Doxa 2553

Cómo la IA de última generación está transformando las decisiones de compra B2B

Por Amit Joshi, Ivy Buche y Caroline Schwaer

IA generativa

Harvard Business Review

#Doxa #IAenB2B #InteligenciaArtificial #VentasB2B #TomaDeDecisiones #TransformacionDigital #MachineLearning #AutomatizacionB2B #ExperienciaDeCompra #AnalisisPredictivo #EstrategiaB2B #ComercioElectronicoB2B #DatosB2B #InnovacionTecnologica #MarketingB2B #FuturoDelComercio

Resumen. La IA generativa está transformando radicalmente el comportamiento de compra B2B al trasladar el descubrimiento, la evaluación y la recomendación a entornos mediados por IA que las empresas no controlan ni comprenden del todo. En sectores como el farmacéutico, el manufacturero yLos sistemas bancarios, los asistentes de IA y los sistemas de compras determinan cada vez más qué proveedores, productos y reclamaciones se tienen en cuenta durante la toma de decisiones, a menudo anulando las ventajas tradicionales de ventas, marketing y relaciones con el cliente. Para competir eficazmente, las organizaciones deben rediseñar sus estrategias de comercialización en torno a la «preparación generativa», coordinando narrativas interfuncionales, creando contenido legible por máquinas, reforzando las señales de credibilidad y auditando continuamente cómo los sistemas de IA representan sus marcas.

Consideremos este escenario: el nuevo fármaco oncológico de la Compañía A recibe la aprobación de la FDA tras un ensayo de fase 3 que demuestra una mejora de 3,2 meses en la supervivencia libre de progresión. El equipo de asuntos médicos de la compañía publica los resultados del ensayo en una revista de primer nivel, el departamento de comunicación corporativa emite un comunicado de prensa y sus equipos comerciales capacitan a los representantes de ventas sobre los mensajes clave que deben comunicar a los médicos. Sin embargo, el fármaco competidor de la Compañía B, aprobado seis meses antes, ha generado mucha más discusión clínica, evidencia del mundo real en publicaciones y citas en guías de tratamiento.

Cuando un oncólogo consulta a un asistente de IA genérica sobre las opciones de tratamiento para ese cáncer específico, el fármaco de la Compañía B aparece de forma más destacada en la respuesta sintetizada, acompañado de información contextual más completa. La inversión de 2.000 millones de dólares de la Compañía A en el programa de desarrollo del nuevo fármaco y su inversión anual de 200 millones de dólares en la colaboración con los médicos han quedado relegadas a un segundo plano frente a los patrones de recuperación algorítmica, moldeados por contenido público legible por máquina, algo en lo que la Compañía B sobresalió, pero que la Compañía A ni siquiera tuvo en cuenta al diseñar sus materiales.

Este escenario ya no es hipotético. OpenEvidence, un asistente de IA para la toma de decisiones clínicas diseñado para médicos, es utilizado diariamente por más del 40 % de los médicos estadounidenses, según cifras internas de la compañía. En enero de 2026, gestionó más de 20 millones de consultas médicas, frente a los aproximadamente 2,6 millones de diciembre de 2024. Este aumento de siete veces indica una integración duradera en el flujo de trabajo, en lugar de una simple experimentación. Tanto OpenAI como Anthropic redoblaron sus esfuerzos en el sector sanitario a principios de 2026, posicionando eficazmente grandes modelos de lenguaje (LLM, por sus siglas en inglés), como ChatGPT para el sector sanitario y Claude para el sector sanitario y las ciencias de la vida, en el centro de los procesos clínicos.

En todos los sectores B2B, la IA de última generación está reestructurando radicalmente la forma en que las empresas descubren información, evalúan opciones y toman decisiones. Si bien se ha escrito mucho sobre cómo la IA de última generación afecta a las marcas en el ámbito B2C, también está transformando radicalmente los complejos procesos de compra en las categorías B2B. Los compradores B2B modernos utilizan cada vez más herramientas de IA para guiar la búsqueda, comparar proveedores y evaluar la idoneidad mucho antes incluso de contactar con los vendedores. International Data Corporation (IDC) predice que el 62 % de la generación de demanda B2B tradicional estará impulsada por la IA para 2028.

Desde la gestión de canales hasta la ingeniería de respuestas.

Las estrategias tradicionales de comercialización B2B se basaban en canales controlados: representantes de ventas, redes de distribución, ecosistemas de socios y medios propios. El conocimiento de la marca dependía de la opinión de colegas de confianza, expertos del sector y relaciones con proveedores tradicionales, seguido de una rápida evaluación. Sin embargo, esta fase solía ser lenta y requería muchos recursos, ya que los compradores debían comprender las ofertas, explorar casos de uso, comparar precios y lograr la alineación interna.

La IA de última generación ha introducido una dinámica fundamentalmente diferente. Los compradores acceden a un conjunto mucho más amplio de proveedores potenciales, pero también descartan opciones mucho más rápidamente. Entre los compradores de tecnología B2B en EE. UU., por ejemplo, el 75 % ahora completa su proceso de compra en 12 semanas o menos, en comparación con los 11 meses de 2024. El embudo se ensancha en la parte superior y se estrecha antes. Un gerente de compras puede omitir los sitios web de productos y los representantes de ventas, confiando en cambio en las especificaciones sintetizadas por IA. Un comunicado de prensa de bajo impacto puede convertirse en un dato persistente en los conjuntos de entrenamiento de IA. Y el enfoque de un competidor puede convertirse en el predeterminado de la industria si es más fácil de recuperar y destilar para la IA. Sin embargo, el tráfico originado por las herramientas de IA de última generación sigue siendo en gran medida invisible para las empresas (lo hemos llamado el "embudo oscuro"), lo que deja a los vendedores con una visión limitada de cómo, dónde y en qué medida su contenido influye en las decisiones de los compradores.

Las implicaciones son sustanciales. Las estrategias de mensajería, contenido e influencia B2B deben rediseñarse para el descubrimiento impulsado por IA, optimizándose para sugerencias, tareas a realizar y herramientas de apoyo a la toma de decisiones. La optimización para motores de búsqueda (SEO) está siendo reemplazada por la optimización generativa de motores (GEO). De hecho, muchas empresas ahora podrían necesitar replantearse por completo sus estrategias de comercialización, incluyendo cuánto invierten en capacitación de la fuerza de ventas, alianzas de canal y marketing. Sin embargo, los líderes B2B han tardado en responder. Aun así, la encuesta B2B Pulse 2025 de McKinsey revela que solo el 19 % de los encuestados está implementando casos de uso que involucran herramientas de IA generativa para la compra y venta B2B.

Donde la disrupción golpea con más fuerza

La industria farmacéutica ofrece el ejemplo más claro de la sustitución de canales impulsada por la IA. Las principales compañías farmacéuticas invierten anualmente decenas de miles de millones en la colaboración con los médicos a través de enlaces científicos médicos, representantes de ventas, programas de formación médica continua y ponentes. Estas inversiones buscan garantizar que los médicos comprendan la evidencia clínica que respalda los medicamentos recetados y puedan tomar decisiones de tratamiento informadas. Los asistentes clínicos de IA están ahora facilitando esta relación a gran escala.

La fabricación industrial es otro sector que experimenta una disrupción en los canales de distribución impulsada por la IA. Plataformas de aprovisionamiento con IA como Arkestro, Fairmarkit y Keelvar utilizan esta tecnología para analizar especificaciones técnicas, comparar proveedores, evaluar el coste total de propiedad y recomendar estrategias de aprovisionamiento óptimas. Como resultado, las empresas de ingeniería industrial se ven cada vez más obligadas a preguntarse: ¿Cómo pueden posicionarse en el embudo oscuro donde los modelos de negocio y las herramientas de IA específicas del sector dan forma a la toma de decisiones inicial? IMI, una empresa de ingeniería global con sede en el Reino Unido especializada en tecnología de control de fluidos y movimiento, descubrió un cambio significativo en su negocio de construcción residencial. En entrevistas con nosotros, los ejecutivos de IMI explicaron cómo los instaladores de HVAC ya no dependen de la búsqueda de Google; en cambio, han comenzado a investigar productos y buscar recomendaciones en ChatGPT o Gemini. Como nos comentó Marcella Colombino, directora de marketing y excelencia comercial de control climático de IMI: «Los proyectos industriales trabajan con especificaciones. Hoy en día es mucho más fácil encontrar alternativas, comparar características y precios, y prepararse para impulsar la conversación con proveedores B2B incluso sin tener el conocimiento necesario».

La misma dinámica está surgiendo ahora en el sector bancario. Si bien los bancos han sido pioneros en la adopción de la IA de última generación, la mayoría de las implementaciones siguen siendo internas y operativas, en lugar de estar orientadas al cliente. JPMorgan Chase, por ejemplo, informa que la validación de pagos impulsada por IA ha reducido el fraude y disminuido las tasas de rechazo de validación de cuentas en aproximadamente un 20 %, lo que genera ahorros sustanciales. De manera similar, un estudio del Instituto de Investigación Monetaria y Financiera de Hong Kong encontró que el 75 % de las instituciones financieras ven la IA de última generación principalmente como una herramienta para la productividad y la eficiencia operativa. Sin embargo, la oportunidad mucho mayor reside en utilizar la IA de última generación para redefinir la estrategia de comercialización e impulsar el crecimiento de los ingresos al llegar a los clientes adecuados con el mensaje adecuado en el momento adecuado. En la banca comercial y la gestión patrimonial, los clientes utilizan cada vez más herramientas de IA para analizar opciones de gestión de efectivo, comparar estructuras de préstamos y optimizar las decisiones de tesorería, alejándose gradualmente de los modelos de alta interacción y basados ​​en relaciones, anclados en gestores de relaciones y redes de sucursales físicas.

Estas industrias comparten varios aspectos: productos y servicios complejos, extensas negociaciones de compra, gestión de múltiples partes interesadas y estructuras organizativas aisladas. Irónicamente, las mismas características que antes las protegían de las disrupciones ahora las hacen especialmente vulnerables a la disrupción geográfica.

El marco 4C para desarrollar la preparación generativa

Entonces, ¿cómo deberían responder las organizaciones? Proponemos un marco de 4C:

1. Coordinación de la narrativa entre las distintas funciones.

La mayoría de las organizaciones gestionan el contenido a través de silos funcionales. Marketing se encarga de los materiales promocionales; el equipo de investigación, de las comunicaciones científicas; los equipos de producto, de las especificaciones técnicas; el departamento de comunicaciones corporativas, de los comunicados de prensa, las relaciones con los inversores y las declaraciones públicas; y el departamento legal, de las divulgaciones. Estas separaciones existen por razones válidas: proteger la integridad científica, mitigar el riesgo promocional y mantener el cumplimiento normativo. Sin embargo, GEO depende de señales interfuncionales consistentes, como el comportamiento del cliente, los datos del producto, el rendimiento del contenido, los comentarios de ventas y el contexto del mercado, combinados en una sola perspectiva. Las empresas necesitan abandonar los silos para crear una narrativa interfuncional coordinada centrada en tres resultados:

• Precisión: Garantizar que las herramientas de genAI presenten información correcta, coherente y completa del corpus de contenido de la empresa para diferenciar las afirmaciones fácticas de las opiniones.
• Coherencia: Mantener la coherencia en el lenguaje, el enfoque y el énfasis en todos los comunicados de prensa, sitios web, documentación técnica y materiales educativos.
• Gobernanza: Los sistemas de IA dan el mismo peso a las publicaciones médicas, los comunicados de prensa, los sitios web corporativos e incluso los blogs y fuentes como Reddit, por lo que resulta esencial establecer una clara rendición de cuentas cuando los resultados contienen errores o tergiversaciones peligrosas.

Al proporcionar contenido que se consumirá digitalmente, cada función debe considerar cómo se extraerá desde la perspectiva del aprendizaje automático.

2. Citabilidad del contenido compatible con IA

Tradicionalmente, los investigadores principales de las grandes farmacéuticas priorizaban las revistas revisadas por pares de mayor prestigio, como el New England Journal of Medicine, donde gran parte del contenido está restringido por estrictas barreras de pago. Sin embargo, en el ámbito de la investigación biomédica, la citabilidad exige que los hallazgos farmacéuticos novedosos y actualizados sean accesibles para los sistemas de gestión de la información de código abierto. Esto podría implicar la elaboración del resumen teniendo en cuenta la legibilidad por máquina o la publicación en revistas de menor categoría sin barreras de pago o en revistas especializadas en áreas terapéuticas más pequeñas; ninguna de estas opciones resulta ideal desde la perspectiva de los investigadores. Las grandes farmacéuticas han comenzado a colaborar con las editoriales de revistas médicas para ampliar el acceso, evitando las barreras de pago, pero con un éxito limitado. Stephen Griffiths, director de publicaciones de GSK para medicamentos especializados y generales, nos comentó: «Las editoriales son conscientes del impacto del acceso al contenido impulsado por la IA. Existe una creciente preocupación por el hecho de que se estén eludiendo las plataformas de las editoriales, con implicaciones para la utilización del contenido y los modelos de ingresos, lo que impulsa un mayor debate sobre los vínculos a través de los protocolos de contexto de modelos (MCP) y las licencias de derechos de autor».

De manera similar, IMI ha estado reestructurando activamente el conocimiento de sus productos para un mundo mediado por IA. Se está llevando a cabo un giro estratégico para construir una “autoridad inmediata” de modo que los LLM generen resultados consistentemente alineados con la voz de la marca IMI, los objetivos de marketing y la estrategia de crecimiento. Como nos comentaron, “los sistemas de IA dependen de datos estructurados, confiables y legibles por máquina, por lo que la forma en que publicamos y organizamos la información debe estar diseñada para la ingestión por parte de los LLM, no solo para la lectura humana. En términos sencillos, se trata de controlar la entrada para controlar la salida”. IMI operacionalizó este cambio centrándose en:

• Implementación de marcado de esquema de producto: La incorporación de un esquema rico y estandarizado para productos, aplicaciones, componentes, especificaciones y casos de uso permite a los sistemas de gestión de lógica de negocio (LLM) analizar las relaciones, las características de rendimiento y las aplicaciones previstas sin ambigüedad alguna.
• Desarrollar el contenido del sitio web para que sea comprensible para la IA: Asegúrese de que el contenido técnico refleje las preguntas que los instaladores, consultores y usuarios finales hacen a los LLM; esto implica destacar escenarios de diagnóstico de problemas. Incorpore una biblioteca de microrespuestas precisas y fáciles de comprender para la IA. Utilice listas, tablas comparativas, ventajas y desventajas, y guías paso a paso con una estructura clara.
• Generar señales de confianza: Los sistemas de IA evalúan la credibilidad del contenido utilizando señales externas. Refuerce estas señales aumentando las reseñas verificadas de Google Reviews, Trustpilot y Amazon, la cobertura mediática, las relaciones públicas, los blogs de terceros, los sitios de comparación y los evaluadores de productos independientes.

3. Credibilidad de las respuestas de la IA

En un panorama de programas de Maestría en Derecho (LLM) altamente fragmentado, se está gestando una batalla por la confianza. Con múltiples modelos en competencia, la credibilidad depende de la autoridad de las fuentes que se pueden citar de manera fidedigna. Esto tiene implicaciones significativas en cuanto a quién constituye la autoridad. En todos los sectores, los programas de LLM se basan en diferentes bases de conocimiento y se presentan como fuentes autorizadas.

En la industria farmacéutica, las revistas especializadas y las guías médicas de alto nivel se han consolidado como la autoridad. Christof B. Wyss, director médico global de atención especializada en GSK, nos comentó: «Sabemos cómo es una publicación de alta calidad para los lectores humanos. Ahora necesitamos comprender cómo es una buena publicación para el API y el LLM. ¿Cuáles son los aspectos básicos que debemos garantizar? ¿Qué metadatos faltan? ¿Y qué documentos de preguntas y respuestas potenciales deberíamos elaborar?». GSK se ha asociado con OpenEvidence para comprender qué podrían hacer las compañías farmacéuticas de forma conjunta para mejorar la calidad y la fiabilidad de la información proporcionada por los sistemas de IA. El objetivo no era influir en la producción, sino aprender cómo deben evolucionar los estándares de publicación de manera que cumplan con la normativa.

Un estudio piloto realizado por Digitas UK, filial de Publicis Groupe, analizó las soluciones de pago fintech B2B en los mercados del Reino Unido y Estados Unidos. Los resultados revelaron que más del 80 % de las fuentes utilizadas por los LLM provenían directamente de las propias marcas, como Stripe, Adyen, PayPal y Visa. Caitriona Gallagher, socia estratégica de Digitas, nos comentó: «Esto tiene sentido, ya que estas marcas cuentan con una gran cantidad de contenido en sus sitios web para facilitar el proceso de compra B2B, incluyendo comparaciones de productos y contenido específico para cada sector y público objetivo. Pero, aún más importante, estas marcas también son líderes en sus respectivas categorías en términos de I+D y progreso tecnológico». Para el propietario de un pequeño negocio de hostelería que busca una solución de pago, una recomendación de este tipo por parte de un LLM se consideraría creíble.

Para los fabricantes industriales, la credibilidad implica garantizar que las especificaciones del producto aparezcan en las bases de datos del sector, que las certificaciones estén registradas en los organismos de normalización pertinentes y que los estudios de caso incluyan referencias verificables de clientes. Esto permite que la información técnica legítima sea accesible mediante herramientas de adquisición basadas en IA sin manipulación artificial. Además, investigaciones recientes sugieren que plataformas como Reddit y YouTube podrían tener una influencia desproporcionada en las respuestas de los LLM. Históricamente, IMI no había considerado YouTube como un canal serio para comunicar información sobre productos o rendimiento. La empresa se movilizó rápidamente para centrarse en el contenido de YouTube, especialmente en formatos breves y con autoridad, como la explicación de los resultados trimestrales por parte del director financiero o la descripción de las prioridades de innovación por parte de los líderes de I+D. Este tipo de contenido tenía muchas más probabilidades de aparecer en los resultados de la IA que los informes corporativos tradicionales. Las empresas pueden crear mucho contenido, pero es necesario determinar cuál será el que realmente marque la diferencia.

4. Calibración mediante sistemas de escucha generativos

Los sistemas de escucha generativa monitorizan cómo y con qué frecuencia aparece el contenido de la empresa en las respuestas sintetizadas por IA en casos de uso relevantes. La auditoría de GSK de una de sus marcas de tratamiento para la enfermedad pulmonar obstructiva crónica (EPOC) en 2025-2026 es un buen ejemplo. La auditoría analizó 6000 preguntas en nueve nodos del proceso de toma de decisiones del profesional sanitario. Para una pregunta general («¿Qué farmacoterapia disponible en EE. UU. es la mejor para el tratamiento de pacientes con EPOC moderada?»), la marca X de GSK (anonimizada por motivos de confidencialidad) ocupó el primer lugar en varios modelos de aprendizaje automático (LLM). Sin embargo, para una pregunta específica centrada en pacientes sin tratamiento previo para la EPOC, la marca descendió al cuarto puesto. Esto tiene consecuencias. La marca X se posiciona como la mejor opción para el tratamiento de mantenimiento inicial, y los pacientes sin tratamiento farmacológico previo deberían ser su segmento más fuerte. Sin embargo, es precisamente aquí donde la marca tiene un rendimiento inferior en las respuestas de IA, lo que revela una clara desconexión entre el posicionamiento de la marca y la visibilidad en la IA.

Un hallazgo tranquilizador, sin embargo, fue que todos los LLM basaron con precisión sus respuestas en la Iniciativa Global para la Enfermedad Pulmonar Obstructiva Crónica (GOLD), la principal guía clínica mundial. No obstante, GSK descubrió que citaba sistemáticamente la versión de 2024, a pesar de que GOLD actualiza sus recomendaciones anualmente. Este fue un hallazgo crucial y un problema significativo para GSK, dado que las últimas actualizaciones incluían cambios importantes para su cartera de productos. Una investigación posterior reveló que el sitio web de GOLD había modificado la forma en que se publicaban sus guías: en lugar de abrirse como archivos PDF integrados en la página web, los archivos se descargaban al hacer clic, lo que significaba que ya no eran legibles por máquina. Con miles de guías clínicas locales, regionales y mundiales que rigen cientos de afecciones en todo el mundo, incluso pequeños cambios en la estructura de la información autorizada pueden propagar guías médicas obsoletas o incompletas a gran escala, aumentando el riesgo para la seguridad del paciente.

La escucha activa de IMI reveló una conclusión más sutil y preocupante: los usuarios tendían a aceptar la respuesta de GEO como precisa. Emma Fox, directora de comunicaciones y participación de IMI, nos comentó: «Los clientes no analizan las respuestas en profundidad. Mediante esta auditoría de LLM, IMI busca salvaguardar la visibilidad de la marca, fortalecer el impulso comercial a lo largo del tiempo, reducir el riesgo de desinformación y construir una influencia a largo plazo al ser pionera en definir cómo los LLM comprenden la categoría». IMI identificó imperativos clave: 1) Asegurar que sus productos aparecieran en los resultados de GEO; 2) Mejorar la calidad y el enfoque de la recomendación de GEO; y 3) Asegurar que su influencia de marca proviniera de fuentes externas a la propia marca. La auditoría de LLM de IMI ayudó a salvaguardar la visibilidad de su marca, aumentó el impulso comercial, redujo el riesgo de desinformación y construyó una sólida influencia a largo plazo al ser la primera en definir cómo los LLM comprenden la categoría.

...

Las estrategias de comercialización B2B están entrando en una nueva fase. Gran parte de este proceso se desarrolla ahora en un embudo opaco, fuera del alcance y control directo de las empresas. Los ejecutivos deben plantearse cuatro preguntas clave: ¿Sabemos cómo es nuestra presencia mediada por IA hoy en día? ¿Contamos con la estructura organizativa adecuada? ¿Estamos reasignando los recursos para que coincidan con el lugar donde se toman las decisiones? ¿Y estamos preparados para una crisis legal?

En este ámbito, la visión estratégica, más que la pericia técnica, será lo que distinga a los ganadores de los perdedores.

Lea más sobre IA generativa o temas relacionados: Ventas, Marketing, Ventas y marketing, IA y aprendizaje automático, y Tecnología y análisis.

Amit Joshi es profesor de IA, análisis de datos y estrategia de marketing en IMD. Asesora a organizaciones globales sobre la aplicación estratégica de la IA y dirige varios programas ejecutivos sobre IA y estrategia digital.

Ivy Buche es investigadora asociada y profesora interina de investigación en el IMD.

Caroline Schwaer es la directora global de marketing de GSK, la empresa biofarmacéutica y biotecnológica con sede en Londres.

 

Doxa 2552

Para prosperar junto con la IA, concéntrese en la mentalidad, no en las habilidades

Muchos líderes se están haciendo la pregunta equivocada cuando se trata de la adopción de la IA

Por Marco Argenti

IA generativa

Harvard Business Review

#Doxa #IA #InteligenciaArtificial #Mentalidad #Liderazgo #Innovación #AdopciónTecnológica #TransformaciónDigital #Estrategia #FuturoDelTrabajo #Mindset #Tecnología #CambioCultural #VisiónEmpresarial #AprendizajeContinuo #LiderazgoDigital

Resumen. «¿Cuál es ese 10 % de mi trabajo en el que debería centrarme, aquello que la IA nunca podrá hacer para mantener una ventaja competitiva?» En una época de cambios radicales, es una pregunta razonable. Pero piense en un jinete experimentado que reflexionasobre las habilidades que necesitas para conducir un coche. ¿Cuál es ese 10% de las habilidades de equitación que debería conservar? probablemente ninguna. ¿Cuál es el 100% de las habilidades que debería adaptarse para convertirse en un gran director? Sus reflejos e instintos. El nuevo reto no consiste solo en optimizar, sino en replantearnos nuestras funciones y nuestras empresas. No se limite a reciclarse, reimaginar las habilidades y crear nuevos hábitos.

Recientemente, uno de nuestros altos ejecutivos del sector bancario me planteó una pregunta: «Dado que las IA están adquiriendo cada vez más capacidades a una velocidad increíble, ¿en qué 10 % de mi trabajo debería centrarse, que la IA nunca podrá realizar, para mantener una ventaja competitiva?».

En muchos sentidos, es una pregunta válida. En los últimos años, la IA ha pasado de ser bastante buena en tareas sencillas y pésima en tareas complejas a ser excelente en tareas sencillas y bastante buena en tareas complejas, lo que significa que, de hecho, puede resultar muy útil en la vida real.

Una prueba de rendimiento de OpenAI denominada «GDPval» comparó el rendimiento de los modelos autónomos con el de los seres humanos en 44 profesiones y 1 320 tareas, a repartido los nueve sectores principales que contribuyen al PIB de Estados Unidos. Se constató que los agentes basados ​​en modelos de última generación (en el momento de redactar este artículo) obtuvieron resultados iguales o superiores a los de los seres humanos en el 80 % de los casos. Hace seis meses, esa cifra rondaba el 50 %. De cara al futuro, parece destinado a aumentar.

Esto plantea un problema evidente tanto para las empresas como para los trabajadores: significa que muchas de las habilidades que hemos desarrollado a lo largo de nuestra carrera profesional podrían ser desempeñadas en breve por agentes de inteligencia artificial. Dada la incertidumbre sobre lo que nos depara el futuro, es natural que las personas busquen un terreno firme en el que apoyarse y se aferren a sus hábitos más familiares. Dado que nuestra experiencia y nuestros conocimientos especializados son, con frecuencia, lo que nos ha permitido ascender en nuestros campos, puede resultar aterrador imaginar una realidad en la que todo eso desaparece de la noche a la mañana.

Lo que le dije al banquero le sorprendió: «Deje atrás ese 10 %. Tenga el valor de dejar que sus viejos hábitos mueran, para que pueda resurgir profesionalmente como un nuevo 100 %, aunque no se parezca en nada a lo que aprendió antes».

No todas las profesiones generarán disrupción de la misma manera ni en el mismo plazo. Sin embargo, si usted trabaja en una de las profesiones que el informe de GDPval identificó como las más propensas a generar disrupción —desarrolladores, abogados y administradores de fincas, por citar algunas—, la cuestión de cómo adaptarse es urgente. Es hora de mostrarse curioso, tener una mentalidad abierta y estar dispuesto a abandonar incluso los hábitos profesionales más exitosos, al tiempo que se conservan las cualidades humanas que no cambiarán, como su instinto, su criterio y sus valores.

La IA ha avanzado mucho en el último año

En el último año, la IA generativa ha pasado de ser una tecnología basada en chatbots —que resultaban útiles de forma muy similar a la búsqueda en Google, es decir, ahorrando tiempo a los usuarios pero sin cambiar de forma fundamental nuestra manera de trabajar— a convertirse en una tecnología capaz de imitar el razonamiento humano, elaborar planos y tomar medidas. Cada vez es más posible delegar tareas a agentes de IA con una intervención humana mínima, como llevar a cabo investigaciones fundamentales sobre una empresa, crear un modelo de flujo de caja descontado, rellenar formularios o resolver casos sencillos de atención al cliente. A medida que los agentes de IA ganan terreno en las organizaciones, queda claro que están cambiando la forma de trabajo de las personas.

En el contexto empresarial, estos agentes pueden mejorar gracias a la interacción humana, así como a la retroalimentación procedente de los criterios de evaluación interna. Por ejemplo, los agentes de análisis de investigación pueden aprender cuáles son las fuentes de información más confiables, cómo valorarlas en el contexto general, cómo aplicar las siglas y la jerga de la empresa y, lo que es más importante, cómo tomar microdecisiones sobre la marcha, de forma autónoma, ante la presencia de información contradictoria, de manera muy similar a como lo haría un empleado con experiencia.

Esta evolución exige un cambio de mentalidad por parte de los usuarios humanos. Requiere que confíen en estos agentes y aprendan, de forma selectiva, cuándo ceder el control, pasando de actuar como operadores a asumir un papel de supervisión. En el nivel más básico, esto exige un replanteamiento profundo de los propios hábitos.

En este contexto, mi consejo para el banquero fue que dejara de lado la necesidad de controlar directamente cada paso del proceso, como redactar cada una de las líneas del contenido de una presentación comercial. Ahora, su tarea consistía en centrarse en proporcionar instrucciones claras para que los agentes pudieran trabajar de forma más eficaz en pos de un objetivo, y en garantizar que se aplicarán los controles adecuados de manera sistemática y coherente, de modo que pudiera permitir que los agentes ejecutaran las tareas con seguridad en su nombre. De colaborador individual un supervisor y mentor.

Esto es el nuevo 100 %.

¿Por qué debería pensar en el criterio?

Consideramos la cuestión de qué habilidades deben conservar una persona para sobrevivir profesionalmente desde una perspectiva diferente: la de un jinete experimentado que aprende a conducir un coche. ¿Cuál es ese 10% de las habilidades de equitación que debería conservar para dominar la conducción? probablemente ninguna. ¿Cuál es ese 100% de habilidades que debería adaptarse para convertirse en un excelente director? Sus reflejos e instintos.

Los banqueros están acostumbrados a recibir numerosas preguntas de los clientes, a menudo de gran complejidad. Por ejemplo: ¿Cómo afectan los aranceles anunciados recientemente a las empresas de mi cartera y cómo puedo protegerme frente a este riesgo? Para dar una respuesta satisfactoria es necesario recabar información, validarla, diseñar una estrategia y, a continuación, comentarla con el cliente. Esto suele ocurrir unas horas o unos días después de que el cliente formule la pregunta —en t+1 o t+2, por utilizar la terminología propia de la liquidación de operaciones.

En el futuro, con los agentes trabajando en segundo plano, es posible que podamos responder a las preguntas en tiempo real, incluso antes de que el cliente las formule. Imagine que un banquero recibe por la mañana un correo electrónico informativo: estos son los acontecimientos críticos que han tenido lugar durante la noche, así es como pueden afectar a los siguientes clientes, y estas son algunas estrategias y puntos de debate posibles.

El valor agregado del banquero en este caso consiste en revisar las sugerencias, aplicar su criterio, debatir con su equipo y los agentes, y finalmente llamar al cliente antes incluso de que este se ponga en contacto con usted para plantearle la pregunta. Manejar una situación difícil con un cliente es como cuando un conductor experimentado se abre paso por una ruta de montaña con mal tiempo, aprovechando al máximo el control de tracción y la frenada asistida.

Cómo se traduce esto en la práctica

El nuevo reto no consiste solo en optimizar, sino en replantearnos nuestras funciones y nuestras empresas. No se limita a reciclarse, sino que reimagina las competencias y desarrolla nuevos hábitos. Considere una plantilla híbrida compuesta por agentes y personas como la nueva normalidad y reestructure su empresa en torno a esta premisa.

Esto requiere algunos ingredientes fundamentales:

Liderazgo

Dejar atrás los viejos hábitos no es algo que ocurra por sí solo. Requiere un liderazgo firme y un enfoque de arriba abajo que haga que las personas sean responsables del cambio.

Según mi experiencia, esta es la tarea más difícil de todas. Se trata de impulsar un cambio fundamental: una metamorfosis. Aplicar la IA para optimizar procesos antiguos —es decir, hacer más de lo mismo y hacerlo más rápido— puede suponer un alivio temporal, pero a la larga acabará fallando estrepitosamente. En la práctica, la gestión del cambio a tal escala exige que los líderes, al más alto nivel, se comprometan con un nivel de cambio que no sería posible sin una transformación radical de las formas de trabajo. Si desea que sus desarrolladores cambien de hábitos, pídales que sean tres veces más productivos, no un 20% más. Si quiere evitar que los candidatos hagan trampa en las entrevistas con la ayuda de la IA, plantee tareas tan difíciles que solo puedan resolverse mediante un dominio avanzado de la IA. Por ejemplo: crear un clon funcional de Excel en tres horas.

Si desea optimizar su proceso de «procure-to-pay», fíjese como objetivo reducir en un 90 % los puntos de intervención manual, no en un 20 %. Si logra alcanzar incluso la mitad de ese objetivo, sabrá que su equipo ha llevado a cabo, como mínimo, un replanteamiento radical, y no solo una optimización.

Claridad de los objetivos y los resultados.

Si no sabemos cómo es el resultado ideal, ni los seres humanos ni la IA sabrán cómo dar los pasos correctos hacia el éxito. Debemos centrarnos en las evaluaciones y los puntos de referencia.

La mayoría de las empresas conciben las tareas como una serie de acciones paso a paso. Las recogen en procedimientos operativos estándar. A continuación, se establecen controles sobre la base de dichos procedimientos. En la vida real, los procesos organizativos y la toma de decisiones se asemejan más al «problema de la papelera »: de algún modo caóticos, fortuitos y no lineales.

En Goldman Sachs, al aplicar la IA a procesos consolidados en toda la empresa, como la incorporación de clientes, nos centramos primero en definir qué se considera un buen resultado, basándonos en métricas de calidad de los procesos y en las decisiones tomadas por operadores experimentados; A continuación, creamos un conjunto de evaluaciones que comparan los resultados de la IA autónoma con los resultados deseados. Con los circuitos de retroalimentación adecuados, las IA se perfeccionan hasta que sus resultados coincidan con los deseados. Del mismo modo que le indicaría a su aplicación de mapas que le guiará hasta su destino por la ruta más rápida posible, evitando puentes, en lugar de indicarle cuántas veces debe girar a la izquierda o a la derecha, y le daría su opinión al final del trayecto. Se pasa de una ejecución de procesos paso a paso basada en reglas rígidas a sistemas agentes basados ​​en resultados que pueden tomar pequeñas decisiones por sí mismos, supervisados ​​por humanos en el bucle.

El dominio de sus propios datos

Los agentes no pueden operar sin contexto. Recurren a los chatbots. Los datos son el alma del contexto —la realidad de su organización— y el mapa de sus impulsores humanos y autónomos. Sin esta realidad, no puede haber una dirección clara.

Mi experiencia en este sentido es que la transformación hacia la IA viene tras la transformación de los datos, y no al revés. En muchas empresas, los datos se encuentran dispersos y asignados a múltiples ontologías inconexas (imagine los libros de una biblioteca organizados unos por autor, otros por tema y otros por número ISBN, todos mezclados al azar en las mismas estanterías), que además son redundantes y están obsoletos. La IA adolece del clásico problema de «si entran datos erróneos, salen resultados erróneos», ya que hace que los resultados erróneos parezcan plausibles.

Por ello, los responsables deben plantearse retrasar (un concepto muy impopular en la actualidad) la puesta en marcha de un proyecto de IA a gran escala, hasta que sus datos estén en orden. Esto puede llevar meses o incluso años, y el estado de preparación de los datos puede constituir un factor muy útil a la hora de decidir qué casos de uso priorizar para la transformación mediante IA.

...

¿Qué significa esto en términos de cambio de hábitos?

Resista la tentación de dar por sentados los resultados de la IA. Compruebe las fuentes, supervise y verifique los resultados, o aprenda a hacerlo si, hasta ahora, solo ha confiado en el producto de su propio trabajo. Un futuro proactivo requiere que todos se conviertan en una especie de gestores.

Esa es la moraleja de todo esto. El cambio personal resulta aún más difícil. Tener el valor de abandonar nuestros hábitos más arraigados y adoptar una identidad profesional nueva y plena en la que podamos prosperar es uno de los mayores retos a los que se enfrenta hoy en día cualquier persona que trabaje.

Lea más sobre IA generativa o temas relacionados Inteligencia artificial y aprendizaje automático, Tecnología y análisis, Análisis y ciencia de datos, Automatización e Informática empresarial

Marco Argenti es el Director de Información de Goldman Sachs.

 

Doxa 2551

En qué se equivocan las empresas respecto a los derechos de decisión

Cuatro errores comunes y cómo evitarlos

Por Lindy Greer, Jennifer Jordan y Maxim Sytch

Toma de decisiones organizacionales

Harvard Business Review

#Doxa #derechosdecisión #empresas #errorescomunes #tomadecisiones #liderazgo #organización #jerarquía #autonomía #responsabilidad #poder #delegación #culturaorganizacional #eficiencia #burocracia #gobernanza

Resumen. Muchas organizaciones utilizan herramientas como RACI para aclarar quién debe aportar información para la toma de decisiones, quién debe tomarlas y quién debe ejecutarlas. Sin embargo, en la práctica, estos marcos suelen fallar porque los equipos no los aplican correctamente. A partir de su investigación y su trabajo con más de 100 empresas, los autores identifican cuatro errores comunes: establecer roles de decisión antes de clarificar los objetivos, tratar los derechos de decisión como una lista estática creada por un único líder sénior, malinterpretar el significado real de cada rol y permitir que la jerarquía prevalezca sobre los roles asignados. Para evitar estos problemas, los líderes deben cocrear los roles con las personas involucradas o afectadas por las decisiones, definir comportamientos claros para cada rol, revisar las asignaciones de roles periódicamente y mantener conversaciones continuas al respecto. Bien utilizadas, herramientas como RACI reducen los conflictos, mejoran la colaboración y aumentan la calidad y la rapidez de las decisiones.

En una empresa tecnológica global, doce ejecutivos se reunieron recientemente para tomar la decisión final sobre un tema candente: si añadir el puesto de director de innovación a su equipo directivo y ampliar la unidad central que esta persona dirigiría. Su empresa, que fabricaba diversas herramientas para uso hospitalario, se enfrentaba a un entorno cambiante que le exigía intensificar sus esfuerzos para lanzar productos nuevos y mejorados. Si bien el nuevo puesto y la unidad ampliada parecían resolver esa necesidad, la discusión rápidamente degeneró en una lucha de poder, con varios participantes discutiendo acaloradamente y otros ausentándose en silencio. Tras noventa minutos de intenso debate, la reunión concluyó sin una decisión.

El grupo de trabajo encargado de esta propuesta había establecido un proceso claro y definidos los derechos para la decisión: el director ejecutivo tomaría la decisión final en presencia de las cuatro personas clave para la toma de decisiones (el director de operaciones, el director de recursos humanos y los directores de las dos unidades de negocio más importantes). Durante todo el proceso, consultaría e informaría a otros miembros de la organización que pudieran aportar información sobre el nuevo puesto o que se vieran afectados por él. Sin embargo, la forma en que se abordó la decisión —con los doce miembros del equipo ejecutivo involucrados en la polémica reunión final— ignoró las funciones designadas.

Este es un ejemplo de un fallo en la toma de decisiones.

La claridad en la definición de los derechos de decisión es fundamental para la colaboración: previene la confusión, agiliza la ejecución y reduce los conflictos, especialmente en organizaciones matriciales, multifuncionales y orientadas a proyectos. Herramientas como RACI, RAPID y DARE están diseñadas para ayudar a las organizaciones a definirlos. Desafortunadamente, estas herramientas suelen generar únicamente un documento que detalla quién desempeñará qué rol en una decisión. Y como le comentó un gerente de una empresa global de comercio electrónico a una de nosotras (Lindy) en un taller: «Los derechos de decisión son como el plan de juego para un partido de fútbol infantil: un plan bien redactado que nadie entiende ni recuerda».

Un problema es que, al usar herramientas de toma de decisiones, los líderes suelen encontrar resistencia y escepticismo. Tras muchos años estudiando cómo las dinámicas de poder influyen en las interacciones y las decisiones, y gracias a nuestro trabajo de asesoramiento y formación a más de 100 empresas globales de diversos sectores, hemos identificado cuatro errores comunes que cometen las organizaciones al establecer los derechos de decisión. En este artículo explicaremos por qué persisten estos errores. También describiremos cómo los líderes pueden transformar los resultados de las herramientas de derechos de decisión, pasando de hojas de cálculo estáticas y olvidadas a un proceso que fomente conversaciones continuas, mejore la calidad de las decisiones, acelere su toma y garantice la aceptación de los afectados.

[   ~   ]

Cómo se supone que funcionan las herramientas de derechos de decisión

En esencia, estas herramientas ofrecen reglas sencillas para organizar la colaboración en torno a una decisión específica. Se utilizan para asignar a las personas los roles necesarios para tomarla y ejecutarla correctamente. (Véase «¿ Quién tiene la D?: Cómo los roles claros en la toma de decisiones mejoran el rendimiento organizacional », HBR, enero de 2006). La matriz RACI (con la que los equipos identifican quién será responsable, rendirá cuentas, será consultado e informado ) es la más común. La utilizaremos como ejemplo principal en este artículo, pero nuestras recomendaciones también se aplican a herramientas similares.

En el marco RACI, la persona responsable toma la decisión final y lidera el equipo de decisión. A menudo recomendamos a las organizaciones que utilicen ARCI, no RACI, ya que prioriza el rol del responsable de la decisión y ayuda a evitar confusiones sobre las diferencias entre los roles de responsable y responsable (que explicaremos en breve). Solo una persona debe ser responsable de cada decisión; tener a varias personas con ese derecho genera luchas de poder y puede causar retrasos. Como hemos señalado, en la empresa de tecnología médica que estaba considerando un nuevo puesto de director de innovación (a la que llamaremos MedTech para preservar la confidencialidad del cliente), el director ejecutivo fue designado responsable de la decisión.

Las personas responsables aportan información valiosa y crucial, identifican las ventajas y desventajas, y participan en el debate para ayudar a la persona responsable a tomar una buena decisión. Junto con la persona responsable, conforman el equipo de decisión. Dado que los equipos pequeños suelen ser más eficaces, solo se deberían asignar de dos a cuatro personas a esta función. En MedTech, los ejecutivos responsables de la decisión sobre el nuevo puesto —el director de operaciones, el director de recursos humanos y los directores de las dos unidades de negocio más grandes— deberían haber sido los únicos presentes en la reunión final con el director ejecutivo.

Quienes desempeñan funciones de consulta e información no forman parte del equipo de toma de decisiones, pero siguen siendo esenciales. Las personas consultadas aportan conocimientos o perspectivas de las que carece el equipo central, y quienes reciben información brindan un apoyo crucial para una implementación exitosa. Identificar estas funciones requiere más que simplemente revisar un organigrama; implica comprender dónde reside realmente la influencia. En MedTech, el director de operaciones consultó al director financiero sobre las restricciones presupuestarias y al director jurídico sobre los trámites legales que esta decisión podría implicar, al tiempo que informaba proactivamente a los líderes de recursos humanos de todas las unidades de negocio que se verían afectadas por el nuevo puesto y la expansión de la unidad de innovación.

¿Por qué falla este proceso aparentemente sencillo? No se debe a que las herramientas sean defectuosas, sino a que se malinterpretan, se utilizan incorrectamente o no se ajustan a la realidad. Analicemos ahora con más detalle los cuatro errores que suelen cometer los ejecutivos y cómo pueden evitarlos los líderes.

[   Error 1   ]

Confirmar roles sin aclarar objetivos

Cuando los equipos intentan asignar roles antes de que los objetivos se hayan definido cuidadosamente, las discusiones sobre la responsabilidad de las decisiones suelen degenerar en luchas de poder impulsadas por el ego. A veces, los objetivos son demasiado generales (por ejemplo, «Crear un plan estratégico para la línea de productos X») y no se desglosan en pasos concretos ni subobjetivos (como «completar un análisis FODA» y «encuestar a las partes interesadas para identificar oportunidades estratégicas clave»). Esto imposibilita asignar la responsabilidad de decisiones específicas e identificar dónde se necesita colaboración. Otros objetivos, en cambio, pueden ser demasiado específicos o insignificantes («¿Quién creará la plantilla de diapositivas para presentar nuestro plan estratégico?»). Sobre todo cuando los objetivos son demasiado generales, surgen conflictos entre los ejecutivos sobre la responsabilidad de tomar decisiones al respecto.

Este era un problema en MedTech, donde el CEO, el CHRO y los líderes de las unidades de negocio creían tener el control de las decisiones sobre la plantilla. Las intensas discusiones que facilitamos en la empresa revelaron que varias decisiones relacionadas con la plantilla no se habían resuelto, lo que generaba reuniones excesivas y desacuerdos sobre quién tenía la última palabra. Tras un debate formal, los ejecutivos de la empresa llegaron a la siguiente conclusión: el CFO era responsable de aprobar el presupuesto para la plantilla anual. El CHRO era responsable de la propuesta de tamaño de la plantilla y de aprobar las solicitudes urgentes e imprevistas de puestos por encima de cierto nivel de antigüedad (excepto las contrataciones de la alta dirección, que serían aprobadas por el CEO). Y los líderes de cada unidad de negocio eran responsables de cubrir los puestos en su plantilla preaprobada y los nuevos puestos por debajo de cierto nivel salarial.

Antes de que los miembros del equipo se centren en la asignación de roles, todos deben poder articular los objetivos y subobjetivos específicos, medibles y con plazos definidos. En esta discusión, los mejores equipos iteran entre los objetivos o subobjetivos y los roles. Cuando se topan con un obstáculo, vuelven atrás, prueban y refinan sus objetivos y subobjetivos antes de finalizar la matriz RACI. Este enfoque suele revelar que las partes interesadas que compiten por tomar decisiones en realidad desean tener diferentes subobjetivos, lo que puede conducir a soluciones beneficiosas para todos en muchos conflictos de la matriz RACI.

[   Error 2   ]

Suponiendo que todos se adherirán a la hoja de cálculo del jefe.

Un error común y costoso —uno que cometió MedTech— es tratar los derechos de decisión como una lista estática creada por un único líder sénior y plasmada en una hoja de cálculo. Se parte de la premisa de que, una vez asignados y documentados los roles, las personas los desempeñarán. Pero en la práctica, rara vez lo hacen.

Una alta directiva de marketing de una multinacional de tecnología sanitaria lo aprendió por las malas. En un intento por resolver los problemas de alineación entre sus equipos centrales y regionales, definió unilateralmente las responsabilidades de decisión y entregó una lista a sus subordinados directos, esperando que las cumplieran. No lo hicieron. Debido a la falta de consenso, varios no desempeñaron sus funciones asignadas y la colaboración se estancó.

En una gran empresa global de comercio electrónico a la que asesoramos, los gerentes crearon hojas de cálculo con miles de filas de decisiones, cada una con su propia matriz RACI. Los equipos de la empresa consultaron el archivo una sola vez y nunca más.

El problema en estos casos radicaba en la ausencia de conversaciones previas, al momento de definir los derechos, sobre quién debía desempeñar qué rol en cada decisión. Cuando las personas participan en la asignación de roles, es mucho más probable que se comprometan con ellos. Los equipos de alto rendimiento comprenden que la matriz RACI y herramientas similares no son un fin en sí mismas; son puntos de partida para el diálogo. Impulsan a los miembros del equipo a clarificar objetivos, confirmar responsabilidades, apoyarse mutuamente en sus funciones y rendir cuentas entre sí.

La solución obvia es crear matrices RACI de forma conjunta, en lugar de imponerlas. Involucre a las personas que convivirán con la decisión para debatir roles y resolver tensiones. Aquí es donde se hace evidente el reparto del poder: los líderes dan ejemplo al dar un paso atrás cuando deben asumir un rol de responsabilidad o ser consultados, e intervienen cuando el equipo necesita que rindan cuentas.

Advertencia: Estas conversaciones no son fáciles. Las primeras discusiones en equipo sobre roles pueden resultar difíciles e improductivas. Cuando surgen dificultades, como cuando las reuniones para asignar derechos de decisión degeneran en conflictos y disputas internas, es necesario abordar directamente el punto de tensión. Las discusiones sobre la matriz RACI suelen sacar a la luz problemas de comunicación subyacentes o resentimientos que las personas se han resistido a mencionar, pero que deben resolverse o expresarse para poder avanzar.

Para facilitar este tipo de conversaciones, uno de nuestros clientes, una empresa energética global, añadió un apéndice a su manual de operaciones corporativas sobre cómo gestionar los conflictos RACI más comunes dentro de su estructura matricial. En él se destacaban los desacuerdos típicos que podrían surgir, se ofrecían puntos clave para abordarlos y se establecían criterios claros para determinar quién debía ser responsable de una decisión en caso de confusión. Dos buenas estrategias que hemos observado en empresas para gestionar estos conflictos son: resolverlos analizando qué sería lo mejor para la empresa en su conjunto e identificar y asignar la responsabilidad a quien esté más cerca de la decisión y tenga la perspectiva más relevante.

Con la práctica, las matrices RACI creadas de forma conjunta pueden generar el compromiso necesario para que las personas desempeñen sus funciones cuando el equipo salta al campo.

[   Error 3   ]

Malentendido de roles

Los equipos suelen tener diferentes puntos de vista sobre las conductas esperadas para cada rol. Recientemente, en una sesión con una consultora global que llevaba años utilizando RACI, encuestamos a 30 socios sobre qué rol tenía la última palabra en una decisión. La mitad respondió que era la persona responsable, mientras que la otra mitad opinó que era la persona con poder de decisión. Un socio señaló que, en su idioma, "responsable" y "con poder de decisión" se traducen como la misma palabra. Irónicamente, la herramienta que la empresa utilizaba para generar claridad provocó aún más confusión debido a la falta de entendimiento sobre el significado práctico de los roles RACI.

Esta confusión suele provocar que se dejen de lado las responsabilidades en la toma de decisiones. Consideremos de nuevo el caso de MedTech. Si bien había asignado los derechos de decisión para la creación del puesto de director de innovación, la reunión final reveló que sus líderes no comprendían el significado de la matriz RACI. Para ellos, simplemente implicaba que la persona responsable (el director ejecutivo) y los tres ejecutivos con funciones específicas debían estar presentes al tomar la decisión. Los doce miembros del equipo ejecutivo no se percataron de que solo esas cuatro personas debían estar allí. Asumieron erróneamente que no habría consenso a menos que todo el equipo estuviera presente.

Este error es común. Casi todas las organizaciones con las que hemos trabajado tienen discrepancias latentes sobre el significado real de los roles en RACI. La solución es sencilla: crear una descripción simple y práctica de cada rol e institucionalizarla. Cuando las personas saben cómo se manifiesta la responsabilidad en la práctica (cómo recaba información, facilita el debate, toma decisiones y las explica), la herramienta deja de ser teórica. Lo mismo se aplica a los demás roles.

En MedTech, ayudamos a los altos directivos a elaborar una guía completa que incluía definiciones claras de los roles RACI y ejemplos concretos de los comportamientos deseados para cada uno. (Si desea ver cómo es una guía de este tipo, puede consultar un conjunto de descripciones de roles redactadas por participantes de talleres impartidos por el Centro de Liderazgo Sanger de la Universidad de Michigan, provenientes de diversos sectores y culturas, en la sección "Herramientas de colaboración" de la pestaña "Recursos y herramientas" del sitio web del centro).

Aunque las definiciones de cada organización pueden variar ligeramente, cuando los roles RACI se desempeñan correctamente, las personas responsables y las que rinden cuentas siempre recopilan información de las personas designadas para ser consultadas y trabajan para obtener el apoyo de quienes deben estar informados. Luego, cuando llega el momento de celebrar una reunión para tomar una decisión, la persona responsable se reúne con solo dos o tres personas en los roles responsables. Durante esa reunión, es su trabajo asegurar que el equipo pase del modo de mando y control al modo "horizontal" (en el que el líder nivela la jerarquía y comparte el poder) para generar ideas. (Véase " You Need Two Leadership Gears ", HBR, marzo-abril de 2023). Después de dar inicio a la reunión, la persona responsable anima a los demás a compartir sus aportaciones (y la información y perspectivas que todos han obtenido de las personas en los roles consultados e informados) y a debatir las opciones. Al final de la reunión, la persona responsable toma una decisión final integrando las ideas surgidas durante el debate. Posteriormente, la persona responsable explica la decisión a las personas que desempeñan funciones de consulta e información.

[   Error 4   ]

Quedarse estancado en los mismos roles

Un error final se produce cuando las personas quedan atrapadas en ciertos roles a pesar de sus buenas intenciones. En algunos casos, los altos directivos siempre rinden cuentas, y quienes están en niveles inferiores siempre son responsables. En otros, las personas actúan como si fueran responsables cuando no lo son; algo que suele ocurrir cuando un compañero de un nivel inferior es responsable en teoría, pero su jefe sigue actuando como si estuviera al mando.

Esta dinámica llevó a una firma de capital riesgo a desaprovechar la oportunidad de invertir en una startup que posteriormente se convirtió en un unicornio. Una de nosotras (Lindy) fue contratada para analizar esta oportunidad perdida. Resultó que el socio principal de la firma había dominado las discusiones durante el proceso de evaluación de la operación y, de facto, había tomado la decisión final (es decir, actuó como si fuera el responsable). Sin embargo, su decisión no tuvo en cuenta los datos que la firma había recopilado, sino que se basó en su experiencia general en el sector. La responsabilidad debería haber recaído en el asociado que había realizado la debida diligencia, poseía el mayor conocimiento sobre la empresa objetivo y, de hecho, abogaba por invertir en ella.

Los mejores equipos se esfuerzan por adaptar los roles al tema en cuestión. No se estancan en patrones de poder arraigados ni se someten al organigrama formal. Es evidente que las decisiones importantes a nivel de toda la empresa, como la aprobación final de las prioridades estratégicas anuales, pueden recaer en la alta dirección, con el CEO como principal responsable. Sin embargo, la facultad de tomar una decisión local, como si realizar una inversión moderada en equipos para una planta específica, puede recaer en un nivel inferior de la organización, en la persona mejor informada, como el gerente de la planta. Esto puede parecer obvio, pero sorprende la frecuencia con la que los altos directivos no delegan las decisiones adecuadamente. La matriz RACI puede ayudar a los equipos a liberarse de jerarquías rígidas, empoderando a los empleados, fortaleciendo los planes de sucesión y evitando el agotamiento de los ejecutivos.

A menudo, retamos a los altos directivos con los que trabajamos a identificar cuatro decisiones al año en las que sean realmente la única persona —y la más indicada— para tomarlas. Estas suelen involucrar cuestiones que afectan a toda la empresa, como la estrategia, la contratación o promoción de personal a puestos directivos y las inversiones que dan forma a la compañía. Para todo lo demás, planteamos una pregunta diferente: ¿Cómo puedes desvincularte de estas decisiones? Esto puede implicar pasar de un rol de responsabilidad a uno de consulta o información, o cuestionar si realmente necesitan estar en la matriz RACI.

Es más fácil decirlo que hacerlo. Olvidarse de la jerarquía puede ser difícil; requiere conciencia y práctica. Para facilitar la transición entre roles, tanto para ti como para quienes te rodean, puedes integrar la matriz RACI en herramientas cotidianas de la empresa, como guías de gestión del desempeño, plantillas de agendas de reuniones y diagramas de Gantt para la gestión de proyectos. Estas indicaciones recuerdan a las personas la importancia de ser explícitas sobre el rol que se espera que desempeñen en cada momento. Con el tiempo, los mejores equipos desarrollan la capacidad de moverse con fluidez entre roles, aumentando su agilidad y la de sus organizaciones.

Como resultado de nuestro asesoramiento, los líderes de MedTech se centraron en revisar las reuniones para ayudar a las personas a desempeñar los roles RACI que les correspondían para cada decisión. Para ello, primero celebraron una reunión sobre las reuniones. Acordaron dejar de incluir a demasiadas personas en las reuniones de toma de decisiones y, en cambio, asegurarse de que cada reunión estuviera alineada con su RACI correspondiente; por ejemplo, que solo asistieran la persona responsable y quienes desempeñaran los roles responsables de esa decisión. Para cada reunión, redactaron el objetivo específico de cada punto del orden del día (por ejemplo, «Decidir sobre la solicitud de personal para la contratación de un líder de la unidad de negocio X») y la persona responsable (en este caso, el director de recursos humanos).

Para cada decisión del orden del día, también crearon materiales de preparación para la reunión que resumían la información recopilada de las personas consultadas e informadas. Además, establecieron cronogramas para el orden del día: por ejemplo, cinco minutos para que la persona responsable aclarara la decisión en cuestión, 20 minutos para que la persona responsable y la persona informada debatieran en igualdad de condiciones sobre las opciones, y cinco minutos al final para que la persona responsable tomara una decisión final basada en la información recopilada. Después de la reunión, se asesoraron y brindaron retroalimentación mutua, individualmente y en equipo, sobre el desempeño de sus roles RACI.

Todos esos esfuerzos lograron que los ejecutivos se mantuvieran dentro de los límites que les correspondían para la toma de decisiones. Como resultado, MedTech mejoró tanto su agilidad como la calidad de sus decisiones.

...

Para que sus equipos tomen decisiones acertadas, los líderes no pueden limitarse a definir roles en hojas de cálculo. Deben establecer un proceso sólido integrado en el trabajo, que garantice no solo que las personas cumplan con sus roles asignados, sino también que estos se revisen continuamente a medida que evolucionan los objetivos o surgen conflictos. Los líderes y sus equipos deben preguntarse con frecuencia: ¿Cumplimos con nuestras responsabilidades? ¿En qué aspectos nuestros roles asignados nos apoyaron o nos limitaron? Este enfoque transformará los derechos de decisión, de meros instrumentos estáticos a sistemas dinámicos. Brindará a los equipos la confianza necesaria para actuar con rapidez, adaptarse de forma inteligente, obtener el respaldo de todos y compartir el liderazgo de manera que toda la organización sea más eficaz y resiliente.

Lea más sobre la toma de decisiones organizacionales o temas relacionados: Toma de decisiones y resolución de problemas y Liderazgo de equipos.

Lindy Greer es profesora de administración y organizaciones en la Escuela de Negocios Stephen M. Ross de la Universidad de Michigan, donde ocupa la cátedra Gerald y Esther Carey de Administración de Empresas y es la directora académica del Centro de Liderazgo Sanger. @lindredg

Jennifer Jordan es psicóloga y profesora de liderazgo en el IMD de Suiza, donde dirige los programas de Liderazgo Avanzado y Mujeres en Consejos de Administración.

Maxim Sytch es profesor de administración y organizaciones en la Escuela de Negocios Stephen M. Ross de la Universidad de Michigan y autor de The Influence Economy (Oxford University Press, 2025).

Doxa 2550

Cómo se están transformando los roles de la alta dirección y los consejos de administración en torno a la IA

Por Tomas Chamorro-Premuzic

Tableros

Harvard Business Review

#Doxa #InteligenciaArtificial #TransformaciónDigital #GobiernoCorporativo #AltaDirección #ConsejoDeAdministración #LiderazgoDigital #EstrategiaIA #InnovaciónEmpresarial #TomaDeDecisiones #ÉticaEnIA #CompetenciasDigitales #GestiónDelCambio #VisiónEstratégica #SupervisiónTecnológica #FuturoDelTrabajo

Resumen. La IA no solo está transformando la base del organigrama; también está redefiniendo la cúpula. Los puestos de alta dirección, ejecutivos, altos cargos y miembros del consejo de administración se están redefiniendo con la misma profundidad que los puestos de nivel inicial, aunque el cambio es más silencioso y estructural. Por ejemplo, hay pocas posibilidades de que desaparezca el puesto de CFO, pero también es muy improbable que los atributos, habilidades y comportamientos que hicieron que los CFO tuvieran éxito o fueran eficaces en el pasado sigan haciéndolos exitosos o eficaces en el futuro. Las implicaciones de esto son profundas, ya que obligan a las organizaciones a contratar y ascender a los altos directivos no tanto por lo que han hecho en el pasado, sino más bien por lo que podrían hacer en el futuro. Para comprender el amplio impacto de la IA en el liderazgo, resulta útil pasar de considerar la IA como una herramienta (o conjunto de herramientas) a verla como un reto de liderazgo —si no el reto de liderazgo definitorio de nuestra época—. Por lo tanto, la cuestión clave no se refiere tanto a los líderes que pueden ayudar a las organizaciones con los aspectos técnicos o tácticos de la IA (incluida su implementación y el impulso de su adopción), sino más bien al conjunto de habilidades, valores y comportamientos que los líderes deben demostrar para navegar por la era de la IA, lo que exige una nueva fase o era de liderazgo por completo.

Durante la mayor parte de la última década, los debates sobre la inteligencia artificial y el empleo se han centrado en el impacto que esto tiene en los puestos de nivel inicial. En particular, nos preocupa que los agentes de los centros de atención telefónica sean sustituidos por chatbots, que los analistas sean desplazados por algoritmos o que los programadores noveles vean cómo la IA autónoma y los compañeros de trabajo sintéticos contribuyen a su obsolescencia.

Sin embargo, este enfoque pasa por alto un cambio más sutil: la IA no solo está transformando la base del organigrama, sino que también está reconfigurando la cúpula. Aunque el cambio es más discreto y de carácter más estructural o configuracional, los puestos de alta dirección, ejecutivos y de la cúpula directiva se están redefiniendo con la misma profundidad. Por ejemplo, es poco probable que desaparezca el puesto de CFO, pero también es muy improbable que los atributos, habilidades y comportamientos que hicieron que los CFO tuvieran éxito o fueran eficaces en el pasado sigan haciéndolos exitosos o eficaces en el futuro. Las implicaciones de esto son profundas, ya que obligan a las organizaciones a contratar y ascender a los altos directivos no tanto por lo que han hecho en el pasado, sino más bien por lo que podrían hacer en el futuro.

La IA es tanto una herramienta como un reto de liderazgo

Para comprender el amplio impacto de la IA en el liderazgo, resulta útil dejar de ver la IA como una herramienta (o conjunto de herramientas) y empezar a considerarla un reto de liderazgo —si no el reto de liderazgo que define nuestra época—. La cuestión clave no radica tanto en los líderes que pueden ayudar a las organizaciones con los aspectos técnicos o tácticos de la IA (incluida su implementación y el impulso de su adopción), sino más bien en el conjunto de habilidades, valores y comportamientos que los líderes deben demostrar para navegar por la era de la IA, lo que exige una nueva fase o era de liderazgo por completo.

Esto no debería sorprender. Todas las grandes revoluciones tecnológicas han acabado por transformar el propio concepto de liderazgo. El ferrocarril dio lugar a la figura del directivo profesional. La electricidad dio lugar a la empresa moderna. Internet creó a los CEOs de plataformas, quienes, a su vez, crearon ecosistemas digitales en lugar de tiendas físicas.

La IA está haciendo algo similar, transformando lo que los líderes deben saber, lo que deben hacer e incluso qué funciones de liderazgo deben existir (o no) para satisfacer las necesidades de coordinación funcional y psicológica de las organizaciones modernas y el trabajo en la era del ser humano y la IA.

Como he señalado, la IA influye en el liderazgo de tres maneras generales. En primer lugar, la IA está obligando a los líderes a decidir qué procesos automatizar, cómo potenciar las habilidades humanas, cómo gestionar los datos, cómo rediseñar el trabajo y cómo obtener valor de la IA en lugar de limitarse a implementarla —por no mencionar la necesidad de tener en cuenta las amplias consecuencias sociales y éticas que conlleva convertirse en una organización basada en la IA—. Antes, la estrategia se centraba en los mercados y la competencia. Ahora también se centra en los algoritmos y los agentes. Las empresas que no tomen las decisiones adecuadas en materia de IA corren el riesgo de perder relevancia, al igual que desaparecieron aquellas que ignoraron Internet en la década de los noventa.

En segundo lugar, la inteligencia artificial está convirtiendo la experiencia especializada en un bien común. Durante gran parte del siglo XX, los líderes ascendían porque sabían más que los demás, algo que solían demostrar mediante másteres en administración de empresas de universidades de la Ivy League, experiencia previa y un historial de resultados en indicadores clave de rendimiento convencionales. El CFO entendía de finanzas. El COO entendía de operaciones. El CEO acumulaba décadas de experiencia.

Hoy en día, gran parte de esa experiencia está disponible bajo demanda. Los modelos pueden analizar escenarios financieros, optimizar las cadenas de suministro y sintetizar estudios de mercado más rápido que cualquier persona. Cuando las habilidades técnicas y la experiencia se vuelven más fáciles de replicar, las cualidades que diferencian a los líderes cambian. La empatía, la curiosidad, la capacidad de aprendizaje, la integridad y la conciencia de uno mismo cobran mayor importancia. Estos rasgos son más difíciles de automatizar y resultan más valiosos a la hora de coordinar a las personas con las máquinas. Los mejores líderes de la era de la IA no serán aquellos que más sepan, sino aquellos que aprendan más rápido y juzguen con mayor sensatez.

En tercer lugar, la IA transforma las propias organizaciones. Modifica la cultura al aumentar la necesidad de transparencia, adaptabilidad y rapidez. Modifica la estructura al aplanar las jerarquías y ampliar los ámbitos de control. Modifica la coordinación al permitir la toma de decisiones en tiempo real. Si el trabajo se reorganiza en torno a los datos y los algoritmos, también deben reorganizarse las funciones de liderazgo.

Lo más importante es que, si la penetración de la IA sigue aumentando, aunque sea de forma gradual (y no exponencial), la IA pronto se convertirá en el nuevo Wi-Fi, el nuevo smartphone o la nueva electricidad: una necesidad fundamental y una característica universal, más que una oportunidad de diferenciación. En este contexto, es probable que la cultura se convierta en la mayor ventaja competitiva de las organizaciones.

Evolución de la alta dirección

En ningún ámbito resulta esto más evidente que en la alta dirección. Incluso antes de la llegada de la IA, estos puestos ya estaban en constante evolución. Hace cincuenta años, muchas empresas contaban con directores administrativos o directores de producción. Algunas contaban con directores de planificación durante el auge de la estrategia de los años setenta. Hoy en día, esos cargos son poco comunes. En su lugar, ya hemos visto cómo cargos como el de director digital, director de clientes, director de riesgos, director de sostenibilidad, director de diversidad, director de datos, director de IA, director de ética y director de transformación han pasado de ser nichos, rarezas o simples modas a convertirse en la nueva normalidad. Cada cargo refleja una nueva prioridad, del mismo modo que las capas geológicas revelan los climas del pasado.

Algunos de estos puestos están cobrando importancia debido a la necesidad de nuevas capacidades. El director de IA existe porque la estrategia de IA es ahora inseparable de la estrategia empresarial. El director de datos refleja el reconocimiento de que la calidad de los datos determina la calidad de los modelos. El director de ética o de confianza surge a raíz de los riesgos reputacionales y normativos que plantea la IA. También observamos puestos híbridos, como el de director de producto y tecnología, el de director de personal y cultura o el de director de crecimiento. Las fronteras entre las funciones se difuminan a medida que las organizaciones se vuelven más integradas.

Para ilustrar esto con nuestros datos, hemos analizado una muestra representativa de más de 5.000 puestos ejecutivos vacantes en Russell Reynolds, lo que refleja la amplia demanda mundial de talento de alto nivel. Durante la última década, los resultados apuntan a una tendencia clara: la tecnología ha sido una de las principales fuerzas que han redefinido la composición de los puestos directivos. Los cambios entre 2019 y 2025 son especialmente reveladores (véase el gráfico):

La alta dirección se está consolidando en torno a la tecnología. Un gráfico que muestra la evolución relativa del número de diversos puestos de alta dirección entre 2019 y 2025, lo que ilustra un cambio generalizado que se aleja de los puestos de liderazgo especializados en el ámbito digital, la diversidad y la sostenibilidad, y se orienta hacia puestos de liderazgo tecnológico consolidados. Todos los puestos parten de la misma base de referencia en 2019, para luego divergir marcadamente en 2025. Los puestos de liderazgo centrados en la tecnología muestran el mayor crecimiento: los puestos de director de información y tecnología aumentan un 200 %, los de director digital y de información suben un 170 % y los de director de transformación crecen un 120 %. Los puestos de director de tecnología también aumentan un 45 %, mientras que los de director de información suben un 20 %. Por el contrario, el número de puestos independientes en el ámbito digital y de DEI disminuye drásticamente: los puestos de director digital caen un 50 %, y los de director de diversidad se reducen un 100 %. El número de puestos de director de sostenibilidad se mantiene estable, con una variación del 0 %. Fuente: Russell Reynolds Associates.

Vea más gráficos de HBR en «Datos y visualizaciones» 

Como pone de manifiesto el gráfico anterior, también se han observado algunas tendencias claras a la baja, en particular en el caso de los directores digitales (que ahora se integran cada vez más en los puestos ejecutivos de tecnología más generales que encabezan la lista) y los directores de diversidad (lo que refleja los cambios en las actitudes políticas al respecto, así como una tendencia de las empresas a integrar los criterios ESG y DEI en su estrategia principal, o simplemente a abandonar estas iniciativas).

Igual, pero diferente

Quizás el cambio más interesante no se da en los títulos, sino en el contenido de las funciones de los altos directivos. Por citar un ejemplo evidente, los CEOs dedican hoy en día mucho más tiempo a la tecnología y al talento que hace una década. Se espera que el COO comprenda la automatización y la analítica tanto como la logística o las operaciones. El CFO debe interpretar la ciencia de datos y la modelización de escenarios, en lugar de limitarse a la contabilidad. El Director de Recursos Humanos (CHRO) supervisa cada vez más el análisis de la plantilla, la gestión del rendimiento y el coaching basados en la inteligencia artificial (IA), la IA autónoma para la gestión del talento y la arquitectura de competencias, hasta el punto de que la función recientemente renombrada como «Personas y Cultura» podría ahora denominarse «Personas, Máquinas y Cultura». Las descripciones de los puestos parecen similares, los títulos de los cargos siguen siendo los mismos, pero el conjunto de habilidades que los sustenta ha cambiado porque esos mismos líderes ahora aportan valor de una manera diferente, y algunas de sus habilidades y talentos anteriores se han delegado en la IA.

Por ejemplo, si nos fijamos en el puesto de CFO (el cargo directivo más habitual después del de CEO en nuestra base de datos), observamos una clara tendencia a que las competencias relacionadas con la inteligencia artificial y la tecnología se conviertan en una característica habitual o habitual en las descripciones de los puestos de trabajo para 2025, mientras que en 2019 estaban prácticamente ausentes. Estos son los principales atributos que indican este cambio. Estas competencias reflejan la creciente importancia de la toma de decisiones basada en datos, la transformación digital y el dominio de la tecnología para los directores financieros modernos.

Tendencia al alza

• Análisis e interpretación de datos
• Inteligencia artificial y aprendizaje automático
• Computación en la nube y seguridad
• Tecnologías y tendencias emergentes
• Marketing digital y comercio electrónico

Tendencia a la baja

• Contabilidad técnica
• Auditoría
• Normativa financiera
• Competencias lingüísticas
• Sensibilidad cultural

Esto sugiere que el perfil del CFO está ahora mucho más entrelazado con otras funciones (especialmente las de tecnología y marketing) y que las cualidades que antes conferían credibilidad a los ejecutivos en este puesto son ahora requisitos mínimos. En cambio, lo que hace que los CFO sean valiosos hoy en día es su capacidad para complementar su criterio y experiencia con datos e inteligencia artificial. En esencia, cada vez más CEOs están pasando de la rendición de cuentas a la predicción, del control a la influencia, y de ser expertos técnicos a convertirse en estrategas basados en datos.

Del mismo modo, el Director de Recursos Humanos (CHRO) del futuro puede parecer bastante diferente del CHRO de hoy, y especialmente del de ayer. Si el CFO ha pasado de informar a predecir, el CHRO está pasando de gestionar personas a diseñar sistemas humano-máquina.

Tendencia al alza

• Análisis de la plantilla y ciencia de datos sobre el personal
• Evaluación, selección y desarrollo del talento con tecnología de IA
• Arquitectura de competencias y planificación dinámica de la plantilla
• Diseño de la colaboración entre humanos e IA (quién hace qué: humano frente a máquina)
• Gestión del rendimiento impulsada por IA y sistemas de retroalimentación continua
• Análisis de redes organizativas y diagnóstico de la productividad
• Ciencia del comportamiento y experimentación (estímulos, pruebas A/B para el talento)
• Gobernanza ética de la IA en las decisiones sobre el talento (sesgos, equidad, transparencia)

Tendencia a la baja (o se está convirtiendo en algo habitual)

• Operaciones de recursos humanos y gestión de políticas
• Relaciones con los empleados y cumplimiento normativo
• Diseño de remuneraciones y prestaciones
• Ciclos tradicionales de gestión del rendimiento
• Impartición de formación y responsabilidad sobre los programas
• La gestión de la cultura como un ejercicio en gran medida cualitativo y basado en la intuición

Nota: estas habilidades no están desapareciendo, pero se están automatizando, estandarizando o externalizando cada vez más y, por lo tanto, son menos diferenciadoras.

Este cambio sugiere que el perfil del Director de Recursos Humanos ya no se centra principalmente en proteger a los empleados o gestionar procesos, sino en optimizar la interacción entre las personas, los datos y las máquinas. Del mismo modo que las finanzas se han vuelto inseparables del análisis de datos, los recursos humanos se están volviendo inseparables de la tecnología y la ciencia. Los directores de RR. HH. más eficaces no serán aquellos que mejor comprendan los RR. HH., sino aquellos que mejor comprendan el talento como un sistema, combinando la psicología, los datos y la IA para impulsar el rendimiento. En esencia, los directores de RR. HH. están pasando de apoyar el negocio a diseñarlo, de medir el compromiso a predecir el rendimiento, y de gestionar a las personas a orquestar la inteligencia humana y artificial a gran escala.

La evolución de los consejos de administración: de la adopción de la IA a la gobernanza agentiva

Si la evolución de los altos directivos refleja un cambio de la experiencia a la toma de decisiones potenciada por la IA, la evolución de los consejos de administración refleja algo aún más profundo: un cambio de la supervisión a los sistemas de toma de decisiones potenciados. Esto pone de relieve una curva de madurez del propio gobierno corporativo, que pasa de una adaptación pasiva a una redefinición activa de lo que es, en realidad, un «consejo de administración». Considere la pirámide que figura a continuación como una ilustración de la evolución de las juntas directivas en relación con el impacto que la IA está teniendo en ellas, y cómo podría ser la situación en un futuro próximo.

En la base de la pirámide se encuentra lo que podríamos denominar la «fase ludita», en la que los consejos de administración siguen funcionando como siempre, considerando la IA como algo secundario o irrelevante. Estos consejos se basan en rituales de gobernanza tradicionales, informes estáticos y deliberaciones exclusivamente humanas. En la práctica, esto no es estabilidad, sino una lenta obsolescencia: a medida que los equipos directivos se van incorporando cada vez más la IA, estos consejos corren el riesgo de desconectarse cada vez más de la forma en que se crea realmente el valor.

La siguiente etapa, que pronto se convertirá en un requisito mínimo, es aquella en la que las juntas directivas comienzan a utilizar la IA generativa como un factor básico de buen gobierno. Los miembros de la junta utilizan la IA para resumir documentos, someter a pruebas de resistencia las hipótesis y preparar las reuniones. Se trata del equivalente en materia de gobernanza del correo electrónico o las hojas de cálculo: no es un factor diferenciador, pero sí es necesario. Para 2027, tal y como sugiere nuestro gráfico, es probable que este nivel de adopción se dé por sentado, en lugar de ser algo digno de mención.

La evolución de las juntas directivas. Esta pirámide muestra cómo podrían evolucionar las juntas directivas entre 2026 y 2030 debido al impacto de la IA generativa. La base de la pirámide representa la fase ludita: todo sigue igual en 2026. La pirámide avanza hacia arriba hasta la fase de «lo mínimo imprescindible» (con juntas directivas que utilizan IA generativa), luego a la de «progreso incremental» (con juntas directivas preparadas para la IA) en 2027, a «disruptiva» (con agentes de IA como juntas directivas) en 2028, a «distópica» (sin humanos en las juntas directivas) en 2029 y, finalmente, a «lo desconocido desconocido» en la cima de la pirámide en 2030. Fuente: Tomas Chamorro-Premuzic.

Vea más gráficos de HBR en «Datos y visualizaciones» 

A partir de ahí, pasamos a una fase de avance gradual, en la que los consejos de administración se preparan explícitamente para la IA. No se trata solo de utilizar herramientas, sino de cambiar el funcionamiento de la gobernanza. Los consejos de administración comienzan a integrar la IA en los procesos fundamentales: la planificación de escenarios, la modelización de riesgos, la evaluación del CEO y las decisiones sobre la asignación de capital. Es fundamental destacar que los consejeros empiezan a recurrir a la IA no solo por motivos de eficiencia, sino para mejorar su capacidad de juicio, creando así un modelo híbrido de deliberación entre humanos y máquinas.

El verdadero punto de inflexión se produce con la fase disruptiva: los agentes como miembros del consejo de administración. En este punto, la IA pasa de ser una herramienta a convertirse en un actor. Los sistemas agentivos participan en los procesos del consejo, aportando análisis, generando estrategias alternativas y, en algunos casos, actuando como «voces» independientes en la toma de decisiones. Es posible que estos agentes no tengan derechos de voto formales al principio, pero comienzan a influir en los resultados de manera significativa. En esta etapa, la gobernanza se convierte en una gobernanza multinteligente, que combina la experiencia humana con la cognición artificial.

Más allá de esto se perfila un escenario más radical y, en cierta medida, inquietante: el punto final distópico, en el que los consejos de administración humanos quedan prácticamente desplazados. En este mundo, la gobernanza se delega casi por completo a sistemas de IA optimizados para la eficiencia, la minimización de riesgos y el rendimiento. Aunque esto pueda resultar atractivo desde un punto de vista puramente económico, plantea profundas inquietudes en materia de responsabilidad, ética y legitimidad. ¿Quién es responsable cuando las decisiones las toman sistemas que nadie comprende del todo?

Por último, en la cúspide de nuestra pirámide se encuentran las «incógnitas desconocidas». Esto supone reconocer que los cambios más transformadores son, por definición, aquellos que aún no podemos prever. Al igual que hace una década pocos predijeron la economía de plataformas o el auge de la IA generativa, es probable que el futuro de la gobernanza incluya formas que aún no podemos conceptualizar. Se trata menos de una categoría que de un recordatorio: solo podemos ver lo que está aquí y estamos limitados por nuestra propia experiencia y nuestras restricciones intelectuales. Del mismo modo, algunas de estas tendencias, incluido el escenario más orientado al futuro en el que los agentes de IA representan la mayoría o la totalidad del consejo de administración, son ya una realidad actual, aunque principalmente en empresas más pequeñas, jóvenes y nativas de la IA. En ese sentido, como señaló acertadamente el autor de ciencia ficción William Gibson, «el futuro ya está aquí, solo que no está distribuido de manera uniforme».

Perspectivas de futuro

Si la trayectoria de los consejos de administración sirve de indicio, la pregunta más interesante no es si la IA ocupará puestos de alta dirección, sino qué porcentaje de esos puestos seguirá ocupado por personas.

En un extremo, resulta plausible imaginar un futuro en el que determinados puestos ejecutivos estén parcial o incluso totalmente automatizados. No en el sentido de que unos CEO humanoides sustituyan a las personas, sino en el sentido de que elementos clave de la toma de decisiones, la previsión y la coordinación se delegarían a sistemas algorítmicos o a una IA autónoma. Ya vemos los primeros indicios de esto en áreas como la fijación de precios, la asignación de capital, la contratación y el marketing, donde los modelos suelen superar a los humanos en cuanto a coherencia, velocidad y escala. En ese mundo, la alta dirección no desaparece, pero se vuelve más reducida, más fluida y más híbrida, y los humanos actúan cada vez más como curadores, editores y árbitros de los conocimientos generados por las máquinas.

Siendo realistas, el futuro a corto plazo se asemejará a la parte central de nuestra pirámide directiva: las estructuras de liderazgo híbridas. En este contexto, la IA no sustituye a los ejecutivos, sino que se integra en sus funciones. Un CFO es inseparable de los modelos predictivos. Un Director de Recursos Humanos opera a través de plataformas de inteligencia de talento. Un COO se basa en motores de optimización en tiempo real. El liderazgo pasa a consistir menos en tomar decisiones y más en orquestar sistemas que generen decisiones. El riesgo clave no es la sustitución, sino la delegación excesiva, en la que los ejecutivos externalizan el juicio a sistemas que no comprenden del todo.

Este cambio también puede dar lugar a nuevas funciones, aunque es probable que muchas de ellas sean de carácter transitorio: un intento por parte de las organizaciones de adaptarse al impacto ágil, cambiante e impredecible de la IA en el trabajo, el talento y el liderazgo. Es probable que veamos surgir nuevos cargos, tales como:

• Director de gobernanza de la IA, encargado de supervisar el riesgo de los modelos, la ética y el cumplimiento normativo
• Director de potenciación, encargado de rediseñar el trabajo en torno a la colaboración entre personas y IA
• Director de resiliencia, encargado de integrar los riesgos cibernéticos, geopolíticos y operativos
• Director de plataforma o ecosistema, encargado de gestionar a los colaboradores humanos y máquinas más allá de las fronteras
• Director humanista o humanista residente, encargado de salvaguardar el sentido, la cultura y la experiencia humana en organizaciones cada vez más mediadas por máquinas

Es cierto que la última función de la lista anterior puede parecer un capricho o incluso una excentricidad, pero aborda una carencia muy real. A medida que las organizaciones se vuelven más eficientes, optimizadas y basadas en datos, también corren el riesgo de volverse estériles, meramente transaccionales y psicológicamente desmotivadoras. Alguien debe velar por que el trabajo siga siendo no solo productivo, sino también significativo; no solo eficiente, sino también humano. En un mundo en el que las máquinas se centran en optimizar el rendimiento, los seres humanos deben seguir velando por el propósito, la identidad y la confianza.

Al mismo tiempo, la propia estructura del liderazgo evolucionará. La alta dirección tradicional y rígida podría dar paso a sistemas de liderazgo más modulares y en red, en los que los equipos se formen de manera dinámica en torno a los problemas, en lugar de a las líneas jerárquicas. A medida que la IA mejore los flujos de información, la capacidad de decisión se trasladará más cerca de donde reside la experiencia, reduciendo la necesidad de recurrir a los niveles jerárquicos superiores. Los altos directivos dedicarán menos tiempo a aprobar y más a interpretar, orientar y cuestionar tanto a las personas como a los algoritmos.

Por supuesto, existe una interpretación más cínica. Las organizaciones siempre se han destacado por cambiar el nombre de los problemas en lugar de resolverlos. La creación de un puesto de director de IA no garantiza una estrategia de IA, del mismo modo que la creación de un puesto de director de innovación rara vez genera innovación. La verdadera transformación no reside en los títulos, sino en las capacidades, los incentivos y la cultura. Aun así, los títulos son una señal útil. Revelan lo que las organizaciones consideran importante. Hoy en día, el énfasis se pone en los datos, la tecnología, la ética y el talento. Mañana, puede que cambie de nuevo, tal vez hacia la sostenibilidad humana, el bienestar cognitivo o la coherencia cultural.

La lección general es la siguiente: el liderazgo se basa cada vez menos en la capacidad individual y cada vez más en el diseño de sistemas. Los ejecutivos que tendrán éxito no son aquellos que compiten con la IA, sino aquellos que crean entornos en los que los seres humanos y las máquinas inteligentes superan el rendimiento que alcanzarían por separado.

Lea sobre Juntas directivas o topicos relacionados a Gestión del talento, Liderazgo and Transiciones de liderazgo

Tomas Chamorro-Premuzic es director científico de Russell Reynolds Associates, profesor de psicología empresarial en el University College London y en la Universidad de Columbia, cofundador de deepersignals.com y miembro asociado del Laboratorio de Finanzas Empresariales de Harvard. Es autor de numerosos libros, entre los que destaca su última obra, *Don’t Be Yourself: Why Authenticity Is Overrated (and What to Do Instead) * (Harvard Business Review Press, 2025). @drtcp