Doxa 2500s

 Doxa 2.500 ...


Próxima Meta 2.600 y 500 K

¿Por qué los líderes eficaces son tachados de problemáticos?
#Doxa #Liderazgo #Disrupción #Innovación #Resistencia #Cambio #Autenticidad #Desafío #Transformación #Visión #Coraje

Las compras algorítmicas ya están aquí. ¿Está preparada su empresa?
#Doxa #ComprasAlgoritmicas #InteligenciaArtificial #TransformacionDigital #Automatizacion #Procurement #CadenaDeSuministro #InnovacionEmpresarial #AnaliticaDeDatos #EficienciaOperativa #EstrategiaEmpresarial

Investigación: Cómo el trabajo remoto está limitando las oportunidades para los jóvenes profesionales al inicio de su carrera
Las empresas están menos dispuestas a arriesgarse con candidatos novatos, lo que reduce las oportunidades para la próxima generación
#Doxa #TrabajoRemoto #JovenesProfesionales #PrimerEmpleo #Teletrabajo #InsercionLaboral #EmpleoJuvenil #OportunidadesLaborales #TalentoJunior #MercadoLaboral #DesarrolloProfesional

4 trampas ocultas de la dinámica de equipo
#Doxa #Comunicación #Confianza #Liderazgo #Roles #Conflictos #Motivación #Transparencia #Cohesión #Feedback #Sinergia

¿Cuánto tiempo dedican sus empleados a supervisar bots?
#Doxa #Automatización #Supervisión #Bots #Empleados #Tiempo #Eficiencia #Productividad #InteligenciaArtificial #RPA #Tecnología

Investigación: Cómo los agentes de IA amplían el alcance del trabajo del conocimiento
Las mejoras en la eficiencia son solo una parte de la historia
#AccionClimatica #Sostenibilidad #CeroEmisiones #TransicionEcologica #CambioClimatico #AmbicionClimatica #FuturoVerde #EnergiasRenovables #InnovacionSostenible #CompromisoAmbiental

Investigación: Cómo los agentes de IA amplían el alcance del trabajo del conocimiento
Las mejoras en la eficiencia son solo una parte de la historia
#Doxa #AgentesIA #TrabajoDelConocimiento #InteligenciaArtificial #ColaboraciónCognitiva #InnovaciónDisruptiva #TransformaciónDigital #ProductividadEstratégica #InvestigaciónAplicada #FuturoDelTrabajo #Tecnología

Tres preguntas para poner a prueba sus prioridades
#Doxa #Prioridades #TomaDeDecisiones #Estrategia #Autoevaluación #GestiónDelTiempo #ObjetivosClave #Enfoque #Liderazgo #Reflexión #Alineación

No permitas que la IA empeore los malos análisis
Las empresas necesitan disciplina para evitar que los análisis erróneos se generalicen
#Doxa #InteligenciaArtificial #AnálisisErróneos #DisciplinaEmpresarial #GobernanzaDeDatos #TomaDeDecisiones #CalidadDeDatos #SesgoCognitivo #ValidaciónDeModelos #RiesgoEmpresarial #PensamientoCrítico

El trabajo invisible que agota a tus mejores empleados
Aliviar la carga mental que soportan sus empleados no se trata tanto de reducir el trabajo en sí, sino de rediseñar cómo se estructura y distribuye
#Doxa #TrabajoInvisible #CargaMental #BurnoutLaboral #RediseñoDelTrabajo #DistribuciónDeTareas #BienestarLaboral #GestiónDelTalento #EstructuraOrganizacional #ProductividadSostenible #LiderazgoConsciente

Investigación: Por qué algunos empleados jóvenes se desenvuelven bien con la IA y otros no
Un nuevo estudio reveló que habilidades fundamentales como el pensamiento crítico, la alfabetización en IA y el conocimiento del sector no eran indicadores claros de éxito
#IA #empleadosjóvenes #pensamientocrítico #alfabetizaciónIA #conocimientosectorial #adaptabilidadtecnológica #habilidadesdigitales #productividadlaboral #competenciasprofesionales #transformacióndigital

Modela la transformación que esperas de tus empleados
#Liderazgo #Ejemplo #Coherencia #Valores #Comportamiento #Inspiración #Cultura #Integridad #Compromiso #Actitud

Cuando los empleados son responsables de las decisiones generadas por la IA
Las investigaciones revelan que los trabajadores interpretan, modifican y enmascaran activamente las decisiones de la IA para proteger su credibilidad y satisfacer las expectativas de las partes interesadas
#Doxa #IA #Responsabilidad #Empleados #Decisiones #Credibilidad #PartesInteresadas #Interpretación #Modificación #Enmascaramiento #Trabajadores

La IA responsable se está convirtiendo en una estrategia de crecimiento
Un manual para convertir la buena gobernanza en una ventaja competitiva
#Doxa #IAResponsable #Gobernanza #VentajaCompetitiva #Estrategia #Crecimiento #Ética #Innovación #Confianza #Sostenibilidad #Liderazgo

Diseñar sistemas de IA que realmente fortalezcan el razonamiento humano
#Doxa #Cognición #Sinergia #Metacognición #Razonamiento #Transparencia #Ética #Colaboración #Neurociencia #Empoderamiento #Análisis

Cómo colaboran los equipos globales altamente eficaces entre culturas
Siete elementos determinan la eficacia con la que los equipos trabajan en diferentes zonas horarias, idiomas y normas culturales
#Doxa #Colaboración #Cultura #ZonasHorarias #Idiomas #Normas #EquiposGlobales #Eficacia #Comunicación #Diversidad #TrabajoRemoto

4 trampas ocultas de la dinámica de equipo
#Doxa #DinamicaDeEquipo #TrampasOcultas #Liderazgo #CulturaOrganizacional #Comunicacion #GestionDeConflictos #TrabajoEnEquipo #PsicologiaLaboral #CohesionDeEquipo #Productividad

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
#Doxa #InteligenciaArtificial #DeudaDeMarca #GestionDeMarca #ReputacionCorporativa #EstrategiaDeMarca #IdentidadDeMarca #MarketingDigital #InnovacionResponsable #ProteccionDeMarca #TransformacionDigital

¿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
#Doxa #Reclutamiento #Contratación #TiempoDeRespuesta #Candidatos #RecursosHumanos #SelecciónDePersonal #Eficiencia #ProcesoDeContratación #ComunicaciónLaboral #EvaluaciónDeCandidatos

Las empresas estadounidenses y japonesas se enfrentan a diferentes dificultades en la adopción de la IA y ofrecen diferentes lecciones para lograr que funcione
#AdopciónDeIA #EmpresasEstadounidenses #EmpresasJaponesas #DesafíosTecnológicos #CulturaCorporativa #ImplementaciónDeIA #LeccionesDeNegocios #TransformaciónDigital #InnovaciónGlobal #EstrategiaDeIA

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.
#Doxa #InteligenciaArtificial #CriteriosESG #ModelosDeLenguaje #Sostenibilidad #Rentabilidad #LLM #AnálisisDeSostenibilidad #ImpactoESG #EficienciaOperativa #InnovaciónTecnológica

Los grandes líderes saben qué emociones provocará su retroalimentación
Diferentes empleados pueden reaccionar de manera distinta ante el mismo tipo de retroalimentación. Estas seis técnicas pueden asegurar que tu mensaje llegue de la forma correcta
#Doxa #Liderazgo #Retroalimentación #Emociones #Empleados #Comunicación #Feedback #Gestión #Empatía #Técnicas #Mensaje

Lo que revelan 60 años de datos sobre cómo hombres y mujeres experimentan el liderazgo
Las actitudes hacia las mujeres en puestos de liderazgo han mejorado desde 1965. Sin embargo, todavía existen grandes diferencias en la forma en que hombres y mujeres perciben la evaluación, los estándares y las oportunidades en la actualidad
#Doxa #Liderazgo #MujeresLideres #BrechaDeGenero #EquidadDeGenero #EvaluacionLaboral #OportunidadesProfesionales #Estándares #Datos #Actitudes #DesarrolloProfesional

El servicio de oficina que realmente mejora el trabajo en equipo
#Doxa #TrabajoEnEquipo #ServiciosDeOficina #Colaboración #Productividad #EspaciosDeTrabajo #OficinaModerna #TeamBuilding #GestiónEquipos #AmbienteLaboral #OficinaColaborativa

Cuando las Empresas de una Cadena de Suministro Operan con Plazos Dispares
Los sectores están cada vez más divididos en cuanto a la velocidad de sus operaciones. Las empresas que rediseñen su forma de colaborar en diferentes horizontes temporales obtendrán una ventaja competitiva duradera
#Doxa #CadenaDeSuministro #PlazosDispares #VelocidadOperativa #ColaboraciónEmpresarial #VentajaCompetitiva #HorizontesTemporales #RediseñoOperativo #SectoresIndustriales #EficienciaLogística #GestiónTemporal

Justifique económicamente su iniciativa de sostenibilidad
Los responsables de sostenibilidad deben hablar de flujo de caja, riesgo y rentabilidad
#Doxa #Sostenibilidad #FlujoDeCaja #Rentabilidad #RiesgoEmpresarial #FinanzasVerdes #ROI #OPEX #GreenBonds #MitigaciónDeRiesgos #ValorParaElAccionista #EconomíaCircular #CostoDeCapital #ESG #EficienciaOperativa #VentajaCompetitiva

La IA está cambiando la forma en que los clientes eligen su negocio
#Doxa #InteligenciaArtificial #ExperienciaDelCliente #Personalización #ComportamientoDelConsumidor #TomaDeDecisiones #Chatbots #Datos #Automatización #Recomendaciones #MarketingDigital

La gestión del rendimiento necesita nuevas métricas en la era de la IA
Cómo las organizaciones pueden evaluar las contribuciones de los empleados, los sistemas de IA y su producción combinada
#Doxa #GestiónDelRendimiento #InteligenciaArtificial #MétricasDigitales #EvaluaciónEmpleados #SistemasIA #ProductividadCombinada #TransformaciónDigital #CapitalHumano #Automatización #InnovaciónOrganizacional

Recuperemos la gestión orientada al valor
Ante el aumento de los costes de capital, las empresas necesitan una forma disciplinada de asignar recursos sin descuidar sus compromisos con los empleados, los clientes y el medio ambiente. Aquí te mostramos cómo encontrar ese equilibrio
#Doxa #valor #gestión #capital #recursos #disciplina #empleados #clientes #medioambiente #equilibrio #compromiso

Argumentos a favor de una gestión centrada en el rendimiento
#Doxa #Productividad #Eficiencia #Meritocracia #Rentabilidad #Desempeno #Optimizacion #Motivacion #Resultados #Competitividad #Evaluacion

El fin de las agencias federales independientes cambiará su negocio
#Doxa #AgenciasIndependientes #AgenciasFederales #Regulacion #ImpactoEmpresarial #PoliticaGubernamental #ReformaEstatal #Desregulacion #EntornoComercial #Gobierno #Negocios

Adapta tu estrategia digital para llegar a todos los clientes
#Doxa #EstrategiaDigital #MarketingDigital #Segmentación #Alcance #Audiencia #Omnicanalidad #Personalización #TransformaciónDigital #Clientes #Adaptación

Cómo lograr que la IA revele tu marca
Concéntrese en facilitar la comparación, la verificación y la conexión de los beneficios del producto con los problemas de los clientes
#Doxa #Marca #IA #Comparación #Verificación #Conexión #Beneficios #Problemas #Posicionamiento #Confianza #Valor

Los grandes líderes cuestionan los supuestos filosóficos
#Doxa #Liderazgo #PensamientoCritico #Filosofia #GrandesLideres #Cuestionamiento #Paradigmas #Innovacion #VisionEstrategica #PensamientoDisruptivo #SupuestosFilosoficos

La adopción de la IA está sobrecargando a sus gerentes Intermedios
#Doxa #InteligenciaArtificial #GerentesIntermedios #AdopcionDeIA #SobrecargaLaboral #GestionDelCambio #Liderazgo #TransformacionDigital #EstresLaboral #GestionDeEquipos #FuturoDelTrabajo

Enséñale a tu IA cómo tomas decisiones
#Decisiones #IA #Aprendizaje #Proceso #Pensamiento #Análisis #Evaluación #Opciones #Criterios #Lógica

Los fundadores de startups necesitan un nuevo manual de ventas
#Doxa #startups #fundadores #ventas #manual #estrategia #crecimiento #B2B #emprendimiento #negocios #comercial

¿Tu IA tiene un problema de personalidad?
#Doxa #IA #asistente #personalidad #respeto #honestidad #utilidad #conversación #ayuda #comunicación #tecnología

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

El fin del capital barato
#Doxa #FinDelCapitalBarato #TasasDeInterés #Inflación #PolíticaMonetaria #CostoDeCapital #FinanzasCorporativas #Inversiones #MercadosFinancieros #EconomíaGlobal #EstrategiaEmpresarial

Nuestros consejos favoritos de gestión para la toma de decisiones
Una lista seleccionada de uno de los boletines informativos más populares de HBR
#Doxa #GestiónEmpresarial #TomaDeDecisiones #Liderazgo #HarvardBusinessReview #Estrategia #GestiónEfectiva #DecisionesEstratégicas #ConsejosDeGestión #HBR #ManagementAdvice

Cómo diseñar sistemas agenciales en torno a las reglas implícitas que rigen su empresa
Las empresas que ganen utilizarán el despliegue de agentes como una radiografía y rediseñarán sus organizaciones en función de lo que descubran
#AgentesAI #ReglasImplícitas #DiseñoOrganizacional #TransformaciónDigital #InteligenciaArtificial #AutomatizaciónEmpresarial #CulturaCorporativa #EficienciaOperativa #InnovaciónEstratégica #GestiónDelCambio #ArquitecturaDeSistemas #TomaDeDecisiones #OptimizaciónDeProcesos #FuturoDelTrabajo #LiderazgoAdaptativo

Los equipos más potentes de agentes de IA se crearán utilizando diferentes modelos
#Doxa #IA #AgentesIA #ModelosIA #InteligenciaArtificial #Tecnología #Innovación #Automatización #MachineLearning #DeepLearning #Algoritmos #DesarrolloIA #SistemasInteligentes #Computación #Digital #Futuro

Dar el salto de líder corporativo a CEO respaldado por capital privado
No todo el mundo puede afrontar la transición. Esto es lo que realmente se necesita para tener éxito
#Doxa #CEO #CapitalPrivado #LiderazgoCorporativo #TransiciónEjecutiva #GestiónEmpresarial #EstrategiaNegocios #DesempeñoFinanciero #CrecimientoValor #HabilidadesDirectivas #TomaDecisiones #GobiernoCorporativo #TransformaciónOrganizacional #ResultadosOperativos #VisiónEstratégica #ÉxitoProfesional

Por qué triunfan las mejores experiencias inmersivas
Invitan a una participación profunda al responder preguntas clave que la gente se plantea
#inmersión #experiencia #participación #profunda #preguntas #clave #éxito #conexión #emocional #tecnología #narrativa #usuario #interacción #memorable #transformación

No permita que la IA complique los procesos de su empresa
Cuatro pasos que los líderes pueden seguir para proteger uno de sus activos más valiosos: el conocimiento organizacional
#Doxa #IA #conocimientoorganizacional #liderazgo #procesos #activos #protección #gestión #innovación #eficiencia #estrategia #tecnología #datos #equipos #transformación #futuro

Cómo la IA de última generación está transformando las decisiones de compra B2B
#Doxa #IAenB2B #InteligenciaArtificial #VentasB2B #TomaDeDecisiones #TransformacionDigital #MachineLearning #AutomatizacionB2B #ExperienciaDeCompra #AnalisisPredictivo #EstrategiaB2B #ComercioElectronicoB2B #DatosB2B #InnovacionTecnologica #MarketingB2B #FuturoDelComercio

Para prosperar junto con la IA, concéntrese en la mentalidad, no en las habilidades
Muchos líderes se están haciendo la pregunta equivocada cuando se trata de la adopción de la IA
#Doxa #IA #InteligenciaArtificial #Mentalidad #Liderazgo #Innovación #AdopciónTecnológica #TransformaciónDigital #Estrategia #FuturoDelTrabajo #Mindset #Tecnología #CambioCultural #VisiónEmpresarial #AprendizajeContinuo #LiderazgoDigital

En qué se equivocan las empresas respecto a los derechos de decisión
Cuatro errores comunes y cómo evitarlos
#Doxa #derechosdecisión #empresas #errorescomunes #tomadecisiones #liderazgo #organización #jerarquía #autonomía #responsabilidad #poder #delegación #culturaorganizacional #eficiencia #burocracia #gobernanza

Cómo se están transformando los roles de la alta dirección y los consejos de administración en torno a la IA
#Doxa #InteligenciaArtificial #TransformaciónDigital #GobiernoCorporativo #AltaDirección #ConsejoDeAdministración #LiderazgoDigital #EstrategiaIA #InnovaciónEmpresarial #TomaDeDecisiones #ÉticaEnIA #CompetenciasDigitales #GestiónDelCambio #VisiónEstratégica #SupervisiónTecnológica #FuturoDelTrabajo

Cuando el propósito resulta contraproducente
Una nueva investigación revela que los empleados que sienten que se les impide tener un impacto son más propensos a retirarse y a renunciar
#Doxa #PropósitoLaboral #RenunciaSilenciosa #QuietQuitting #DesmotivaciónLaboral #RotaciónDePersonal #ClimaLaboral #BienestarLaboral #GestiónDeTalento #Liderazgo #CompromisoLaboral #ImpactoLaboral #FrustraciónLaboral #RetenciónDeTalento #CulturaOrganizacional #SaludMentalLaboral

La IA está reescribiendo la economía de la subcontratación
#Doxa #inteligenciaartificial #subcontratación #economíadigital #automatización #transformacióndigital #outsourcing #innovación #productividad #tecnología #futurodeltrabajo #IA #disrupción #eficiencia #cadenasdevalor #competitividad

Qué implica la fragmentación de la economía digital para la competencia global
Un nuevo índice que abarca 125 países revela dónde está creciendo la innovación y dónde se está estancando
#Doxa #economíadigital #fragmentación #competenciaglobal #innovación #tecnología #geopolítica #comercioelectrónico #soberaníadatos #brechadigital #regulación #startups #productividad #inversión #desarrollo #futuro

Cómo las empresas chinas están salvando a las marcas occidentales
Las empresas de los mercados emergentes están reescribiendo las reglas de la competencia global
#Doxa #China #MarcasOccidentales #MercadosEmergentes #NegociosGlobales #CompetenciaGlobal #EconomíaChina #EstrategiaEmpresarial #ComercioInternacional #InversiónExtranjera #TransformaciónDigital #CadenaDeSuministro #Geopolítica #Business #Globalización #TendenciasDeMercado

El sistema de captación de talento para la investigación en Estados Unidos está en crisis
Los investigadores que se forman en Estados Unidos están considerando trabajar en otros países. Así es como deberían responder las empresas estadounidenses
#Doxa #Investigación #Talento #EEUU #Crisis #Ciencia #Innovación #Retención #Empresas #FugaDeCerebros #Desarrollo #I+D #Competitividad #Empleo #Tecnología #Estrategia

La inminente crisis de capacidades de las grandes tecnológicas
#Doxa #IA #BigTech #CapacidadComputacional #CrisisEnergética #Semiconductores #DataCenters #Escalabilidad #Innovación #InfraestructuraCloud #Sostenibilidad #Hardware #Algoritmos #DemandaDigital #CuelloDeBotella #Tecnología

Cómo los entrenadores de deportes de élite toman decisiones bajo presión
Lo que hacen antes, durante y después de tomar decisiones importantes
#Doxa #estrategia #presión #liderazgo #análisis #intuición #experiencia #calma #adaptabilidad #comunicación #enfoque #resiliencia #preparación #ejecución #evaluación #élite

Convierta la normativa sobre privacidad en una ventaja competitiva
#Doxa #Privacidad #VentajaCompetitiva #Confianza #GDPR #ProtecciónDatos #Ciberseguridad #Cumplimiento #Transparencia #Lealtad #Marca #Innovación #Ética #RGPD #Seguridad #Diferenciación

Las empresas están utilizando la inteligencia artificial para mejorar la eficiencia. Deberían utilizarla para crecer
#Doxa #InteligenciaArtificial #IAempresarial #TransformaciónDigital #EficienciaOperativa #CrecimientoEmpresarial #AutomatizaciónInteligente #InnovaciónTecnológica #EstrategiaDigital #ProductividadEmpresarial #IAparanegocios #OptimizaciónDeProcesos #TecnologíaEmpresarial #VentajaCompetitiva #NegociosInteligentes #FuturoDelTrabajo

Cómo se utilizará realmente la IA en 2026
Un nuevo riesgo se hizo más evidente: dejar que la IA piense por ti
#Doxa #IA2026 #InteligenciaArtificial #PensamientoCrítico #Automatización #RiesgosIA #Tecnología2026 #SesgoCognitivo #DependenciaDigital #FuturoDelTrabajo #ÉticaIA #InnovaciónResponsable #TransformaciónDigital #ConcienciaTecnológica #Algoritmos #HumanosVsIA

10 preguntas sobre organizaciones orientadas a proyectos, con sus respuestas
#GestiónDeProyectos #PMO #Estrategia #Recursos #CulturaOrganizacional #Liderazgo #Valor #Adaptabilidad #Portafolio #Conocimiento #Eficiencia #Innovación #Colaboración #ROI #Metodología

Investigación: A medida que las carreras profesionales se alargan, el trabajo a mitad de carrera necesita cambiar
Sus empleados más experimentados están sufriendo agotamiento en la crucial década de los 40
#Doxa #AgotamientoLaboral #CarreraProfesional #MedianaEdad #SaludMental #BienestarCorporativo #GestiónDelTalento #ReinvenciónProfesional #Liderazgo #RecursosHumanos #EquilibrioVidaTrabajo #DesarrolloProfesional #Burnout #EmpleadosSenior #CrisisDeLos40 #FuturoDelTrabajo

Investigación: ¿Qué mensaje transmiten tus auriculares a tus compañeros de trabajo?
#Doxa #auriculares #trabajo #oficina #comunicación #concentración #privacidad #etiqueta #productividad #espacio #señales #no_molestar #colaboración #tecnología #cultura_laboral #bienestar

Los gerentes tienen dificultades para seguir el ritmo del auge de la productividad impulsado por la IA
Para evitar convertirse en un cuello de botella, necesitan cambiar su forma de trabajar, dar retroalimentación y comunicarse
#Doxa #IA #Productividad #Liderazgo #Gestión #TransformaciónDigital #Comunicación #Feedback #Eficiencia #Innovación #Trabajo #Gerentes #CuelloDeBotella #Adaptación #Negocios #FuturoDelTrabajo

Cómo se llega realmente a los puestos directivos en las empresas del S&P 500
Una nueva investigación desvela quiénes obtienen estos puestos y cómo ascendieron en ellos
#Doxa #Liderazgo #S&P500 #CarreraEjecutiva #Ascenso #CEO #Directivos #Gestión #Negocios #ÉxitoProfesional #Corporativo #Estrategia #Talento #Desarrollo #Empresas #AltaDirección

Nuestros consejos favoritos de gestión sobre cómo dar retroalimentación
#Doxa #retroalimentación #gestión #liderazgo #comunicación #feedback #crecimiento #desarrollo #equipo #confianza #empatía #claridad #constructivo #mejora #productividad #éxito

Formas sorprendentes de reducir la rotación de personal en trabajos de alta presión y alta cualificación
#Doxa #RetenciónDeTalento #AltoRendimiento #LiderazgoAdaptativo #AutonomíaLaboral #BienestarCognitivo #RotaciónInterna #DesconexiónDigital #ReconocimientoPersonalizado #TransparenciaOrganizacional #LegadoProfesional #FlexibilidadCognitiva #DesarrolloExterno #LiderazgoVulnerable #PropósitoLaboral #GestiónDeTalentoElite

Cómo apoyar el crecimiento profesional de tus empleados cuando todos están sobrecargados de trabajo
Los equipos que se enfrentan a una presión constante aún necesitan oportunidades para desarrollar nuevas habilidades, experimentar y prepararse para lo que viene
#Doxa #CrecimientoProfesional #DesarrolloDeTalento #LiderazgoResiliente #GestiónDeEquipos #AprendizajeContinuo #Microlearning #MentoríaEntrePares #FeedbackContinuo #BienestarLaboral #DelegaciónEstratégica #InnovaciónOperativa #CulturaDeAprendizaje #DesarrolloSostenible #AltoRendimiento #GestiónDelCambio

Las claves para el éxito bajo un nuevo gerente
Las transiciones de liderazgo ofrecen una rara oportunidad para empezar de cero, si uno se esfuerza por causar una buena impresión
#Doxa #Liderazgo #Éxito #Gerente #Transición #Impresión #Oportunidad #Cambio #Equipo #Gestión #Profesional #Desarrollo #Confianza #Comunicación #Adaptabilidad #Resultados

Lo que los quirófanos pueden enseñar a los líderes sobre el diseño de equipos
#Doxa #LiderazgoQuirúrgico #DiseñoDeEquipos #TrabajoEnEquipo #GestiónHospitalaria #LiderazgoEnSalud #EquiposDeAltoRendimiento #ComunicaciónEfectiva #TomaDeDecisiones #CoordinaciónQuirúrgica #LiderazgoAdaptativo #CulturaDeSeguridad #RolesYResponsabilidades #ColaboraciónMultidisciplinaria #GestiónDeCrisis #ExcelenciaOperativa

La IA de última generación podría solucionar las evaluaciones de desempeño, o empeorarlas aún más
Muchos gerentes ahora utilizan la IA para perfeccionar las evaluaciones de desempeño de los empleados. La mayor oportunidad reside en usarla para resaltar aquello que los hace excepcionales
#Doxa #IA #RRHH #GestiónDelDesempeño #EvaluaciónDeEmpleados #FeedbackAutomatizado #AnálisisDeDesempeño #TecnologíaLaboral #IAParaGerentes #MejoraContinua #SesgosEnIA #ÉticaEnRRHH #ProductividadConIA #LiderazgoConIA #DesarrolloProfesional #MétricasDeDesempeño

Es difícil usar la IA en equipo. Estas 3 prácticas pueden ayudar
#Doxa #InteligenciaArtificial #TrabajoEnEquipo #ColaboraciónDigital #Productividad #FlujoDeTrabajo #GestiónDeProyectos #HerramientasIA #Automatización #ComunicaciónEfectiva #CulturaOrganizacional #Capacitación #MejoresPrácticas #Innovación #TransformaciónDigital #EficienciaOperativa

La obra de su vida: Entrevista con Jet Li
#Doxa #JetLi #ArtesMarciales #CineDeAcción #Hollywood #Wushu #LeyendaViva #Filantropía #UnoFundación #KungFu #Actor #China #Espiritualidad #Budismo #Resiliencia #Legado

Investigación: El marketing tradicional no funciona con los agentes de compras con IA
Las empresas necesitan tácticas diferentes para este segmento de compradores online que crece rápidamente
#Doxa #AgentesIA #MarketingDigital #ComercioElectrónico #InteligenciaArtificial #EstrategiaDigital #VentasB2B #Automatización #ExperienciaUsuario #Tendencias2026 #TransformaciónDigital #SEO Técnico #DatosEstructurados #Innovación #NegociosDigitales #FuturoDelRetail

Por qué los líderes deberían pasar por alto los errores menores
#liderazgo #confianza #errores #equipos #productividad #cultura #innovación #aprendizaje #autonomía #gestión #estrategia #motivación #eficiencia #crecimiento #enfoque

Rediseñando su organización de marketing para la era de los agentes
#Doxa #AgentesIA #MarketingDigital #AutomatizaciónMarketing #TransformaciónDigital #InteligenciaArtificial #OrganizaciónMarketing #AgentesAutónomos #FuturoMarketing #MarketingConIA #InnovaciónTecnológica #EstrategiaMarketing #ProductividadEmpresarial #DigitalizaciónMarketing #OptimizaciónProcesos #MarketingDelFuturo

3 maneras en que la IA puede liberar a las organizaciones de los flujos de trabajo heredados
#Doxa #InteligenciaArtificial #TransformaciónDigital #Automatización #FlujosDeTrabajo #SistemasLegados #InnovaciónTecnológica #Productividad #EficienciaOperativa #ModernizaciónTI #ProcesosDigitales #IAEmpresarial #Optimización #TecnologíaCloud #IntegraciónSistemas #AgilidadOrganizacional

Cómo tratar con directores difíciles
Consejos prácticos para ejecutivos y demás miembros del consejo de administración
#Doxa #Liderazgo #GobiernoCorporativo #Negociación #Comunicación #Estrategia #ResoluciónConflictos #TomaDecisiones #PsicologíaOrganizacional #GestiónDeRiesgos #Ética #Productividad #Influencia #InteligenciaEmocional #JuntaDirectiva #Ejecutivos

Los mejores líderes asumen el rol de personaje secundario
Al comprender y promover las historias de tu gente, en lugar de la tuya propia, puedes motivarlos para que den lo mejor de sí mismos
#Doxa #LiderazgoServicial #Humildad #Empoderamiento #Equipo #Mentoría #Colaboración #Confianza #Crecimiento #LiderarDetrás #EgoConsciente #ÉxitoCompartido #Facilitador #Inspiración #Desarrollo #LiderazgoInvisible

El arte de descontar
Cinco estrategias para impulsar el volumen de ventas y las ganancias
#Doxa #EstrategiasDeDescuento #Ventas #Ganancias #Precios #MarketingComercial #OptimizaciónDeMárgenes #Promociones #ComportamientoDelConsumidor #Conversión #EstrategiaDeVentas #Rentabilidad #ComercioElectrónico #PreciosPsicológicos #VolumenDeVentas #GestiónDeOfertas

Los costos psicológicos de la adopción de la IA
#Doxa #AnsiedadTecnológica #EstrésDigital #MiedoAlReemplazo #SobrecargaCognitiva #FatigaPorIA #IncertidumbreLaboral #ResistenciaAlCambio #PérdidaDeControl #DesconfianzaTecnológica #AgotamientoMental #PresiónAdaptativa #CrisisDeIdentidadProfesional #DependenciaTecnológica #ParálisisPorDecisión #BienestarDigital

Cómo pasar de la experimentación con IA a la transformación mediante IA
#Doxa #TransformaciónConIA #DeExperimentoAProducción #EstrategiaDeIA #EscalabilidadDeIA #IAEmpresarial #MadurezDigital #ImplementaciónDeIA #InnovaciónEstratégica #GobernanzaDeIA #CasosDeUsoReales #ROIenIA #CulturaDataDriven #LiderazgoTecnológico #AutomatizaciónInteligente #ValorDeNegocioConIA

Un liderazgo empático puede ser clave para el éxito o el fracaso en la adopción de la IA
Reduce la resistencia de los empleados, mejora el aprendizaje y acelera el impacto
#Doxa #LiderazgoEmpático #AdopciónDeIA #TransformaciónDigital #GestiónDelCambio #ResistenciaAlCambio #AprendizajeOrganizacional #InteligenciaArtificial #CulturaEmpresarial #DesarrolloDeTalento #InnovaciónResponsable #LiderazgoConsciente #ImpactoEmpresarial #ColaboraciónHumanoIA #HabilidadesBlandas #FuturoDelTrabajo

La rendición de cuentas debe elegirse, no imponerse
#Doxa #RendiciónDeCuentas #Transparencia #Gobernanza #ParticipaciónCiudadana #Democracia #ÉticaPública #ResponsabilidadSocial #ControlSocial #Integridad #Accountability #GestiónPública #CiudadaníaActiva #TransparenciaGubernamental #LiderazgoResponsable #CulturaDeLegalida

Cómo triunfar en tu próxima entrevista con los medios
Las entrevistas públicas pueden generar o destruir la confianza de las partes interesadas
#Doxa #Entrevista #Medios #Comunicación #Confianza #Reputación #PR #MarcaPersonal #Liderazgo #MensajeClave #Storytelling #Crisis #Visibilidad #Networking #Éxito #Estrategia

¿Debería nombrar un director ejecutivo interino?
Es más arriesgado de lo que crees. Aquí te explicamos cuándo tiene sentido y a quién elegir
#Doxa #CEOInterino #LiderazgoTransitorio #GestiónDeRiesgos #SucesiónEjecutiva #DirecciónProvisional #EstrategiaCorporativa #CrisisEmpresarial #TalentoDirectivo #ContinuidadOperativa #TomaDeDecisiones #GobiernoCorporativo #ReclutamientoEjecutivo #EstabilidadOrganizacional #ConsultoríaDeNegocios #AltaDirección

En qué aspectos la estrategia de chips de EE. UU. sigue fallando
Los procesos críticos de back-end siguen concentrados en Asia. Estos tres pasos pueden ayudar a trasladarlos a Estados Unidos
#Doxa #chips #EEUU #semiconductores #Asia #backend #estrategia #manufactura #tecnología #supplychain #geopolítica #industria #producción #innovación #economía #seguridad

El futuro está envuelto en una niebla de IA
El efecto más importante de la IA es el que no podemos ver
#Doxa #IA #Futuro #Niebla #Invisible #Efecto #Tecnología #Transformación #Sociedad #Ética #Algoritmos #Datos #Automatización #Inteligencia #Cambio #Humano

Resumen de investigaciones: Un beneficio sorprendente de la mejora de habilidades, por qué los objetivos pueden ser contraproducentes y más
Nuevas perspectivas procedentes de una amplia gama de estudios académicos
#Doxa #DesarrolloDeHabilidades #PsicologíaDelRendimiento #ObjetivosContraproducentes #AprendizajeContinuo #CrecimientoPersonal #Productividad #Mindset #GestiónDelEstrés #BienestarLaboral #Neurociencia #MotivaciónIntrínseca #Eficiencia #SaludMental #Liderazgo #InvestigaciónAcadémica

El fin del software empresarial de talla única
Ahora las empresas tienen la opción de crear, componer, colaborar o comprar resultados, en lugar de conformarse con las ofertas SaaS existentes
#PersonalizaciónEmpresarial #SoftwareFlexible #TransformaciónDigital #SaaS #LowCode #NoCode #InteligenciaArtificial #Microservicios #APIs #AutomatizaciónDeProcesos #SolucionesVerticales #ArquitecturaModular #AgilidadEmpresarial #InnovaciónTecnológica #EcosistemasDigitales

¿Qué valores defiendes realmente?
#Doxa #Honestidad #Respeto #Privacidad #Inclusión #Transparencia #Responsabilidad #Objetividad #Seguridad #Empatía #Integridad #Neutralidad #Colaboración #Aprendizaje #Ética #

Cuando el CEO se convierte en la marca
El líder de su empresa se ha convertido en un foco de controversia política. ¿Y ahora qué?
#Doxa #CEO #MarcaPersonal #LiderazgoEmpresarial #ControversiaPolítica #ReputaciónCorporativa #GestiónDeCrisis #ComunicaciónEstratégica #ImagenEjecutiva #BrandingPersonal #OpiniónPública #ResponsabilidadSocial #MediosDeComunicación #PercepciónDeMarca #LiderazgoControversial #EstrategiaDigital

Líderes, traten la resistencia al cambio como datos valiosos
No lo descartes como una reacción impulsiva
#Doxa #Liderazgo #ResistenciaAlCambio #GestiónDelCambio #DatosValiosos #TransformaciónOrganizacional #CulturaEmpresarial #InteligenciaEmocional #ComunicaciónEfectiva #Innovación #DesarrolloOrganizacional #MindsetÁgil #FeedbackConstructivo #Adaptabilidad #LiderazgoTransformacional #ChangeManagement

5 preguntas que los líderes deberían hacerse antes de recurrir al trabajo a tiempo parcial
Puede ofrecer fuentes de ingresos diversificadas, mayor autonomía y un mejor equilibrio entre la vida laboral y personal
#Doxa #TrabajoParcial #LiderazgoEstratégico #Productividad #AutonomíaLaboral #EquilibrioVidaTrabajo #GestiónDelTalento #CulturaOrganizacional #IngresosDiversificados #FlexibilidadHoraria #TransformaciónDigital #RetenciónDeEmpleados #MétricasDeDesempeño #BienestarCorporativo #NuevasModalidadesLaborales #InnovaciónEnRRHH

Investigación: Lo que revelan los agentes de IA de China sobre el futuro del comercio
#Doxa #IA #China #ComercioGlobal #AgentesAutónomos #FuturoDigital #Economía #Tecnología #Innovación #LogísticaInteligente #Automatización #NegociosInternacionales #TransformaciónDigital #InteligenciaArtificial #CadenaDeSuministro #Geopolítica

Cuando tu ambición empieza a agotarte
#Doxa #Ambición #Agotamiento #Límites #Bienestar #Equilibrio #Autocuidado #SaludMental #Propósito #Introspección #Resiliencia #Transformación #Pausa #Motivación #Cansancio #Reflexión

¿Deberías desarrollar tus fortalezas de liderazgo o corregir tus debilidades?
Responda a cuatro preguntas para diagnosticar sus necesidades de desarrollo
#Doxa #Liderazgo #Fortalezas #Debilidades #Desarrollo #Crecimiento #Gestión #Talento #Potencial #Mejora #Estrategia #Equipos #Éxito #Habilidades #Coaching #Autoconocimiento
Compártalo con Amigos

Cómo la IA amenaza los ingresos de las plataformas
#Doxa #IAgenerativa #erosiónPublicitaria #comercioSinClics #agentesIA #pérdidaComisiones #desintermediaciónPlataformas #suscripcionesVulnerables #desagregaciónServicios #ventajaCompetitivaIA #datosFragmentados #personalizaciónAgéntica #canibalizaciónIngresos #transiciónAgentiva #protocolosAbiertos #reinvencciónPlataformas

En los mercados donde el ganador se lo lleva todo, la diversificación es una desventaja
En condiciones de intensa competencia, la flexibilidad puede ser una señal de debilidad para los rivales
#Doxa #WinnerTakesAll #DiversificaciónEstratégica #VentajaCompetitiva #CompetenciaIntensa #FlexibilidadDebil #EstrategiaEmpresarial #TeoríaDeJuegos #ConcentraciónDeMercado #EnfoqueEstratégico #RivalidadCompetitiva #PosicionamientoDeMercado #Especialización #SeñalesCompetitivas #DinámicasDeMercado #LiderazgoDeMercado

Cuando las peticiones de los empleados empiezan a resultarle molestas
#Doxa #LiderazgoEmpresarial #GestiónDeEquipos #RecursosHumanos #ComunicaciónLaboral #LímitesProfesionales #ManejoDeSolicitudes #ProductividadLaboral #ClimaOrganizacional #DesarrolloDirectivo #EmpatíaLaboral #DelegaciónEfectiva #BienestarLaboral #RelacionesLaborales #GestiónDelTiempo #InteligenciaEmocional
 

Doxa 2605

Investigación: Los problemas de innovación que la IA no puede resolver

La IA generativa acelera la innovación, pero también puede limitar el pensamiento, reforzar los prejuicios y alejar a los equipos de los clientes

Por Julian De Freitas, Ayelet Israeli, Gideon Nave, Artem Timoshenko y Olivier Toubia
Inteligencia artificial y aprendizaje automático
Harvard Business Review

#Doxa #Innovación #InteligenciaArtificial #IAGenerativa #SesgosAlgorítmicos #PensamientoCrítico #ExperienciaCliente #LimitacionesTecnológicas #CreatividadHumana #ÉticaDigital #DesconexiónSocial
Resumen. La IA generativa puede acelerar la innovación, pero el artículo argumenta que su uso habitual a menudo refuerza los obstáculos humanos que pretende solucionar. En la generación de ideas, los modelos orientan a los equipos hacia ideas conocidas y hacen que las personas se centren más en ellas. En la selección, las propuestas elaboradas por IA pueden confundirse con mejores ideas, mientras que las recomendaciones de la IA pueden reflejar sesgos preexistentes. En la investigación de mercado, los clientes simulados pueden acelerar las pruebas, pero no captan los comportamientos irracionales que influyen en la adopción real. Tras el lanzamiento, la IA puede resumir una gran cantidad de comentarios, pero aun así ayudar a los equipos a justificar creencias previas. El consejo principal de los autores es de diagnóstico: antes de aplicar la IA, los líderes deben preguntarse si el problema radica en la información, el juicio o los incentivos, y mantener el contacto directo con los clientes donde más importa para fundamentar las decisiones.
Ahora todos los equipos de innovación cuentan con las mismas herramientas: los mismos modelos base, bibliotecas de sugerencias similares. Sin embargo, los resultados son muy dispares. Algunos equipos experimentan un renacimiento creativo, mientras que otros reciben una avalancha de ideas homogéneas y olvidables que parecen provenir de la misma persona. La razón no reside en el modelo que se utilice, sino en que la IA generativa actúa sobre los cuellos de botella humanos inherentes a ese proceso. Estos cuellos de botella responden a la IA de maneras diferentes, a veces incluso opuestas.

Ese es el argumento central de un nuevo documento de trabajo, solicitado por la Revista Internacional de Investigación en Marketing, que hemos escrito investigadores de Harvard, Wharton, Northwestern y Columbia. En lugar de preguntarnos qué puede hacer la IA generativa, planteamos una pregunta más profunda: ¿Cuáles son las limitaciones cognitivas, sociales y organizativas que siempre han frenado la innovación, y cómo interactúa la IA con cada una de ellas?

Para responder a esta pregunta, sintetizamos estudios empíricos recientes sobre IA generativa e innovación —sobre diversidad de ideas, consumidores simulados por IA, selección algorítmica de ideas y análisis posterior al lanzamiento— en comparación con décadas de investigación consolidada sobre creatividad, juicio en condiciones de incertidumbre y comportamiento del consumidor. Para cada una de las cuatro etapas que se describen a continuación, planteamos las mismas tres preguntas: ¿Cuál es la limitación humana subyacente?, ¿cómo la afecta la IA generativa cuando se utiliza de forma "ingenua"?, y ¿cómo sería un rediseño más deliberado? Esta estructura coherente nos permitió aplicar la misma pregunta diagnóstica a cuellos de botella que, a simple vista, no parecen similares, como el sesgo de un comité de selección contra la novedad o la incapacidad de un consumidor para expresar lo que desea antes de haberlo experimentado. ¿Está la IA eliminando este cuello de botella o, por el contrario, lo está empeorando silenciosamente?

La respuesta es más importante de lo que los gestores de innovación creen. Resulta que algunas de estas limitaciones pueden ser eliminadas por la IA generativa. Otras, las agrava aunque parezca que ayudan. Y algunas, ningún modelo futuro plausible podrá abordarlas.

El problema de suponer que la IA solucionará los problemas de innovación.
La mayoría de las conversaciones sobre IA e innovación consideran que la IA es uniformemente eficaz para eliminar las fricciones en el proceso de innovación. Generalmente, se asume que lo logrará desplazando por completo el papel de los innovadores humanos: más ideas, pruebas más rápidas, investigación más económica y aprendizaje más ágil. Nuestro marco de trabajo cuestiona esta suposición. Analizamos los cuellos de botella a lo largo de cuatro etapas del proceso de innovación: ideación, selección, conocimiento del consumidor y aprendizaje del mercado. Descubrimos que, en casi todas las etapas, el efecto predeterminado de la IA (utilizada de forma ingenua, sin un rediseño deliberado) es agravar el cuello de botella subyacente, en lugar de reducirlo.

He aquí la razón: la mayoría de los obstáculos a la innovación son problemas humanos, no tecnológicos. Se trata de cómo las personas se aferran a ideas conocidas, cómo los paneles desarrollan instintos particulares sobre lo que se considera prometedor, y cómo los consumidores no pueden expresar lo que quieren hasta que lo ven. La IA generativa, entrenada con el conjunto de la producción humana existente, tiende a reproducir exactamente las tendencias que originaron el obstáculo; solo que más rápido y a gran escala.

A continuación, se describen las formas en que la IA generativa agrava los cuellos de botella humanos en cada etapa del proceso de innovación, y qué se puede hacer al respecto.

Ideación: Obsesionarse demasiado con lo típico. La ideación es el proceso de generar conceptos candidatos para un nuevo producto, servicio o función. Dado que una sola idea excepcional vale más que docenas de ideas simplemente buenas, la tarea no consiste en producir una gran cantidad de opciones sólidas, sino en descubrir las que se salen de lo común. Esto convierte la ideación, fundamentalmente, en una búsqueda de excepciones más que en un ejercicio de producción eficiente.

Cuando se realiza una lluvia de ideas con un modelo de aprendizaje automático sin una estructura deliberada, ocurren dos cosas simultáneamente. El modelo tiende a la respuesta estadísticamente típica; al fin y al cabo, fue entrenado para autocompletar frases utilizando las palabras más probables. Y una vez que la persona lee esa respuesta típica, se obsesiona con ella, lo que le impide pensar en ideas más inusuales que podría haber generado espontáneamente. El resultado es una sutil limitación en dos etapas: la IA presenta una idea limitada, lo que a su vez limita el pensamiento humano.

Peor aún, esto ocurre a nivel sistémico. Dado que la mayoría de los modelos generativos se basan en datos de entrenamiento similares, los equipos independientes de distintas empresas que utilizan la IA de forma creativa tienden a converger en un número reducido de enfoques de diseño. Por lo tanto, aunque aumente la productividad individual, la diversidad colectiva en el mercado disminuye.

En este caso, la solución reside en el modelo, no en el humano. Utilizar la técnica de la cadena de pensamiento —pedirle al modelo que elabore un borrador y luego lo revise explícitamente para explorar un terreno más audaz y definido— funciona extraordinariamente bien con la IA. Sin embargo, este mismo enfoque no ayuda a una persona a mejorar su propio pensamiento. Una vez que una persona se ha obsesionado mentalmente con la idea inicial de la IA, decirle que «piense de forma más amplia» generalmente no ayuda; de hecho, puede que se obsesione aún más con la idea de la IA (esto es una versión del clásico problema de «no pienses en un oso blanco»).

Selección: Predisposición a favor de ideas de máster en derecho (LLM) más "refinadas". La fase de selección es donde una empresa decide qué ideas reciben financiación y cuáles se descartan, generalmente a través de un comité de evaluación o una junta de revisión de cartera. Se trata de un juicio que se toma en condiciones de gran incertidumbre, antes de que el mercado se pronuncie y, a menudo, antes de que la idea esté completamente definida. Por lo tanto, aquello que el comité prioriza, consciente o inconscientemente, termina por influir en todo lo que la empresa desarrolla.

Los evaluadores siempre han tenido prejuicios contra las ideas novedosas: los conceptos originales se perciben como más arriesgados y difíciles de clasificar, por lo que los paneles premian inconscientemente las propuestas más seguras y familiares. La IA generativa intensifica este sesgo de una forma novedosa: las presentaciones generadas por IA son fluidas y están bien estructuradas por diseño, y la fluidez se confunde con la calidad. Una idea que suena pulida obtiene una mejor puntuación, independientemente de si realmente es la mejor idea. Aquí la solución es estructural, no tecnológica: estandarizar las propuestas antes de evaluarlas y ocultar si una idea proviene de un humano o de un modelo.

Ese no es el único cuello de botella que la IA generativa puede agravar silenciosamente en la etapa de selección. He aquí una trampa más sutil: si entrenas un modelo de aprendizaje automático (MLA) de selección con las decisiones históricas de aceptación/rechazo de tu propio panel, no eliminas el sesgo del proceso, sino que lo codificas de forma permanente, a gran escala, y lo haces parecer objetivo. Un experimento de campo reciente reveló algo aún más preocupante: cuando a los evaluadores se les proporcionó una recomendación del MLA junto con una justificación escrita, se volvieron más propensos a aprobar automáticamente los rechazos, sin mejorar su capacidad para distinguir los juicios correctos de los incorrectos de la IA. La justificación del MLA sustituyó su propio juicio en lugar de respaldarlo. Y el efecto fue más fuerte precisamente donde el juicio humano es más importante: los casos límite.

La intervención en este caso es casi lo opuesto a lo que la mayoría de las empresas buscan: eliminar las explicaciones del modelo LLM. En ese mismo experimento, una recomendación de IA de "caja negra" sin justificación mejoró las decisiones, en comparación con mantener las justificaciones del modelo LLM.

Análisis del consumidor: Investigación más rápida, respuestas menos auténticas. Una vez que una idea supera la fase de selección, se desarrolla hasta convertirse en un concepto concreto con características, precios y posicionamiento definidos. Probar ese concepto implica comprender qué es lo que realmente desean los clientes. Esta es la etapa de medición de preferencias: las encuestas, entrevistas y estudios conjuntos que las empresas han utilizado tradicionalmente para convertir un concepto en una propuesta sólida y bien fundamentada.

Aquí es donde el artículo resulta más aleccionador para cualquiera que utilice IA para simular clientes. Por ejemplo, si se le pide a un modelo de lógica difusa (LLM) que simule mil segmentos de consumidores diferentes reaccionando a un cambio de precio, se obtendrá una curva suave y descendente que, en su mayor parte, es errónea de una manera específica y problemática. Dado que el modelo no se basa en una población real, no trata la variación de precio como un experimento, sino como una pista sobre el contexto (un precio más alto se interpreta como "premium", no como "el mismo producto, solo que más caro"). Así, en lugar de la curva de demanda descendente que se obtendría de compradores reales a medida que sube el precio, se puede obtener una curva plana o incluso ascendente.

Los «gemelos digitales» —personajes de IA creados a partir de perfiles de comportamiento detallados de personas reales— funcionan mejor, pero aún les falta algo esencial: los clientes reales se comportan de manera irracional, lo cual influye enormemente en su decisión de adoptar o no un nuevo producto. Se aferran a los costos hundidos y sobreestiman las dificultades del cambio. Los gemelos digitales, en cambio, tienden a tomar decisiones racionales con mucha más frecuencia que los humanos reales, lo que significa que subestiman sistemáticamente las fricciones que frustran los lanzamientos de nuevos productos.

Todavía no existe una solución definitiva para este problema. Los gemelos digitales no son inútiles —son una alternativa razonable para algunas preguntas de investigación—, pero no se debe confiar en ellos para determinar con precisión los comportamientos que diferencian el destino de un producto realmente nuevo de uno incremental. Para cualquier decisión que dependa de los costos irrecuperables, los costos de cambio o la forma en que se presenta una opción, lo más seguro es basar ese juicio en la investigación con personas: paneles de usuarios líderes y trabajo de campo etnográfico que observe cómo se comportan realmente las personas, no solo lo que un modelo predice que elegirán.

Difusión y aprendizaje de mercado: El mismo sesgo de confirmación, pero con un tono más persuasivo. La difusión y el aprendizaje del mercado abarcan todo lo que sucede después del lanzamiento: lograr que una innovación se adopte a gran escala y luego interpretar las señales resultantes para fundamentar la siguiente ronda de decisiones. La adopción es un proceso tanto social como individual —impulsado por los primeros usuarios y el boca a boca— y la retroalimentación que produce debe recopilarse, priorizarse e interpretarse correctamente antes de que sea útil.
Una vez que un producto se lanza al mercado, genera más comentarios de los que cualquier equipo puede procesar: reseñas en diversas plataformas, conversaciones en redes sociales, solicitudes de soporte, devoluciones, hilos de foros. La IA generativa resulta realmente útil en este caso: puede procesar, agrupar y resumir todo ese ruido a una escala que ningún equipo de analistas podría igualar, extrayendo necesidades estructuradas de los clientes con una calidad que empieza a acercarse a la de los analistas profesionales. Por primera vez en este marco, un cuello de botella se reduce considerablemente.

Pero este alivio genera un nuevo problema. De los cientos de temas que un sistema de IA detecta cada semana, ¿cuáles merecen atención y cuáles son simplemente los más llamativos? Las señales más importantes para la innovación, como un caso de uso emergente o un segmento que no se está adaptando, son precisamente las que un resumen ponderado por frecuencia está diseñado para ocultar.

El problema de fondo se hace evidente cuando esa señal llega a una sala llena de personas con interés en el resultado. Las organizaciones siempre han interpretado la retroalimentación del mercado con benevolencia hacia las decisiones ya tomadas. Un sistema de IA no depende del éxito del producto del año pasado, por lo que, en principio, debería detectar una oleada de quejas sobre una característica estrella con la misma facilidad que una oleada de elogios. Pero ese mismo resumen fluido y seguro que hace útil la síntesis de IA también facilita su citación selectiva como apoyo a lo que el equipo ya creía de antemano, especialmente si se consulta a la IA de una manera que deja claro qué respuesta preferiría el equipo, dada su tendencia a decir de forma servil lo que la gente quiere. Si la síntesis de IA se traduce en informes más honestos o simplemente en una forma más convincente de disfrazar las mismas justificaciones, es una de las preguntas abiertas más importantes de todo el marco.

Las principales conclusiones
Si observamos detenidamente estos cuatro ejemplos, surge un principio fundamental: el mecanismo que origina un cuello de botella determina si la IA lo beneficia o lo perjudica, no la sofisticación de la IA. Los cuellos de botella que son esencialmente informativos, de gran volumen o procedimentales (demasiadas solicitudes para revisar, demasiado texto de revisión para leer, un formato rígido que oculta la calidad) son precisamente el tipo de problema que la IA generativa está diseñada para resolver, siempre y cuando el sistema se diseñe de forma deliberada.

En cambio, los cuellos de botella que se originan en la experiencia vivida, el comportamiento humano irracional o el interés propio de la organización son un asunto completamente distinto. Ningún modelo, por muy escalable que sea, soluciona el hecho de que los consumidores no puedan expresar una preferencia por una categoría de producto que nunca han visto, o que un gerente con dos años de capital político invertido en un proyecto fallido interpretará los datos con benevolencia, por muy buenos que sean.

Esto ofrece a los líderes algo más útil que una lista de casos de uso de IA: una pregunta de diagnóstico que deben plantearse antes de adoptar cualquier herramienta o flujo de trabajo nuevo. ¿Qué es lo que, específicamente, lo está ralentizando: un problema de información, un problema de criterio humano o un problema de incentivos organizacionales? Esta perspectiva alternativa ofrece lecciones claras en cada etapa de la ideación:
  • Generación de ideas: Si no se controla, la IA generativa limita el pensamiento creativo en lugar de expandirlo. La solución debe centrarse en las sugerencias del modelo, no en la mentalidad de la persona.
  • Selección: La IA no elimina el sesgo de un panel de selección contra la novedad. O bien realza ese sesgo con un acabado impecable, o bien lo codifica y amplifica silenciosamente, a menos que el proceso se rediseñe deliberadamente.
  • Análisis del consumidor: Los clientes simulados son un filtro rápido y útil, pero subestiman las fricciones irracionales que realmente deciden si algo nuevo se adopta o no.
  • Difusión y aprendizaje en marketing: la IA resuelve el problema del volumen en la retroalimentación posterior al lanzamiento, pero también puede brindar a los equipos una forma más convincente de defender una decisión que ya habían tomado.
... 
El argumento más inquietante del artículo no se centra en un único cuello de botella, sino en lo que les sucede a las organizaciones con el tiempo. A medida que la IA absorbe más tareas de ideación, selección y simulación de consumo, los empleados jóvenes que antes desarrollaban su criterio mediante la práctica ya no tienen la oportunidad de hacerlo. El resultado son usuarios sofisticados de los resultados de la IA que nunca desarrollaron la intuición para saber cuándo esos resultados son erróneos.

Si aplicamos esto a toda la función de innovación, obtenemos lo que se conoce como la trampa de la automatización: cada herramienta de IA funciona bien de forma aislada, pero todo el ciclo de retroalimentación se aleja gradualmente de los clientes reales, porque la ideación, la selección, las pruebas y las entrevistas ahora están mediadas por modelos entrenados con los resultados de otros modelos en lugar de con el mercado. Todo se acelera. Nada se mantiene con los pies en la tierra.

Nuestra solución no consiste en frenar la adopción de la IA, sino en ser deliberados sobre qué partes del proceso aún requieren un contacto directo con la realidad. La inmersión del usuario líder. El trabajo de campo etnográfico. Un ser humano responsable de la decisión crucial que debe respaldarla. No se trata de vestigios nostálgicos de una era anterior a la IA; son los pilares fundamentales que impiden que el resto de la estructura automatizada se desvíe de la realidad que se supone que debe rastrear.

La tecnología seguirá evolucionando. Los obstáculos —la fijación cognitiva, la evaluación basada en el estatus, la brecha entre lo que dicen los consumidores y lo que realmente hacen— se han mantenido notablemente estables durante décadas. Apostar por el mecanismo en lugar del modelo como estrategia de innovación probablemente resultará mucho más eficaz a largo plazo.

Lea más sobre IA y aprendizaje automático o temas relacionados: IA generativa, innovación e innovación disruptiva.

Julian De Freitas es profesor adjunto en la unidad de marketing de la Escuela de Negocios de Harvard.

Ayelet Israeli es profesora asociada Marvin Bower de Administración de Empresas en la Harvard Business School. También es cofundadora del Laboratorio de Inteligencia del Cliente en el Instituto de Diseño de Datos Digitales de la Harvard Business School.

Gideon Nave es profesor asociado Carlos y Rosa de la Cruz del Departamento de Marketing de la Wharton School of Business.

Artem Timoshenko es profesor adjunto de marketing en la Kellogg School of Management de la Universidad Northwestern. Su investigación se centra en las aplicaciones de la IA al análisis de marketing y la comprensión del comportamiento del cliente.

Olivier Toubia Es profesor de marketing en la Escuela de Negocios de Columbia y un líder reconocido en el campo del marketing cuantitativo.


Doxa 2604

Por qué la IA agencial podría transformar el aprovisionamiento

Por Heiner Himmelreich, Ilan Oshri, Paolo Scala y Anas Zaidani
IA generativa
Harvard Business Review

#Doxa #IAAgencial #Aprovisionamiento #AutomatizaciónInteligente #CadenaSuministro #NegociaciónAutónoma #GestiónProveedores #EficienciaOperativa #AnálisisPredictivo #Resiliencia #TransformaciónDigital
Resumen. El área de compras se beneficia de la IA con agentes más que casi cualquier otra función empresarial, ya que su trabajo es estructurado, cuantificable financieramente y está repleto de tareas que requieren un juicio profundo y que se han resistido a la automatización tradicional. Sin embargo, su adopción sigue siendo baja porque las verdaderas barreras son organizativas, no tecnológicas. Las empresas que están teniendo éxito están rediseñando sus procesos de compras en torno a la IA, en lugar de simplemente añadir nuevas herramientas a los flujos de trabajo existentes. Están otorgando a compras la responsabilidad de las iniciativas de IA, fortaleciendo la base de datos, integrando la gobernanza en las implementaciones desde el principio y midiendo los resultados comerciales en lugar del uso. Quienes implementan estos cambios ya están mejorando la productividad, la gestión de proveedores y el rendimiento financiero, y creando ventajas que serán difíciles de igualar para la competencia.
En toda la empresa, la IA con capacidad de gestión de agentes está pasando de la fase piloto a la de producción.

Según una encuesta reciente sobre la adopción de IA agente en 385 organizaciones, los equipos de desarrollo de software han alcanzado el 35%, las operaciones de TI el 31% y el marketing el 26%. Sin embargo, el departamento de compras se queda muy atrás, con tan solo un 9%.

Esa brecha resulta sorprendente, porque es en el ámbito de la contratación pública donde la base de evidencia para la IA con agentes es más sólida, el retorno de la inversión es más evidente y la diferencia entre el potencial y la práctica actual es mayor.

La función parece hecha a medida para la IA automatizada. Sus flujos de trabajo son de gran volumen y parcialmente estructurados. Sus resultados (selección de proveedores, términos contractuales, niveles de gasto) son directamente medibles en términos financieros. Sus puntos débiles (procesamiento manual de documentos, datos de proveedores fragmentados, señales de riesgo no detectadas) coinciden precisamente con las capacidades de los sistemas autónomos. Y, sin embargo, su adopción es lenta. ¿Por qué?

La limitación no es tecnológica, sino organizativa. Podemos afirmarlo con seguridad porque hemos estudiado las compras a lo largo de más de una década de transformaciones tecnológicas, desde la planificación de recursos empresariales (ERP) y la automatización robótica de procesos (RPA) hasta la automatización inteligente, lo que nos brinda una perspectiva privilegiada sobre el cambio organizativo que se está produciendo actualmente con la IA con agentes.

En este artículo, que se basa no solo en investigaciones recientes sino también en entrevistas exhaustivas realizadas con líderes de compras y proveedores de tecnología de diversos sectores, comenzaremos explicando por qué las compras están estructuralmente predispuestas a beneficiarse de la IA con agentes. A continuación, analizaremos la experiencia práctica de organizaciones que ya están aprovechando este valor, identificaremos las barreras organizativas que limitan su adopción y concluiremos con siete acciones que los líderes pueden implementar de inmediato para mejorar.

Por qué el departamento de compras debería liderar el cambio hacia la gestión activa.
El departamento de compras combina tres características que rara vez se encuentran juntas en otras áreas. Cada una de ellas, por sí sola, justificaría la asignación de agentes; juntas, hacen que el departamento de compras esté mejor posicionado para obtener beneficios que casi cualquier otra función de la empresa.

La primera es la visibilidad económica. Pocas funciones traducen la actividad en resultados financieros de forma tan directa. Las mejoras en la selección de proveedores, la disciplina de precios, los términos contractuales y el cumplimiento normativo repercuten inmediatamente en el resultado final, cuantificable en la misma moneda que utiliza el director financiero.

El segundo aspecto es la estructura de procesos a gran escala. Desde la incorporación de proveedores hasta la gestión de solicitudes de propuestas (RFP) y el seguimiento de contratos, las compras operan mediante flujos de trabajo repetibles de múltiples pasos, precisamente los entornos en los que los agentes que pueden razonar, actuar y adaptarse a diferentes tareas aportan un valor desproporcionado.

El tercer factor es la fricción persistente. La mayoría de las organizaciones de compras aún dependen de la intervención manual en puntos críticos: validación de documentos, evaluación de riesgos de proveedores, clasificación errónea de categorías y coordinación de partes interesadas. No se trata de casos aislados, sino de ineficiencias sistémicas, y la mayoría se ha resistido a la automatización tradicional precisamente porque requieren criterio en lugar de seguir reglas.

Para comprender el valor que la gestión de compras puede obtener mediante la adopción inteligente de la IA, consideremos una importante empresa energética que gestiona una de las mayores operaciones de compras de Europa. Cada año, entre 30 000 y 40 000 proveedores solicitan su inclusión en su registro. Cada solicitud implica hasta 25 documentos y un proceso de cualificación de más de 20 pasos. Un equipo de aproximadamente 25 personas gestiona las nuevas solicitudes y el seguimiento continuo de 18 000 proveedores activos. Durante años, el cuello de botella fue estructural y el riesgo real. Un proveedor que pagara los salarios con retraso o evadiera impuestos podía causar graves daños a la reputación antes de que el equipo de cumplimiento se percatara. La única solución parecía ser contratar más personal, hasta 2025.

Fue entonces cuando, con apoyo externo para la implementación, la empresa desplegó un conjunto de agentes de IA para gestionar la cualificación y el seguimiento. El proceso ahora es algo así:
  • Un agente de IA guía a los proveedores entrantes a través del formulario, identificando cuándo han seleccionado la categoría de servicio incorrecta de una lista de 30 a 40 opciones, un error que ocurre en aproximadamente el 30% de las solicitudes.
  • Un segundo proceso prioriza la cola cotejando los proveedores que la empresa realmente necesita en las próximas semanas.
  • Un tercer proceso analiza fuentes estructuradas y no estructuradas (sistemas internos, bases de datos de terceros y la web abierta) para detectar señales de incumplimiento, como impuestos impagados, conflictos laborales y acusaciones de fraude contra ejecutivos.
  • Una cuarta opción ofrece al director de compras un informe conversacional sobre cualquier proveedor antes de una reunión, extrayendo datos que, de otro modo, el director de compras tardaría una hora en recopilar manualmente.
Seis meses después de la puesta en marcha del primer agente de IA, la acumulación de pedidos pendientes se había reducido en un 20 %. Los índices de satisfacción de los proveedores habían aumentado. La precisión, que partía del 60 % en la primera pasada, había subido a entre el 70 % y el 80 %, y se encaminaba hacia el 95 % a plena capacidad. El sistema no era perfecto y nunca se diseñó para funcionar sin supervisión humana. Pero para un equipo de 25 personas que gestionaba un flujo de trabajo que, de otro modo, habría requerido mucha más gente, fue transformador.

Un importante fabricante de equipos originales para la industria automotriz ofrece otro modelo de implementación de agentes que se encuentra en una etapa más avanzada de madurez y está orientado a una categoría de valor diferente. La empresa ha reconstruido su modelo operativo de adquisiciones en torno a resultados comerciales: mejora en la negociación, ahorros generados e impacto en el EBIT. El proceso comenzó en 2023 con proyectos piloto de GenAI basados ​​en texto (asistentes de licitación y herramientas similares), pero la empresa pronto descubrió que el tiempo que estos liberaban no podía monetizarse dentro de los procesos heredados. En 2024, pasó de optimizar casos de uso individuales a rediseñar todo el ciclo de vida de las adquisiciones con IA integrada en su lógica comercial.

El resultado es un ecosistema integrado de agentes vinculados a palancas económicas específicas en la selección, el perfilado, la licitación y la negociación de proveedores. Aproximadamente el 70 % del trabajo de compras se gestiona ahora mediante una única interfaz de chat, con un gestor que coordina la recuperación de información, la ejecución de herramientas y la integración del sistema. Una prueba A/B controlada de tres meses produjo mejoras significativas en la velocidad, un aumento cuantificable en la negociación y una contribución sustancial al EBIT, todo ello monitorizado con las mismas métricas aplicadas al rendimiento general de las compras, sin utilizar indicadores indirectos específicos de la adopción de la IA.

Estos no son ejemplos aislados. En nuestra investigación, hemos observado que la IA con agentes está empezando a transformar la gestión de compras de maneras que las encuestas y las presentaciones a proveedores aún no han reflejado. Una empresa global de servicios ha implementado nueve agentes y siete sistemas RPA en producción para la automatización de licitaciones. Un proveedor líder de software empresarial ha desarrollado una plataforma de análisis, razonamiento y acción que opera a lo largo de toda la cadena de suministro. Una importante empresa de servicios ha codificado su enfoque en un marco de compras propio con el objetivo de lograr un aumento de productividad del 45 %. Una importante cadena europea de tiendas de descuento ha alcanzado el punto en que 18 de sus 30 empleados de compras utilizan herramientas de IA generativa a diario. Se trata de sistemas en producción, no de prototipos de investigación, y ofrecen resultados medibles.

¿Por qué la mayoría de las organizaciones se están quedando atrás?
Si la tecnología es viable y sus ventajas son sólidas, ¿por qué su adopción en el ámbito de las compras sigue siendo tan baja? Tres barreras se repiten constantemente en nuestras entrevistas, no como limitaciones técnicas, sino como decisiones de diseño organizativo.

El primer aspecto es la rendición de cuentas y el control. Las adquisiciones se basan en estructuras de aprobación formales. Se sitúan en la intersección de los ámbitos legal, financiero y operativo, y sus decisiones conllevan consecuencias contractuales y financieras. La introducción de sistemas que influyen activamente en las decisiones de abastecimiento plantea interrogantes sobre la responsabilidad y la auditabilidad que simplemente no surgen en una herramienta de marketing o un programa de desarrollo de software. La mayoría de las organizaciones responden limitando la autonomía de los agentes y preservando la aprobación humana con tanta firmeza que neutralizan los beneficios de los sistemas basados ​​en agentes.

El segundo problema es la propiedad fragmentada. En muchas empresas, el departamento de compras se beneficia de las iniciativas de IA, pero no es el propietario. Las soluciones son diseñadas e impulsadas por los equipos de TI o los equipos digitales centrales, con una participación operativa limitada por parte del propio departamento de compras. El resultado es una discrepancia previsible entre el diseño del sistema y la realidad operativa. Los proyectos piloto tienen éxito en condiciones controladas, pero la escalabilidad se estanca cuando los sistemas se enfrentan a la compleja y caótica realidad de los flujos de trabajo de aprovisionamiento reales.

El tercer problema radica en que los datos se consideran un añadido de última hora. Los datos maestros de proveedores son inconsistentes. La categorización de gastos es incompleta. Los sistemas heredados de planificación de recursos empresariales no se diseñaron como entrada para sistemas autónomos, y los datos que contienen suelen estar fragmentados entre unidades de negocio, regiones geográficas y adquisiciones. Sin embargo, muchas organizaciones intentan implementar agentes antes de abordar estos problemas fundamentales, para luego concluir que la tecnología ha fallado cuando, en realidad, los datos nunca le dieron la oportunidad.

Un modo de fallo similar se repite en nuestra investigación. Los proyectos piloto de asistencia en licitaciones generan mejoras en la productividad local, pero el tiempo liberado no se puede monetizar, ya que los procesos circundantes no se han rediseñado para aprovecharlo. Los profesionales con los que hablamos denominan a esto el problema de la «etapa de la creencia»: se lanzan los proyectos piloto, se celebra su adopción, pero la rendición de cuentas sobre el valor sigue sin estar clara. Muchas iniciativas de IA se estancan ahí indefinidamente.

El denominador común es claro: las organizaciones están intentando integrar la IA con capacidad de gestión de agentes en los modelos operativos existentes, en lugar de rediseñar los modelos en torno a ella.

El camino a seguir
Las empresas que hoy obtienen valor de la IA con agentes están tomando decisiones específicas sobre propiedad, secuencia, fundamentos, autonomía, capacidad, gobernanza y medición. Ninguna es principalmente técnica, y cada una potencia el valor de las demás. Esto es lo que han descubierto los líderes que están a la vanguardia:

Que el departamento de compras sea el propietario, no el beneficiario. En las implementaciones a gran escala, el departamento de compras lidera de principio a fin: define el caso de uso, gestiona las métricas de éxito y se responsabiliza del resultado operativo. El departamento de TI facilita la solución, pero no la impone. Las decisiones que conlleva cualquier implementación basada en agentes las toman quienes vivirán con las consecuencias.

Empieza por donde el dolor sea mayor. En lugar de seleccionar casos de uso de bajo riesgo, es mejor centrarse en los procesos con los cuellos de botella económicos u operativos más evidentes: la incorporación de proveedores, la generación de solicitudes de propuestas (RFP) y el monitoreo del cumplimiento. Las implementaciones avanzadas que hemos analizado van aún más allá. En lugar de enfocar la IA en la adquisición de tecnología (que suele representar una pequeña parte del gasto total con un margen de negociación limitado), se centran en materiales directos y servicios complejos. El principio es la concentración de valor, lo que acelera el aprendizaje y produce resultados demasiado significativos como para ignorarlos cuando surgen preguntas sobre la escalabilidad.

Trate los datos como infraestructura. Aborda la calidad de los datos ahora, no después. Es un requisito indispensable para la autonomía, fundamental antes de que los agentes puedan tomar decisiones. Las inversiones en datos maestros de proveedores, taxonomía de gastos e integración se realizan desde el principio, no se implementan posteriormente tras un fallo en el despliegue. Acepta que esto retrasará el lanzamiento visible de tu primer agente y considéralo como el precio a pagar por una ventaja acumulativa.

Diseño para una autonomía gradual. No conciba la autonomía como un interruptor binario. Diseñe una progresión deliberada desde el rol de asesor hasta la toma de decisiones con intervención humana, y finalmente, la plena autonomía bajo supervisión. Esta progresión no será uniforme en todas las tareas. En áreas estructuradas y de bajo riesgo (análisis repetitivo, validación de contratos), los agentes avanzarán rápidamente. En actividades de alto riesgo, como las negociaciones, el agente podría permanecer en un rol de asesor indefinidamente. La autonomía es una herramienta, no un fin en sí misma.

Desarrollar capacidades, no solo casos de uso. En lugar de lanzar proyectos aislados, cree “fábricas de agentes” internas: enfoques repetibles para identificar, implementar y escalar agentes en todo el proceso de compras. Considere la primera implementación como el inicio de una cartera. El equipo que la creó la lleva adelante en la siguiente, con componentes reutilizables, y estos componentes y patrones de gobernanza compartida se mantienen en cada implementación posterior. Los profesionales de compras pasarán de ser ejecutores de tareas a gestores de un ecosistema de agentes, aplicando su criterio donde la IA se queda corta. La ventaja se multiplica, por lo que a quienes se incorporen más tarde les resultará cada vez más difícil ponerse al día.

Incorpore la gobernanza desde el principio. Integre la gobernanza como parámetro de diseño. Los derechos de aprobación, los registros de auditoría, las rutas de escalamiento y los mecanismos de anulación deben especificarse antes de que el primer agente entre en funcionamiento, y no negociarse después de que surja una cuestión de cumplimiento. Las implementaciones maduras van más allá: cada agente debe contar con un caso de inversión claro desde el principio, vinculado a una fase específica del proceso de adquisición, una palanca de valor definida e indicadores clave de rendimiento (KPI) financieros medibles. Esto obliga a cada agente a operar bajo el mismo escrutinio que un comprador o gerente de categoría humano, y evita el modo de fallo más común en las implementaciones basadas en agentes, que ocurre cuando un piloto funcional no se puede escalar porque la capa de gobernanza se añadió tardíamente.

Mida los resultados comerciales, no la adopción. Realice un seguimiento de la IA con agentes utilizando las mismas métricas que aplica al rendimiento general de las compras: ahorros generados, mejora en la negociación, reducción de costes, contribución al EBIT y rapidez en la toma de decisiones en situaciones críticas. Considere como secundarias las métricas de proceso, como la reducción del tiempo de ciclo, el uso de chatbots o la adopción de programas piloto. La medición basada en el valor es lo que transforma la IA con agentes de una función de apoyo a una cocreadora de resultados económicos.
...
El departamento de compras no se ha quedado atrás en la adopción de la IA con capacidad de gestión por la inmadurez de la tecnología. Se ha quedado atrás porque las implicaciones organizativas son más complejas y porque históricamente esta función se ha organizado de forma que resulta difícil abordar dichas implicaciones. Pero esto está cambiando. Las organizaciones que hemos analizado en este artículo no esperaron a que se dieran las condiciones perfectas. Comenzaron con un enfoque limitado, realizaron mediciones honestas y ampliaron lo que funcionó. Ese es el modelo. La tecnología está lista. La pregunta ya no es si el departamento de compras adoptará la IA con capacidad de gestión, sino qué organizaciones serán las primeras en obtener esa ventaja.

Lea más sobre IA generativa o temas relacionados: IA y aprendizaje automático, automatización, tecnología y análisis, gestión del cambio, modelos de negocio y gestión de la información.

Heiner Himmelreich es socio y director de Boston Consulting Group, donde lidera el trabajo en tecnología y ventaja digital. Su trabajo se centra en la transformación digital y la aplicación estratégica de tecnologías emergentes en diversos sectores.

Ilan Oshri es el director de CODE (Centro para la Empresa Digital) de la Universidad de Auckland y un destacado experto en estrategia digital y externalización. Su investigación analiza cómo las organizaciones gestionan y obtienen valor de la transformación digital y basada en inteligencia artificial.

Paolo Scala es consultor sénior en BCG Platinion, la unidad de diseño e implementación tecnológica de BCG, con sede en Milán. Está especializado en la transformación impulsada por la tecnología y la operacionalización de la IA avanzada en entornos empresariales complejos.

Anas Zaidani es director de BCG Platinion, la unidad de diseño e implementación tecnológica de BCG, con sede en Bruselas. Miembro de la red global de expertos de BCG en abastecimiento y adquisición de tecnología, se especializa en transformaciones a gran escala impulsadas por la optimización de costos, el abastecimiento de tecnología y los modelos operativos basados ​​en inteligencia artificial.