Doxa 2583

4 trampas ocultas de la dinámica de equipo

Por Susan MacKenty Brady, Stuart D. Kliman y Leslie C. Smith
Liderazgo
Harvard Business Review

#Doxa #DinamicaDeEquipo #TrampasOcultas #Liderazgo #CulturaOrganizacional #Comunicacion #GestionDeConflictos #TrabajoEnEquipo #PsicologiaLaboral #CohesionDeEquipo #Productividad
Resumen. Muchos líderes creen que los equipos diversos generan naturalmente mejores ideas y decisiones. Pero la diferencia solo crea valor cuando los líderes pueden manejar la fricción que acompaña a las diferentes perspectivas. Cuatro trampas comunes del liderazgo: la certeza,La inconsistencia entre palabras y acciones, la reactividad emocional y la autojustificación pueden erosionar silenciosamente la confianza, la colaboración y el rendimiento. Los autores explican por qué surgen estos patrones y cómo impiden que los equipos aprovechen los beneficios de la diversidad. A continuación, proponen seis acciones prácticas de liderazgo para contrarrestarlos: cultivar la autoconciencia, recuperar el respeto durante los conflictos, comunicarse con franqueza, buscar la información completa antes de sacar conclusiones, fomentar la responsabilidad compartida y reforzar constantemente estos comportamientos mediante acciones. Los líderes que desarrollan estos hábitos pueden transformar el desacuerdo, de una fuente de tensión a un catalizador para relaciones más sólidas, mejores decisiones y un rendimiento organizacional sostenido.
En su nuevo libro de Harvard Business Review Press, « All the Difference: Six Leadership Actions to Bridge Perspectives, Strengthen Teams, and Create Value» (Toda la diferencia: Seis acciones de liderazgo para conectar perspectivas, fortalecer equipos y crear valor ), Susan MacKenty Brady, Stuart D. Kliman y Leslie C. Smith sostienen que la diferencia es la materia prima para crear valor, pero solo si los líderes saben cómo aprovecharla. Este artículo es una adaptación del libro. 

Hoy en día, las organizaciones son increíblemente diversas en todos los sentidos. Los equipos abarcan generaciones, culturas, especialidades funcionales, formación académica, perspectivas políticas y, cada vez más, diferentes relaciones con la tecnología y la IA. El trabajo está más distribuido, las expectativas son más personalizadas y el ritmo del cambio se acelera constantemente. Se exige a los líderes que unan a personas con visiones del mundo distintas, que resuelvan problemas cada vez más complejos y que actúen con rapidez a pesar de la incertidumbre. Sin embargo, muchas organizaciones siguen teniendo dificultades para aprovechar plenamente el valor de las diferencias ya presentes en su plantilla.

El problema no reside en la diferencia en sí misma. La diferencia suele ser fuente de innovación, adaptabilidad, mejor toma de decisiones y mayor capacidad para resolver problemas. El desafío radica en que los seres humanos no están naturalmente preparados para desenvolverse en la diferencia sin fricciones. Cuando las perspectivas chocan, cuando se cuestionan las suposiciones o cuando surgen tensiones, los líderes suelen caer en trampas de comportamiento predecibles. Estas trampas erosionan silenciosamente la confianza, debilitan la colaboración y disminuyen el rendimiento. Las denominamos «minas terrestres» del liderazgo: dinámicas ocultas que pueden descarrilar incluso a los líderes con las mejores intenciones.

Esta conclusión surgió no solo de nuestra experiencia trabajando con todo tipo de líderes y equipos, sino también de nuestra propia colaboración. Uno de nosotros dedicó casi cuatro décadas a liderar soldados en algunos de los entornos más complejos del mundo. Otro ha dedicado su carrera a ayudar a organizaciones a negociar, colaborar y resolver desafíos de alto riesgo. La tercera ha dedicado su trayectoria profesional al desarrollo de líderes como coach ejecutiva y directora general de un instituto de liderazgo. Al provenir de diferentes profesiones, experiencias y perspectivas, hemos experimentado de primera mano la rapidez con la que personas reflexivas y bienintencionadas —incluidos nosotros mismos— pueden interpretar una misma situación de maneras completamente distintas. Esos momentos se convirtieron en la fuente de nuestras mejores ideas y nos recordaron que la diferencia no es lo que crea la disfunción, sino cómo respondemos a ella, lo que determina si se crea o se pierde valor.

Comprender estos obstáculos es el primer paso para transformar la diferencia, de una fuente de fricción a una fuente de valor.

Cuatro obstáculos que pueden descarrilar a los líderes
Certeza. La primera y quizás más común trampa es la certeza: la convicción de que nuestra interpretación de una situación es la correcta y que los puntos de vista opuestos son simplemente erróneos.
Todo líder ha vivido esta situación. Surge un debate estratégico. Un ejecutivo aboga por una inversión agresiva; otro insiste en la contención de costes. Un miembro del equipo defiende la acción rápida; otro recomienda cautela. En poco tiempo, la discusión deja de ser una exploración y se convierte en una disputa sobre quién tiene razón.

El problema radica en que las personas prestan atención a información diferente, recurren a experiencias distintas e interpretan los acontecimientos desde perspectivas diferentes. Dos personas inteligentes y bien informadas pueden observar la misma situación y llegar a conclusiones diferentes.

Recordamos haber trabajado con un equipo directivo donde uno de sus miembros, Asher, sentía la imperiosa necesidad de centrar las discusiones de planificación en alcanzar los objetivos del próximo trimestre, mientras que su colega, Jen, quería mirar más allá, hacia una estrategia que preparara mejor al negocio para crecer a largo plazo. Cada uno estaba convencido de tener razón y el otro equivocado, dadas las circunstancias.

Cualquiera de nosotros puede recordar una conversación o un asunto del que estábamos absolutamente seguros. Las pruebas parecían claras. La conclusión, obvia. Quien viera la situación de otra manera parecía estar pasando por alto algo importante. Es precisamente en estos momentos de confianza cuando la certeza se vuelve peligrosa, porque la convicción suplanta silenciosamente la curiosidad.

La certeza da una sensación de eficacia porque aporta claridad. Sin embargo, a menudo impide precisamente las conversaciones que generan ideas innovadoras. Los líderes que se aferran demasiado a tener razón corren el riesgo de dejar pasar valiosas perspectivas y soluciones.

Inconsecuencia. El segundo obstáculo es la incoherencia: la brecha entre lo que los líderes dicen valorar y cómo se comportan en realidad.
La mayoría de los líderes aspiran a ser colaborativos, inclusivos, respetuosos y de mente abierta. Sin embargo, bajo presión, su comportamiento no siempre se corresponde con esas intenciones. A veces son conscientes de ello; a menudo, no.

Un gerente puede enfatizar repetidamente la importancia del trabajo en equipo mientras recompensa constantemente el logro individual. Un líder puede valorar genuinamente la escucha, pero interrumpir a los demás con frecuencia durante las reuniones. Aquí hay un par de ejemplos que conocemos y que tal vez les resulten familiares:
  • Un vicepresidente se compromete públicamente a aumentar la diversidad de género en la organización. Meses después, ese mismo líder falta a un importante evento interno para celebrar a las mujeres en la empresa debido a otra obligación profesional. La decisión en sí misma puede haber sido totalmente razonable, pero los empleados perciben una desconexión entre los valores declarados y las acciones concretas.
  • Un líder del sector de TI publica una nueva guía completa sobre el uso ético de la IA. Una de sus recomendaciones es incluir una aclaración cuando un porcentaje significativo del resultado de un proyecto o texto se genera mediante IA. Sin embargo, no revela que, para la creación de la propia guía, utilizó IA para generar casi la totalidad del contenido.
El problema no radica necesariamente en la hipocresía, sino en la humanidad. Todos los líderes tienen puntos ciegos. Todos los líderes, en ocasiones, crean una brecha entre la intención y el impacto.

Lo peligroso de la inconsistencia es que los empleados prestan mucha más atención a lo que hacen los líderes que a lo que dicen. Cuando las palabras y los actos difieren, la confianza comienza a erosionarse.

Reactividad emocional. El tercer obstáculo es la reactividad emocional: la realidad de que las personas reaccionan de manera diferente, y a menudo intensa, ante el mismo acontecimiento.
Un empleado resta importancia a un comentario directo en una reunión. Otro se pasa días dándole vueltas. Un miembro del equipo agradece la retroalimentación directa; otro la percibe como una crítica personal. Una persona ve un debate constructivo; otra lo ve como una falta de respeto.

La dificultad para los líderes radica en que las reacciones emocionales están determinadas por factores que a menudo son invisibles: la personalidad, las experiencias de vida, las normas culturales, los niveles de estrés, las interacciones previas e incluso el bienestar físico.

Imagina que un compañero trae una idea novedosa a la reunión semanal del equipo. Un compañero inmediatamente comienza a criticarla y a ofrecer otras ideas. El primer compañero reacciona, pero todos los demás en la sala ven, entienden y reaccionan a esa reacción de manera diferente. Uno de los compañeros se muestra visiblemente frustrado y decide no participar en la discusión. Otro responde que las perspectivas adicionales son muy útiles y aporta más ideas propias. Un tercero considera que toda la conversación está fuera de lugar y trata de darla por terminada. Todos reaccionan al mismo estímulo, de maneras diferentes, creando un círculo vicioso que socava la capacidad del equipo para ejecutar, o para aprovechar los diferentes pensamientos, sentimientos, puntos de vista y experiencias que subyacen a todas las reacciones. Cuando los líderes asumen que todos comparten su interpretación, los malentendidos se multiplican.

La reactividad emocional se vuelve especialmente peligrosa cuando los líderes desestiman las reacciones de los demás como irracionales o hipersensibles. Esto suele agravar el problema, provocando que las personas se sientan ignoradas e invalidadas.

El objetivo no es eliminar las reacciones emocionales. Eso sería imposible. El objetivo es reconocer que las emociones forman parte de la vida y abordarlas con curiosidad en lugar de juzgarlas.

Justificación. La cuarta mina terrestre se encuentra debajo de las otras tres. La justificación es nuestra tendencia a explicar, defender y racionalizar nuestro propio comportamiento en lugar de examinarlo críticamente.
Cuando los líderes están seguros, justifican por qué tienen razón. Cuando actúan de forma inconsistente, justifican por qué las circunstancias lo hicieron necesario. Cuando reaccionan emocionalmente, justifican por qué su reacción fue apropiada.

Un líder se pierde un evento importante para los empleados y justifica su decisión con argumentos sólidos. Un gerente desestima la preocupación de un colega porque, según él, "solo estaba siendo realista". Un ejecutivo evita una conversación difícil porque plantearla "solo empeoraría las cosas". En cada caso, la explicación puede ser razonable. Pero la justificación a menudo impide el aprendizaje.

La forma más perjudicial puede ser la justificación de la inacción. Los líderes a menudo se convencen de que evitar un tema difícil es prudente, cuando en realidad es simplemente cómodo. Un conflicto queda sin resolver. Un comentario problemático se ignora. Un desacuerdo estratégico permanece sin solución.

El problema no desaparece. Simplemente se oculta, donde silenciosamente mina la confianza, el compromiso y el rendimiento.

La justificación transforma los momentos de potencial crecimiento en ciclos de actitud defensiva. Convierte la curiosidad en certeza y la responsabilidad en culpa.

Seis acciones que ayudan a los líderes a desactivar las minas terrestres
Afortunadamente, los líderes no son impotentes. La solución no consiste en eliminar las diferencias, sino en desarrollar las habilidades necesarias para liderar a través de ellas. Seis acciones de liderazgo pueden ser de gran ayuda.

Conócete a ti mismo. Todo comienza con la autoconciencia.
Los líderes deben comprender sus propias preferencias, sesgos, factores desencadenantes, suposiciones y reacciones automáticas. Necesitan reconocer cuándo se impone la certeza, cuándo se intensifican las emociones y cuándo racionalizan su comportamiento en lugar de analizarlo.

Un punto de partida sencillo: después de una interacción difícil, pregúntate: "¿Qué sentía? ¿Qué suposiciones estaba haciendo? ¿Qué pude haber pasado por alto?"

Cuanto mejor se comprendan a sí mismos los líderes, mejor podrán comprender a los demás.

Regresar al respeto. Incluso los mejores líderes se alteran.
Lo que distingue a los líderes eficaces es su capacidad de recuperación. Cuando las conversaciones se tornan tensas, hacen una pausa, se reorganizan y retoman la conversación desde una posición de respeto.

Supongamos que una reunión se caldea. En lugar de insistir en la postura, un líder podría decir: «Está claro que tenemos puntos de vista diferentes. Bajemos el ritmo y asegurémonos de entendernos antes de seguir adelante».

El respeto no es estar de acuerdo. Es la decisión de considerar las perspectivas de los demás como dignas de consideración.

Activa la honestidad. La confianza crece cuando los líderes dicen la verdad, incluso cuando la verdad es incompleta o incómoda.
La honestidad implica reconocer la incertidumbre, identificar las tensiones y compartir lo que uno piensa realmente, en lugar de esconderse tras los guiones de la organización.

Por ejemplo, un líder que se enfrenta a una iniciativa de cambio difícil podría decir: “Sé que la gente tiene inquietudes. Todavía no tengo todas las respuestas, pero quiero que las discutamos abiertamente”.

Tal franqueza suele generar más confianza que una falsa certeza. Sin embargo, seamos claros. Este tipo de sinceridad no implica sacrificar la empatía en aras de la honestidad. Existe conciencia —y, por lo tanto, sensibilidad— sobre el impacto que el mensaje transmitido tiene en los demás.

Lee la historia completa. La mayoría de los conflictos se originan por información incompleta.
Los líderes eficaces resisten la tentación de juzgar precipitadamente. En cambio, buscan perspectivas adicionales y exploran lo que puede haber bajo la superficie.

Un hábito práctico: antes de llegar a una conclusión, pregúntate: "¿Qué otra cosa podría ser cierta?". Esta sencilla pregunta da pie a la empatía, la curiosidad y a mejores decisiones.

Fomentar la unión. Los equipos fuertes no piensan igual. Piensan juntos.
Los líderes crean valor cuando cambian el enfoque de "mi solución" a "nuestra solución". Invitan a considerar diversas perspectivas desde el principio, fomentan la resolución colectiva de problemas y ayudan a las personas a sentirse responsables de los resultados. Crean un sentido de unidad al integrar perspectivas y puntos de vista dispares, y aprovechan esas diferencias para generar valor.

Un primer paso sencillo es preguntar: "¿De quién no hemos escuchado aún la perspectiva?". Esa sola pregunta puede transformar la calidad de una conversación.

Comprométete a la acción. Liderar a través de la diferencia no es un evento aislado. Es una práctica continua que comienza con nosotros mismos: mantener la autoconciencia, recuperar el respeto por uno mismo y por los demás, decir la verdad incluso cuando es difícil, mantener una curiosidad activa y crear modelos de alineación que guíen el camino.
Los líderes deben reforzar constantemente las expectativas, abordar los problemas directamente y responsabilizarse de la cultura que crean.

Tras una interacción difícil, un líder podría retomar la conversación, reconocer el error y aclarar las expectativas para el futuro. Estos momentos de rendición de cuentas fortalecen la confianza en lugar de debilitarla.

El objetivo no es la perfección. Es el progreso.

Convertir la diferencia en ventaja
La diferencia es inevitable. En las organizaciones actuales, también es una de las mayores fuentes de valor sin explotar. Los líderes que triunfen no serán quienes eliminen la tensión ni quienes creen una armonía perfecta, sino quienes reconozcan los obstáculos ocultos que conlleva la diversidad humana y desarrollen las habilidades necesarias para sortearlos con consciencia, humildad e intención.

Cuando los líderes aprenden a hacer eso, la diferencia deja de ser un problema que gestionar y se convierte en una ventaja que aprovechar.

Este artículo es una adaptación de All the Difference: Six Leadership Actions to Bridge Perspectives, Strengthen Teams, and Create Value (Harvard Business Review Press, 2026) de Susan MacKenty Brady, Stuart D. Kliman y Leslie C. Smith.

Lea más sobre Liderazgo o temas relacionados: Liderar equipos.

Susan MacKenty Brady Es experta en liderazgo global, oradora y directora ejecutiva del Instituto de Liderazgo Inclusivo de la Universidad Simmons. Asesora a organizaciones de todo el mundo sobre cómo cultivar culturas de alto rendimiento centradas en las personas y es coautora de All the Difference: Six Leadership Actions to Bridge Perspectives, Strengthen Teams, and Create Value y Arrive and Thrive: 7 Impactful Practices for Women Navigating Leadership. 

Stuart D. Kliman Es fundador y socio emérito de Vantage Partners, una consultora y empresa de formación de tamaño mediano con sede en Boston. Es experto en gestión del cambio de comportamiento y colaboración, exalumno del Proyecto de Negociación de Harvard y director de desarrollo de negocio en PrescriberPoint. Es coautor de « All the Difference: Six Leadership Actions to Bridge Perspectives, Strengthen Teams, and Create Value».

Leslie C. Smith Es teniente general retirado del Ejército de los Estados Unidos y ex inspector general. Actualmente se desempeña como vicepresidente de liderazgo, educación y programas en la Asociación del Ejército de los Estados Unidos. Además, es profesor visitante de liderazgo en la Universidad Georgia Southern y director ejecutivo de LV Smith Corporate Group. Es coautor de All the Difference: Six Leadership Actions to Bridge Perspectives, Strengthen Teams, and Create Value.


Doxa 2582

Evita que la IA erosione tu marca

Las investigaciones señalan cinco maneras en que las empresas pueden reducir la "deuda de marca" que puede generar la IA

Por Sean Lyons, Ndidi Oteh y Joshua Bellin
Gestión de marca
Harvard Business Review

#Doxa #InteligenciaArtificial #DeudaDeMarca #GestionDeMarca #ReputacionCorporativa #EstrategiaDeMarca #IdentidadDeMarca #MarketingDigital #InnovacionResponsable #ProteccionDeMarca #TransformacionDigital
Resumen. La inteligencia artificial está cambiando la forma en que operan las empresas y cómo los clientes experimentan sus marcas. Nuevas investigaciones sugieren que las empresas con menores niveles de “deuda de marca” —la confianza, relevancia y coherencia perdidas cuando los productos,Las empresas que gestionan la deuda de marca de forma proactiva, evitando que las experiencias y decisiones se desvíen de las expectativas del cliente, tienen muchas más probabilidades de superar a sus competidores. Basándonos en un análisis comparativo de 60 empresas y en las lecciones aprendidas de la transformación digital de Bose, la conclusión es que gestionar la deuda de marca debe convertirse en una prioridad para toda la organización, en lugar de una simple estrategia de marketing. A medida que la IA influye cada vez más en las interacciones con los clientes, las empresas que gestionen la deuda de marca de forma deliberada estarán mejor posicionadas para fortalecer la confianza, mantener el crecimiento y preservar la ventaja competitiva.
Las empresas que triunfan gracias a la IA están creando mejores productos y marcas más sólidas porque se están adelantando a un problema que muchos competidores aún no reconocen: la deuda de marca.

La mayoría de los ejecutivos conocen la deuda técnica, los costos ocultos que se acumulan cuando las empresas toman decisiones tecnológicas a corto plazo para acelerar sus procesos. La deuda de marca funciona de manera muy similar. Se genera cuando los productos, la experiencia del cliente, las políticas o los mensajes de una empresa se desincronizan con las expectativas de los clientes. Pequeños atajos, lanzamientos de productos fragmentados, decisiones de precios que priorizan los márgenes a corto plazo o experiencias inconsistentes pueden parecer manejables en sí mismos. Sin embargo, con el tiempo, erosionan la confianza, la relevancia y la lealtad. La IA acelera considerablemente la acumulación de estos costos.

Cada vez más, los clientes experimentan las marcas a través de productos, sistemas de recomendación, sistemas de servicio y plataformas digitales impulsados ​​por IA. Estos sistemas determinan lo que los clientes ven, cómo se les trata y si las interacciones les resultan útiles, fiables y coherentes. Cuando se producen errores, se malinterpreta el contexto o se generan experiencias impersonales, el daño rara vez se limita a un solo aspecto. La IA puede amplificar estos fallos a lo largo de miles o incluso millones de interacciones con los clientes antes de que las empresas tengan la oportunidad de responder. Una sola interacción defectuosa puede minar rápidamente la confianza. La fricción repetida agrava el problema, debilitando la lealtad del cliente, reduciendo la retención, erosionando el poder de fijación de precios y aumentando los costes de adquisición. En un mercado impulsado por la IA, la deuda de marca se ha convertido en una responsabilidad empresarial que las empresas ya no pueden permitirse ignorar.

Para comprender si la deuda de marca predice el desempeño empresarial, realizamos un análisis comparativo interno de 60 empresas de dos sectores: calzado y ropa deportiva, y hoteles y alojamiento, utilizando 2022 como referencia común. A continuación, planteamos una pregunta sencilla: ¿Tenían las empresas con menor deuda de marca más probabilidades de superar a sus pares durante los siguientes uno y tres años? Evaluamos la deuda de marca de cada empresa en cuatro dimensiones: cultura, cliente, credibilidad y coherencia (que describimos a continuación). La evaluación se basó en información pública, incluyendo divulgaciones de la empresa, cobertura mediática, comentarios de analistas y mediciones de la opinión pública. Posteriormente, comparamos el crecimiento de los ingresos de cada empresa con el promedio de su sector.

La relación fue sorprendente. Las empresas con los niveles más bajos de deuda de marca tenían muchas más probabilidades de superar a sus pares en ambos horizontes temporales. En calzado y ropa deportiva, las empresas del cuartil más bajo de deuda de marca tenían 2,4 veces más probabilidades de superar el crecimiento promedio de sus pares después de un año y 3,2 veces más probabilidades después de tres años. En hoteles y alojamiento, tenían 4,1 veces más probabilidades de superar a sus pares después de un año y 3,7 veces más probabilidades después de tres.

Nuestra investigación demuestra que la deuda de marca es un indicador cuantificable de si una empresa posee la relevancia y la confianza necesarias para el crecimiento empresarial. Las empresas gestionan la deuda de marca de forma más eficaz cuando identifican dónde se acumula, comprenden sus causas y la abordan de manera deliberada antes de que empiece a perjudicar el rendimiento.

Más adelante en el artículo, exploraremos las cinco maneras en que Bose y otras empresas líderes abordan la deuda de marca como una señal estratégica, diagnosticando qué responsabilidad está causando el daño, gestionando la marca como un riesgo, alineando la automatización con la intención de la marca y expandiéndose de maneras que la refuercen. Primero, detallaremos tres razones por las que la IA acelera la deuda de marca.

Por qué la IA acelera la deuda de marca
La IA transforma no solo el funcionamiento de las empresas, sino también la experiencia de los clientes con sus marcas. Pequeñas inconsistencias que antes afectaban a un número reducido de clientes ahora pueden propagarse a miles de interacciones en cuestión de horas. Esto es importante porque la confianza en las empresas ha disminuido y los consumidores más jóvenes son menos leales a las marcas que las generaciones anteriores. Justo cuando la IA debería ayudar a las empresas a ofrecer experiencias más relevantes y personalizadas, también puede magnificar las inconsistencias que debilitan la confianza.

En primer lugar, los sistemas de IA influyen cada vez más en la experiencia del cliente. Los motores de recomendación, los algoritmos de precios, las herramientas de atención al cliente y los sistemas de personalización determinan lo que ven los clientes, cómo se les trata y si las interacciones les resultan útiles, justas y coherentes. Cada decisión de diseño que toman estos sistemas pasa a formar parte de la experiencia de marca.

En segundo lugar, las plataformas digitales hacen que las decisiones operativas sean mucho más visibles. Las tarifas, los fallos en el servicio, las políticas confusas y los errores de los socios, que antes pasaban prácticamente desapercibidos, ahora son fáciles de descubrir, comparar y compartir para los clientes, a menudo en cuestión de minutos.

En tercer lugar, muchas organizaciones se han vuelto demasiado complejas para ofrecer una experiencia de marca coherente. Las decisiones sobre productos, tecnología, servicio al cliente, alianzas e inteligencia artificial a menudo se toman de forma independiente, lo que provoca que los clientes experimenten las inconsistencias que generan esas divisiones organizativas.

La pregunta para los líderes, entonces, no es si tienen deuda de marca. Casi todas las empresas la tienen. Las verdaderas preguntas son dónde se está acumulando, cuánto le está costando al negocio y qué decisiones serán las más efectivas para reducirla.

Cuatro pasivos
Para gestionar la deuda de marca, los líderes primero deben identificar dónde se está acumulando. Descubrimos que la mayoría de los problemas se dividen en cuatro categorías, que llamamos las cuatro C.

La deuda cultural surge cuando la identidad de una marca se desfasa con respecto a las cambiantes expectativas de los clientes o las normas culturales. Una marca que continúa proyectando abundancia y optimismo durante un período de incertidumbre financiera generalizada, por ejemplo, corre el riesgo de parecer insensible.

La deuda de los clientes se acumula cuando los productos, servicios o experiencias dejan de ofrecer un valor diferencial. Las marcas premium son especialmente vulnerables cuando se quedan atrás en innovaciones, como las capacidades habilitadas por IA, que los clientes esperan cada vez más.

La deuda de credibilidad surge cuando las acciones de una empresa contradicen sus promesas. Las decisiones de la dirección, las prácticas de precios o las deficiencias en la gobernanza pueden socavar los compromisos con temas como la privacidad, la sostenibilidad o la inclusión, debilitando así la confianza.

La falta de coherencia surge cuando los clientes se encuentran con diferentes versiones de la marca en distintos productos, canales, plataformas o interacciones con IA. Los mensajes inconsistentes, las experiencias de servicio fragmentadas y los resultados de la IA que no se corresponden con la marca hacen que la empresa parezca menos coherente y fiable.

Estas responsabilidades suelen superponerse. Una empresa que lucha contra una forma de deuda de marca a menudo está generando otra simultáneamente. La deuda de marca no reside únicamente en el marketing; se acumula en productos, tecnología, recursos humanos, operaciones, políticas y alianzas.

Por eso, los directores de marketing se ven cada vez más responsables de resultados que no pueden controlar por completo, como la erosión de la confianza provocada por las políticas, las deficiencias en la experiencia del cliente creadas por los sistemas heredados o el riesgo para la reputación derivado de la automatización.

Cinco maneras de gestionar la deuda de marca
El objetivo no es solo eliminar la deuda de marca. Al igual que con la deuda técnica, vale la pena hacer concesiones si generan mayor valor a largo plazo. El riesgo reside en permitir que esas concesiones se acumulen sin reconocer el costo que representan para la empresa.

Nuestra investigación y el trabajo con nuestros clientes sugieren que las empresas líderes gestionan la deuda de marca de cinco maneras. En conjunto, estas prácticas ayudan a los líderes a identificar dónde se acumula la deuda de marca, determinar qué problemas son más importantes y evitar que pequeñas inconsistencias se conviertan en debilidades sistémicas.

Tratar la deuda de marca como una señal estratégica

La deuda de marca suele ser la primera señal visible de que algo más profundo en la organización ha fallado. Refleja decisiones sobre crecimiento, experiencia del cliente, operaciones y gobernanza que debilitan gradualmente la confianza y la relevancia. Los líderes deben tratarla como un problema empresarial que merece atención interfuncional y una clara rendición de cuentas.

Bose ilustra cómo se ve esto en la práctica. Cuando Bose cerró sus tiendas minoristas globales en 2020, se enfrentó a algo más que un desafío de distribución. Estas tiendas habían brindado durante mucho tiempo a los clientes la oportunidad de experimentar de primera mano el sonido premium de la compañía. Sin ellas, Bose corría el riesgo de competir principalmente en precio, reseñas y posicionamiento en buscadores, en lugar de en la experiencia del producto.

La directora ejecutiva, Lila Snyder, respondió reforzando la gobernanza de la marca. Nombró a Jim Mollica como el primer director global de marketing de la compañía, centralizó el liderazgo de la marca y clarificó las responsabilidades de decisión en materia de productos, estrategia digital, alianzas comerciales y marketing. Esta estructura ayudó a Bose a ofrecer una experiencia más consistente, ya que los clientes interactuaban cada vez más con la marca en línea que en sus tiendas físicas.

A medida que la empresa transitaba de tiendas minoristas propias al comercio electrónico y plataformas de terceros, consideró la deuda de marca como un desafío empresarial en lugar de uno de marketing. De esta manera, redujo la deuda cultural, de clientes, de credibilidad y de coherencia, al tiempo que conservó el posicionamiento premium que durante mucho tiempo había diferenciado a la marca.

Diagnosticar qué responsabilidad está causando el daño.

No todos los problemas de marca tienen la misma causa ni requieren la misma solución. La deuda cultural exige una respuesta diferente a la deuda con los clientes, la credibilidad o la coherencia. Antes de actuar, los líderes deben identificar dónde se está acumulando dicha deuda.

En el caso de Bose, los mayores riesgos eran la deuda con los clientes y la falta de consistencia en la calidad. A medida que el mercado de audio premium se volvía más competitivo, los productos que antes se distinguían entre sí resultaban más fáciles de comparar en los mercados digitales dominados por empresas como Apple, Sony y Samsung.

Bose respondió ampliando su posicionamiento más allá del rendimiento de audio. Se lanzaron productos como los Ultra Open Earbuds a través de colaboraciones con marcas de moda, estilo de vida y creadores, lo que reforzó la relevancia de la marca sin perder su identidad premium.

Gestiona la marca de la misma manera que gestionas el riesgo.

Gestionar la deuda de marca requiere más que un marketing eficaz. Requiere derechos de decisión claros, estándares compartidos y responsabilidad en toda la organización. Las consideraciones de marca deben integrarse en las decisiones sobre desarrollo de productos, alianzas, automatización, adquisiciones y experiencia del cliente, en lugar de evaluarse a posteriori.

La estructura de gobierno de Bose cobró especial importancia a medida que la empresa se orientaba hacia el comercio electrónico y los canales de venta minorista de terceros. Un liderazgo de marca centralizado contribuyó a garantizar la coherencia en la comercialización, la identidad visual, la narrativa del producto y las experiencias digitales en todos los puntos de contacto con el cliente. A pesar de los cambios en la distribución, la marca conservó su reconocibilidad.

Alinea la automatización con la intención de la marca.

Hoy en día, los clientes suelen conocer las marcas a través de sistemas digitales antes de ver un anuncio. Los resultados de búsqueda, los sistemas de recomendación, las experiencias de comercio electrónico y las herramientas de atención al cliente influyen en la imagen que proyecta la marca.

Los líderes deben evaluar periódicamente cómo se comportan estos sistemas en la práctica. Cuando los algoritmos o las decisiones operativas generan experiencias que entran en conflicto con la identidad de la empresa, comienzan a acumular una deuda de marca.

A medida que Bose aceleraba su transición al comercio electrónico directo al consumidor, las experiencias digitales asumieron el papel que antes desempeñaban las tiendas físicas. La compañía invirtió en una narrativa de producto más elaborada, una descripción más clara de los casos de uso y contenido que reforzaba su posicionamiento premium, garantizando que las experiencias digitales reflejaran las mismas cualidades que los clientes esperaban de la marca.

Expandirse de maneras que refuercen la marca.

El crecimiento se produce cada vez más a través de plataformas digitales, descubrimiento impulsado por IA y categorías de productos afines. Sin embargo, la expansión debe reforzar la percepción que los clientes ya tienen de una marca, en lugar de transformarla hasta hacerla irreconocible.

Bose siguió ese principio expandiéndose a categorías de audio premium adyacentes, al tiempo que modernizaba su presencia online. En lugar de centrarse en el volumen de ventas, reforzó su promesa principal de un sonido superior mediante experiencias de comercio electrónico más sólidas, un posicionamiento de producto más claro y una narrativa más relevante culturalmente. A medida que el negocio crecía digitalmente, la automatización potenció la marca en lugar de diluirla.
...
La deuda de marca puede convertirse en una ventaja competitiva si se gestiona de forma estratégica. Las empresas no necesitan eliminar todas las fuentes de deuda, pero sí deben comprender dónde se está acumulando y abordarla antes de que socave la confianza y el crecimiento.

La IA no hará sino aumentar la importancia de este desafío. A medida que más interacciones con los clientes se ven influenciadas por algoritmos, plataformas y sistemas inteligentes, cada decisión operativa se convierte en una decisión de marca. Las empresas que prosperen serán aquellas que gestionen la deuda de marca con la misma disciplina que ya aplican al riesgo financiero y técnico.

Lea más sobre gestión de marca o temas relacionados: IA y aprendizaje automático, experiencia del cliente y marketing.

Sean Lyons es director general en Accenture Song.

Ndidi Oteh es la líder de socios de reinvención de Accenture Song.

Joshua Bellin es investigador principal sénior en Accenture Research. Reside en Boston.


Doxa 2581

¿Prefieres a los candidatos que responden rápidamente?

La investigación reveló que el tiempo de respuesta de un candidato puede influir en las decisiones de contratación con la misma fuerza que las cualificaciones tradicionales

Por Eric M. VanEpps y Einav Hart
Contratación y reclutamiento
Harvard Business Review

#Doxa #Reclutamiento #Contratación #TiempoDeRespuesta #Candidatos #RecursosHumanos #SelecciónDePersonal #Eficiencia #ProcesoDeContratación #ComunicaciónLaboral #EvaluaciónDeCandidatos
Resumen. Los responsables de contratación creen que priorizan la experiencia, las credenciales y la idoneidad del candidato al revisar las solicitudes de empleo. Sin embargo, un nuevo estudio reveló que la rapidez con la que los candidatos responden a los mensajes influye enormemente en quién es contratado. Un análisis de más de 11 millonesLas transacciones en Fiverr y una serie de experimentos controlados revelaron que incluso una demora de una hora puede reducir drásticamente las posibilidades de un candidato, llegando a ser más importante que las calificaciones más altas o las solicitudes más sólidas. Los gerentes interpretan implícitamente las respuestas rápidas como señales de competencia, cordialidad y disposición para futuras consultas; sin embargo, pocos reconocen la importancia de este indicador. Para evitar pasar por alto talento valioso, los líderes deben decidir explícitamente cuándo la rapidez es realmente crucial, y los solicitantes de empleo deben responder con prontitud, pero con autenticidad.
Cada vez que tomas una decisión de contratación, probablemente tienes en mente una serie de criterios para evaluar a los candidatos. Los filtras según cualificaciones objetivas como años de experiencia y títulos académicos, y tal vez también incorporas consideraciones más subjetivas, como cartas de recomendación y la calidad de la carta de presentación. Seguramente contactas con varios candidatos, pero ¿cómo decides finalmente a quién contratar?

En una nueva investigación publicada en Management Science, identificamos una métrica adicional que los gerentes utilizan de forma sistemática, a pesar de que posiblemente no sean conscientes de su propia preferencia: la velocidad de respuesta de los solicitantes de empleo.

Descubrimos que las personas suelen elegir a los candidatos que responden rápidamente, incluso cuando tienen una opción de mayor calidad. En un análisis de decisiones de contratación reales, los retrasos en la respuesta de los candidatos, incluso de tan solo unos minutos, afectaron significativamente sus posibilidades de ser contratados.

Para ayudar a los líderes a tomar las mejores decisiones de contratación, primero deben ser conscientes de cómo influye la velocidad en su proceso de toma de decisiones y determinar si realmente les ayuda a elegir a la persona más adecuada para el puesto.

Por qué importa la velocidad de respuesta
Iniciamos esta investigación considerando el trabajo por contrato y las oportunidades de trabajo independiente. Analizamos más de 11 millones de transacciones en el mercado global Fiverr e identificamos una relación positiva y significativa entre la rapidez con la que un solicitante de empleo respondía al contacto inicial de un empleador (como hacer una pregunta o dar seguimiento a una solicitud) y los resultados de contratación. En promedio, encontramos que una demora de una hora en el tiempo de respuesta de un candidato reducía en un 46% la probabilidad de ser contratado. Y aquellos que respondían más de 24 horas después de recibir un mensaje directo de un posible empleador tenían un 90% menos de probabilidades de ser contratados en comparación con un candidato que respondía de inmediato. De hecho, la velocidad de respuesta es un predictor tan poderoso que un trabajador promedio de Fiverr que esperara tres horas adicionales para responder perjudicaría sus propias posibilidades de ser contratado tanto como si su calificación (basada en trabajos anteriores) fuera un 20% menor.

Esta penalización por velocidad se mantuvo constante en todos los tipos de trabajo, tamaño del contrato, salario, experiencia en Fiverr y otras variables de control.

¿Por qué la rapidez de respuesta es un factor tan importante para los gerentes? Además de la preocupación directa por la eficiencia a la hora de cubrir puestos rápidamente, nuestra investigación reveló que las personas consideran la rapidez de respuesta una señal valiosa de otros rasgos de carácter positivos, tanto cuando los participantes consideran la contratación para trabajos temporales como para empleos a largo plazo.

En varios experimentos posteriores con más de 8600 participantes, les pedimos que imaginaran cómo sería contratar a candidatos para un puesto de trabajo, teniendo en cuenta su respuesta al mensaje inicial del empleador. También se les pidió que calificaran a los trabajadores según factores como la competencia, la calidez y las habilidades comunicativas.

En algunos experimentos, los participantes evaluaron a un único candidato que respondió en una hora o en dos días, y en otros se les pidió que evaluaran a varios candidatos con tiempos de respuesta variables. El contenido de las respuestas se mantuvo constante: describían cómo planeaban realizar el trabajo (por ejemplo, un fotógrafo profesional describía cómo llevaría a cabo una sesión fotográfica). En todos nuestros experimentos, la velocidad de respuesta predijo positivamente las evaluaciones de la competencia, la cordialidad y la capacidad de respuesta futura de los candidatos, y los participantes indicaron que serían mucho más propensos a contratar a quienes respondieran rápidamente.

También descubrimos que las respuestas más rápidas pueden incluso compensar las calificaciones de menor calidad. En un estudio experimental, pedimos a los participantes que evaluaran a un proveedor de catering en un escenario hipotético en el que imaginaban contactarlo con algunos detalles básicos sobre un evento próximo. Además de la velocidad de respuesta del proveedor (ya sea "en una hora" o "al final del día"), manipulamos si el perfil del proveedor presentaba una calificación de calidad relativamente baja (4,25 de 5 estrellas), una calificación de calidad relativamente alta (4,85 de 5 estrellas) o ninguna calificación de calidad. De hecho, los participantes prefirieron contratar al proveedor de 4,25 estrellas que respondió rápidamente que al proveedor de 4,85 estrellas que tardó más en responder.

Esto no es exclusivo de las empresas de catering, sino que se aplica a muchas situaciones de contratación. Observamos mayores tasas de contratación para quienes respondieron con mayor rapidez en todas las categorías laborales que aparecen en Fiverr (por ejemplo, análisis de datos, marketing, contabilidad, animación) y evaluaciones positivas en estudios experimentales sobre diversas profesiones, como fotógrafos, correctores de textos web e incluso médicos.

También descubrimos que los empleadores podrían no ser conscientes de sus propias preferencias. En un estudio, pedimos a los participantes que se imaginaran que eran empleadores o candidatos a un puesto de trabajo y que calificaran sus expectativas sobre la rapidez de respuesta. Solo el 10 % de quienes se pusieron en el lugar de los gerentes dijeron que esperarían una respuesta en el plazo de una hora. De manera similar, solo el 10 % de los empleadores imaginarios expresaron que los candidatos deberían responder con esa rapidez.

Si bien los gerentes suelen afirmar que la rapidez no es tan importante como otros factores, como la calidad de la solicitud o la idoneidad del candidato para el puesto, nuestra investigación demuestra que, de hecho, le otorgan una importancia desproporcionada en sus decisiones. Aunque los gerentes crean que la velocidad de respuesta no es un factor primordial, influye constantemente en sus juicios y preferencias.

Estos hallazgos podrían sugerir que la automatización beneficiaría a quienes buscan empleo, ya que podrían configurar respuestas automáticas para contestar de inmediato a las solicitudes o crear plantillas de solicitud para agilizar el proceso. Sin embargo, estudios adicionales que realizamos indican lo contrario. Cuando pedimos a los participantes que consideraran las respuestas etiquetadas como generadas automáticamente o que se sospechaba que lo eran, los beneficios de la rapidez de respuesta desaparecieron. A los participantes no les gustó recibir mensajes automatizados, porque la velocidad de respuesta de un algoritmo ya no indica nada sobre la cordialidad, la competencia o la capacidad de respuesta futura del solicitante.

Cómo superar el punto ciego de velocidad
Para tomar las mejores decisiones sobre futuros empleados, los responsables de contratación deben ser conscientes de los posibles sesgos subconscientes que influyen en sus decisiones. Por supuesto, en algunos sectores y para ciertos puestos, la rapidez de respuesta puede ser un factor crucial a tener en cuenta. Al fin y al cabo, una comunicación más ágil facilita la eficiencia en toda la organización, y la capacidad de respuesta futura de los empleados puede ser algo que les importe a los empleadores. Sin embargo, priorizar la rapidez podría, sin querer, descartar a excelentes candidatos.

Antes de evaluar a los candidatos, los líderes deben preguntarse: ¿Qué métricas deben priorizarse? ¿Importa más la rapidez que la calidad, la compatibilidad de personalidad u otros atributos? No siempre existe una relación inversa entre la rapidez de respuesta y la calidad del trabajador (de hecho, a veces los que responden más rápido pueden ser los más capaces), pero incorporar la rapidez de respuesta en el proceso de evaluación puede, sin querer, priorizarla a menos que se aborde explícitamente. Ser conscientes de esta dependencia de la rapidez de respuesta es fundamental.

Para quienes buscan empleo, independientemente de lo que digan los empleadores, responder con rapidez puede darles una ventaja sobre otros candidatos. Preparar con anticipación cualquier documento adicional que un empleador pueda solicitar (como un portafolio, por ejemplo) puede ayudarles a causar una buena impresión si se ponen en contacto con ustedes. Y tengan cuidado al usar IA u otras herramientas para automatizar sus mensajes: responder rápidamente de una manera que parezca poco auténtica puede ser contraproducente.

Es importante señalar que nuestros datos se basaron principalmente —aunque no exclusivamente— en evaluaciones de contratos a corto plazo, lo que significa que es posible que nuestros hallazgos no predigan con exactitud cómo reaccionan los líderes ante la rapidez de respuesta al contratar personal para puestos de mayor duración. Sin embargo, observamos que la rapidez de respuesta genera beneficios significativos en la evaluación de las personas, con importantes implicaciones para las decisiones de contratación en una variedad de tareas, puestos y tipos de contrato, y esperamos que estos resultados sean aplicables a contextos que van más allá de lo que estudiamos directamente.
...
Tanto los datos reales del mercado como los datos experimentales demuestran que la velocidad de respuesta predice la probabilidad de contratación. Los empleadores utilizan la velocidad de respuesta de los solicitantes de empleo como indicador de su capacidad de respuesta futura y seleccionan a los candidatos en consecuencia. Incluso en presencia de otras características que influyen en la evaluación de los candidatos, como las calificaciones de calidad o el contenido del mensaje, nuestra investigación muestra que la velocidad de respuesta suele destacar como una métrica relevante. Es posible que los gerentes no se den cuenta de la importancia que le dan a la velocidad de respuesta, pero esta influye constantemente en las decisiones de contratación. Recomendamos a quienes contratan que sean conscientes de su dependencia de esta métrica y que tomen decisiones explícitas sobre cuánto control le dan al tiempo de respuesta.

Lea más sobre Contratación y reclutamiento o temas relacionados: Sesgo cognitivo, Gestión de recursos humanos, Búsqueda de empleo e IA generativa.

Eric M. VanEpps es profesor asociado de marketing en la Escuela de Posgrado de Administración Owen de la Universidad de Vanderbilt. Sus áreas de investigación incluyen la gestión de la imagen, el comportamiento del consumidor y la provisión de información.

Einav Hart es profesora adjunta de administración en la Facultad de Negocios Costello de la Universidad George Mason. Sus áreas de investigación incluyen la negociación y las conversaciones difíciles, la gestión de conflictos y el comportamiento organizacional.

 

Doxa 2580

Las empresas estadounidenses y japonesas se enfrentan a diferentes dificultades en la adopción de la IA y ofrecen diferentes lecciones para lograr que funcione

Por Natarajan Balasubramanian, Shigeru Asaba, Ram Bala y Amit Joshi
Inteligencia artificial y aprendizaje automático
Harvard Business Review

#Doxa #AdopciónDeIA #EmpresasEstadounidenses #EmpresasJaponesas #DesafíosTecnológicos #CulturaCorporativa #ImplementaciónDeIA #LeccionesDeNegocios #TransformaciónDigital #InnovaciónGlobal #EstrategiaDeIA
Resumen. Las empresas tanto en Estados Unidos como en Japón están teniendo dificultades para implementar la IA, pero a menudo de maneras muy diferentes. En Estados Unidos, la implementación es amplia pero superficial, lo que significa que las empresas tienen problemas para crear valor real con la IA. En Japón, la implementación ha avanzado lentamente, pero dondeCuando esto sucede, suele ser profundo y fructífero. Comprender lo que ocurre en ambos contextos ofrece lecciones importantes para las empresas que intentan desarrollar una estrategia de IA y demostrar el retorno de la inversión en sus proyectos de IA.
En el panorama global de la adopción de la IA, Estados Unidos se perfila como el líder indiscutible. Mientras tanto, Japón, otrora potencia mundial en innovación tecnológica, parece haberse quedado rezagado. Las cifras lo confirman: un estudio reciente de McKinsey reveló que el 88 % de las empresas estadounidenses utilizan IA en al menos una función empresarial, mientras que un estudio similar del Instituto de Investigación Yano, publicado la primavera pasada, encontró que solo el 26 % de las empresas japonesas  afirmaban lo mismo. Según el Índice de IA de Stanford 2025, Estados Unidos ocupó el primer lugar a nivel mundial en inversión privada en IA en 2024; Japón se ubicó en el puesto 14.

Sin embargo, como suele ocurrir con la mayoría de las historias sencillas, esta caracterización es lo suficientemente errónea como para resultar engañosa. Puede que Estados Unidos esté implementando la IA más rápidamente, pero no está obteniendo beneficios de ella con la misma rapidez.

Si bien las empresas estadounidenses han implementado la IA a una velocidad sin precedentes, los resultados han sido escasos: datos de McKinsey muestran que solo el 39 % de las empresas reportan un impacto medible en el EBIT derivado de la IA; en HBR, los autores de un estudio reciente escribieron que los empleados experimentan con herramientas, pero no las integran en la forma en que se realiza el trabajo. Mientras tanto, Japón ofrece algunos ejemplos de empresas que han logrado integraciones de IA profundas y valiosas. Por ejemplo, en 2024, los trabajadores de la fábrica de Toyota (en lugar de sus científicos de datos o equipos de TI) habían creado 10 000 modelos de IA con herramientas proporcionadas por la empresa, con mejoras significativas y medibles en la eficiencia y la productividad.

Esto revela que la velocidad, si bien es importante, no necesariamente equivale a valor. Para los líderes empresariales —ya sea que se encuentren en estos países o no— ignorar esta distinción crucial aumenta la probabilidad de que la adopción de la IA se estanque. Sin embargo, comprender lo que sucede en ambos contextos ofrece lecciones importantes para las empresas que intentan desarrollar una estrategia de IA y demostrar el retorno de la inversión en esta tecnología.

Tanto la investigación fundamental como la contemporánea sobre la adopción de tecnología —respaldadas por nuestra amplia interacción con ejecutivos que lideran iniciativas de IA— demuestran que la creación de valor no depende únicamente de la velocidad de implementación, sino más bien de la profundidad con la que estas herramientas se integran en los flujos de trabajo organizacionales. En este sentido, tanto Estados Unidos como Japón se encuentran rezagados, aunque de maneras diferentes.

Dos países, dos modos de fracaso
La IA pertenece a una categoría de tecnologías que los economistas denominan tecnologías de propósito general (TPG), entre las que se incluyen innovaciones como la electricidad o el ordenador personal. Para obtener valor, no basta con su adopción, sino que se requieren inversiones complementarias costosas y que consumen mucho tiempo en nuevos flujos de trabajo, prácticas de gestión y procesos de toma de decisiones rediseñados. Todas las TPG importantes de la historia han seguido el mismo patrón: la productividad disminuyó antes de dispararse. Un estudio reciente de empresas manufactureras estadounidenses indica que la adopción de la IA parece seguir la misma tendencia. La tecnología es solo una parte de la historia. Los sistemas y la cultura organizacional son la otra.

Estados Unidos y Japón constituyen contrapuntos útiles en la adopción tecnológica, ya que representan una tensión fundamental entre la agilidad descentralizada y el control centralizado. La innovación tecnológica sustenta ambas economías, pero las prácticas y culturas de gestión difieren notablemente. Históricamente, esto ha significado que las empresas estadounidenses sobresalgan en la reorganización rápida y compleja necesaria para la adopción temprana, mientras que las empresas japonesas prefieren una coherencia estructurada y basada en el consenso. Estas diferencias han tenido implicaciones para el valor creado a través de la adopción de tecnología. Por ejemplo, un estudio de la Oficina del Censo de Estados Unidos de 2008 reveló que los fabricantes estadounidenses demostraron el doble de beneficio en productividad gracias al uso de redes informáticas que sus homólogos japoneses. El estudio atribuyó esta diferencia a las distintas formas en que las empresas estadounidenses utilizaban sus redes, un hallazgo confirmado por investigaciones posteriores que atribuyeron el mejor desempeño de las empresas estadounidenses a prácticas de gestión que permitieron la reorganización en torno a las nuevas tecnologías.

Sin embargo, si bien Estados Unidos logró reorganizarse con éxito, su enfoque flexible presenta dificultades cuando una tecnología exige una supervisión estricta y centralizada. Dado que el desarrollo de la IA requiere tanto una rápida adaptación de los flujos de trabajo como un control institucional riguroso, las fortalezas históricas de ambas naciones se transforman en desventajas. De hecho, en lo que respecta a la IA, ambos países ofrecen dos caminos distintos hacia el fracaso.

Para ilustrarlo, consideramos el modo de falla en la creación de valor de la IA en seis niveles: 1) infraestructura, 2) aumento de tareas, 3) rediseño del flujo de trabajo, 4) capital humano, 5) gobernanza y 6) reinvención organizacional. Basado en investigaciones sobre la adopción de TI, la progresión estructural de este marco refleja modelos establecidos como los paradigmas de transformación digital del Centro de Investigación de Sistemas de Información del MIT y el modelo de la "Fábrica de IA".

Estas seis capas conforman una escalera, no una lista de verificación. Cada peldaño genera más valor que el anterior y exige más de la organización para alcanzarlo. La ampliación de tareas requiere que las personas modifiquen sus hábitos. El rediseño del flujo de trabajo exige que los equipos abandonen procesos que han perfeccionado durante años. La reinvención organizacional exige que la institución se reinvente.

Una empresa no simplemente triunfa o fracasa en la IA, sino que se estanca en una etapa concreta debido a condiciones institucionales específicas. El dinamismo que permite a las empresas estadounidenses una rápida implementación es precisamente lo que las lleva a omitir el trabajo lento y disruptivo de niveles superiores. El mecanismo de consenso que haría posible la adopción sostenible en Japón es precisamente lo que impide su inicio. La fortaleza en un nivel suele ir acompañada de debilidad en el siguiente. Estados Unidos y Japón son ejemplos ilustrativos de este bloqueo estratégico, ya que se sitúan en extremos opuestos de casi todas las clasificaciones de preparación para la IA, pero este mismo fenómeno se observa en empresas de todo el mundo.

Un gráfico compara cómo los diferentes atributos de los fundadores afectan la probabilidad de que el talento de las startups acepte una invitación para conectar en una plataforma de emparejamiento de talento para startups, entre usuarios con y sin experiencia en IA. El talento de IA responde mucho más positivamente a los fundadores que demuestran compromiso y tracción. Los mayores efectos positivos para los usuarios de IA son los fundadores que están abiertos a un cofundador en una ubicación diferente (+18,2 %), trabajan en la startup a tiempo completo (+20,5 %) y tienen formación jurídica (+18,0 %). Los usuarios de IA también prefieren a los fundadores que buscan a alguien que ayude a desarrollar una idea existente (+10,7 %), aquellos con experiencia en ventas (+9,2 %) y aquellos flexibles en el reparto de acciones (+5,1 %). Las señales de prestigio tradicionales, como un MBA, un doctorado o experiencia en grandes empresas tecnológicas, tienen efectos menores. La señal negativa más fuerte para ambos grupos es tener una amplia gama de intereses en la industria, especialmente entre los usuarios de IA (-11,4 %). En general, el talento de IA parece priorizar la evidencia de progreso, compromiso y habilidades empresariales complementarias por encima de las credenciales.

Consulta más gráficos de HBR en Datos y Visualizaciones.

De este mapa se desprenden dos modos de fallo, que son prácticamente inversos perfectos el uno del otro.

El modelo estadounidense se caracteriza por la velocidad sin profundidad: una gran fortaleza en la base, una implementación acelerada y, posteriormente, un estancamiento porque los pasos que generan una ventaja real (el rediseño del flujo de trabajo, la gobernanza y la reinvención) requieren precisamente el trabajo organizativo lento y disruptivo que una cultura centrada en la implementación busca evitar. La IA se integra a la organización existente en lugar de transformarla.

El modelo japonés se caracteriza por la profundidad sin la velocidad: apenas logra ascender, lastrado por una infraestructura deficiente y una toma de decisiones basada en el consenso, pero avanza con mayor solidez donde lo consigue, desarrollando capacidades reales desde la base. El problema no radica en la calidad de los peldaños que Japón alcanza, sino en que llega a tan pocos, tan lentamente y desde una base tan baja.

Misma escalera, puestos opuestos. Nos turnamos.

La brecha en la profundidad del despliegue militar en Estados Unidos. Las empresas estadounidenses sufren un problema común: si bien las métricas de implementación parecen sólidas, la adopción suele ser superficial. Esto se debe a varios factores. Uno de ellos es que muchos empleados sienten una gran ansiedad sobre lo que la IA significa para sus carreras, por lo que la utilizan solo superficialmente. Pero las organizaciones también tienen parte de la culpa. Según Deloitte, solo el 30 % de las organizaciones han rediseñado procesos clave en torno a la IA. La gobernanza es igualmente deficiente: solo una de cada cinco empresas cuenta con un modelo maduro para supervisar agentes de IA autónomos, incluso cuando la IA con capacidad de agencia se está volviendo dominante.

Implementar IA sin rediseñar los flujos de trabajo puede ser peor que una simple falta de adopción. Un estudio de BCG con casi 1500 trabajadores estadounidenses reveló que aquellos que utilizaban cuatro o más herramientas de IA simultáneamente reportaron una menor productividad y mayor fatiga mental, un fenómeno que los autores denominan acertadamente "fritura cerebral por IA". Otro estudio de METR halló que los desarrolladores experimentados que utilizaban herramientas de IA tardaban un 19 % más en completar las tareas, pero aun así reportaron que la IA las había acelerado en un 20 %.

La brecha en la velocidad de despliegue en Japón. Las empresas japonesas se encuentran realmente rezagadas en la adopción de nuevas tecnologías. El Ranking Mundial de Competitividad Digital IMD 2025 ayuda a explicar el porqué: si bien Japón ocupa el noveno lugar a nivel mundial en Marco Tecnológico, se sitúa en el puesto 60 en Agilidad Empresarial. Las grandes empresas japonesas, con sus jerarquías complejas y sus arraigadas rutinas de gestión, generalmente carecen de la estructura de incentivos gerenciales que impulsa la experimentación agresiva en Estados Unidos.

La dimensión laboral en este caso merece un análisis cuidadoso. La narrativa habitual sostiene que la práctica del «empleo vitalicio», donde las empresas contratan a recién graduados para que trabajen allí durante toda su carrera, ralentiza la IA. Las empresas japonesas han adaptado este enfoque al cambio impulsado por la IA mediante la reubicación de trabajadores en lugar de despedirlos. Por ejemplo, cuando Mizuho Financial Group anunció sus planes para reemplazar 5000 puestos administrativos con IA, descartó explícitamente los despidos. El personal sería reasignado a otros puestos. Este enfoque puede generar mejores resultados organizativos que el desplazamiento al estilo estadounidense, que descarta el conocimiento operativo, pero también hace que el rediseño de procesos sea complejo tanto política como organizativamente, ya que los roles deben rediseñarse en torno a personas que no son fácilmente reemplazables.

En qué áreas lidera Japón
A pesar de la etiqueta de rezagado, Japón está realmente a la vanguardia en lo que podría ser la próxima ola de creación de valor en IA: la integración de la IA en las operaciones físicas. La IA física incluye sistemas que perciben, razonan y actúan en el mundo real, integrados en robots, equipos de fábrica, dispositivos médicos e infraestructura logística. En este caso, las mismas características organizativas que ralentizan la adopción de software empresarial en Japón podrían acelerar la adopción de la IA física.

Por ejemplo, Ringi, la práctica de toma de decisiones ascendente, bloquea la implementación de software empresarial porque rediseñar un flujo de trabajo de adquisiciones o aprobación de crédito requiere una amplia aprobación interfuncional. En contraste, si bien la decisión de alto nivel de adquirir tecnologías de IA física todavía se toma a nivel corporativo, los trabajadores de primera línea tienen una discreción sustancial sobre los detalles de la implementación, como qué especificaciones elegir, dónde y cómo implementar la tecnología y cómo integrarla en los flujos de trabajo existentes. Guiada por Kaizen, la filosofía de mejora continua, la tecnología no se trata como mandatos corporativos estáticos, sino como sistemas en evolución que se amplían iterativamente desde abajo hacia arriba. La cultura de consenso finalmente respalda la implementación de IA física porque los detalles concretos de la implementación se desarrollan en colaboración con los trabajadores de primera línea en lugar de imponerse desde arriba. Japón, de hecho, ya ha construido las inversiones organizativas complementarias para sistemas físicos a lo largo de la ampliación de tareas (capa 2), el rediseño de flujos de trabajo (capa 3) y el capital humano (capa 4) a través de más de 40 años de integración de la robótica.

Un plan de acción para líderes
Si bien nos hemos centrado en empresas de dos países, es fácil encontrar versiones similares de ambos modos de fallo en otros países. El marco de seis niveles proporciona a los ejecutivos una estructura para la autoevaluación: los líderes deben analizar la posición de su organización en cada nivel y priorizar las acciones que permitan fortalecer el nivel más débil. Las recomendaciones que se presentan a continuación están adaptadas a los dos modos de fallo descritos anteriormente.

Solución al problema del Modo 1: Invierta en profundidad antes que en amplitud.
Este patrón de fallos se caracteriza por un rápido avance en las capas de infraestructura (1) y ampliación de tareas (2), lo que dificulta el rediseño del flujo de trabajo, el capital humano, la gobernanza y los derechos de decisión, así como la reinvención organizacional (capas 3 a 6). Las medidas correctivas ralentizan la implementación en favor de la integración.

Replantea algunos flujos de trabajo de principio a fin y mídelos en lugar de medir su implementación (capa 3). La mayoría de las empresas estadounidenses están llevando a cabo decenas de proyectos piloto de poca envergadura. Dado que los líderes miden métricas como el " tokenmaxxing ", las implementaciones pueden parecer un éxito sin generar mucho valor. En cambio, deberían centrar los recursos de ingeniería y gestión en un número reducido de flujos de trabajo donde la IA pueda transformar el flujo de información y decisiones sin necesidad de una renovación completa. Por ejemplo, la evaluación crediticia, la adjudicación de reclamaciones, la planificación de la demanda, la incorporación de clientes o la gestión de lanzamientos de software. Para evaluar el progreso, conviene fijarse en los indicadores a nivel de flujo de trabajo: el tiempo de ciclo en los procesos rediseñados con una calidad constante o superior, la calidad de las decisiones generadas y la productividad por persona en el trabajo rediseñado. Vincule una parte definida de la remuneración de los ejecutivos a los resultados de esos flujos de trabajo rediseñados, en lugar de al número de proyectos piloto lanzados o simplemente a la amplitud de la adopción de la IA.

Establecer mecanismos de gobernanza antes de la implementación de la IA con agentes (capa 5). Solo una de cada cinco empresas cuenta con un modelo de gobernanza maduro para agentes autónomos, a pesar de que la IA con agentes se está implementando a gran escala en atención al cliente, operaciones de TI y finanzas. Es fundamental establecer los elementos clave de gobernanza antes de la puesta en marcha del próximo agente: un registro de todos los agentes en producción, documentación sobre los derechos de decisión que especifique los umbrales de riesgo y valor monetario para la aprobación humana, un registro de auditoría estándar que capture la cadena de razonamiento completa de las decisiones de los agentes y un protocolo de desactivación con responsables designados. Realizar este trabajo una vez que los agentes se han generalizado es considerablemente más difícil y expone a la empresa a riesgos regulatorios y operativos que se acumulan rápidamente.

Limitar el número de herramientas de IA disponibles para cada rol (capas 2 y 3). El hallazgo de BCG de que los trabajadores que utilizan cuatro o más herramientas simultáneamente reportan menor productividad tiene implicaciones operativas directas. Por ejemplo, establezca un valor predeterminado de dos herramientas de IA por rol y exija una justificación formal para agregar una tercera. Consolide las herramientas superpuestas, incluso cuando los responsables del presupuesto se resistan a perder a su proveedor preferido. Combine la consolidación de herramientas con el rediseño del flujo de trabajo y de la información para que las herramientas restantes se integren en el trabajo en lugar de superponerse a él.

Convertir el entrenamiento genérico en IA en el desarrollo de capacidades específicas para cada rol (capa 4). Los cursos genéricos de ingeniería de indicaciones fomentan la concienciación en lugar del desarrollo de habilidades. Sustitúyalos por programas específicos para cada puesto, estructurados en torno a las decisiones reales que toma una persona. Por ejemplo, el programa para un analista de crédito puede abarcar informes de crédito asistidos por IA, análisis de modelos y revisión de sesgos. Hitachi es un ejemplo a seguir. La empresa se ha comprometido a capacitar a 50 000 empleados en IA generativa; un objetivo comparable es que entre el 30 % y el 50 % de los puestos relevantes estén certificados en un programa específico en un plazo de 18 meses.

Solución al modo de fallo 2: Invierta en velocidad sin descuidar lo que funciona.
Este patrón de fallos se caracteriza por la existencia de sólidas estructuras organizativas que, sin embargo, avanzan con demasiada lentitud para aprovechar las ventajas iniciales de la IA en el desarrollo de software. Las medidas correctivas preservan las fortalezas de las tradiciones de gestión deliberativa, al tiempo que facilitan el desarrollo de la IA.

Crear un ritmo de toma de decisiones e implementación más rápido para la IA (capa 3). Las tradiciones que se basan en un amplio consenso en la toma de decisiones y la implementación (como Ringi ) pueden proteger a las organizaciones de malas decisiones, pero la experimentación con IA, donde el costo de equivocarse en un proyecto piloto es bajo, pero el costo de la demora es alto, requiere un ritmo rápido.

Los líderes deberían establecer un proceso acelerado de IA que evite la aprobación completa para decisiones específicas: las iniciativas de IA que superen un umbral de gasto determinado y se limiten a flujos de trabajo internos pueden ser aprobadas por un pequeño comité interfuncional en dos semanas en lugar de dos a cuatro meses. Reserve la aprobación completa para decisiones con implicaciones estratégicas o de riesgo más amplias. Combine este proceso de decisión más rápido con objetivos explícitos a nivel de tarea. Realice un seguimiento del uso a nivel de equipo, publique los resultados internamente y exija a los líderes de equipo que expliquen el subuso. La experiencia de MUFG sugiere que la implementación universal sin objetivos de uso se estabiliza en torno al 50 % de utilización; la rendición de cuentas a nivel de equipo puede elevarla.

Comprométase con un plan de inversión en infraestructura a tres años (capa 1). Cualquier deficiencia en la infraestructura es estructural y no se solucionará con inversiones graduales. En estos casos, conviene comprometerse con un programa de tres años que migre una cantidad significativa de cargas de trabajo analíticas a la nube, modernice las diez fuentes de datos más utilizadas y establezca una plataforma de datos unificada con controles de acceso documentados. El capital requerido es considerable, pero recuperable. La alternativa es limitar permanentemente el potencial de las capas posteriores. Las empresas no pueden depender de los proveedores nacionales de infraestructura para que realicen este trabajo; la base de datos debe construirse internamente en cada empresa.

Tratar la IA física como una prioridad estratégica a nivel de CEO (capas 3 y 6). Las presiones demográficas no son exclusivas de Japón. A medida que se extienden a otros países, la IA física adquirirá cada vez mayor importancia. Si su empresa construye, traslada o mantiene activos físicos, posee una posición estratégica que sus competidores de software no pueden replicar fácilmente. Aprovechar este dominio puede ofrecer una ventaja asimétrica en la era de la IA, aunque dista mucho de estar garantizada. Los líderes de estas empresas deberían considerar la creación de centros de excelencia en IA física que combinen ingenieros de robótica con equipos de modelado fundamental, fijar como objetivo integrar la IA en, por ejemplo, el 30 % de las flotas de robots instaladas en un plazo de tres años, y buscar adquisiciones estratégicas de empresas de software cuyos modelos puedan implementarse en el hardware de la empresa. Por ejemplo, Medicaroid combina la ingeniería robótica de Kawasaki con la experiencia en diagnóstico médico de Sysmex para construir el robot quirúrgico japonés Hinotori, al tiempo que explora los datos y la IA como una forma de ampliar el conocimiento quirúrgico. La oportunidad para consolidar este liderazgo está abierta ahora y se reducirá a medida que las empresas estadounidenses y chinas inviertan de forma más agresiva en IA física.

Aumentar el nivel básico de capacidad de IA en toda la plantilla (capa 4). La Academia de Software de Toyota y la capacitación de 50 000 empleados de Hitachi son un buen modelo, pero siguen siendo casos atípicos, incluso dentro de Japón. La tasa base de empleados con habilidades en IA en la mayoría de los países está muy por debajo de la de EE. UU., incluso donde el potencial en las empresas de vanguardia es probablemente comparable. Establezca un objetivo a nivel de junta directiva, por ejemplo, que el 40 % de la plantilla complete un programa de capacitación en IA en 24 meses, y que un subconjunto, digamos el 10 %, obtenga una certificación avanzada. Vincule el progreso a las evaluaciones de desempeño de los ejecutivos, de la misma manera que se vinculan actualmente las métricas de seguridad.
...
La IA es una tecnología de propósito general, y las empresas que triunfen serán aquellas que identifiquen sus propios modos de fallo e inviertan en los cambios complementarios que requiere. Los líderes estadounidenses no deben confundir la implementación generalizada con una transformación profunda; los líderes japoneses no deben confundir la deliberación cuidadosa con la gestión de riesgos, cuando el mayor riesgo reside en avanzar con demasiada lentitud. Ambos países están fallando en diferentes niveles del mismo problema: Estados Unidos implementa rápidamente, pero no con la profundidad suficiente, mientras que Japón aborda la IA con cautela, pero con demasiada lentitud. Las empresas y los países que avancen a través de los seis niveles complementarios serán los que tengan más probabilidades de experimentar el tipo de aumento de productividad que siguió a la electricidad en la década de 1920 y a la informática en la década de 1990. Para los directivos de todo el mundo, la lección es la misma: la adopción de la IA no es simplemente una decisión tecnológica, sino una prueba de la voluntad de cambio de la organización.

Lea más sobre IA y aprendizaje automático o temas relacionados: IA generativa, tecnología y análisis, análisis y ciencia de datos, algoritmos, automatización, Asia y Norteamérica.

Natarajan Balasubramanian es profesor titular de Gestión y Recursos Humanos (Cátedra Robert y Anne Hoyt) en la Facultad de Negocios Fisher de la Universidad Estatal de Ohio. Investiga cómo la adopción de tecnología y el capital humano transforman la manera en que las empresas crean y capturan valor.

Shigeru Asaba es profesor de Estrategia en la Escuela de Negocios de Waseda. Su investigación se centra en la estrategia corporativa y la organización industrial japonesas, así como en la evolución de las industrias basadas en tecnologías emergentes.

Ram Bala es el fundador y científico jefe de IA de Samvid AI y profesor asociado de IA y análisis en la Leavey School of Business de la Universidad de Santa Clara. Investiga y publica estudios sobre aprendizaje automático y optimización aplicados a la fijación de precios, el diseño de mercados y el análisis de la cadena de suministro. Su trabajo sobre aplicaciones de IA en el mundo real ha aparecido en Time, Newsweek y The Wall Street Journal.

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.


Doxa 2579

La IA puede medir cómo los criterios ESG realmente impactan en los resultados finales

Los modelos de lenguaje a gran escala están haciendo que el análisis riguroso de la sostenibilidad sea mucho más rápido y económico

Por Robert G. Eccles y Shivaram Rajgopal
Sostenibilidad Ambiental
Harvard Business Review

#Doxa #InteligenciaArtificial #CriteriosESG #ModelosDeLenguaje #Sostenibilidad #Rentabilidad #LLM #AnálisisDeSostenibilidad #ImpactoESG #EficienciaOperativa #InnovaciónTecnológica
Resumen. Los avances en los modelos de lenguaje a gran escala están haciendo que el análisis riguroso de la sostenibilidad sea mucho más rápido y económico, lo que permite a los inversores y otras partes interesadas conectar directamente los riesgos ambientales y sociales divulgados por las empresas con los resultados financieros.
Rendimiento en cuestión de horas en lugar de semanas. Aplicando una metodología simple a ExxonMobil, los autores utilizaron IA para vincular cuestiones relacionadas con la sostenibilidad a partidas específicas de los estados financieros y estimar su impacto en las ganancias y el valor, demostrando tanto el potencial como las limitaciones del análisis asistido por IA. A medida que estas capacidades se vuelven más accesibles, la ventaja competitiva que durante mucho tiempo han mantenido las agencias de calificación ESG, los organismos emisores de estándares y los gestores de fondos sostenibles podría erosionarse, desplazando la atención de las puntuaciones propias hacia supuestos transparentes y consecuencias financieras. El juicio humano sigue siendo esencial para validar los resultados generados por la IA, pero la tendencia general es clara: el análisis de la sostenibilidad se está democratizando, fundamentando financieramente y volviéndose más adaptable, con implicaciones significativas para la forma en que los inversores, los reguladores y otras instituciones evalúan el desempeño corporativo y la creación de valor.
Recientemente, aplicamos cuatro modelos de lenguaje de gran tamaño y ampliamente disponibles a la información pública de ExxonMobil. El objetivo no era generar otra puntuación ESG ni destacar a ExxonMobil en particular. Se trataba de comprobar si la IA podía lograr algo que el análisis de la sostenibilidad ha intentado durante mucho tiempo a gran escala: tomar los aspectos ambientales y sociales que la propia empresa declara como relevantes desde el punto de vista financiero, asignarlos a partidas específicas de su estado de resultados, balance y flujo de caja, y estimar cómo un buen o mal desempeño en cada uno de ellos afectaría al valor de la empresa. Uno de nosotros ya había realizado este tipo de análisis manualmente. Le llevó unas 100 horas. Con la IA, el mismo trabajo principal se realizó en aproximadamente una hora; algunas partes se completaron en minutos.

La velocidad es la clave, y lo importante no es que dos profesores pudieran hacerlo, sino que, en poco tiempo, casi cualquiera podrá. Como argumentamos en nuestro nuevo libro, «  Cómo hacer que la sostenibilidad sea financieramente relevante», el caso de ExxonMobil sirvió para demostrar su utilidad. El análisis riguroso y con fundamento financiero de la sostenibilidad se está volviendo económico, rápido y reproducible. Cuando esto ocurra, el foco de atención se desplazará de debatir sobre en qué calificación ESG confiar a examinar personalmente las suposiciones, las compensaciones y las consecuencias económicas. Esta perspectiva debería dinamizar y, a la vez, inquietar al ecosistema multimillonario de proveedores de calificaciones, organismos de normalización, proveedores de datos y gestores de fondos, que surgió en gran medida porque este análisis solía ser muy complejo.

Una nueva metodología
Dejando de lado, por un momento, que la ESG se ha convertido en un blanco de críticas políticas, un argumento que uno de nosotros planteó en el  artículo de HBR  de 2024 « Más allá de la ESG », sus defensores más serios coinciden desde hace años en el principal obstáculo: nunca ha existido una forma transparente y creíble de vincular el desempeño ambiental y social de una empresa con su desempeño financiero. La habitual afirmación de que «creamos valor para los accionistas cuidando de nuestros grupos de interés» nunca ha convencido a nadie en todo el espectro político, porque carece de rigor analítico e ignora sutilmente las compensaciones.

La solución es casi trivial y tan simple que cualquiera podría haber ideado nuestra metodología hace 20 años, pero habría sido demasiado laboriosa. Para una empresa que cotiza en bolsa, se identifican los factores de riesgo ambiental y social que ya divulga en su informe 10-K o 20-F; se comparan con los aspectos considerados financieramente relevantes para su sector (las normas SASB son un buen punto de partida); se asigna cada factor a partidas específicas de los estados financieros; y se estima el impacto financiero de un buen y un mal desempeño en diversos escenarios. El resultado no es un eslogan ni una puntuación. Es el tipo de análisis que un inversor puede utilizar realmente.

Para ExxonMobil, la metodología produjo cifras en lugar de impresiones. Nuestro propio análisis asistido por IA estimó la exposición total relacionada con la sostenibilidad en aproximadamente $5–10 mil millones en el caso base, aumentando a $12–18 mil millones bajo supuestos adversos. Una ejecución paralela utilizando Gemini Pro 2.5 llegó a una cifra significativamente más alta de $25–45 mil millones, que atribuimos a supuestos más agresivos de transferencia de costos de carbono y un cálculo de deterioro de reservas que cuestionamos explícitamente. En tres escenarios definidos por la trayectoria del precio del petróleo, el precio del carbono, la velocidad de los litigios y la tasa de transferencia de costos de carbono, el efecto anual estimado en el EBIT osciló entre aproximadamente -$3.3 mil millones (conservador) a -$8.3 mil millones (adverso) a -$15.2 mil millones (severo).

Es evidente que la elección del sistema de IA fue crucial. Y ahí reside la advertencia. Al llevar nuestro marco de trabajo más allá de sus posibilidades, generó una estimación amplia, internamente coherente y completamente errónea de la destrucción de la demanda a largo plazo. El error se debió a que el panorama político que asumía acababa de cambiar en la dirección opuesta. Solo lo detectamos gracias a nuestro profundo conocimiento de la empresa y del contexto político. Esta es la norma, no la excepción. La IA posibilita el análisis, y el juicio humano lo hace fiable. Las mejores herramientas aumentan la exigencia de la experiencia necesaria para utilizarlas correctamente; no la eliminan.

Sin embargo, el cambio es real y modifica quién puede realizar el trabajo. Un análisis que antes era artesanal se está volviendo industrial, empresa por empresa, sector por sector. Esto tiene profundas implicaciones para el ecosistema ESG. No tenemos información privilegiada sobre las deliberaciones en curso dentro de las agencias de calificación, los organismos de normalización ni los reguladores de fondos, pero la capacidad que describimos se está poniendo directamente en manos de los individuos a un ritmo mucho más rápido del que estas instituciones pueden avanzar. Cabe destacar que los tres pilares —calificaciones, estándares y fondos— ya están avanzando en la dirección que indica nuestro método. La única pregunta real es si lo harán con la suficiente rapidez. Quienes no lo hagan se quedarán atrás.

Calificaciones ESG
Comencemos con la pregunta más sencilla del lector: ¿Por qué pagar por una única puntuación de un tercero cuando se puede analizar la información subyacente uno mismo? Las calificaciones ESG tenían sentido cuando surgieron, hace casi 40 años, en un mundo donde las empresas divulgaban poca información y no existían estándares; alguien tenía que llenar ese vacío. Si bien ahora se publican grandes volúmenes de datos de sostenibilidad (de calidad desigual), una calificación sigue siendo un agregado basado en la metodología y las ponderaciones elegidas por una empresa. Las empresas se han quejado durante mucho tiempo de que el resultado es, en última instancia, subjetivo. El panorama ya está cambiando visiblemente. Incluso MSCI, el mayor proveedor, está reconstruyendo su modelo  en torno a la materialidad financiera y el flujo de caja en lugar de la divulgación. Cualquiera puede ahora generar su propia visión detallada, partida por partida, y producir una puntuación agregada solo si la considera útil, algo que dudamos que ocurra con frecuencia.

Configuración estándar
Ahora bien, una pregunta más compleja: ¿Qué sucede cuando la IA puede detectar problemas materiales emergentes con mayor rapidez que la actualización de las normas por parte de los organismos oficiales? La elaboración de normas es, por diseño, lenta. La norma de contabilidad de seguros tardó aproximadamente dos décadas desde su propuesta hasta su adopción. Nuestro colega Bhakti Mirchandani, coautor de « Necesitamos normas contables ESG universales »,  nos ha sugerido que las normas del SASB, fundamentales para redefinir la materialidad para los inversores, requieren una actualización importante. Estas normas citan cuestiones climáticas como materiales, cuando ya no lo son, y prácticamente no han tenido en cuenta los nuevos problemas materiales derivados de la IA.

Predecimos que la IA ampliará la brecha entre la rapidez con la que surgen los problemas materiales y la rapidez con la que se actualizan las normas formales. Sin embargo, la IA también puede ayudar a cerrar esa brecha al detectar problemas emergentes, redactar revisiones y facilitar el procesamiento de los comentarios públicos, sin sacrificar la consulta que otorga legitimidad a las normas.

Fondos sostenibles
Los fondos sostenibles, con sus diversas denominaciones, han estado en el centro de la controversia política sobre sostenibilidad y han sido objeto de críticas en todo el espectro político. Invertir de forma sostenible significa cosas diferentes para distintas personas, y una distinción importante radica en la diferencia entre inversión basada en el valor y la inversión basada en valores. Hoy en día, la estructura de un fondo combina calificaciones de terceros con el criterio personal de quien lo creó; se pueden ver las participaciones, pero rara vez el razonamiento detrás de ellas. Y a menudo se confunde valor con valores. Nuestro método permite al inversor comprobar qué contiene realmente un fondo supuestamente sostenible o construir una cartera según sus propios criterios.

La próxima frontera
Esto nos lleva a la pregunta más difícil, basada en la confusión que ha existido desde el principio entre dos significados diferentes del término «sostenibilidad». Creemos que esta confusión ha desempeñado un papel fundamental en la politización de la sostenibilidad. Todo lo anterior se refiere a la materialidad financiera: la sostenibilidad como creación de valor para la empresa. No mide el impacto total de una empresa en el mundo, o lo que ahora se conoce comúnmente como «materialidad del impacto». Una petrolera puede gestionar su riesgo climático de forma que proteja el valor para los accionistas, aun cuando contribuya a las emisiones globales; una empresa tecnológica puede crear un valor enorme, pero imponiendo costes a los mercados laborales, la privacidad o las instituciones democráticas. Estas cuestiones son importantes. Simplemente no son la misma pregunta que hemos respondido aquí.

Hemos comenzado a trabajar en ese problema más complejo: medir el valor añadido que una empresa aporta a sus grupos de interés a nivel sistémico. La IA también será fundamental en este ámbito, aunque los datos sean más complejos y los juicios más difíciles. Todas las instituciones que hemos mencionado trabajan en la sostenibilidad a nivel sistémico. La IA les ayudará a lograrlo. Sin embargo, deben combinarla con conocimientos especializados y criterio humano para evitar que la IA las supere.

Lea más sobre sostenibilidad ambiental o temas relacionados. Contabilidad y estados financieros.

Robert G. Eccles es profesor visitante de práctica de gestión en la Saïd Business School de la Universidad de Oxford y presidente fundador del Consejo de Normas de Contabilidad de Sostenibilidad.

Shivaram Rajgopal es profesor titular de Contabilidad y Auditoría (Cátedra Roy Bernard Kester y TW Byrnes) y vicedecano de Investigación en la Escuela de Negocios de Columbia. Su investigación se centra en la información financiera y la remuneración de los ejecutivos, y ha publicado numerosos trabajos en los campos de la contabilidad y las finanzas.