleados y con mayor antigüedad) para determinar cuándo y dónde las prácticas específicas eran más importantes. Descubrimos que cada minorista tenía su propio patrón distintivo. En algunas organizaciones, incluso regiones o formatos de tienda individuales mostraron factores únicos, lo que demuestra claramente que los factores que impulsan la retención dependen en gran medida del contexto local.

La variación no es aleatoria; refleja cómo interactúan los diferentes modelos operativos y las realidades de la fuerza laboral. Por ejemplo, en formatos de supermercados o tiendas de conveniencia de gran volumen, la fatiga física y la falta de descanso entre turnos impulsan la rotación de personal; en el sector de la moda y la cosmética, donde los empleados dependen de las comisiones y la relación con los clientes, la equidad y la consistencia son más importantes. Incluso dentro de una misma empresa, las tiendas que atienden a diferentes barrios pueden experimentar dinámicas diferentes: las que se encuentran en zonas de bajos ingresos tienden a experimentar efectos más fuertes de variables relacionadas con la fatiga, como los periodos de descanso cortos, mientras que las que se encuentran en mercados de mayores ingresos responden más a la equidad y la previsibilidad.

Encontramos la misma variedad de factores al examinar los segmentos de trabajadores. Los empleados a tiempo parcial y los más nuevos se vieron más afectados por descansos cortos entre turnos, una larga serie de jornadas consecutivas o horarios de entrada inestables. En cambio, los empleados a tiempo completo y con mayor antigüedad respondieron mejor a la equidad y la coherencia: si sus horarios eran equitativos en comparación con los de sus compañeros y si los cambios se comunicaban de forma rutinaria. En resumen, los empleados se van por diferentes motivos en los distintos minoristas. Tratar a toda la plantilla como si todos valoraran las mismas características del horario deja sin explotar importantes beneficios potenciales de retención.

Las características de los mercados laborales regionales añaden un nuevo matiz. Mapeamos los resultados en los 50 estados de EE. UU. para ver cómo los mercados laborales locales influyen en la importancia de los factores de programación. En el Medio Oeste y el Sur, la rotación laboral se asoció más fuertemente con horarios irregulares; por ejemplo, cuando un empleado tenía horarios los lunes y jueves de una semana, pero los sábados y domingos de la siguiente. En las zonas costeras, lo más importante era la percepción de la equidad en los horarios: si algunos empleados recibían constantemente avisos de sus turnos con mayor antelación o asignaciones más convenientes, como horarios o días preferentes, que otros. Estos contrastes regionales reflejan no solo las condiciones económicas, como mercados laborales más ajustados o mayores costos de vida, sino también las expectativas culturales sobre la conciliación de la vida laboral y personal y la influencia de las políticas laborales locales. En muchas ciudades costeras, las leyes de "semana laboral justa" exigen que los empleadores notifiquen a los empleados sus horarios con al menos dos semanas de antelación y les compensen por los cambios de última hora, lo que genera mayores expectativas de equidad y diferentes restricciones operativas. Para los empleadores que operan en varios estados, la lección es clara: las políticas de programación uniformes rara vez producen resultados uniformes.

Además, como todos sabemos, la programación no siempre es el factor que causa la pérdida de personal. Nuestro análisis de dos minoristas mostró que el efecto de la programación en la rotación de personal es prácticamente nulo. Si sus datos sugieren que esto es cierto en su organización, deberá explorar otros factores, como la compensación, las oportunidades de ascenso, el diseño de los puestos, el liderazgo y la cultura.

2. Priorizar, probar y escalar. Una vez identificados los factores clave, concéntrese en los factores de programación que más importan a los empleados y que sean viables para mejorar operativamente. Concentrarse en unos pocos cambios de alto impacto puede ayudar a lograr resultados tempranos y generar impulso para una adopción más amplia.
Implemente cambios específicos en un grupo selecto de sitios. Utilice pruebas A/B o implementaciones por fases para observar cómo los ajustes de programación influyen en la retención, el rendimiento y la motivación. Considere las pruebas como un laboratorio de aprendizaje: mida qué funciona, descubra por qué y perfeccione antes de ampliar la escala.

Una vez validados los resultados, expanda las prácticas comprobadas primero a las tiendas o grupos de empleados donde tendrán el mayor impacto. Comunique la justificación de los cambios para que los empleados comprendan el enfoque personalizado y basado en la evidencia.

3. Empoderar a los gerentes de primera línea. Las organizaciones no pueden implementar una programación localizada sin gerentes de primera línea capacitados y capacitados. Estos gerentes son los traductores de la estrategia; traducen las lecciones extraídas del análisis a la realidad diaria de sus equipos.
Los algoritmos sugieren patrones, pero las personas deben determinar si esos patrones tienen sentido en la práctica. Los gerentes de tienda más eficaces utilizan los datos no como una obligación, sino como una guía, equilibrando las preferencias individuales de los trabajadores con las necesidades operativas para que las reformas de programación tengan éxito en la práctica. Solo los gerentes de tienda pueden comprender quién hace malabarismos con el cuidado de los niños, quién tiene un viaje de dos horas al trabajo o quién prospera con turnos extra. Un modelo podría señalar el "descanso entre turnos" como un predictor clave de la deserción, pero solo un gerente local sabe qué empleados se ofrecen voluntariamente para horas extra y cuáles tienen un horario excesivo. Traducir la información basada en datos en decisiones de programación diaria requiere criterio, empatía y confianza, cualidades que ningún algoritmo puede reemplazar.

4. Mejorar continuamente. Las organizaciones deberían convertir la programación en un sistema de aprendizaje. Deberían monitorear patrones, crear ciclos de retroalimentación entre los equipos de análisis y los gerentes de tienda, revisar las métricas de retención trimestralmente y refinar las reglas de programación según corresponda. En efecto, la programación debería ser un experimento dinámico, no una política estática.
Liderazgo basado en datos
Las investigaciones sobre horarios justos y estables demuestran que un horario predecible mejora la moral, el rendimiento y las ventas de los trabajadores de primera línea. Nuestros hallazgos no refutan esta idea ; la refuerzan. La estabilidad y la equidad son importantes, pero no por igual ni en todas partes.

Aunque nuestros datos provienen del comercio minorista, nuestras lecciones se aplican a cualquier entorno que dependa del trabajo coordinado por turnos: salas de hospital, recepción de hotel, personal de tierra de aeropuertos, centros de atención telefónica, plantas de fabricación y muchos otros. En todos estos entornos, pequeños cambios en el diseño o la percepción de equidad de los horarios pueden traducirse en grandes mejoras en la retención, la calidad del servicio y la productividad.

Los minoristas saben desde hace tiempo que localizar el surtido de productos y adaptar la mercancía a los gustos locales puede mejorar drásticamente las ventas. Nuestra investigación demuestra que el mismo principio se aplica a la programación. Así como los clientes de distintos mercados desean productos diferentes, los empleados de distintas ubicaciones valoran distintos aspectos de sus horarios.

El mensaje general es claro: la planificación no es una fórmula universal; es un conjunto de prácticas a medida. Los mejores horarios, al igual que las mejores operaciones, se diseñan localmente, se prueban continuamente y se perfeccionan con base en evidencia, no en suposiciones. Con el análisis actual de la fuerza laboral, los gerentes pueden diseñar horarios relevantes a nivel local que reflejen las realidades operativas, las preferencias de los empleados y la dinámica laboral regional. Es fundamental que los líderes sénior utilicen los datos de su empresa para identificar qué palancas realmente impulsan el cambio en los entornos locales. Las empresas de líderes que lo hagan obtendrán una ventaja decisiva en forma de mayor satisfacción, retención y productividad de los empleados; mejor calidad del servicio; y menores costos operativos.

Lea más sobre Gestión de personas o temas relacionados Retención de empleados, Gestión de recursos humanos, Análisis y ciencia de datos y Venta minorista y bienes de consumo.

Una versión de este artículo apareció en la edición de marzo-abril de 2026 de Harvard Business Review.

Santiago Gallino es académico distinguido Charles W. Evans y profesor asociado en los departamentos de operaciones, información, decisiones y marketing de la Wharton School de la Universidad de Pensilvania.

Borja Apaolaza es candidato a doctorado en el departamento de operaciones, información y decisiones de la Wharton School de la Universidad de Pensilvania.

Doxa 2454

Por qué se estanca la adopción de IA, según datos del sector

Por Erin Eatough , Keith Ferrazzi , Wendy Smith y Shonna Waters
IA generativa
Harvard Business Review

#Doxa #IA #Adopción #Estancamiento #Datos #Sector #Barreras #Costos #Talento #Privacidad #Ética #Integración #ROI #Estrategia #Tecnología #Futuro
Resumen. Muchas empresas informan de un uso generalizado de la IA, pero resultados decepcionantes, asumiendo que el problema radica en la ejecución, no en la adopción. Un nuevo estudio muestra que las iniciativas de IA suelen estancarse debido a la ansiedad de los empleados, condicionada por el sector, respecto a la relevancia, la identidadY la seguridad laboral impulsa un uso superficial sin un compromiso real. Los líderes que abordan la adopción de la IA como un desafío psicológico y contextual, no solo como una implementación técnica, tienen muchas más probabilidades de convertir la experimentación en un impacto sostenido.
Las empresas de la mayoría de los sectores están invirtiendo fuertemente en inteligencia artificial: el 88 % de las empresas reportan un uso regular de la IA . Sin embargo, muchos líderes reportan frustraciones comunes. La adopción de la IA se estanca. Las mejoras de rendimiento se estancan. Los empleados experimentan con nuevas herramientas, pero no las integran a fondo en su trabajo, lo que genera en los ejecutivos una creciente preocupación por el retorno de la inversión (ROI).

Nuestra investigación sugiere que esto no se trata de un fallo de ejecución aleatorio. Se trata de un patrón psicológico predecible, impulsado por la ansiedad propia del sector sobre lo que la IA significa para el empleo, la identidad y el futuro de las personas.

Para comprender por qué se estanca la adopción de la IA, Fractional Insights y Ferrazzi Greenlight colaboraron en dos encuestas realizadas a empleados de Estados Unidos y Europa. Una fue un estudio transnacional con más de 2000 participantes, realizado en otoño de 2025 en colaboración con QuestionPro; la otra fue una encuesta solo en EE. UU. con 1000 participantes, realizada en primavera de 2025. Los participantes en ambas encuestas pertenecían a sectores como la salud, la tecnología, las finanzas, la manufactura, el comercio minorista, la educación, la hostelería y más.

En el estudio transnacional, solicitamos a los participantes que nos contaran sobre sus comportamientos de adopción de IA en el trabajo y sus sentimientos al respecto, incluyendo si la IA les genera temor a la estabilidad laboral o a ser reemplazados, si reduce su valor como empleados, si limita la conexión humana con sus colegas o si perjudica su intelecto. Combinamos estos resultados en una medida denominada angustia ante la IA, una medida de las amenazas percibidas a la estabilidad laboral, el valor profesional y el crecimiento, mediante 10 ítems en una escala de cinco puntos.

Aproximadamente ocho de cada diez empleados expresaron una gran preocupación por al menos un elemento de ansiedad relacionada con la IA. Por ejemplo, el 65 % coincidió en que les preocupa ser reemplazados por alguien que sabe usar la IA mejor que yo; al 61 % le preocupa que la IA pueda hacer que otros piensen que no aporto un valor único; al 60 % le preocupa que usar la IA para facilitar mi trabajo haga que mis compañeros cuestionen mi competencia personal; el 54 % considera que la IA está afectando su forma de conectar con los demás en el trabajo; y el 44 % considera que los está volviendo más ingenuos. Uno de cada tres empleados obtuvo una puntuación media de cuatro o más en la puntuación compuesta de ansiedad relacionada con la IA.

En general, descubrimos que aproximadamente el 86% de las personas sentían que la IA haría que el trabajo fuera al menos un poco mejor, y el 14% sentía que la IA tendría un impacto neutral o negativo en la experiencia laboral.

La paradoja creencia-ansiedad
Pero aquí está la conclusión clave: creer en el valor empresarial de la IA no significa que los empleados se sientan seguros respecto a su futuro. Aproximadamente 4 de cada 10 empleados creen firmemente en el valor empresarial de la IA, pero al mismo tiempo temen lo que esto significa para su propia seguridad y relevancia.

Las creencias centrales positivas sobre la IA y la angustia ante la IA tienden a ser predecibles dependiendo de la industria en la que se encuentre una persona. Los puntajes más altos de creencias centrales positivas provinieron de personas de finanzas, tecnología y atención médica, mientras que las personas de educación, manufactura, comercio minorista y gobierno tendían a tener opiniones más pesimistas sobre la IA.

Las puntuaciones más altas de ansiedad ante la IA también se obtuvieron en profesionales del sector tecnológico y de los servicios financieros, quienes presentaron puntuaciones de ansiedad ante la IA un promedio un 48 % más altas que las de los profesionales de la manufactura y la educación. Este patrón también se repitió en nuestro estudio transnacional, donde los profesionales del sector financiero y tecnológico mostraron las puntuaciones más altas de ansiedad ante la IA. Factores como el historial de automatización de una industria o sus principales fuentes de valor pueden dar pistas sobre el porqué.

La tecnología y los servicios financieros se encuentran en el centro de la tensión entre optimismo y miedo. Estas industrias han experimentado repetidas oleadas de disrupción, reestructuración y obsolescencia de habilidades. Como resultado, la IA puede interpretarse simultáneamente como un motor de crecimiento y una amenaza para las carreras profesionales.

Los empleados de estos sectores pueden tener fuertes convicciones sobre el valor de la IA para la empresa. Parecen comprender mejor que la mayoría su potencia, escalabilidad e implicaciones competitivas. Pero esa misma proximidad a la IA también hace que sus riesgos se perciban como algo más personal.

En nuestros datos, esto se refleja en una alta creencia, acompañada de una alta percepción de riesgo personal. Si la adopción se estanca, es menos probable que se deba a que las personas duden del potencial de la IA, sino a que están gestionando activamente el riesgo personal que conlleva.

La atención médica presenta un punto de partida psicológico diferente. En este contexto, la IA se presenta con mayor frecuencia como una herramienta que mejora la misión, apoya la atención al paciente, reduce la carga administrativa y mejora los resultados, en lugar de reemplazar por completo el criterio profesional. Esta alineación con la misión y el propósito podría explicar por qué encontramos puntuaciones más bajas de ansiedad ante la IA en los empleados del sector salud.

Sin embargo, ese mismo optimismo puede crear una trampa de fracaso diferente. Cuando la convicción supera a la gobernanza, los riesgos de adopción pasan de la resistencia a la tensión en la ejecución o al mal uso. Sin unas normas claras en materia de seguridad, sesgo, responsabilidad e integración del flujo de trabajo, el entusiasmo por sí solo no basta para sostener una adopción escalable y responsable.

Los servicios profesionales se enfrentan quizás a la forma de adopción de IA más disruptiva para la identidad. En campos como el derecho, la consultoría y la contabilidad, el valor reside en la experiencia, el criterio y la diferenciación, precisamente los ámbitos que la IA abarca cada vez más. Como resultado, la IA a menudo puede interpretarse menos como una herramienta y más como un desafío a la legitimidad profesional.

Observamos que los empleados de estos sectores pueden mostrar mayor escepticismo sobre si la IA puede contribuir a un mejor trabajo, lo que reduce la confianza en su valor comercial. Al mismo tiempo, manifiestan una mayor preocupación sobre lo que la IA significa para su propia relevancia y trayectoria profesional. El riesgo de adopción en este caso es doble: el escepticismo puede limitar la experimentación, mientras que la amenaza profesional puede fomentar comportamientos de autoprotección.

Finalmente, en la educación, la manufactura, el comercio minorista y la administración pública , la IA suele permanecer psicológicamente distante del trabajo diario. En estos sectores, los empleados tienden a no manifestar una creencia firme ni un temor intenso hacia la IA. La IA parece percibirse como algo más abstracto, orientado al futuro o tangencial a las expectativas de rendimiento. La barrera dominante no es la resistencia, sino la indiferencia.

Cuando la IA aún no se siente conectada con el trabajo, los empleados tienen pocos incentivos para invertir energía en su adopción. En estos entornos, la adopción puede estancarse no porque las personas se resistan, sino simplemente porque no se sienten motivadas para participar.

En todos los sectores, el patrón es constante: la adopción de la IA se estanca cuando la tecnología choca con la forma en que las personas entienden su valor, su riesgo y su futuro. El contexto del sector determina cuál de estas fuerzas domina primero y por qué los líderes que lo ignoran malinterpretan tanto el entusiasmo como la resistencia.

Por qué la ansiedad puede aumentar el uso de IA y aun así estancar los resultados
La mayoría de las estrategias de IA se centran en el beneficio empresarial (p. ej., "¡Agilizará el trabajo!"). Muchas menos abordan la amenaza personal que la IA representa para la seguridad laboral, la relevancia y el significado del trabajo. Cuando ese riesgo no se analiza, la adopción puede parecer atractiva, pero el retorno de la inversión (ROI) no.

Uno de los hallazgos más contraintuitivos de nuestra investigación es que la angustia ante la IA a menudo aumenta el uso y al mismo tiempo aumenta la resistencia.

En nuestro estudio transnacional, solicitamos a los encuestados que estimaran el porcentaje de su trabajo en el que utilizan la IA como apoyo. También medimos la angustia ante la IA utilizando 10 ítems que reflejan preocupación y miedo sobre la IA. La angustia alta ante la IA se definió como una puntuación de 4 o más en una escala compuesta de 5 puntos, y la angustia baja se definió como una puntuación promedio de 2 o menos. Aquellos con alta angustia ante la IA informaron que, en promedio, el 65% de su trabajo estaba actualmente asistido por IA, en comparación con el 42% del trabajo para aquellos con baja angustia ante la IA. También hicimos una pregunta muy directa: ¿Hasta qué punto se siente "resistente a adoptar la IA en el trabajo"? La angustia alta ante la IA significó más del doble de resistencia (una puntuación de resistencia de 4.6 para los grupos de angustia alta frente a 2.1 para los grupos de angustia baja en una escala de cinco puntos). La conclusión: El miedo a perder el trabajo o a quedarse obsoleto puede impulsar el cumplimiento y el uso, pero no necesariamente produce una verdadera aceptación y compromiso.

Esto ayuda a explicar por qué las implementaciones de IA pueden parecer exitosas a primera vista (licencias activadas, herramientas utilizadas) pero no logran un impacto duradero. En estos casos, su uso refleja autoprotección más que confianza genuina o innovación.

Como ocurre con cualquier investigación por encuesta, estos resultados reflejan las percepciones de los empleados, pero esas percepciones predicen fuertemente el comportamiento de adopción.

Nuestras investigaciones anteriores sobre la angustia en el lugar de trabajo descubrieron que los empleados que experimentan amenazas personales pueden desempeñarse bien en el corto plazo, pero son mucho más propensos a desvincularse o irse.

La ansiedad específica relacionada con la IA muestra el mismo patrón. Incluso cuando las métricas de uso de la IA parecen sólidas, el comportamiento subyacente suele ser performativo en lugar de participativo, lo que erosiona el impacto real.

Los cuatro tipos de empleados
Analizando estos datos con más detalle, identificamos cuatro grupos distintos de empleados según sus creencias sobre la IA y sus niveles de ansiedad. Comprender qué perfil predomina en su organización es fundamental para diseñar la estrategia de adopción adecuada.

Los visionarios (con gran convicción de su valor y baja percepción de riesgo personal) ven las ventajas de la IA y experimentan con facilidad en su trabajo. Alrededor del 40 % de los empleados se encuentran en este grupo.
  • Imperativos de gestión: Implementar a los Visionarios como mentores y pioneros, pero animarlos a evaluar los riesgos en lugar de simplemente vender beneficios. Mantenerlos enfocados en la ejecución rigurosa, no en la publicidad exagerada. Permítales liderar equipos piloto y sprints de innovación, pero acompáñelos con escépticos capaces de identificar los puntos ciegos. Su entusiasmo es una ventaja; su exceso de confianza puede ser una desventaja.
Los disruptores (alta creencia, alto riesgo percibido) comprenden el poder de la IA, pero se preocupan profundamente por su propia relevancia, lo que probablemente lleve a un uso impulsado por el miedo. Aproximadamente el 30% de los empleados se ajustan a este perfil.
  • Imperativos de gestión: Proporcionar transparencia radical en torno a la estrategia de IA y sus implicaciones para los roles. Invertir visiblemente en programas de reciclaje profesional y difundir los avances. Crear espacios psicológicamente seguros para el aprendizaje y la experimentación donde el fracaso no implique riesgos profesionales. Cocrear planes de transición en lugar de imponerlos, otorgando a los disruptores la responsabilidad del cambio, lo que reduce la ansiedad y aprovecha su comprensión cognitiva.
Los empleados en riesgo (baja creencia, alto riesgo percibido) sienten que la IA amenaza la identidad profesional y cuestionan su valor. Aproximadamente el 20% de los empleados se encuentran en esta categoría.
  • Imperativos de gestión: Liderar con empatía y reconocer el miedo primero, antes de presentar argumentos racionales. Crear victorias de bajo riesgo que generen confianza emocional y confianza cognitiva en la tecnología. Asociar a los empleados en peligro con visionarios para generar confianza y modelarla. Reforzar constantemente los elementos humanos de sus funciones que no se automatizarán, ayudándolos a ver la IA como un complemento en lugar de un sustituto.
Los empleados complacientes (baja confianza y baja percepción de riesgo) no se sienten amenazados por la IA, pero tampoco aprecian su valor. Aproximadamente el 10 % de los empleados se encuentran en esta situación.
  • Imperativos de gestión: Impactar al sistema con historias disruptivas externas de la competencia o de sectores adyacentes. Personalizar profundamente la relevancia mostrando lo que está en juego para sus roles específicos. Utilizar el aprendizaje gamificado para fomentar la participación donde la formación tradicional falla. Destacar a las personas que se mueven con rapidez dentro de la organización para generar miedo a perderse algo (FOMO) e impulsar la urgencia mediante la presión de grupo en lugar de mandatos de arriba hacia abajo.
Si bien estos perfiles reflejan patrones de adopción familiares, la IA introduce una amenaza personal mucho antes y de manera más amplia que la mayoría de las tecnologías anteriores.

Lo que los líderes deben hacer de manera diferente
Cuando la adopción de IA no produce resultados, los líderes suelen responder intensificando las estrategias habituales: mayor capacitación, mandatos más claros y una gobernanza más estricta. Sin embargo, estos enfoques pasan por alto el problema central. Nuestra investigación sugiere que la adopción de IA no genera impacto no porque las personas no la utilicen, sino porque a menudo la utilizan al mismo tiempo que temen lo que significa para ellas personalmente.

Tres turnos son los más importantes

En primer lugar, hay que reconocer los riesgos específicos de la industria antes de implementar la IA.
El contexto industrial determina el punto de partida psicológico para la adopción mucho antes de la introducción de cualquier herramienta. En algunos sectores, la IA se presenta más como una oportunidad. En otros, como una amenaza. Las estrategias eficaces de IA comienzan no solo con planes tecnológicos, sino también con una visión clara de cómo las personas interpretan la angustia y el riesgo personal relacionados con la IA.

En segundo lugar, hay que dejar de tratar el uso como un indicador de aceptación.
A menudo se asume que un alto uso implica una alta adopción. En realidad, el uso puede reflejar fácilmente un cumplimiento autoprotector en lugar de un compromiso genuino. Nuestros datos muestran que los empleados que experimentan mayor ansiedad ante la IA suelen usarla de forma más amplia, pero también pueden sentir una mayor resistencia interna que puede obstaculizar la innovación real. Sin comprender el contexto emocional detrás del uso, los líderes corren el riesgo de optimizar la actividad en lugar del impacto. Las métricas de adopción deben combinarse con señales de ansiedad, seguridad psicológica y apertura a la experimentación para distinguir el compromiso genuino de la participación calculada.

En tercer lugar, diseñar para el aprendizaje antes de diseñar para escalar.
Los líderes no pueden mejorar ni gestionar la adopción de la IA si no distinguen entre la aceptación genuina y el cumplimiento motivado por la ansiedad. Cuando los empleados perciben un riesgo personal, pueden usar la IA de maneras que parecen activas, pero son cautelosas o estratégicamente limitadas para proteger su rol. Escalar la IA antes de que las personas se sientan seguras para aprender simplemente amplifica la adopción superficial en lugar de un impacto duradero.

En conjunto, estos cambios requieren que los líderes dejen de tratar la adopción de IA como un problema de implementación y comiencen a tratarla como un problema de percepción de riesgos, que está determinado por el contexto de la industria y se expresa a través del comportamiento humano.
. . .
Lo que diferencia a las organizaciones que tienen éxito con la IA no son mejores herramientas, sino una comprensión más realista de cómo las personas experimentan la IA, especialmente dentro de su contexto industrial específico.

El impacto de la IA, en última instancia, depende de si los empleados pueden percibir un lugar creíble en el futuro que los líderes están construyendo. Cuando los líderes parten de las realidades del sector, reconocen el riesgo real que perciben las personas con la IA y restauran la visibilidad de cómo está cambiando realmente el trabajo, la adopción deja de ser algo que ellos impulsan y puede convertirse en algo que los empleados ayudan a moldear.

Lea más sobre IA generativa o temas relacionados Gestión del cambio y Tecnología y análisis

Erin Eatough es cofundadora y directora científica de Fractional Insights y profesora de psicología organizacional en la Universidad Estatal de Michigan.

Keith Ferrazzi es el presidente y fundador de Ferrazzi Greenlight, una empresa global de consultoría y coaching de equipos con sede en Los Ángeles, y coautor de Competing in the New 
World of Work: How Radical Adaptability Separates the Best from the Rest (Harvard Business Review Press, 2022).

Wendy Smith es jefa de investigación y liderazgo intelectual en Ferrazzi Greenlight.

Shonna Waters es cofundadora y directora ejecutiva de Fractional Insights y profesora en la Universidad de Georgetown.




Doxa 2453

Por qué sus inversiones digitales no generan valor

En la mayoría de las organizaciones, los resultados decepcionantes de las plataformas de IA, análisis y CRM se deben a un desajuste entre las nuevas formas de trabajar y los viejos diseños organizacionales

Por Prabhakant Sinha, Arun Shastri y Sally Lorimer
Tecnología y análisis
Harvard Business Review

#Doxa #TransformaciónDigital #InnovaciónOrganizacional #InteligenciaArtificial #GestiónDelCambio #CulturaEmpresarial #LiderazgoDigital #EstrategiaDigital #AdopciónTecnológica #ResistenciaAlCambio #DiseñoOrganizacional #PlataformasCRM #AnalíticaDeDatos #AgilidadEmpresarial #AlineaciónEstratégica #ValorDeNegocio
Resumen. Muchas empresas invierten en plataformas de IA, analítica y CRM, pero les cuesta traducir esas inversiones en un crecimiento mensurable de los ingresos. El problema no es la adopción de tecnología, sino la incapacidad de rediseñar la forma en que las organizaciones comerciales generan información, toman decisiones y coordinan sus acciones. Las empresas que triunfan abordan la transformación digital como un modelo operativo comercial, implementando cuatro cambios que convierten lo digital, de ser percibido como un obstáculo, en un dividendo de crecimiento duradero.
Las empresas están invirtiendo fuertemente en centros de análisis digital con capacidades de IA y de inteligencia artificial de última generación, sistemas CRM empresariales y plataformas tecnológicas de marketing. En ningún sector se concentran más estas inversiones que en las funciones comerciales, donde residen el crecimiento y el impacto en el cliente.

Sin embargo, una creciente inquietud impregna a los altos ejecutivos. En una encuesta de PwC de 2025, el 56 % de los directores ejecutivos afirmó que sus empresas aún no obtenían resultados financieros de las inversiones en IA. Escuchamos preocupaciones similares de los ejecutivos con los que trabajamos. Si bien la confianza en el potencial digital sigue siendo alta, los equipos comerciales tienen dificultades para traducir esa promesa en resultados comerciales tangibles.

En una encuesta de ZS de 2026 realizada a directores digitales e informáticos (CDIO) de empresas farmacéuticas estadounidenses, menos de la mitad afirmó haber obtenido un valor medible de las iniciativas de IA comercial, citando como obstáculos persistentes la fragmentación de los datos, la falta de claridad en la propiedad y la limitada gestión del cambio. Además, los líderes del Consejo Asesor de CIO de ZS afirman tener dificultades para vincular inversiones sustanciales en la transformación de CRM con el aumento de los ingresos. Los ejecutivos nos indican repetidamente que las iniciativas digitales no cumplen las expectativas: mejoran la ejecución pero no la estrategia, aumentan la eficiencia pero no liberan capacidad para tareas de mayor valor, muestran una sólida adopción pero un impacto comercial limitado y crean soluciones desconectadas que no se adaptan a los flujos de trabajo existentes. A pesar de implementar los sistemas más modernos, las empresas solo están obteniendo una fracción del beneficio esperado.

Las empresas que convierten con éxito lo digital en valor lo consideran una transformación del modelo operativo comercial, no solo una actualización tecnológica. Se centran en cuatro cambios interconectados que reconfiguran la forma en que se generan los conocimientos, se toman las decisiones, se coordinan las acciones y se organizan los análisis.
  1. De la inteligencia humana a la inteligencia basada en activos. El conocimiento evoluciona desde análisis y juicios basados ​​en proyectos hasta modelos analíticos reutilizables integrados en la toma de decisiones.
  2. De la toma de decisiones intermitente a la continua. Muchas decisiones pasan de ciclos episódicos (por ejemplo, la planificación trimestral) a la detección y acción en tiempo real, mientras que las decisiones menos frecuentes se toman con mayor rapidez.
  3. De la ejecución aislada a la coordinada. La ejecución pasa del control funcional independiente a la acción coordinada entre ventas, marketing y servicio.
  4. De la analítica fragmentada a la centralizada. Las soluciones y equipos propios de cada función dan paso a plataformas, herramientas y talento compartidos que abarcan toda la empresa y las distintas geografías.
En conjunto, estos cambios sustentan el enorme potencial de lo digital para permitir la personalización, generando un mayor impacto en el cliente y aumentando las ventas.

Cambio n.° 1: De la inteligencia humana a la inteligencia basada en activos
Tradicionalmente, cuando los líderes necesitaban información —por ejemplo, por qué una campaña funcionaba, por qué un cliente dejaba de comprar o dónde centrarse a continuación— recurrían a especialistas o encargaban estudios que les proporcionaban respuestas. La información residía en las personas y los proyectos. Con la tecnología digital, la información reside cada vez más en recursos analíticos, como datos, modelos y herramientas de IA integradas en los procesos comerciales.

En LinkedIn, los vendedores responsables de las renovaciones y el crecimiento de los productos de contratación y aprendizaje solían depender de paneles fragmentados y de la experiencia personal para priorizar las cuentas. Hoy en día, un priorizador de cuentas basado en aprendizaje automático clasifica continuamente las cuentas según las oportunidades de venta adicional y cruzada, así como las señales de abandono. La información reside en un modelo reutilizable que se actualiza automáticamente y se aplica de forma coherente entre los vendedores. Como resultado, los vendedores dedican menos tiempo a analizar datos y más a vender, lo que impulsa un aumento en las reservas de renovación.

En Schneider Electric, los técnicos solían inspeccionar físicamente miles de máquinas en las instalaciones de algunos clientes para identificar las que presentaban riesgo de fallo. Hoy en día, los sensores integrados en los equipos transmiten datos de estado y rendimiento en tiempo real que, junto con la antigüedad de los activos y el historial de mantenimiento, alimentan un modelo que identifica continuamente las máquinas en riesgo y orienta a los clientes, así como al personal de ventas y servicio de Schneider, hacia el mantenimiento preventivo o las actualizaciones. El resultado es una mayor disponibilidad y seguridad para los clientes, un mayor crecimiento de las ventas y una mayor confianza de los clientes en Schneider.

En ambos ejemplos, los recursos analíticos respaldan el juicio humano o funcionan de forma autónoma dentro de límites definidos, transfiriendo la responsabilidad de los expertos a analistas y algoritmos. El resultado son decisiones mejores y más rápidas, que impulsan el impacto y el crecimiento.

Cambio n.° 2: De la toma de decisiones intermitente a la continua
Las organizaciones se construyeron para una cadencia específica: planes anuales o trimestrales, ejecución entre cada uno y revisión del progreso en etapas definidas. Los activos digitales transforman este modelo al permitir una generación de información más rápida o integrar la guía en la ejecución.

En algunas decisiones, la cadencia sigue siendo episódica, pero la duración del ciclo se acorta. En una empresa biofarmacéutica, determinar el tamaño y la estructura de una gran organización de ventas requería seis meses de análisis basado en proyectos y otros seis meses de implementación. Hoy, un equipo más eficiente completa el mismo trabajo en tres meses, centrando la mayor parte del esfuerzo en la implementación en lugar del análisis. En las empresas de servicios tecnológicos, las herramientas GenAI redujeron a la mitad el tiempo de generación de propuestas, lo que mejoró la eficiencia y la capacidad de respuesta al cliente.

En otros casos, las revisiones episódicas se sustituyen por una toma de decisiones continua. En Takeda Oncology, los vendedores solían operar con planes de visitas mensuales estáticos. Hoy en día, un sistema detecta continuamente los cambios en la experiencia de cada paciente, lo que permite a los vendedores enviar mensajes contextualmente relevantes a los oncólogos justo cuando se toma una decisión sobre el tratamiento.

Maersk, empresa global de transporte y logística,  aplica la misma lógica en su servicio al cliente. Al integrar las capacidades de IA con datos operativos y de clientes integrados, la empresa permite detectar y responder casi en tiempo real a las miles de consultas relacionadas con las entregas que recibe a diario. Los borradores de respuestas generados por GenAI permiten a los operadores revisarlos y responder con un solo clic. La tecnología digital acorta el tiempo entre la información, la acción y el impacto.

Cambio n.° 3: De la ejecución aislada a la ejecución coordinada
Durante décadas, las empresas optimizaron la ejecución comercial verticalmente. Marketing se apropió de la marca y la demanda, Ventas de las relaciones y los ingresos, y el éxito del cliente se centró en la generación de valor y el crecimiento. Incluso dentro de Marketing, los equipos de marca, generación de demanda, medios y analítica solían operar con presupuestos, métricas y prioridades distintos. Se fomentaba la coordinación, pero no era estructuralmente esencial.

La tecnología digital transforma esa fórmula. Los clientes ahora se mueven con fluidez entre canales y funciones. Un médico interactúa con una empresa farmacéutica a través de representantes, portales, información científica y programas para pacientes. Un comprador en la nube pasa de la investigación en línea a las ventas técnicas, la incorporación y el soporte. Los clientes informados esperan una experiencia conectada.

Las empresas están respondiendo mediante el uso de recursos digitales y orientación integrada para coordinar la ejecución en torno a los clientes, en lugar de a los límites funcionales. En Microsoft (con quien hemos colaborado), la ejecución comercial está cada vez más alineada mediante flujos de trabajo compartidos y señales de clientes integradas en los sistemas de CRM, colaboración y soporte. Estas señales guían las acciones de los equipos de ventas, marketing y servicio, creando una experiencia del cliente más cohesionada y eficaz.

Un cambio similar está en marcha en US Bank. Mediante el uso de datos de clientes integrados en la banca en línea y móvil, sucursales, correo directo y otros puntos de contacto, el banco ha reemplazado la comunicación fragmentada con una coordinación más personalizada y multicanal. Una compra importante con tarjeta de crédito puede generar una oferta de préstamo personalizada, mientras que las señales relacionadas con la jubilación inician una experiencia coordinada que conecta a los clientes adinerados con un asesor de gestión patrimonial.

En ambos casos, la ejecución pasa de acciones funcionalmente optimizadas a respuestas sincronizadas en todos los canales, lo que impulsa el crecimiento.

Cambio n.° 4: Del análisis fragmentado al análisis centralizado
Los análisis de clientes han estado dispersos entre funciones y geografías durante mucho tiempo. Marketing gestionaba el análisis de campañas, el departamento de ventas gestionaba la planificación de cuentas y el análisis de ventas, y cada país utilizaba sus propios sistemas y proveedores. En una empresa, más de 100 organizaciones nacionales operaban plataformas de análisis independientes. (La empresa está ahora en vías de centralización).

La era digital hace insostenible la descentralización. La analítica y la IA exigen talento escaso, una gobernanza sólida y una inversión sostenida. Como resultado, las organizaciones están migrando hacia centros de analítica centralizados, respaldados por plataformas de datos compartidas, capacidades de IA y equipos de expertos. Estos centros pueden ser internos o externalizados, y estar ubicados onshore o offshore.

Pfizer (con quien hemos colaborado) ha evolucionado desde funciones de análisis específicas para cada país hasta plataformas y herramientas de análisis comercial compartidas. En una estructura radial, los centros de operaciones en EE. UU. e India proporcionan la infraestructura básica y modelos reutilizables, mientras que los equipos integrados permanecen en las unidades de negocio para garantizar la relevancia local.

Maersk refleja este cambio. Reunió numerosas tecnologías heredadas fragmentadas en una plataforma digital unificada, integrando datos logísticos en toda su red. La plataforma permite visibilidad a nivel empresarial, soluciones escalables y una experiencia integrada para los clientes.

Para cada empresa mencionada en este artículo, el análisis centralizado fue parte de la solución, lo que permitió inteligencia basada en activos, decisiones más rápidas y ejecución coordinada.

El camino por delante: Replanteando lo digital desde la modernización hacia el impacto
Para muchos líderes, el creciente coste de la IA y las capacidades de analítica avanzada puede parecer un impuesto digital inevitable. Esta percepción suele surgir cuando la inversión digital se define como modernización: actualización de plataformas, estandarización de herramientas, mejora de la eficiencia. Lo digital se considera infraestructura, y el éxito se mide en consecuencia: sistemas implementados, usuarios capacitados, acceso a paneles de control.

En la mayoría de las organizaciones, el bajo rendimiento digital no es un fallo en la gestión del cambio, sino un desajuste entre las nuevas formas de trabajar y los viejos diseños organizacionales.

El anclaje en los cuatro cambios cambia la narrativa. Lo digital no se trata solo de mantener la operación e implementar soluciones puntuales desconectadas; se trata aún más de tomar mejores decisiones comerciales a lo largo de todo el recorrido del cliente: decidir a qué clientes priorizar, cómo interactuar con ellos y dónde desplegar los recursos escasos. Visto así, el éxito no se refleja en las métricas de actividad, sino en los resultados, como las tasas de éxito, la velocidad de decisión y el crecimiento de las ventas. Como lo expresó un director de operaciones de servicios financieros, la verdadera pregunta es: ¿Qué aporta a los ingresos?

Lo digital es más que un cambio tecnológico. Redefine la forma en que las organizaciones comerciales operan y toman decisiones, automatizando algunas tareas y apoyando otras que requieren juicio y conexión humana, especialmente en cuentas estratégicas. Transfiere el conocimiento de las respuestas a los recursos, desviando el esfuerzo de la producción de análisis al diseño, la gestión y la mejora de herramientas de decisión reutilizables. Comprime los ciclos de decisión, acercando las decisiones al momento de la acción y reestructurando la experiencia, pasando del juicio individual esporádico a la inteligencia institucional integrada y reutilizable. Reemplaza la ejecución aislada por la coordinación, impulsando una mayor alineación entre ventas, marketing, servicio y análisis. Además, impulsa la centralización, creando la necesidad de capacidades compartidas que concentren el talento escaso, proporcionen una gobernanza sólida y respalden la inversión sostenida.

Cuando las empresas realizan estos cambios con éxito, lo digital deja de sentirse como un impuesto y comienza a ofrecer los dividendos que los líderes esperan y necesitan.

Lea más sobre Tecnología y análisis o temas relacionados Análisis y ciencia de datos, IA y aprendizaje automático, IA generativa, Marketing, Ventas, Gestión de equipos de ventas e Indicadores de rendimiento.

Prabhakant Sinha es cofundador de ZS, una firma global de servicios profesionales. Es coautor del Manual de Gestión de Ventas de HBR.

Arun Shastri es líder del área de inteligencia artificial en ZS, una firma global de servicios profesionales, y enseña a ejecutivos de ventas en la Kellogg School of Management de Northwestern. Es coautor del Manual de Gestión de Ventas de HBR.

Sally Lorimer es directora de ZS, una firma global de servicios profesionales. Es coautora del Manual de Gestión de Ventas de HBR.