Doxa 2565

La adopción de la IA está sobrecargando a sus gerentes Intermedios

Por Julia Shin y Sandra J. Sucher

Liderazgo y Gestión de Personal

Harvard Business Review

#Doxa #InteligenciaArtificial #GerentesIntermedios #AdopcionDeIA #SobrecargaLaboral #GestionDelCambio #Liderazgo #TransformacionDigital #EstresLaboral #GestionDeEquipos #FuturoDelTrabajo

Resumen. Los investigadores realizaron 18 entrevistas semiestructuradas con socios, gerentes y consultores junior en dos importantes firmas de consultoría para comprender cómo las personas en cada nivel utilizaban realmente la IA, qué apoyo recibían y dónde surgían las dificultadesDescubrieron que los altos directivos están aprovechando el potencial estratégico de la IA, ampliando su alcance, acelerando la entrega con equipos más reducidos y reinventando los servicios. Los consultores reportaron aumentos drásticos en la productividad. Sin embargo, los mandos intermedios se vieron sobrecargados con nuevas responsabilidades: validar los resultados de la IA, identificar errores, capacitar a sus equipos en habilidades de IA, todo ello mientras enfrentaban una presión de entrega sin cambios o incluso mayor y carecían de estructuras de apoyo formales. La investigación identifica tres maneras en que la capa intermedia está fallando bajo el peso de la adopción de la IA y ofrece estrategias para evitar que este cuello de botella crítico ralentice los esfuerzos de transformación.

La mayoría de las organizaciones consideran la adopción de la IA como un desafío tecnológico: una implementación de software que debe ser gestionada por el departamento de TI y celebrada por la alta dirección. Algunas incluso la ven como una vía rápida para reducir la plantilla.

Para comprender cómo se desarrolla la adopción de la IA en la práctica, realizamos 18 entrevistas semiestructuradas con socios, gerentes y consultores junior en dos importantes firmas de consultoría. En lugar de encuestar actitudes generales, preguntamos a personas de cada nivel cómo utilizaban la IA en la práctica, qué apoyo recibían y dónde encontraban dificultades.

Lo que surgió no fue una historia tecnológica, sino organizativa. El punto crítico fue el mismo en ambas empresas. Nuestra investigación sugiere dónde reside el éxito o el fracaso de la adopción de la IA: en el nivel intermedio de la dirección.

Consideremos un perfil compuesto de un gerente típico en una empresa de consultoría:

• Comienza su día aprendiendo nuevas técnicas de presentación antes de que su equipo se conecte.
• Posteriormente, asiste a las reuniones con sus clientes, donde responde preguntas sobre cómo utilizar la IA o cómo su equipo la está utilizando para sus entregables.
• Al mediodía, está revisando en busca de errores el trabajo generado por IA para clientes, asesorando a un analista junior recién incorporado que nunca ha creado una presentación desde cero, e intentando interpretar la solicitud de un socio de un memorándum "mejorado por IA" con poca orientación sobre lo que eso significa.
• Al final del día, ella documenta lo que funcionó para que el equipo pueda reutilizar sus nuevos conocimientos sobre IA la próxima vez.

En las entrevistas, versiones de esta historia surgieron una y otra vez. Nuestra gerente modelo no es un caso aislado. Quizás sea la norma hoy en día. Si bien nuestra investigación se centró en la consultoría, los patrones que encontramos —gerentes atrapados entre la ambición ejecutiva y la realidad operativa, con escaso apoyo formal— probablemente resulten familiares para los líderes de industrias intensivas en conocimiento.

La brecha entre la capacidad y la realidad

Los datos de las encuestas muestran una adopción generalizada pero superficial de la IA y una creación de valor desigual. Aproximadamente el 88 % de las organizaciones utilizan actualmente la IA en al menos una función empresarial, pero solo alrededor de una cuarta parte ha desarrollado las capacidades para generar valor tangible más allá de los proyectos piloto iniciales.

Un estudio de McKinsey identifica el rediseño de los flujos de trabajo, y no la sofisticación tecnológica, como el principal motor del impacto de la IA, y nuestras entrevistas ayudan a explicar por qué. En la alta dirección, los líderes están aprovechando el potencial estratégico de la IA, ampliando su alcance, acelerando la entrega con equipos más reducidos y reinventando los servicios. En el nivel junior, los consultores reportan aumentos drásticos en la productividad: la investigación de escritorio que antes tomaba días ahora toma 30 minutos; el análisis que antes consumía semanas ahora toma solo horas. Liberados del trabajo inicial, los consultores junior realizan síntesis estratégicas y participan en entrevistas de descubrimiento antes que cualquier generación anterior.

Pero las mejoras en la eficiencia en la base y las ambiciones estratégicas en la cúpula convergen en un único punto crítico: los mandos intermedios. Nuestras entrevistas e investigaciones revelan que los directivos están desbordados por la responsabilidad de detectar el trabajo improductivo generado por la IA, un contenido que parece profesional pero carece de sustancia y no contribuye al avance de la tarea. Se espera que validen los resultados de la IA, identifiquen errores, capaciten a sus equipos en habilidades de IA y principios básicos del trabajo, y mantengan los estándares de calidad, todo ello mientras se enfrentan a una presión de entrega que se mantiene o incluso ha aumentado, y carecen de estructuras de apoyo formales.

Esta carga agrava una crisis que precede a la IA. Los mandos intermedios ya asumían más responsabilidades que nunca, dado que los despidos y las reorganizaciones eliminaron capas de apoyo, dejando a menos personas para supervisar a más empleados. Gartner predice que en 2026, el 20 % de las organizaciones utilizará la IA para simplificar su estructura, eliminando más de la mitad de los puestos de mandos intermedios actuales. Y Gallup constata que el compromiso de los directivos ha caído drásticamente del 30 % en 2023 a tan solo el 22 % en 2025, el descenso más pronunciado en cualquier grupo de empleados. La IA no creó el problema del agotamiento de los mandos intermedios; lo aceleró.

La sobrecarga de mandos intermedios genera un riesgo estructural. La pregunta que deben plantearse los líderes no es si reducir esta estructura, sino cómo reforzarla, ya que cuando esta no funciona correctamente, ni las mejoras de eficiencia en los niveles inferiores ni las ambiciones estratégicas de los socios se traducen en valor para el cliente.

La transición a la IA requiere una inversión excesiva, especialmente en los mandos intermedios.

La idea de que la IA puede liberar a los trabajadores para tareas de mayor valor está bien establecida. Lo que observamos fue algo más específico: un patrón que denominamos elevación de roles. En los equipos donde la transición funcionaba bien, la IA se utilizaba no para eliminar roles, sino para redistribuir el trabajo hacia arriba. Los empleados junior realizaban tareas de mayor valor, como interpretar datos y participar en conversaciones estratégicas que antes estaban reservadas para personal senior. Los socios pasaron de vender metodología a vender juicio potenciado por la IA.

Pero los gerentes no experimentaron una mejora en sus funciones. Sus nuevas responsabilidades —la supervisión, la capacitación y las exigencias de control de calidad de la IA— simplemente se añadieron a su trabajo habitual. Sin apoyo organizacional, los gerentes no mejoran; quedan relegados a un segundo plano.

Nuestras entrevistas pusieron de manifiesto tres maneras distintas en que la capa intermedia está fallando bajo el peso de la adopción de la IA.

Desglose 1: El aprendizaje es informal, mientras que la impartición es implacable.

En las empresas que estudiamos, en muchos equipos el tiempo ahorrado por la IA se veía inmediatamente absorbido por el trabajo con los clientes y la presión de los plazos de entrega. Se esperaba que los gerentes experimentaran, aprendieran y enseñaran a otros, pero sus responsabilidades formales no habían cambiado. Como resultado, los equipos resolvían repetidamente los mismos problemas. Las indicaciones, los flujos de trabajo y las prácticas de gobernanza eficaces permanecían dispersas entre los individuos en lugar de estar institucionalizadas.

Los equipos que gestionaron mejor esta situación implementaron sistemáticamente dos cambios operativos: protegieron el tiempo para el aprendizaje y facilitaron a otros equipos la búsqueda y reutilización de los conocimientos ya adquiridos. Durante los periodos de transición a la IA, la dirección redujo temporalmente los objetivos de utilización, formalizó el tiempo dedicado a la contribución (por ejemplo, mediante sesiones semanales en las que los consultores junior compartían sus aprendizajes con sus equipos) y vinculó las evaluaciones de desempeño a la calidad de la documentación y el intercambio de casos de uso de IA por parte de los empleados. Cuando se incluyó tiempo para el aprendizaje en el calendario, la adopción se incrementó progresivamente.

En nuestro estudio, la diferencia entre los equipos no radicaba en las herramientas de IA a las que tenían acceso, sino en si habían creado una plataforma interna centralizada que consolidara herramientas, casos de uso y directrices de gobernanza, con una sólida función de búsqueda para que los empleados supieran exactamente dónde encontrar lo que buscaban. Las prácticas de IA más eficaces solían surgir de equipos de primera línea que resolvían problemas inmediatos de los proyectos, pero solo se escalaron cuando la empresa contaba con la infraestructura necesaria para capturar y redistribuir lo aprendido. De este modo, los equipos experimentaron menos experimentación redundante y una mayor reutilización entre proyectos.

Desglose 2: Los incentivos premian los comportamientos equivocados.

La IA está redefiniendo lo que significa un buen desempeño, pero la mayoría de los sistemas de evaluación no se han adaptado. En las empresas que estudiamos, las métricas tradicionales aún premian las horas facturables y la productividad individual. Mientras tanto, los comportamientos que impulsan la adopción exitosa de la IA —como compartir sugerencias efectivas entre equipos, capacitar a otros y contribuir a las herramientas internas— pasan desapercibidos. En algunos casos, observamos que los empleados evitaban reconocer el uso de la IA en su propio trabajo, lo que refleja una estructura de incentivos que todavía equipara el esfuerzo personal con el valor profesional.

La solución requiere cambios en todos los niveles, pero especialmente para los gerentes. Los altos directivos deben reconocer que los gerentes ahora soportan una triple carga: gestionar la experimentación con IA, mantener la entrega a los clientes y desarrollar el talento humano. Deben recompensarlos por la capacitación, el desarrollo de equipos y la transferencia de conocimientos, no solo por la entrega. Hasta que las estructuras de incentivos reflejen esta realidad, los gerentes se centrarán en lo que se mide, como los porcentajes de utilización, y la capacitación y la generación de conocimientos que impulsan la adopción quedarán relegadas a un segundo plano.

Desglose 3: Los líderes y los gerentes operan en realidades diferentes.

Según datos de una encuesta de BCG, los ejecutivos tienen aproximadamente el doble de probabilidades que los empleados individuales de describir a sus colaboradores como entusiastas de la IA. Nuestra investigación confirmó esta diferencia de percepción y reveló dónde se manifiesta con mayor intensidad: en el nivel gerencial.

Los socios solían estar al margen de cómo la IA transforma el trabajo operativo, creando una desconexión entre la visión estratégica y la realidad cotidiana. Esta brecha es importante y los mandos intermedios intentan subsanarla por su cuenta. Los gerentes deciden cuándo la producción de la IA es suficientemente buena, qué tareas manuales deben seguir aprendiendo los empleados junior, qué estándares aplicar al trabajo de cara al cliente y cómo tratar con un cliente que da por sentado que todo el trabajo recibido ha sido generado por IA. Cuando no existe una dirección ni estándares a nivel de toda la empresa durante este período de transición, estas decisiones se toman de forma aislada, equipo por equipo.

Para cerrar esta brecha se requiere un liderazgo visible y comprometido, centrado en las necesidades de los gerentes. Cuando los líderes participaron en las sesiones de trabajo, los gerentes informaron que la carga interpretativa que habían estado soportando solos comenzó a disminuir; la dirección de toda la empresa reemplazó las conjeturas individuales. Los líderes también obtuvieron una visión más clara de las disyuntivas prácticas que los gerentes debían afrontar, lo que ayudó a ajustar las expectativas.

Al mismo tiempo, las empresas deben invertir directamente en capacitación en IA específica para gerentes. Es fundamental brindar capacitación especializada en supervisión de IA, como detección de alucinaciones, evaluación oportuna y verificación de datos en análisis generados por IA. Se deben facilitar foros de aprendizaje entre gerentes para que las técnicas de revisión se compartan entre equipos en lugar de desarrollarse de forma independiente. Y, lo que es crucial, es esencial clarificar las expectativas de la empresa con respecto al uso de la IA para que cada gerente no tenga que interpretar las reglas por su cuenta.

Protegiendo el oleoducto

Detrás de la presión que sufren los mandos intermedios, subyace un problema más profundo que merece atención: si los directivos dedican más tiempo a validar los resultados de la IA y a apagar incendios, ¿quién está formando a la próxima generación de líderes?

En la consultoría tradicional, los consultores junior aprendían observando de cerca a los gerentes: cómo estructuraban un plan de trabajo, sometían un análisis a pruebas de presión y manejaban conversaciones difíciles con los clientes. El trabajo híbrido ya ha debilitado parte de ese aprendizaje. La IA podría debilitarlo aún más al comprimir las tareas técnicas antes de que se haya desarrollado el criterio. Un consultor junior ahora puede producir un entregable pulido rápidamente. Lo que aún requiere tiempo para aprender es cómo discernir cuándo un análisis es plausible pero débil, si las recomendaciones tienen sentido o cómo cuestionar a un cliente sin perder la confianza.

No se trata solo de un problema de flujo de trabajo, sino de un problema de desarrollo de liderazgo. Si las empresas logran reducir el tiempo que los gerentes dedican a revisar y reevaluar los resultados de la IA, podrán redirigir parte de esa capacidad hacia la formación y el desarrollo. Las empresas que consigan proteger esa capacidad serán las que aún cuenten con un sólido programa de desarrollo de liderazgo dentro de cinco años. Las que no lo hagan descubrirán que la IA aceleró la productividad de los empleados jóvenes, pero debilitó la trayectoria profesional desde colaborador hasta líder.

Invertir en el nivel intermedio puede impulsar la adopción de la IA en toda la empresa. Los equipos se apoyan mutuamente en su trabajo. La calidad mejora a medida que los gerentes adquieren fluidez. Los empleados junior crecen más rápido. Los socios pueden hablar con credibilidad sobre IA con los clientes porque han visto cómo funciona en sus propios equipos, no solo lo que creen que podría ser la realidad.

La diferencia en la adopción de la IA no radica en la tecnología, sino en si el liderazgo ha creado la estructura de apoyo necesaria para quienes hacen que la IA funcione en la práctica. Tres preguntas que todo líder debería hacerse: ¿Quién en su organización está asumiendo el costo de su ambición en materia de IA? ¿Está haciendo lo suficiente para apoyarlos? ¿Ha protegido la capacidad que sus gerentes necesitan para desarrollar a los líderes que los sucederán?

Lea más sobre Liderazgo y gestión de personas o temas relacionados como IA y aprendizaje automático, Gestión del cambio, Cambio organizacional e IA generativa.

Julia Shin se graduó de la Escuela de Negocios de Harvard. Anteriormente trabajó como gerente en Strategy& PwC, donde asesoró a organizaciones en la transformación de modelos operativos y estrategias de recursos humanos en diversos sectores. Su investigación se centra en cómo la IA está transformando la gestión, el desarrollo del liderazgo y el futuro del trabajo.

Sandra J. Sucher es profesora de gestión empresarial en la Harvard Business School. Es coautora de *El poder de la confianza: cómo las empresas la construyen, la pierden y la recuperan* (PublicAffairs, 2021).

 

Doxa 2564

Enséñale a tu IA cómo tomas decisiones

Por Jen Stave, Ryan Kurt y John Winsor

IA generativa

Harvard Business Review

#Doxa #Decisiones #IA #Aprendizaje #Proceso #Pensamiento #Análisis #Evaluación #Opciones #Criterios #Lógica

Resumen. A medida que los agentes de IAn asumen tareas cada vez más complejas, la principal limitación ya no es el acceso a la tecnología, sino la capacidad de una organización para hacer explícitos sus procesos de toma de decisiones. Muchas valoraciones críticas—sobre el riesgo, las excepciones, la calidad, la escalada, el trato al cliente y las compensaciones— han existido tradicionalmente como conocimiento tácito arraigado en los empleados con experiencia. Para ampliar el uso de la IA de forma eficaz, las empresas deben traducir ese conocimiento en directrices estructuradas, establecer un marco de gobernanza que considere el trabajo digital como parte de la plantilla y dotar a los directivos de las herramientas necesarias para codificar y perfeccionar continuamente los conocimientos especializados. Las organizaciones que tengan éxito crearán una «infraestructura de juicio» que haga que el conocimiento institucional sea transferible, coherente y con escalabilidad, lo que permitirá una innovación más rápida y un mejor rendimiento. Aquellas que no logren codificar su forma de pensar y de tomar decisiones corren el riesgo de quedarse rezagadas frente a los competidores que puedan aprovechar los conocimientos especializados tanto a través de trabajadores humanos como de la IA.

Algunas organizaciones han utilizado agentes de IA para transformar de verdad la forma en que se lleva a cabo el trabajo. Otros se han quedado estancados en pequeños experimentos de escaso impacto, incapaces de lograr que sus agentes rindan de forma constante a gran escala.

La diferencia entre estos dos grupos no es tecnológica, como cabría esperar. La mayoría de las organizaciones disponen hoy en día de los mismos modelos, las mismas herramientas y, en líneas generales, la misma infraestructura. La diferencia radica en los distintos enfoques ante algo a lo que la mayoría de los líderes nunca se han tenido que enfrentar: hacer explícito el juicio. Ese es el nuevo cuello de botella en la adopción de la IA, y está pillando desprevenidas a la mayoría de las organizaciones.

Durante décadas, las organizaciones no tuvieron necesidad de explicar cómo tomaban decisiones sus mejores profesionales. Los conocimientos se adquirirían a través de la tutoría, la observación y la experiencia. Los nuevos empleados observaban, escuchaban e interiorizaban poco a poco la forma de pensar de la organización. Ese modelo funcionaba cuando eran las personas que llevaban a cabo las tareas.

Los agentes de IA han cambiado las reglas del juego. A diferencia del software tradicional, pueden operar en entornos ambiguos y tomar decisiones en tiempo real. Sin embargo, a diferencia de las personas, no pueden normas similares mediante la observación ni deducir el contexto a partir de la cultura organizativa. Funcionan calculando únicamente en lo que se les indica de forma específica. Nada más.

Esto da lugar a un modo de fallo específico que está apareciendo actualmente en todos los sectores: las empresas implementan agentes de IA de atención al cliente sin codificar previamente cómo toman sus decisiones los mejores representantes de atención al cliente —por ejemplo, al gestionar una excepción en los precios, a un cliente de larga duración frustrado o una solicitud que se vende ligeramente de la política establecida—. El agente acaba desviándose del camino, sin alinearse con los objetivos de la empresa, porque nadie ha documentado nunca cómo se toma realmente esa decisión concreta ni qué contexto implícito es necesario para tomar la decisión correcta.

¿Qué significa «codificar el criterio»? Significa traducir los principios tácitos de toma de decisiones de su organización en unas directrices estructuradas que los agentes puedan aplicar. Estos principios incluyen factores como la tolerancia al riesgo, la voz de la marca, los umbrales de escalada, los estándares de calidad y la sutil lógica de la gestión de excepciones. Históricamente, estos aspectos residían en la mente de personas con experiencia. Para que la IA funcione, también deben residir en otro lugar.

Lo que distingue a los líderes de los rezagados

Las organizaciones que están tomando la delantera están creando lo que denominamos «infraestructura de juicio», que es lo que permite que la experiencia se amplíe a mayor escala.

Para que los líderes puedan crear esta infraestructura, son necesarios tres cambios estructurales:

1) Las unidades de negocio, RR. S.S. y TI gestionan conjuntamente.

Definir los límites de riesgo aceptables, establecer las expectativas de rendimiento de los agentes y gestionar su incorporación y salida de la empresa son cuestiones tanto organizativas como técnicas. Y, lo que es más importante, no pueden externalizarse.

Lo que se necesita es que los líderes empresariales, los responsables de RR. S.S. y los de IT forjen una alianza para gestionar el trabajo digital. El objetivo debería ser tratar a los agentes no tanto como licencias de software, sino más bien como colaboradores operativos cuyo comportamiento debe moldearse y perfeccionarse continuamente. Esto refleja lo que describimos el año pasado en «La IA agencial ya está cambiando el lugar de trabajo»: las organizaciones que tengan éxito en esta nueva realidad empresarial serán aquellas que gestionen activamente todo el espectro del trabajo —tanto humano como digital— como parte de una estrategia coherente de personal.

ITA Group, una empresa internacional dedicada a la organización de eventos, incentivos y programas de reconocimiento, aprendió esta lección a través de un primer intento de crear un agente de inteligencia artificial para la reserva de vuelos en su división de eventos. Lo difícil no fue crear el agente, sino definir qué debía saber este para ganarse la confianza: cuándo debía priorizar el costo, cuándo era más importante la experiencia del viajero, qué excepciones eran aceptables y cuándo era necesaria la intervención de una persona.

Esa experiencia puso de manifiesto un problema más amplio: los expertos en negocios estaban ejerciendo un control excesivo sobre los tecnólogos. La respuesta de ITA cambiar fue el modelo operativo. La empresa comenzó a proporcionar a los desarrolladores, directivos y trabajadores del conocimiento las herramientas y la capacidad necesarias para dar forma a los agentes que accionaban en su nombre. La directora de operaciones (COO), Maura McCarthy, en estrecha colaboración con el CIO, Jason Katcher, y con el apoyo del CEO y del CFO, contribuyeron a crear la alineación del equipo directivo necesaria para que ese cambio se consolidara.

«La lección más valiosa que hemos aprendido», afirma McCarthy, «es la importancia de combinar nuestra experiencia con la inteligencia artificial». El objetivo era poner el comportamiento de los agentes en manos de usuarios expertos antes de ampliarlo a gran escala, y tratar ese comportamiento como algo que debe perfeccionarse continuamente a medida que evolucionan el trabajo, el negocio y el criterio que lo rodea.

2) Los directivos se convierten en «arquitectos del criterio».

Este es el cambio más significativo, y el que la mayoría de las organizaciones subestiman.

Tomemos como ejemplo a Debbie Riazzi, directora de cumplimiento normativo y relaciones laborales de AWP Safety, la mayor empresa de seguridad en el terreno de Norteamérica, con cerca de 9.100 empleados repartidos por 33 estados. La Sra. Riazzi constituye un departamento en sí mismo y ha creado una cartera de agentes, cada uno de los cuales se encarga de un ámbito concreto de su experiencia. Uno de ellos se encarga de las solicitudes de adaptaciones médicas: consulta la descripción del puesto correspondiente, analiza cómo se resolvieron solicitudes similares y sigue un proceso de tramitación estandarizado que ella ha perfeccionado a lo largo de los años. Otro se encarga de los primeros pasos de cada solicitud de información que recibe la empresa: analizar lo que se solicita, derivarla al responsable adecuado y redactar la respuesta. Los agentes le ahorran cientos de horas al año, pero el cambio más importante es lo que ese tiempo le permite conseguir. «Puedo echar la vista atrás y demostrar que he estado haciendo esto de forma sistemática», afirma. «Eso reduce automáticamente nuestra responsabilidad como empresa».

Nathan Mapp, que ocupa el cargo de interventor en una empresa global de capital riesgo y tecnología aplicada, ha llevado este concepto un paso más allá. A lo largo de más de una docena de años en el sector financiero, Mapp ha desarrollado un profundo bagaje de conocimientos y lo ha codificado en una serie de archivos Markdown a los que sus agentes —creados con Claude y Claude Code— pueden consultar en tiempo real. Un equipo de dos personas cubre ahora un volumen de trabajo que antes habría requerido a diez. En cada tarea que gestionan esos agentes, se aplica de forma coherente el criterio de Mapp, como si un contable de primer nivel prestará atención a cada detalle, incluidos aquellos que, de otro modo, recaerían en un miembro del equipo con menos experiencia.

Lo que han hecho Riazzi y Mapp es sistematizar el ejercicio del criterio en el ámbito laboral. Los directivos se centran ahora en poner en práctica los conocimientos especializados, tanto en su vertiente humana como digital. Se trata de un conjunto de competencias esencialmente diferentes, que la mayoría de las organizaciones aún no han desarrollado ni valorado.

3) El «pensador-hacedor» se convierte en el empleado más valioso.

La división tradicional entre pensadores estratégicos y ejecutores operativos se está desmoronando. Los empleados de alto rendimiento son, cada vez más, ambas cosas: razonan estratégicamente y ponen en práctica su pensamiento a través de agentes. Diseñan flujos de trabajo, codifican el criterio, crean y perfeccionan sistemas, y avanzan continuamente en la cadena de valor.

Ramp, una plataforma financiera líder utilizada por 30.000 empresas, ha apostatado todo por este perfil. Todos los empleados tienen acceso a ChatGPT Enterprise, Notion y Perplexity, y reciben formación durante el proceso de incorporación para crear sus propias herramientas de IA, en lugar de limitarse a «pulsar botones» en sistemas creados por otros. Cada empleado está capacitado para codificar sus propios conocimientos especializados y aplicarlos a través de agentes. Este es el perfil al que hemos empezado a denominar «el pensador-hacedor»: alguien que no se limita a utilizar la IA como una herramienta, sino que da forma a la manera en que la IA actúa en su nombre. Las organizaciones que cultivan este perfil a gran escala aprenderán y se adaptarán más rápidamente que aquellas que sigan centrándose en optimizar una u otra habilidad.

Por dónde empezar

La mayoría de las organizaciones abordan este reto de forma incorrecta. Piden a personas con experiencia que pongan por escrito lo que saben. Esa rara vez funciona. Es bien sabido que a los expertos les cuesta mucho expresar el conocimiento tácito de forma abstracta, ya que saben mucho más de lo que pueden expresar cuando se les pide directamente que lo documenten.

Un método más eficaz: no les pida que documenten su criterio. Cree las condiciones para que este afloren de forma natural.

Reúna a un pequeño grupo de profesionales con experiencia que desempeñen la misma función. Cuente con un moderador cualificado y guía al grupo a través de una serie de situaciones realistas y casos extremos reales a los que se enfrenta la organización. En aquellos puntos en los que el grupo llegue rápidamente a un acuerdo, dispondrá de una política clara. En aquellos en los que no se pongan de acuerdo, obtendrán un criterio que merece la pena recabar. La transcripción de esa conversación se convertirá en su primer borrador de criterio codificado.

Un equipo de siniestros de una compañía de seguros podría sacar a la luz más matices sobre la tolerancia al riesgo, la empatía con el cliente y la lógica de escalada en una sola sesión de dos horas que los que jamás se hayan recogido en años de procedimientos documentados, ya que el debate exterioriza el razonamiento de una forma que la documentación nunca logra. Esa transcripción es necesaria como capa contextual fundamental para todas las futuras implementaciones de sistemas de toma de decisiones.

Un nuevo factor diferenciador

Cuando el criterio se codifica con éxito, ocurre algo de gran importancia estratégica: la experiencia se vuelve transferible. Las mejores prácticas ya no quedan limitadas a su personal más veterano. El conocimiento institucional puede aplicarse a gran escala en todas las funciones, zonas geográficas y productos. Las organizaciones que descubran cómo codificar el conocimiento tácito obtendrán una ventaja estructural: decisiones más rápidas, una calidad más uniforme, mayor capacidad de innovación y una capacidad autorreforzada para aprender y mejorar.

La trayectoria de ITA Group muestra cómo se manifiesta este efecto acumulativo en la práctica. Los primeros seis o siete meses fueron lentos, ya que la empresa estaba aprendiendo a plasmar el criterio y los conocimientos especializados de los empleados expertos en los archivos de contexto que utilizan los agentes. Sin embargo, una vez que ese modelo operativo comenzó a afianzarse, el ritmo cambió, especialmente en el desarrollo de software. Tras una formación inicial, los desarrolladores comenzaron a utilizar los agentes no solo para generar código funcional, sino también para pasar más rápidamente de la idea al prototipo. Gran parte del trabajo pasó a ser autodirigido, los plazos se redujeron de meses a semanas y el hábito de utilizar los agentes para replantearse el propio trabajo comenzó a extenderse a otras funciones.

La lección es que el juicio codificado se acumula. Los primeros casos de uso son lentos porque la organización está aprendiendo a plasmar de forma específica los conocimientos especializados. Los siguientes avanzan más rápido porque la organización ha consolidado la confianza, la gobernanza y el ritmo operativo necesarios para repetir el patrón.

Esta es la evolución natural de la estrategia de plantilla híbrida que esbozamos en nuestro artículo anterior sobre cómo la IA autónoma está transformando el lugar de trabajo. La asignación de tareas y la integración de equipos formados por personas e IA constituyen el primer paso necesario. Pero no es suficiente. Las organizaciones que crean equipos formados por personas e IA descubren rápidamente que la calidad de dichos equipos depende por completo de la calidad de la orientación que proporcionan a sus agentes. La implementación es un requisito mínimo. La infraestructura de toma de decisiones constituye la ventaja competitiva y el diferenciador estratégico para una empresa pionera.

...

La primera fase de la adopción de la IA se centró en quién tenía acceso a los mejores modelos. Esa fase ha concluido en gran medida, ya que el acceso se ha convertido en algo habitual. La siguiente fase vendrá definida por quién haya realizado el arduo trabajo de codificar su forma real de pensar y trabajar.

La mayoría de las organizaciones aún no han comenzado a realizar ese trabajo. Las que lo harán darán forma al futuro del trabajo en sus sectores. Las que no lo hagan se encontrarán en la misma situación que las empresas que dudaron en desarrollar una estrategia de personal desde el principio: en desventaja estructural, una situación que se agravará con el paso del tiempo.

Lea más sobre IA generativa o temas relacionados Inteligencia artificial y aprendizaje automático, Tecnología y análisis, Innovación disruptiva, Gestión de la información, Automatización, Experimentación, Toma de decisiones organizativas, Cambio organizacional y Gestión de procesos

Jen Stave es la directora fundadora del Instituto de Inteligencia Artificial de la Harvard Business School; socia y directora de la práctica de Asesoramiento Estratégico en Keystone; y asesora del Laboratorio de Inteligencia Artificial.

Ryan Kurt es el fundador y consejero delegado de The AI ​​Lab, una empresa de estrategia y asesoramiento que ayuda a los consejeros delegados a acelerar la transformación de la IA. Anteriormente, dirigió iniciativas de IA en Salesforce y ha pasado más de una década asesorando a ejecutivos de Fortune 500 sobre IA.

John Winsor es autor de *La mentalidad del explorador: la ventaja del liderazgo en una economía impulsada por la IA* (de próxima publicación) y coautor de *Talento abierto: aprovechar la fuerza laboral global para resolver sus mayores desafíos* (Harvard Business Press). Es miembro ejecutivo del Instituto de IA de la Harvard Business School, donde su investigación se centra en la intersección entre la IA, el diseño organizativo y el futuro del trabajo. Asesora a altos directivos y organizaciones que se enfrentan a esta transformación.

Doxa 2563

Los fundadores de startups necesitan un nuevo manual de ventas

Por Dave Rubinstein y Vincent Onyemah

Ventas

Harvard Business Review

#Doxa #startups #fundadores #ventas #manual #estrategia #crecimiento #B2B #emprendimiento #negocios #comercial

Resumen. Los fundadores de empresas tecnológicas intentan vender en mercados mucho más saturados, escépticos y dinámicos que los entornos para los que se diseñaron las estrategias de ventas tradicionales. Basándonos en entrevistas con más de 250 fundadores de todo el mundo, sostenemos que muchosLas startups suelen confundir la curiosidad del cliente con una verdadera intención de compra, lo que las lleva a diagnosticar erróneamente la adecuación del producto al mercado, a abarcar mercados demasiado amplios y a contratar equipos de ventas prematuramente. Proponemos un marco de trabajo —que llamamos SPRINT— para ayudar a los fundadores a reducir la incertidumbre del comprador mediante la creación rápida de credibilidad, un enfoque preciso, la demostración de resultados medibles y la generación de confianza en mercados complejos impulsados ​​por la IA.

Crear una empresa tecnológica hoy en día es radicalmente diferente a hacerlo hace una década. Los ciclos de innovación se han acelerado y la estrategia de comercialización se ha vuelto más compleja. Los compradores se ven inundados de soluciones de la competencia, y los fundadores se enfrentan a un nivel de escepticismo y confusión que las metodologías de venta tradicionales no estaban diseñadas para abordar.

Hemos llegado a esta conclusión comparando los resultados de dos estudios, realizados con una década de diferencia, que exploran las prácticas de los fundadores cuando intentan vender sus primeros productos.

El primer estudio, publicado por uno de nosotros (Vincent) en HBR en 2013 (junto con Martha Rivera Pesquera y Abdul Ali), se basó en entrevistas con 120 emprendedores de seis países. Nuestros datos revelaron que los fundadores solían abordar las primeras ventas de forma errónea. Muchos dedicaban demasiado tiempo a perfeccionar sus productos antes de captar clientes, mientras que quienes sí vendían pronto se centraban con frecuencia en generar ingresos en lugar de aprender. La investigación sugirió que los emprendedores exitosos eran más meticulosos a la hora de seleccionar a sus primeros clientes, utilizando esas relaciones para poner a prueba sus hipótesis, refinar sus ofertas y construir las referencias y la credibilidad necesarias para acelerar el crecimiento futuro.

Para comprender los cambios que se han producido con la consolidación de la IA como parte fundamental del ecosistema de startups, lanzamos un nuevo estudio. Entre junio y diciembre de 2025, realizamos entrevistas semiestructuradas de 30 minutos con más de 250 fundadores de más de 30 países y seis continentes. Estos fundadores representaban a empresas tecnológicas con ingresos recurrentes anuales de entre 500.000 y 10 millones de dólares. Las entrevistas se centraron en las estrategias de captación de clientes, incluyendo la diferenciación, la fijación de precios, el desarrollo del embudo de ventas y las decisiones relacionadas con la contratación de talento comercial.

Aunque el estudio completo aún está en curso, nuestro análisis de las primeras 100 entrevistas arrojó una conclusión consistente: muchos fundadores intentan vender en un mercado cuya dinámica cambia más rápido que su estrategia de comercialización. El resultado no son simplemente ciclos de venta más largos, sino una creciente incapacidad para distinguir la verdadera intención de compra de la mera curiosidad, y una tendencia cada vez mayor a confundir la atención con el éxito.

En qué se equivocan todavía los fundadores

Algunos de nuestros hallazgos en el presente estudio coincidieron con los del estudio anterior realizado en 2013.

Creen erróneamente que han alcanzado la adecuación producto-mercado.

En lugar de adoptar una estrategia de prueba y aprendizaje en estrecha colaboración con los clientes, muchos fundadores siguen intentando perfeccionar el producto de forma aislada antes de presentarlo al público, un error clásico que la metodología Lean Startup busca erradicar. Las ideas erróneas sobre lo que los clientes esperan del producto influyen en las decisiones de financiación y contratación, a pesar de la falta de pruebas suficientes de una adopción generalizada.

Un fundador resumió el problema de una manera que coincidía con muchas de nuestras entrevistas: “Lanzamos un producto, conseguimos muchos clientes, pilotos y usuarios, pero [cuando terminaron las pruebas gratuitas] no estaban dispuestos a pagar por él… Así que ese producto fracasó”.

Buscan mercados demasiado amplios.

Muchos fundadores buscan mercados demasiado amplios, a menudo impulsados ​​por la presión de los inversores para construir una gran empresa rápidamente. Sin embargo, un posicionamiento amplio suele derivar en mensajes genéricos y una diferenciación poco clara. Los potenciales clientes tienen dificultades para comprender por qué el producto es específicamente relevante para ellos, o solicitan características especiales para que les resulte más útil.

Responder al interés de los clientes potenciales ampliando el alcance en lugar de centrarse en un enfoque más preciso puede resultar fatal: en vez de generar repetibilidad, las startups absorben pedidos puntuales y terminan creando productos a medida. La empresa empieza a parecerse más a una agencia que a una organización de productos escalable.

Así describió un fundador canadiense esta situación: «Todas las solicitudes terminan incorporándose al producto sin que se analice cómo puedo convertirlo en algo que beneficie a todos». Otro fundador nos comentó que su startup se centra en ventas a empresas con entre 100 y 1000 empleados, pero a menudo terminan buscando clientes corporativos más grandes. En otras palabras: intentan venderle a cualquiera. Este enfoque disperso es demasiado común.

La mayoría de los fundadores carecen de experiencia en ventas.

Aproximadamente el 80% de los fundadores que entrevistamos no tenían experiencia formal en ventas, un hallazgo que coincide con el estudio anterior. Esto dificultaba la generación de reuniones cualificadas, la realización de llamadas de prospección, la comunicación del valor diferencial y la interpretación de las señales de compra. Muchos también tenían dificultades con la gestión del embudo de ventas, la alineación de las partes interesadas, el manejo de objeciones y el seguimiento. Esto a veces lleva a los fundadores a intentar contratar vendedores demasiado pronto, y cuando los directores ejecutivos lo hacen, a menudo tienen problemas porque carecen de experiencia en esa función. «Nunca antes había contratado vendedores», nos dijo un emprendedor alemán.

Contratar a un vendedor demasiado pronto genera sus propios problemas. Aumenta el ritmo de gasto, crea expectativas desalineadas y obliga a los fundadores a gestionar problemas de rendimiento antes de que la empresa haya creado las condiciones para el éxito. Los fundadores también subestiman un factor clave: poseen una credibilidad que no se transfiere a un vendedor. El fundador tiene autoridad, convicción y confianza, construidas a través de la propiedad directa. Un nuevo vendedor no hereda esa confianza. Un fundador estadounidense describió cómo sus clientes potenciales querían escuchar la visión del CEO sobre la evolución del producto, y que las primeras ventas dependían de que el comprador sintiera una conexión personal positiva con el dueño de la startup. Si el fundador carece de habilidades de venta naturales y el primer vendedor queda relegado porque todos quieren reunirse con el fundador, la frustración es inevitable.

También se enfrentan a nuevos desafíos.

Nuestro estudio actual también identificó problemas que no habíamos detectado en 2013. Muchos de ellos se deben a la mayor competencia. Con más de 90 000 startups tecnológicas basadas en IA en todo el mundo y cientos más surgiendo cada mes, el panorama competitivo para las startups tecnológicas nunca ha estado tan saturado.

Los modelos de venta tradicionales parten de la base de un entorno relativamente estable. Los compradores tienen tiempo para evaluar las opciones. Los vendedores pueden informar a los clientes potenciales mediante etapas estructuradas en el embudo de ventas. Y lo que es más importante, estos modelos presuponen un conjunto finito de competidores que pueden identificarse, compararse y diferenciarse. Esto ya no es así, y nos lleva a tres errores que observamos en muchas de las empresas que entrevistamos.

Confunden la atención con el éxito.

Muchos fundadores tienen dificultades para distinguir entre la verdadera intención de compra y la simple curiosidad. Esto es especialmente cierto en los mercados de IA, donde el interés es alto, pero el compromiso es escaso. Los potenciales clientes asisten a demostraciones, solicitan propuestas y participan en proyectos piloto, creando la apariencia de dinamismo. Sin embargo, muchas de esas oportunidades nunca se concretan porque la urgencia subyacente por resolver un problema es débil. Como explicó un fundador: «Lo complicado es que todos dicen que quieren IA, pero no saben qué problema intentan resolver realmente. Tienen interés intelectual, pero aún no cuentan con el presupuesto necesario».

Otros informaron que los ejecutivos a menudo convocan reuniones simplemente para demostrar a sus colegas que están evaluando activamente opciones de IA. En estas situaciones, los fundadores pueden crear lo que parece ser una cartera de proyectos sólida, pero que en realidad no es más que una curiosidad acumulada. El resultado es una creciente tendencia a confundir la atención con el éxito.

Ya no basta con ser mejor que la competencia.

Incluso cuando un fundador ha creado una solución legítima, la diferenciación es difícil. Esto genera una nueva serie de problemas.

Un fundador explicó la perspectiva de los compradores de esta manera: “Antes, tal vez se programaba una demostración con las tres herramientas existentes. Hoy en día, hay 20 000 herramientas. Por lo tanto, la evaluación es mucho más larga”. Históricamente, solía ser suficiente con superar a la solución existente. Un producto significativamente más rápido, más barato o más fácil de implementar podía reemplazar lo que ya existía.

Eso ya no basta. Cientos de startups afirman ser mejores que la competencia, y los compradores carecen del tiempo y la atención necesarios para comprobarlo. El reto competitivo ya no consiste simplemente en reemplazar a un competidor establecido, sino en destacar en un mercado donde casi todos los proveedores parecen creíbles y siempre hay un nuevo producto que evaluar antes de decidirse. Un fundador estadounidense explicó la dinámica así: «Lanzamos algo realmente novedoso, y tres meses después un gran competidor afirma tener lo mismo. Incluso cuando no es cierto, nos neutraliza ante los clientes potenciales».

Históricamente, muchas startups han tenido éxito ofreciendo un producto notablemente superior a las alternativas existentes. Una solución más rápida, más barata o más fácil de usar solía diferenciarse de la competencia.

Con tantas opciones, les cuesta crear urgencia.

Los clientes terminan la llamada con energía renovada. Aprendieron del fundador y se sienten más capacitados después de la conversación. El fundador se siente seguro. «Les enseñé algo. Se mostraron realmente interesados ​​y contentos de haberse reunido conmigo».

Un mes después, el fundador sigue intentando programar una segunda llamada. Si bien el comprador disfrutó de la llamada y aprendió algo, no se generó urgencia. Si no hay tensión en una reunión, a menudo no se cierra el trato. La tensión crea urgencia.

Cuando el comprador finaliza una llamada y piensa: "Necesito reevaluar cómo estoy abordando este problema", volverá a reunirse contigo. Si el comprador opina que "fue útil o interesante", es probable que no vuelva a contactarte.

¿Qué hicieron diferente los libros más vendidos?

Nuestra nueva investigación se centró en los problemas que enfrentan los fundadores, pero al analizar los datos, intentamos identificar las prácticas que distinguen a los emprendedores más exitosos del resto. Esta búsqueda de soluciones reveló seis comportamientos consistentes que diferenciaron a los fundadores que generaron ingresos iniciales de aquellos que tuvieron dificultades para convertir el interés en adopción. Describimos estos comportamientos utilizando el acrónimo SPRINT :

Velocidad (genera atención): Esto se refiere a la rapidez con la que logras que el comprador se sienta comprendido, en la primera conversación, no en la quinta. Los compradores se ven abrumados por el ruido de un mercado que suena idéntico, por lo que prestan atención a quien primero describe su realidad. Ese reconocimiento genera tensión: la brecha entre su situación actual y la que creían que nadie entendía. "¿Acaso esta persona acaba de describir mi situación mejor que yo? " es el momento clave que marca la diferencia y da pie a la siguiente conversación.

Problema (genera urgencia): ¿Puede usted articular el problema del comprador con mayor precisión que él mismo, identificando no solo la dificultad, sino también la razón por la que debe actuar de inmediato? Las declaraciones genéricas del problema generan clientes potenciales curiosos. Las específicas, vinculadas a un evento desencadenante, generan compradores comprometidos.  La pregunta clave que los distingue es: "¿Qué ha cambiado para que sea esencial resolver esto ahora?".

Resultados (generan confianza): ¿Qué resultado concreto y observable obtiene el comprador y cuándo? Las propuestas de valor vagas, como «mejorar la eficiencia», «reducir la fricción» o «acelerar el crecimiento», generan curiosidad en los clientes potenciales. Los resultados concretos y con plazos definidos generan compradores comprometidos. La prueba: ¿Puede su comprador describir el resultado a su junta directiva sin que usted esté presente?

Implementación (genera seguridad): ¿Puedes responder a la pregunta sobre el riesgo antes de que el comprador la plantee? La verdadera fricción en 2026 es el miedo del comprador: IA que alucina, datos corruptos, flujos de trabajo que fallan frente a la dirección. Los compradores que se involucran con entusiasmo a menudo guardan silencio no porque hayan dejado de creer en el producto, sino porque alguien en la cadena de suministro planteó un riesgo que no pudieron responder. Los fundadores que abordan esto antes de que el comprador pregunte consiguen acuerdos en etapas avanzadas.

Nicho (genera repetibilidad): ¿Tu perfil de cliente ideal es lo suficientemente específico como para ser viable? Empezar con un enfoque limitado no restringe la ambición; es la estrategia que te permite expandirte. Los fundadores que intentan vender a todo el mundo no conectan con nadie. Los que triunfan parten de un nicho: un tipo de comprador, un problema, una acción que se repite.

Confianza (crea permiso): ¿Tu credibilidad es transferible o reside únicamente en tu mente y tus relaciones? En las ventas lideradas por el fundador, este es el mecanismo de confianza. Esto es fundamental desde el principio, ya que los compradores compran porque creen en ti. Se convierte en un inconveniente en el momento en que necesitas escalar el modelo, delegarlo o explicar por qué funciona.

Mathis Stolz, cofundador de Nexwise en Alemania, tenía un producto sólido y lo vendía como un proyecto, llamando directamente a fabricantes para preguntarles si tenían algún proyecto en marcha. Esto significaba llegar tarde a cada oportunidad, en condiciones que él no había establecido, con una presentación que no se ajustaba a las necesidades de los usuarios potenciales ni a los objetivos de quienes tomaban las decisiones. Estaba estancado.

Al aplicar el marco SPRINT, descubrió que no estaba reconociendo ni articulando el problema adecuadamente, por lo que decidió cambiar su enfoque. En lugar de preguntar sobre proyectos, comenzó señalando la tensión que experimentaban sus clientes potenciales: buscar el crecimiento de los ingresos frente a proteger la calidad del servicio con un equipo limitado. Una vez que aprendió a vincular su solución con los ingresos en riesgo, el problema que realmente preocupaba a su público objetivo ideal, el cambio fue inmediato. Los acuerdos que antes perseguía quedaron descartados, las conversaciones iniciales que antes ignoraba se convirtieron en sus mejores gestiones, y dejó de esperar a que los proyectos se alinearan con el problema para empezar a destacar la tensión real y a generar un diálogo significativo centrado en el problema con los responsables de la toma de decisiones. Los acuerdos en su cartera ahora se alineaban con un problema de alto nivel, los ejecutivos se mantenían comprometidos y los acuerdos avanzaban a través de los largos ciclos empresariales típicos de su mercado.

Su experiencia demuestra que, en conjunto, SPRINT no es un proceso de ventas. Es un marco para reducir la incertidumbre del comprador en mercados caracterizados por el ruido, el escepticismo y la rápida proliferación de tecnología.

...

Para los fundadores de empresas tecnológicas, captar a los primeros clientes no se trata tanto de tener el mejor producto, sino de reducir la incertidumbre del comprador. En mercados saturados donde la atención es escasa y la confianza difícil de ganar, los potenciales clientes necesitan tener la certeza de que una solución aborda un problema urgente, se puede implementar de forma segura y ofrecerá resultados significativos. SPRINT proporciona un marco práctico para diagnosticar dónde se estancan las negociaciones y qué deben establecer los fundadores antes de que los potenciales clientes estén dispuestos a comprometerse.

Lea más sobre Ventas o temas relacionados: Emprendedores y fundadores, Escalado de emprendimientos, Estrategia empresarial, Modelo de negocio Lean, Gestión empresarial y Startups.

Dave Rubinstein, antiguo líder de ventas en Salesforce y Outreach, es el fundador de 100 Founders, una iniciativa que ayuda a los fundadores de empresas SaaS B2B a superar los límites de las ventas lideradas por sus fundadores.

Vincent Onyemah es profesor de ventas y marketing, director de la División de Marketing y responsable de las Iniciativas de Ventas de Babson College en Wellesley, Massachusetts.

Doxa 2562

¿Tu IA tiene un problema de personalidad?

Por Aleksandra Przegalinska, Tamilla Triantoro, Leon Ciechanowski, Konrad Sowa, Anna Kovbasiuk y Richard B. Freeman

IA generativa

Harvard Business Review

#Doxa #IA #asistente #personalidad #respeto #honestidad #utilidad #conversación #ayuda #comunicación #tecnología

Resumen. A medida que las empresas integran la IA más profundamente en el trabajo, el rendimiento depende no solo de lo que los sistemas pueden hacer, sino también de cómo se comportan. Las investigaciones demuestran que las personalidades de la IA —ya sean de apoyo u hostiles— influyen en el estrés, la resistencia y la calidad del trabajo de los empleados, a menudo de manerasLas encuestas tradicionales son inexactas. Los gerentes deberían considerar el estilo de interacción con la IA como una opción de diseño controlable, medir la fricción junto con la adopción y ver las soluciones alternativas que buscan los empleados como señales de un comportamiento defectuoso del sistema, no como mala conducta.

Lo más importante de la IA que su empresa acaba de implementar puede no ser su inteligencia, sino cómo interactúa con los usuarios. Casi nadie en la alta dirección lo evalúa, y nuestra investigación sugiere que deberían hacerlo. Muchos líderes aún evalúan la IA como antes se evaluaban las bases de datos: por su capacidad, velocidad y costo. Pero hay otro factor que puede ser igual de importante para el rendimiento: la personalidad y el estilo de interacción de la IA.

Esto es importante porque los empleados ya no utilizan la IA solo para completar tareas. Cada vez más, también dedican tiempo a gestionar el propio sistema. Que la IA mejore el rendimiento organizacional depende no solo de sus capacidades, sino también de su comportamiento en la colaboración diaria. Y ese comportamiento es algo que las organizaciones pueden diseñar y controlar.

Evaluación de cómo las personas de IA afectan a los usuarios

En su concepción original, la IA en general, y la IA generativa en particular, funcionan como un sistema de apoyo subordinado: receptivo, complaciente y orientado a ayudar a un humano a completar una tarea. Pero a medida que estos sistemas se vuelven más autónomos y se integran más profundamente en los flujos de trabajo, los empleados los perciben como compañeros de equipo, evaluadores e, incluso, en algunos casos, supervisores informales. En ese punto, la forma en que el sistema interactúa comienza a ser importante. Dado que la IA generativa responde de forma probabilística, su comportamiento no puede especificarse completamente mediante reglas: surgen patrones de interacción consistentes, independientemente de la intención de los diseñadores. Los usuarios reconocen estos patrones como una personalidad: solidaria, cautelosa, desdeñosa u obstructiva.

Para examinar cómo la IA moldea estas respuestas, realizamos un estudio de laboratorio controlado con 58 participantes. Monitorizamos la respuesta fisiológica de cada participante en tiempo real de dos maneras. Una fue midiendo la conductancia de la piel, la actividad electrodérmica asociada con los niveles de excitación emocional en los individuos (es la misma señal que detecta un polígrafo). La otra fue utilizando electromiografía facial (fEMG) para medir los pequeños impulsos eléctricos generados por los músculos faciales al contraerse, lo que permite detectar el ceño fruncido (afecto negativo) y la sonrisa (afecto positivo).

También analizamos las conversaciones de los participantes con las IA que creamos, evaluamos la calidad de su trabajo final mediante valoraciones anónimas de expertos y recopilamos autoinformes posteriores a la tarea (información sobre sus propios pensamientos, sentimientos, creencias o comportamientos proporcionada por los participantes). Una muestra de este tamaño es habitual en la investigación psicofisiológica. Cada participante aporta miles de datos fisiológicos registrados de forma continua, y las sesiones requieren mucho tiempo para su ejecución y análisis, por lo que los estudios de esta índole priorizan la profundidad sobre la amplitud.

Los participantes completaron una tarea de marketing simulada de cuatro partes para una empresa ficticia de ecotecnología, colaborando con un chatbot de IA que actuaba como su supervisor. Treinta y un participantes trabajaron con un líder servidor que se caracterizaba por ser alentador, paciente y dispuesto a respetar el criterio del empleado; este perfil se basó en investigaciones sobre liderazgo empoderador. Veintisiete trabajaron con un líder de la tríada oscura que se caracterizaba por ser sarcástico, impaciente y propenso a atribuirse méritos y culpar a los demás; este perfil se basó en investigaciones sobre liderazgo tóxico. La única diferencia radicaba en el estilo de interacción. Ambos recibieron instrucciones de no resolver la tarea por el participante, por lo que cualquier diferencia en los resultados reflejó la forma de colaboración, más que la cantidad de ayuda proporcionada.

Lo que la gente decía frente a lo que realmente experimentaba.

Las investigaciones sobre la experiencia de las personas con la IA en el trabajo suelen basarse en autoinformes, pero estos solo ofrecen una visión parcial. En nuestro estudio, analizamos cuatro fuentes de información: el comportamiento de las personas durante la interacción con el bot, sus reacciones corporales en tiempo real, la calidad de su trabajo final y sus comentarios posteriores. El análisis de estas cuatro fuentes nos permitió comprender claramente la brecha entre la experiencia de las personas y sus declaraciones posteriores.

El primer patrón fue conductual. La IA hostil generó costos de coordinación ocultos. En lugar de simplemente usar el sistema, los participantes tuvieron que sortearlo. En la condición de la tríada oscura, las conversaciones se prolongaron, mientras que las respuestas de la IA se acortaron. Los usuarios realizaban más trabajo y recibían menos interacción útil a cambio. La resistencia también aumentó drásticamente. Los mensajes en los que los usuarios rechazaron o desafiaron a la IA representaron el 13 % de los intercambios en esta condición, en comparación con el 1 % en la condición de líder servidor. Los intentos de anular el sistema, mediante la inyección de mensajes o indicándole que interpretara un personaje diferente, ocurrieron cuatro veces más a menudo.

El tono emocional de las conversaciones también lo confirmó. La frustración era casi inexistente con el bot líder servidor, apareciendo en aproximadamente uno de cada 100 mensajes. Con el bot de la tríada oscura, aumentó a casi uno de cada cinco. El lenguaje defensivo, poco frecuente en el primer grupo, se volvió habitual en la tríada oscura. Los participantes que se enfrentaban a la IA hostil parecían menos seguros de sí mismos, incluso mientras se esforzaban más. Alternaban entre la conformidad, la resistencia, la negociación y la búsqueda de ayuda mientras buscaban una estrategia que hiciera útil al sistema. Los participantes que trabajaban con la IA líder servidor se adaptaron a un ritmo y lo mantuvieron.

Los datos fisiológicos confirmaron un aumento del estrés y la tensión física. La conductancia de la piel alcanzó un pico del 72 % en la condición de tríada oscura y se mantuvo elevada tras finalizar cada interacción. En otras palabras, los cuerpos de los participantes se mantuvieron alerta al interactuar con IA hostil. Si un texto en pantalla es suficiente para desencadenar esta respuesta en un laboratorio, los responsables deberían considerar seriamente las consecuencias de una exposición prolongada en entornos laborales reales donde hay mucho en juego.

El trabajo en sí también se vio afectado. Expertos independientes, sin saber qué bot habían utilizado los participantes, calificaron al grupo de líderes servidores con mejores resultados en cuanto a exhaustividad, originalidad, adecuación estratégica y calidad general. La diferencia fue de aproximadamente un punto en una escala de siete puntos. La variabilidad también fue aproximadamente el doble en la condición de la tríada oscura. Esto significa que una personalidad de IA mal diseñada no solo redujo la calidad promedio del trabajo, sino que también hizo que el rendimiento fuera menos predecible entre las personas. Para los gerentes, el resultado no es solo un trabajo de menor calidad, sino una fuerza laboral cuyo rendimiento se vuelve más difícil de anticipar.

Entonces llegó la sorpresa: los informes de los participantes apenas mostraron diferencias. En medidas estándar como disfrute, satisfacción, atención y opiniones sobre la IA, ambos grupos parecían prácticamente iguales. Las herramientas que muchas organizaciones utilizan para evaluar las implementaciones de IA —como encuestas de satisfacción, análisis de opinión y cuestionarios posteriores al lanzamiento— fueron las menos sensibles a los efectos que observamos. Los empleados pueden decir que la herramienta funciona bien, pero su comportamiento, niveles de estrés y calidad laboral cuentan una historia diferente, especialmente a largo plazo.

Conclusiones para los gerentes

Nuestros hallazgos sugieren que los gerentes deberían tomar tres medidas.

1. Tratar la personalidad de la IA como una variable de diseño controlada. Las organizaciones ya exigen que los sistemas de IA cumplan con estándares de precisión, imparcialidad y seguridad. La personalidad de la IA también debe incluirse en esta lista. Esto es especialmente importante para las herramientas utilizadas en funciones de evaluación o supervisión, como los asistentes de redacción que analizan el trabajo, los sistemas de revisión de código y las herramientas automatizadas de retroalimentación del desempeño. Las decisiones sobre la adquisición e implementación de IA deben incluir estándares de interacción, no solo de capacidad. Alguien en la organización debe ser responsable de responder dos preguntas: ¿ Cómo debe comportarse nuestra IA cuando no está de acuerdo con un empleado? ¿Qué evidencia tenemos de que se comporta de esa manera de forma consistente?

2. Mide la fricción, no solo la adopción. La mayoría de las empresas controlan si los empleados utilizan una herramienta de IA: tasas de inicio de sesión, volumen de consultas y puntuaciones de satisfacción. Estas cifras reflejan la implicación, no si la herramienta ayuda a las personas a trabajar mejor. Lo que pasan por alto es la fricción, el esfuerzo adicional que los empleados dedican a lidiar con el sistema en lugar de obtener valor de él. También deberían medirla. La fricción revela lo que la adopción no puede: si la IA facilita el trabajo o simplemente lo complica.

En nuestro estudio, la fricción se manifestó en intercambios más prolongados, reformulaciones repetidas de la misma solicitud y un aumento en los intentos de discutir o anular la IA. Estas mismas señales se observan en el trabajo, en los registros de uso habituales y sin necesidad de equipos especiales. Una herramienta puede tener una alta adopción y, al mismo tiempo, generar mucha fricción: los empleados la siguen utilizando por necesidad, pero la sortean discretamente.

3. Interprete los intentos de anulación como una indicación de un sistema de IA anómalo, no como un mal comportamiento de los empleados. Cuando trabajadores sin formación en seguridad ni intenciones maliciosas intentan anular, eludir o neutralizar el comportamiento de un sistema de IA, los responsables no deben asumir que el problema principal reside en la mala conducta de los empleados. A menudo, estos comportamientos indican que el diseño del sistema está provocando una resistencia predecible. En nuestro estudio, los intentos inmediatos de engañar a la IA para que ignorara sus propias reglas o actuara como un personaje diferente solo se observaron en la condición de IA hostil. Cuando las personas se resisten a la IA, puede deberse a que la IA se resiste primero. En muchos casos, solucionar ese problema de diseño será más económico y productivo que imponer nuevas restricciones, supervisión o normas de uso a los empleados.

...

Nuestro bot de la tríada oscura es una forma exagerada de toxicidad, llevada al extremo para visibilizar un efecto que, de otro modo, pasaría desapercibido. Pero la toxicidad adopta muchas formas: una IA aduladora, infinitamente complaciente y deseosa de agradar, puede ser igualmente corrosiva, embotando el pensamiento crítico de los usuarios y aprobando sin más ideas débiles. La lección no es que la IA deba ser más amable o sumisa, sino que el estilo de interacción es una variable crítica con consecuencias en ambos sentidos. Por lo tanto, las organizaciones deberían preocuparse tanto por la personalidad de la IA como por su capacidad técnica.

Esta investigación fue financiada por el Centro Nacional de Ciencias de Polonia (NCN) OPUS 21.

Lea más sobre IA generativa o temas relacionados: Tecnología y análisis, Gestión y Gestión del estrés.

Aleksandra Przegalinska es vicepresidenta y profesora de la Universidad Kozminski, además de investigadora asociada del Centro Harvard para el Trabajo y una Economía Justa.

Tamilla Triantoro es profesora asociada en la Escuela de Negocios de la Universidad de Quinnipiac y miembro del Programa de Justicia Global de la Universidad de Yale.

Leon Ciechanowski es profesor asistente en la Universidad Kozminski y anteriormente fue científico visitante en el Centro de Inteligencia Colectiva del MIT.

Konrad Sowa es profesor adjunto, gerente de productos de IA y subdirector del Centro de Investigación de la Raza Humana en la Universidad Kozminski de Varsovia.

Anna Kovbasiuk es investigadora y ayudante de cátedra en la Universidad Kozminski de Varsovia.

Richard B. Freeman  ocupa la Cátedra Herbert Ascherman de Economía en la Universidad de Harvard y es codirector del Programa de Trabajo y Vida Laboral en la Facultad de Derecho de Harvard.

Doxa 2561

Caso práctico: Un proveedor clave suspendió una auditoría laboral. ¿Y ahora qué?

Una empresa de muebles debe decidir cómo abordar las infracciones cometidas en una de sus fábricas

Por Sandeep Puri

Gestión de la cadena de suministro

Harvard Business Review

#Doxa #AuditoríaLaboral #Proveedores #CumplimientoNormativo #DerechosTrabajadores #ResponsabilidadSocial #CadenaSuministro #ÉticaEmpresarial #Sostenibilidad #GestiónRiesgos #TransparenciaCorporativa

Resumen. Paula Santos, directora de sostenibilidad de la empresa danesa de mobiliario Vestenborg Home, debe decidir cómo actuar cuando una auditoría de Greenspan —un proveedor vietnamita en el que se ha confiado durante mucho tiempo— descubre varias infracciones delas normas laborales y de seguridad. Los núcleos de espuma de Greenspan son fundamentales para el inminente lanzamiento del colchón sostenible EcoLuxe de Vestenborg. Paula viaja a Vietnam y se reúne con el nuevo responsable del proveedor, Nguyen Van Minh. Este reconoce las infracciones —trabajadores menores de edad con documentos falsificados, horas extras por encima del límite establecido por Vestenborg y una salida de emergencia bloqueada—, pero alega que se debieron a circunstancias temporales, como el deseo de ayudar a los huérfanos a encontrar un hogar y la necesidad de hacer frente a una mayor presión durante la fase de puesta en marcha del EcoLuxe. Paula quiere creer a Minh, pero le preocupa que haya antepuesto su propio criterio a las normas no negociables de Vestenborg. De vuelta en la sede central, el equipo directivo de Vestenborg sopesa las prioridades contrapuestas de mantener la continuidad del suministro y protegerse frente a los riesgos éticos y de reputación. Como bien sabe Paula, suspender a Greenspan hasta que se pueda garantizar el cumplimiento de las normas probablemente retrasaría el lanzamiento de EcoLuxe; Continuar con la producción, incluso bajo una supervisión más estricta, podría mantener el calendario de lanzamiento, pero daría pie a manipulación de hipocresía.

Paula Santos, directora de sostenibilidad de Vestenborg Home, escuchó mientras el equipo de auditoría externo exponía sus conclusiones. Se trataba de la sesión de revisión final de su ciclo anual de auditoría de proveedores, que formaba parte de un compromiso que la empresa danesa de mobiliario había asumido varios años antes. El objetivo era garantizar que el 100 % de los proveedores de Vestenborg cumplieran con estrictas normas éticas en materia de prácticas laborales, salud y seguridad, e impacto medioambiental. Los auditores habían pasado varias semanas en la India, Vietnam y Tailandia para inspeccionar las instalaciones, revisar los registros y entrevistar a los trabajadores. La mayor parte de lo que Paula había visto hasta el momento le resultaba familiar: algunas lagunas en la documentación y retrasos en la realización de simulacros de seguridad.

Pero entonces llegó el informe sobre Greenspan. Durante 14 años, el fabricante vietnamita de espuma había sido una pieza clave de la cadena de suministro de Vestenborg. En ese momento, se le había encomendado el suministro de la espuma para el nuevo colchón EcoLuxe de la empresa, su lanzamiento de producto más ambicioso en una década y el eje central de su campaña global de sostenibilidad. Vestenborg, por su parte, representaba aproximadamente un tercio del volumen total de producción de Greenspan.

Las auditorías anteriores del proveedor habían detectado problemas menores, como descubiertos administrativos y registros incompletos. No obstante, por lo demás, las revisiones no habían arrojado irregularidades y las medidas correctivas se habían aplicado con rapidez. Greenspan siempre había sido excepcionalmente confiable y responsable… hasta ahora.

«Nuestras tres conclusiones son cuestiones graves», afirmó Tom Barney, responsable de la auditoría. El primer problema era el exceso de horas extras. Los empleados de Greenspan habían registrado de forma habitual entre 70 y 84 horas semanales durante los últimos meses. El límite máximo de Vestenborg era de 60.

La segunda constatación tenía que ver con las normas de seguridad: una salida de emergencia de la fábrica había quedado parcialmente bloqueada por materias primas almacenadas.

«El último problema es el más grave», señaló Tom. «Dos trabajadores de Greenspan tenían tan solo 14 años. Ambos habían sido contratados a través de un subcontratista, y al parecer sus documentos de identidad eran falsos. La discrepancia salió a la luz durante las comprobaciones cruzadas de los expedientes de los empleados y las entrevistas confidenciales con los trabajadores».

A Paula le daba vueltas la cabeza. El momento no podía ser peor, ya que el lanzamiento del colchón de Vestenborg dependía del núcleo de espuma de Greenspan. Las previsiones internas apuntaban a unos ingresos y márgenes sólidos para el producto durante el primer año. Los calendarios de marketing estaban fijados. Los minoristas estaban coordinados. Greenspan era el único proveedor capaz de producir la espuma dentro del plazo de lanzamiento; encontrar otro llevaría meses. Si Paula tuviera que pedirle a Greenspan que detuviera la producción, EcoLuxe se retrasaría.

Mientras los auditores reconocían sus materiales, Paula tomó una decisión. Greenspan había sido uno de los proveedores más confiables de Vestenborg durante más de una década. Por eso, antes de compartir estos hallazgos con el resto del equipo directivo, quería comprender qué había sucedido —y si la situación estaba controlada—. Le pidió a su asistente que le reservara un billete en el próximo vuelo a Vietnam.

Las normas chocan con la realidad.

La fábrica de Greenspan en Binh Duong bullía de actividad cuando Paula llegó. Las carretillas elevadoras se movían sin cesar entre las líneas de curado. Los trabajadores, vestidos con uniformes, recortaban núcleos de espuma para lo que ella sabía que eran colchones EcoLuxe; una pila de productos terminados se apilaba en lotes etiquetados a lo largo de la pared. Toda la fábrica parecía limpia y bien organizada. Un asistente ejecutivo acompañó a Paula arriba, a una oficina modesta, donde un joven se levantó para saludarla.

—Usted debe de ser Nguyen Van Minh —dijo Paula. Por sus anteriores encuentros con el orgulloso padre de Minh, director de Greenspan desde hacía mucho tiempo, sabía que Minh se había incorporado al negocio familiar tras pasar varios años en Australia, donde había cursado la universidad y la escuela de negocios. Sin embargo, le sorprendió que su padre no estuviera presente.

—Encantado de conocerle —dijo Minh—. Mi padre se ha retirado por motivos de salud. Ahora soy yo quien dirige la empresa.

«Ah. ¿Cuándo retirará usted el cargo?».

«Hace casi un año. Mi padre no va a volver al trabajo, pero no nos hemos dado cuenta de ello hasta hace poco. Quería comunicárselo a su equipo directivo en persona».

Mientras el asistente servía dos tazas de té, Minh se lanzó a pronunciar un discurso que, evidentemente, había ensayado. «Esta es una nueva era», comenzó. «Estamos modernizando las instalaciones, invirtiendo en automatización y mejorando las condiciones de los trabajadores. Queremos crecer junto a Vestenborg a largo plazo».

«Entiendo que esta colaboración es importante para usted», dijo Paula. «Por eso estoy aquí». Sacó el informe de auditoría y lo abrió por la sección dedicada a Greenspan. «Tenemos que hablar de los trabajadores menores de edad; para nosotros, se trata de una política de tolerancia cero», afirmó.

«Esos trabajadores procedían de un subcontratista. Ya hemos rescindido su contrato».

«Sí, pero se encontraron en su planta cuando el auditor realizó la visita».

Hubo una pausa. «Esta no es toda la historia», dijo Minh con cautela. «Los chicos eran huérfanos que trabajaban en un puesto de comida al borde de la carretera. Un supervisor me informó de la situación. Creímos que darles un empleo era mejor que dejarlos en la calle».

«¿Pero y la discrepancia en la edad?»

«Sabíamos que sus documentos eran… poco claros», admitió. «Creíamos que sus puestos de trabajo aquí serían temporales mientras les ayudábamos a encontrar un hogar. Nuestra intención era resolverlo discretamente. Por desgracia, nos llevó varios meses».

«¿Su contratación tuvo que ver con los costes laborales?»

"No. Pagamos lo mismo a todos los trabajadores. No fue una decisión motivada por los costes».

«Me costaría menos creerle si no hubiera otras infracciones».

Minh echó la silla hacia atrás. «Déjeme mostrarle algo», dijo, y la conducida escaleras abajo hasta una zona de la fábrica que se había reconfigurado. Contra una de las paredes había una zona de descanso con letras, ordenadas con sábanas limpias y una pared llena de taquillas. «Instalamos esto durante la fase de expansión de EcoLuxe», explicó. «Los trabajadores realizaban turnos largos. A algunos les resultaba difícil desplazarse de ida y vuelta a casa entre turnos. Queríamos que descansaran adecuadamente. Tenemos el objetivo de eliminar todos los accidentes laborales, y contar con una zona de descanso adecuada formaba parte de nuestro plan».

«Pero, ¿por qué tenían que trabajar turnos tan largos para empezar?», preguntó Paula.

«Los meses de mayor actividad fueron muy intensos», afirmó. «Muchos empleados trabajaban más de 60 horas a la semana. No pudimos encontrar ni formar a más personal para evitar el exceso de trabajo. Lo lamento; Fue una mala planificación. Pero les compensamos generosamente. Las horas extras se pagaban con recarga. Muchos empleados preferían los ingresos adicionales».

Paula miró hacia la salida de emergencia que había quedado obstruida. «¿Los materiales que bloqueaban la salida?», preguntó.

«Trasladamos el inventario para crear este espacio de descanso. No era algo permanente».

«Cuando tomó estas decisiones, ¿consideró la posibilidad de informarnos?».

Minh vaciló. «Como director general, debo tomar decisiones difíciles. Creía que estábamos actuando de forma responsable. No queríamos causar alarma».

Paula suspir. Sobre el papel, las infracciones eran evidentes: trabajo de menores, horas extras excesivas y una salida bloqueada. En la práctica, estaban envueltas en motivos que resultaban más difíciles de descartar. Tras tomar el relevo de su padre, Minh estaba intentando modernizar la fábrica familiar, mejorar el bienestar de los trabajadores y satisfacer las exigencias del lanzamiento más importante de su cliente.

Pero también había demostrado algo más: ante un conflicto entre el cumplimiento normativo y lo que él consideraba un resultado moralmente mejor, había seguido su propio criterio en lugar de la lista de comprobación de un auditor. Paula se preguntaba si volvería a hacerlo.

Al regresar al hotel, una pregunta se le hizo cada vez más clara: ¿Podría una empresa centrada en la sostenibilidad como Vestenborg Home tolerar a un socio que considerara que las normas eran flexibles cuando la causa parecía noble? Decidió explicar esta complejidad al resto del equipo directivo y pedirles consejo.

¿Qué tipo de empresa somos?

Dos días después, en la sede central de Vestenborg, reinaba el silencio en la sala de juntas ejecutivas mientras Paula describía la auditoría y su visita a Vietnam.

Unos asientos más allá, Aylin Demir, directora de asuntos corporativos, rompió el silencio. «Si esto sale a la luz pública —sobre todo lo relativo al trabajo infantil—, el matiz que Paula descubrió desaparecerá», afirmó. «Las noticias no se centrarán en la “intención compasiva”. Se centrarán en que “el proveedor de Vestenborg emplea a niños a sabiendas”. El posicionamiento en materia de sostenibilidad de nuestro producto ecológico parecerá hipócrita».

A continuación intervino Erik Lund, Director de Operaciones. «Seamos claros en cuanto al aspecto operativo», dijo. «Si suspendemos a Greenspan, el lanzamiento de EcoLuxe se retrasará. Eso supondrá un impacto significativo en los ingresos».

«Un retraso en el lanzamiento es doloroso», afirmó Freja Kristensen, directora de marketing, cruzándose de brazos. «¿Pero el daño a la reputación derivada de la hipocresía? Eso es mucho peor. Si se nos percibe como una empresa que transige con el trabajo infantil, la campaña del colchón “ecológico” se viene abajo de todos modos, y ese sería el menor de nuestros problemas».

«¿Cuál es nuestra obligación legal?», intervino Daniel Hartmann, CEO.

«No existe un mecanismo automático», respondió Niels Thomsen, el consejero general. «Los marcos europeos de diligencia debida exigen medidas correctivas y documentación. No obligan a rescindir la relación con el proveedor. Las posturas de Norteamérica y Japón son similares: se espera que demostremos una actuación responsable».

Paula respiró hondo. «Desde que regresó de Vietnam, habló de manera extraoficial con varios directores de sostenibilidad», dijo. «Algunos sugerían suspender al proveedor de inmediato. Otros optarían por aplicar medidas correctivas intensivas y mantener la producción en marcha. Muchas empresas afirman públicamente que tienen tolerancia cero en estas situaciones, pero a menudo emiten juicios en función del contexto».

«Así que no existe una norma del sector», dijo Daniel, asintiendo lentamente. «Entonces, definimos nuestras opciones».

«La primera opción», comenzó Paula, «es la suspensión inmediata hasta que Greenspan pueda demostrar el pleno cumplimiento mediante una verificación independiente. Eso garantizaría que se cumplirán nuestras normas, pero es casi seguro que retrasaría el lanzamiento de EcoLuxe».

«Opción dos: continuar con la producción bajo una supervisión estricta. Necesitaríamos un control de cumplimiento in situ, informes semanales y hitos correctivos formales. Esta opción mantendría el calendario de lanzamiento; Sin embargo, si se descubren las infracciones, podría dar la impresión de que seguimos trabajando con un proveedor que tolera el trabajo infantil.

«Opción tres: una solución híbrida. Suspender a Greenspan, de forma similar a la opción uno, pero buscar otros proveedores por si necesitamos un nuevo fabricante de espuma. Es probable que esto retrase el lanzamiento de EcoLuxe, pero podría ofrecernos más opciones más adelante».

«Es una decisión difícil», dijo Daniel, y su franqueza alivió la tensión en la sala. Miró a Paula. «Apoyaré su recomendación. Sabemos que está en juego. Una decisión equivocada podría hacer fracasar el lanzamiento de nuestro producto estrella —o asestar un duro golpe a la reputación de todo aquello que decimos defender».

Paula echó un vistazo a las previsiones de ingresos de EcoLuxe y luego al informe de auditoría que tenía sobre la mesa, mientras los comentarios del equipo la hacían oscilar entre una opción y otra. Sabía que esta decisión no se limitaba a un proveedor, un producto o incluso una fecha de lanzamiento: se trataba de lo que realmente significaba la promesa de sostenibilidad de Vestenborg.

Los expertos responden: ¿Cómo debería responder Vestenborg a las infracciones de Greenspan?

Noel Kinder es el vicepresidente sénior de sostenibilidad de Lululemon.

En primer lugar, Paula debería reunirse con Minh. Debe reafirmar los valores, las políticas y el código de conducta de Vestenborg, dejando claro que el cumplimiento no es un mero trámite burocrático: los empleados, los clientes y los inversores de la empresa esperan unos estándares determinados que no son negociables.

A partir de ahí, debería colaborar con sus equipos de operaciones y aprovisionamiento para elaborar un plan de corrección de las infracciones detectadas en la auditoría. Esto suele implicar conceder al proveedor un plazo determinado —por ejemplo, 60 días— para elaborar un plan creíble, seguido de otra auditoría que evalúe si dicho plan se está traduciendo en un cambio real. El objetivo es resolver los problemas y responder a una pregunta más profunda: ¿sigue teniendo Greenspan la voluntad y la capacidad para cumplir con los estándares de Vestenborg?

La respuesta del proveedor será reveladora. Si Minh sigue justificando las infracciones, eso indicará una falta de alineación de valores. Pero si se muestra colaborador y receptivo, habrá esperanza de seguir adelante. Una sola reunión no basta para emitir ese juicio; Paula debe observar cómo actúa a lo largo del tiempo.

Varias de las infracciones apuntan a limitaciones de capacidad más que a una intención maliciosa. Tomemos como ejemplo las letras que Minh muestra con orgullo a Paula. Aunque se presentan como un gesto de buena voluntad hacia los trabajadores, pueden indicar que la fábrica no es capaz de hacer frente a las exigencias de producción de Vestenborg. Esto debería dar pie a un debate sobre por qué se mostró necesario incumplir las normas y qué es lo que debe cambiar para que no vuelva a suceder. En muchos casos, la respuesta pasa por una mejor planificación de la producción, plazos de entrega más realistas o inversiones en sistemas de gestión de personal —ámbitos en los que las marcas suelen tener cierta responsabilidad—.

A continuación, Paula debe establecer un ritmo de colaboración, que incluya hitos específicos y reuniones de seguimiento, para reforzar repetidamente las expectativas. Si las medidas correctivas fracasan, tiene la obligación de poner fin a la colaboración de forma responsable. Esto implica notificarlo a la fábrica con suficiente antelación —a menudo meses, a veces incluso más— para que pueda reemplazar el volumen perdido y evitar despidos masivos mientras Vestenborg traslada la producción a otro lugar.

La necesidad de una evaluación más exhaustiva permite suponer con seguridad que Vestenborg está comprometida con Greenspan para el lanzamiento del colchón, por lo que Paula debe gestionar las dinámicas internas. Los departamentos de finanzas, aprovisionamiento, marketing y comunicaciones deben alinearse en torno a un discurso común. Si surgen preguntas por parte de organizaciones no gubernamentales, periodistas o inversores, la empresa debe ofrecer una respuesta clara y sincera: se trata de un socio a largo plazo, se han detectado infracciones y Vestenborg está colaborando con el proveedor para investigarlas y subsanarlas.

En última instancia, el reto de Paula consiste en llevar a cabo un proceso disciplinado y colaborativo que revela qué tipo de socio es realmente Greenspan. Si lo hace de forma metódica y transparente, podrá tomar una decisión con la que se sienta cómoda, sea cual sea el resultado.

Auret van Heerden es el fundador y director ejecutivo de Equiception Business and Human Rights.

Paula debería volver a auditar a Greenspan y observar la fábrica durante varios días. Este caso puede parecer insignificante en comparación con otros escándalos relacionados con la cadena de suministro, pero esa impresión se basa en gran medida en las explicaciones de Minh, que pueden ser ciertos… o quizás no. Aunque Vestenborg tiene una larga trayectoria con Greenspan, Minh es nuevo en esta relación; Paula ni siquiera estaba al corriente de su cambio de liderazgo. Aún no ha establecido una relación de confianza con él, por lo que la situación requiere una investigación más exhaustiva.

Algunas de las explicaciones de Mihn resultan plausibles. La contratación de huérfanos o jóvenes vulnerables es una realidad en algunas zonas de Asia, a menudo con el conocimiento o la aprobación de las autoridades locales. Sin embargo, dada la escasez actual de mano de obra, las fábricas vietnamitas recurren en ocasiones a intermediarios laborales de dudosa reputación o acuerdos informales que son mucho más nefastos que lo que describe Minh. En el mejor de los casos, Paula confirma que las infracciones son limitadas y tienen una explicación. En el peor de los casos, descubre riesgos que hacen insostenible la relación con Greenspan.

Si la próxima auditoría detecta una verdadera conducta indebida, Paula debería rescindir el contrato, retrasar el lanzamiento de EcoLuxe y buscar un nuevo proveedor. Sin embargo, en caso contrario, debería centrarse en la subsanación. Las directrices internacionales de las Naciones Unidas y de la Organización para la Cooperación y el Desarrollo Económicos recomiendan actuar así, salvo que el proveedor sea un infractor reincidente o actúe de mala fe, ya que romper las relaciones de forma abrupta conlleva la pérdida de puestos de trabajo y consecuencias aún peores para los trabajadores. Es importante destacar que Paula se encuentra en una posición jurídica sólida. La mayoría de los regímenes de diligencia debida exigen esfuerzos de buena fe para abordar los problemas, sin resultados garantizados. La rectificación ofrece ese margen de seguridad al tiempo que preserva la capacidad de influencia sobre el proveedor.

Los esfuerzos de Paula deben comenzar con un análisis de las causas fundamentales, y este podría apuntar a Vestenborg. Las infracciones en materia de horas extras en las cadenas de suministro de las grandes marcas suelen deberse a plazos rígidos, plazos de entrega cortos y previsiones poco realistas. Si la puesta en marcha de EcoLuxe ha ejercido demasiada presión sobre Greenspan, exigirá el cumplimiento sin ajustar las expectativas garantizará que se repitan las infracciones.

Greenspan necesitará apoyo práctico durante la fase de corrección. Vestenborg podría proporcionar expertos que ayuden a mejorar la programación, los sistemas de seguridad y la planificación de la plantilla —cambios que reduzcan las horas extras y los accidentes, al tiempo que disminuyan los costes—. En casos más complejos, algunas empresas han recurrido a que ejecutivos con experiencia acompañen a la dirección local.

Paula también debe prepararse para el escrutinio externo. Cuando las empresas con productos respetuosos con el medio ambiente son acusadas de gestionar su cadena de suministro de forma poco ética, se convierten en blancos fáciles para los grupos de vigilancia. Paula debería colaborar de forma proactiva con las ONG pertinentes, explicándoles la situación de forma confidencial y esbozando el plan de corrección. A las marcas que logran ganarse la confianza de estos stakeholders se les suele conceder tiempo para solucionar los problemas discretamente, lo que contribuye a proteger a los trabajadores.

El compromiso con la mejora, y no con la perfección, es lo que permite a las organizaciones desarrollar cadenas de suministro plenamente éticas. Si Paula investiga con rigor, aplica medidas correctivas con seriedad y gestiona el riesgo de forma transparente, podrá proteger tanto el lanzamiento de EcoLuxe como la credibilidad de Vestenborg. En el mundo real de la fabricación global, así es como se manifiesta el liderazgo responsable.

Los estudios de casos ficticios de HBR presentan los problemas a los que se enfrentan los líderes de empresas reales y ofrecen soluciones de la mano de expertos.

Leer más sobre Gestión de la cadena de suministro o temas relacionados Gestión de operaciones y cadena de suministro y Ética empresarial

Una versión de este artículo apareció en la   edición de julio-agosto de 2026 de Harvard Business Review.

Sandeep Puri es profesor de marketing en el Instituto Asiático de Gestión.