Doxa 2527

La obra de su vida: Entrevista con Jet Li

Por Alison Beard
Crecimiento y transformación personal
Harvard Business Review

#Doxa #JetLi #ArtesMarciales #CineDeAcción #Hollywood #Wushu #LeyendaViva #Filantropía #UnoFundación #KungFu #Actor #China #Espiritualidad #Budismo #Resiliencia #Legado
Resumen. En esta entrevista, la estrella de cine y de artes marciales Jet Li reflexiona sobre una vida marcada por la disciplina, la curiosidad y un sentido de la vocación en constante evolución. Describe cómo creció en la pobreza y cómo encontró luego estructura, oportunidades y confianza en el deporte antes de dar el salto a una carrera en el cine de acción, primero en Hong Kong y después en Estados Unidos. También explica cómo la espiritualidad y su experiencia con el tsunami de 2004 han marcado sus iniciativas filantrópicas y creativas en las últimas dos décadas.
Antes de que Li naciera, su abuela predijo que traería fortuna a su familia, y así fue cuando era adolescente: consiguió una beca del Estado chino para su carrera en las artes marciales y ganó cinco campeonatos nacionales consecutivos. A los veinte años se convirtió en una estrella de cine de acción, popular entre los aficionados de toda Asia y, posteriormente, de todo el mundo. Tras sobrevivir al tsunami de 2004 en las Maldivas, puso en marcha una de las primeras fundaciones benéficas de China y profundizó en su estudio del budismo. Su nueva autobiografía se titula Beyond Life and Death.

¿Sintió la presión de la profecía de su abuela?

Ella siempre contaba esa historia, pero nunca supe si era cierta. Cuando tenía dos años, mi padre falleció. A partir de entonces, mi madre trabajó duro para mantener a la familia, pero seguíamos siendo muy pobres, así que sabía que yo también tenía que esforzarme mucho y dar siempre lo mejor de mí. A los ocho años empecé a practicar artes marciales, y mis maestros me eligieron para seguir adelante.

¿Qué le hizo destacar como artista marcial?

Talento, pero también trabajar con inteligencia. Algunos de mis compañeros se esforzaban mucho más que yo, pero yo era el que, cuando los profesores decían: «Hagan mil movimientos», siempre pensaba: «¿Por qué mil?». ¿Cuál es el objetivo? ¿Y si solo hago 700 de la forma correcta? ¿No es eso mejor que mil? Por eso aprendí rápido, por eso gustaba a mis entrenadores y por eso, en solo un año, fui reconocido por mi excelencia general.

¿Cómo se manifestó esa disposición a cuestionar las cosas más adelante en su carrera?

En las artes marciales, la filosofía subyacente es el yin y el yang, lo que le lleva a considerar las dos caras de cada cosa. En 1974, cuando tenía 11 años, viajé a Estados Unidos por primera vez. El Gobierno nos había dicho que el pueblo y la cultura de China eran buenos, mientras que los de Estados Unidos eran malos. Pero vi que ninguno de los dos países era totalmente bueno ni totalmente malo, lo que me llevó a pensar de forma más independiente.

Usted era muy joven y competía contra hombres de entre veinte y treinta años. ¿Pudo encontrar la manera de aprovechar su juventud e inexperiencia en su beneficio?

Sí, incluso competí contra mis profesores. Pero los niños son adorables, y en cualquier actuación se puede mostrar tanto la personalidad como los movimientos. Se puede ser educado, humilde y amable. Cuando se hace todo eso, incluso las personas a las que se gana siguen estando contentas. Lo mismo ocurre en la interpretación. Mucha gente quiere ser actor, pero al público le gustan aquellos que tienen algo especial en su interior.

¿Cómo fue capaz de actuar tan bien bajo presión?

Tuve un entrenador excelente. Me enseñó a centrarme en mí mismo, en demostrar lo que había aprendido y en dar lo mejor de mí, no en superar a nadie más, y tampoco a darle demasiadas vueltas a las cosas. Eso me resultó de gran ayuda en mi vida posterior. Solo se puede competir contra uno mismo para mejorar cada vez más. Mucha gente toma el camino equivocado, persiguiendo a los demás. Así que siga su propio camino.

¿Por qué quiso pasar del atletismo al mundo del entretenimiento?

Una vez que te conviertes en campeón en China, ganas más dinero que la gente normal. Podía mantener a mi madre, a mis hermanas y a mis hermanos. A los 16 años ya tenía uno de los salarios más altos del país. Así que me pregunté: «¿Cómo puedo esforzarme más, ser más famoso y ganar más dinero?». Eso era lo que pensaba entonces. Tras el viaje a Estados Unidos, de regreso a China pasé por Hong Kong. El director de una productora cinematográfica me preguntó: «¿Quiere ser una estrella de cine de acción?». Le respondí: «¿Por qué no?». Pero yo pertenecía al gobierno, así que no era una decisión mía. A los 17 años me permitieron rodar mi primera película, y efectivamente me hice más famoso y pude cuidar mejor de mi familia. Pero no se trataba solo del dinero. También me encantan las artes marciales y quería promocionarlas. En las demostraciones que realicé en muchos países diferentes hasta los 16 años, había tal vez dos mil personas o menos en cada una. Con las películas, había millones de personas viéndolas. Así que eso me encantaba.

Usted dijo que, incluso en los inicios de su carrera cinematográfica, todavía se sentía como un empleado. ¿Cuándo empezó a reclamar más autonomía?

En la década de los 80, China se abrió al mundo, pero aún no se podían tomar decisiones por cuenta propia; se necesitaba autorización. Así que, en ocho años, solo rodé cuatro películas: una cada dos años. En Hong Kong, al otro lado del puente desde el continente, se rodaban veinte películas o más en ese mismo periodo. Tenía mucha energía y quería hacer más cosas, probar cosas nuevas. Finalmente, en 1988, el Gobierno me permitió ir a Estados Unidos, donde podría hacer lo que quisiera. Pero soy chino, mi inglés es deficiente y nadie me conocía. Así que me fui a Hong Kong en su lugar. Allí, tras unas cuantas películas, fundé mi propia productora, y probablemente fue entonces cuando por fin pude tomar mis propias decisiones.

Cuando protagoniza o produce una película, ¿qué tipo de líder es usted?

Lo primero es llegar a tiempo. Es posible que muchos actores famosos lleguen a las 7:30 a una reunión fijada para las 7 de la mañana. Pero yo siempre llego puntual porque, en mi entrenamiento de artes marciales, si no lo hacía, me castigaban. Lo segundo que aprendí de joven es que el hecho de ser campeón este año no significa que lo vaya a ser el siguiente. En cada competición, hay que volver a empezar y esforzarse más. Lo mismo ocurre con las películas: el hecho de que una sea un éxito no significa que la siguiente lo vaya a ser. Por eso no se puede caer en la pereza. No se puede pensar que uno es especial. Hay que trabajar con seriedad en todo momento, y entonces el equipo le seguirá.

Creo que también entiendo lo que quiere la gente. Las personas que trabajan para mí quieren hacer un buen trabajo y sentirse económicamente seguras. Así que, mientras que otras empresas de Hong Kong pueden retrasarse en los pagos o no pagarle si la película no da beneficios, yo siempre pago a tiempo o incluso antes de tiempo. Y luego, para hacer una buena película, hay que pensar en el público: ¿cómo se sentirá y cómo reaccionará? Ellos son los consumidores.

¿Por qué se le da tan bien tender puentes entre diferentes culturas?

Respeto las diferentes culturas y sistemas. En cada uno de ellos hay que aprender cómo funcionan las cosas, quiénes son los responsables de la toma de decisiones y qué quiere el público. Pero la naturaleza humana es la misma en todas partes. Todos queremos una vida honrada y buena, tener libertad, cuidar de nuestra familia y ayudar a los más desfavorecidos. Y una película de acción sencilla puede apelar a eso.

¿Cómo cree que ha cambiado la relación entre China y Estados Unidos a lo largo de su carrera?

Hay un profesor de sociología de Princeton, de origen chino, que quería escribir un libro utilizando mi vida para explicar los altibajos, desde la década de 1970, cuando ambos países se abrieron mutuamente, hasta la actualidad. Era una idea interesante, pero no escribí ese libro. Sí creo que ambos países son magníficos, fuertes y beneficiosos para el mundo. Pero lo abordan de maneras diferentes. Los estadounidenses comienzan por su familia, luego su ciudad, su estado, su país, y así sucesivamente. En la cultura china, primero está el país, luego el estado, la ciudad y la familia.

Tras alcanzar el éxito en Hollywood, ¿por qué volvió a centrar su vida en Asia?

Todos los actores del mundo quieren ir a Hollywood, pero lo que hay que preguntarse es: «¿Por qué le necesitan a usted?». En mi caso, fue porque hice un tipo de película que aún no existía en el mercado: el estilo de acción de Hong Kong. Les gustó, pero yo sabía que solo sería por un tiempo —de tres a cinco años— antes de que los estadounidenses aprendieran a hacerlo por sí mismos. Y aunque un rostro asiático estaba bien en Los Ángeles, San Francisco, Nueva York y Seattle, la gente de otras partes del país no quería ver eso todo el tiempo, lo cual yo entendía. En China también queremos nuestros propios héroes de acción.

Usted también cambió el tipo y el tono de sus películas. ¿Por qué?

Las películas de artes marciales tratan sobre golpear físicamente a las personas. Pero eso no les hace cambiar de opinión. Por eso quise empezar a contar historias que mostraran cómo la violencia puede ser una solución, pero no es la única. De hecho, lo más poderoso del mundo es una sonrisa, es el amor.

Usted ha superado muchas lesiones y enfermedades, entre ellas una afección tiroidea que padece actualmente. ¿Cómo ha logrado superar esos retos?

Mi libro se titula «Más allá de la vida y la muerte» porque todas las personas a lo largo de la historia de la humanidad tienen el mismo principio y el mismo final, y si esa es la verdad, no hace falta que nos preocupemos demasiado por el resto. Habrá momentos en los que estará sano y otros en los que estará enfermo; habrá momentos de suerte y otros de mala suerte. No puede decir: «¿Por qué a mí?», porque no hay garantías. Podría morir a los 10 años o seguir vivo a los 90. Mucha gente piensa que el dolor y el sufrimiento están relacionados, pero no tiene por qué ser así. Quejarse, gritar o enfadarse no sirve de nada. Si no ha sufrido una pérdida, no sabrá apreciar el éxito.

¿Cómo cambió su trayectoria profesional tras la experiencia del tsunami?

Diría que la primera parte de mi vida giró en torno a lo que yo denomino el «pequeño Jet» o el «yo pequeño»: mi trabajo, mi familia, mi dinero, mi fama y mi poder. Tras el tsunami, supe que tenía que haber algo más. Así que creé una fundación y, a día de hoy, hemos recaudado más de 4.500 millones de yenes a partir de 10.000 millones de donaciones individuales para ayudar a 61 millones de supervivientes de catástrofes. La idea es que todo el mundo pueda aportar un poco. Se trataba de un modelo de recaudación de fondos completamente nuevo, pero como soy budista, creo que cada persona tiene el poder de la compasión. Sí, los gobiernos, las personas ricas y las grandes empresas tienen una responsabilidad. Pero como ciudadano del mundo, usted también tiene una pequeña: tal vez sea donar 12 céntimos al mes o hacer voluntariado. Puede empezar por ahí y crecer.

Al principio del libro escribe que sus logros a menudo le dejaban insatisfecho porque siempre había otra meta que perseguir. ¿Le ayudó la fundación en ese sentido?

Bueno, devolver algo a la sociedad fue la segunda parte de mi vida, a la que denomino «el gran Jet» o «el gran yo», porque ya no trabajaba para mí mismo, sino para ayudar a los demás. Pero siempre hay más metas. Si ha ayudado a 100 000 personas, quiere ayudar a un millón; y si son millones, a decenas de millones. Si ha ayudado a los chinos, quiere ayudar a los africanos. Es más difícil que hacer películas. Por eso he pasado los últimos 30 años formándome con maestros budistas para aprender a ser verdaderamente libre: lo que llamamos «no yo».

¿Cuál es un principio budista que podría ayudar a los líderes ambiciosos y decididos a alcanzar sus metas?

Buda enseña la verdad relativa. Un ejemplo es cuando ve a alguien en Internet que se ha convertido en millonario muy rápidamente —un éxito de la noche a la mañana—, pero no tiene ni idea de lo duro que ha trabajado, ni ve a las personas que no han tenido tanto éxito. No comprende el panorama completo. Cada persona es única, con su propio amor, poder, sabiduría y trayectoria. Debe respetarse a sí mismo y descubrirse a sí mismo.

Recientemente ha rodado otra película y sigue trabajando intensamente en su fundación. No se ha recluido en un monasterio tibetano para practicar el budismo. ¿Qué le depara el futuro?

En lo que a mí respecta, no tengo ningún objetivo. No necesito nada. Disfruto observando el mundo, comprendiendo cómo funciona la gente. A lo largo de mi carrera, he inspirado a muchos niños a practicar artes marciales, pero me sentía un poco culpable porque no tenían muchas oportunidades de poner en práctica sus habilidades. Ahora, con las nuevas tecnologías y las redes sociales, sí pueden, así que estoy ayudando a los jóvenes a crear sus propios cortometrajes. También quiero compartir todo lo que he aprendido sobre entrenamiento mental, filosofía y religión para que las personas sean más sanas y felices. Cuando trabajaba con la Organización Mundial de la Salud, los científicos y los médicos me dijeron que, aunque estamos en camino de encontrar curas para las dos principales causas de muerte actuales —las enfermedades cardíacas y el cáncer—, nuestro mayor problema en el futuro será la tercera: los problemas de salud mental. Por eso he vuelto a dar un paso al frente, a instancias de mis maestros, para explicar mi trayectoria.

Lea sobre Crecimiento y transformación personal or related topics Propósito y valores personales y Estrategia y estilo personales

Alison Beard es editora ejecutiva en Harvard Business Review y copresentadora del podcast HBR IdeaCast. Anteriormente trabajó como reportera y editora en el Financial Times. Madre de dos hijos, intenta -y a veces lo consigue- aplicar las mejores prácticas de gestión a su hogar. @alisonwbeard


Doxa 2526

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

Por Jafar Sabbah y Oguz A. Acar
Ventas y marketing
Harvard Business Review

#Doxa #AgentesIA #MarketingDigital #ComercioElectrónico #InteligenciaArtificial #EstrategiaDigital #VentasB2B #Automatización #ExperienciaUsuario #Tendencias2026 #TransformaciónDigital #SEO Técnico #DatosEstructurados #Innovación #NegociosDigitales #FuturoDelRetail
Resumen. Los agentes de compras con IA se están convirtiendo rápidamente en una parte significativa de los "compradores" en línea. Nuevas investigaciones muestran que muchas tácticas clásicas de persuasión del comercio electrónico diseñadas para la psicología humana (escasez, temporizadores de cuenta regresiva, precios tachados, cupones,y los paquetes no influyen de manera fiable en los agentes de IA e incluso pueden reducir la selección según el modelo y la categoría del producto. En miles de rondas de compra simuladas en cuatro modelos líderes y cuatro categorías de productos comunes, solo las calificaciones con estrellas aumentaron consistentemente la elección en la dirección esperada, mientras que el precio la redujo de manera fiable; otras señales produjeron efectos inestables y específicos del modelo, y los modelos de razonamiento más avanzados a menudo se mostraron escépticos ante la persuasión explícita. La implicación para los profesionales del marketing es clara: tratar los modelos de IA como segmentos distintos, priorizar aspectos fundamentales como precios competitivos y reseñas auténticas, e invertir en una infraestructura de pruebas que mida continuamente cómo responden los diferentes agentes a medida que evolucionan los modelos y las indicaciones.
Cada vez hay más compradores que no son humanos. Son agentes de IA que investigan, comparan y, cada vez más, compran en nombre de los consumidores. Recientemente, OpenAI ha impulsado ChatGPT para que se integre aún más en el descubrimiento de productos y las aplicaciones para comerciantes; Google ha lanzado un protocolo de comercio universal (UCP) que permite a los agentes de IA realizar transacciones entre diferentes minoristas; y Amazon ha publicado herramientas que permiten a sus agentes comprar en los sitios web de otros minoristas en nombre de los clientes.

Las tácticas de persuasión perfeccionadas por los profesionales del marketing durante décadas, basadas en patrones bien documentados de la cognición humana, no funcionan igual en los agentes de IA. Algunas no funcionan en absoluto. Otras resultan contraproducentes. Esto no es una mera especulación. Al probar ocho mecanismos promocionales comunes del comercio electrónico en cuatro modelos de IA, mediante miles de simulaciones de compras, descubrimos que solo uno se comportaba de forma consistente como cabría esperar de un comprador humano.

La mayoría de las empresas no están preparadas para esto. En una encuesta exploratoria realizada a 50 ejecutivos de comercio electrónico en Estados Unidos y el Reino Unido, la mayoría afirmó haber notado ya cambios en el tráfico o las conversiones que atribuyen a los agentes de IA y que buscan activamente formas de mejorar la interacción de estos agentes con sus sitios web. Sin embargo, muchos de estos mismos ejecutivos creen que las señales que persuaden a los compradores humanos también influyen de manera similar en los agentes de IA, y que ya comprenden qué elementos de sus sitios web son más relevantes para el comportamiento de los agentes.

Nuestra investigación sugiere que esta confianza es infundada. Los mecanismos de persuasión se basaron en estudios con sujetos humanos: aversión a la pérdida, anclaje, sesgo de escasez y prueba social. Para los compradores de IA, estos no son principios fiables. Son hipótesis que deben someterse a prueba. Y los resultados pueden quedar obsoletos con cada actualización del modelo.

Lo que encontramos
Desarrollamos una simulación propia que reproduce cómo los agentes de IA interactúan con las páginas de productos típicas del comercio electrónico. Probamos cuatro modelos de IA diferentes (GPT-4.1-mini, GPT-5, Gemini 2.5 Pro y Gemini 2.5 Flash Lite), cada uno encargado de seleccionar entre productos presentados en un diseño de cuadrícula realista. Variamos ocho tipos de distintivos promocionales comúnmente utilizados en el comercio electrónico: señales de garantía ("Garantía de devolución de dinero"), temporizadores de cuenta regresiva, precios tachados, señales de escasez ("¡Solo quedan 2!"), prueba social (conteo de compras), cupones, paquetes y calificaciones con estrellas. Las categorías de productos rotaron entre cuatro artículos cotidianos (un teléfono, un reloj deportivo, una lavadora y una alfombrilla de ratón) para probar si los patrones se mantenían en contextos de venta minorista comunes. Para cada modelo y producto, ejecutamos 1000 rondas de compra simuladas, lo que generó más de 16 000 situaciones de elección en total.

La conclusión principal fue clara: solo las calificaciones impulsaron consistentemente las decisiones de compra en los cuatro modelos y categorías de productos, reflejando la arraigada confianza humana en las señales de calidad. El resto de las insignias produjeron efectos que variaron según el modelo y la categoría de producto, a veces de forma drástica. La prueba social fue la siguiente señal más sólida, pero incluso esta varió según el caso.

Por el contrario, tácticas conocidas como los precios tachados, los temporizadores de cuenta regresiva y los paquetes de productos no mostraron un patrón estable. En algunos casos aumentaron la variedad de opciones; en otros no tuvieron ningún efecto; y en al menos un caso, los paquetes la redujeron.

Se observó un patrón más general: los modelos sin capacidad de razonamiento —Gemini 2.5 Flash Lite y GPT-4.1-mini— respondieron mejor a las señales promocionales, mientras que los modelos con capacidad de razonamiento —GPT-5 y Gemini 2.5 Pro— respondieron menos. Sin embargo, incluso esta generalización tiene sus limitaciones: la misma insignia podría producir efectos opuestos en el mismo modelo según la categoría del producto.

Luego planteamos una pregunta más profunda: ¿Por qué funcionan estas tácticas con los humanos y explica esa misma lógica cómo responden los agentes de IA? Cada una de estas señales promocionales funciona en las personas por una razón psicológica específica. Las insignias de escasez provocan miedo a perderse algo o la sensación de una posible pérdida, lo que impulsa a las personas a actuar rápidamente antes de que el artículo se agote. Sin embargo, esta señal no tuvo efecto en algunos modelos, e incluso GPT-5 reaccionó negativamente en ciertas categorías de productos, lo que sugiere un patrón contrario a lo que se observa habitualmente en los humanos.

De forma similar, los precios tachados crean un punto de referencia que hace que el descuento se perciba como una ganancia, incentivando así la compra. Sin embargo, no observamos un patrón de respuesta consistente que se ajustara a esta lógica. De hecho, en el caso de Gemini 2.5 Pro, a medida que el descuento se hacía más evidente, su efecto persuasivo adicional se debilitaba en lugar de reforzarse.

La visión general es clara: las señales promocionales a veces influyeron en las decisiones de los agentes, pero no por las mismas razones por las que influyen en los seres humanos.

¿Qué deberían hacer los profesionales del marketing al respecto?
Nuestros hallazgos apuntan a un claro imperativo estratégico: los principios para persuadir a los compradores humanos no se transfieren de forma fiable a los agentes de IA. Pero la investigación también revela una estructura práctica subyacente.

Primero, asegúrate de dominar los fundamentos.
En todos los modelos que probamos, dos factores se comportaron exactamente igual que en el caso de los humanos: el precio y las valoraciones. Los precios más altos redujeron sistemáticamente la variedad de opciones; las valoraciones más altas la aumentaron sistemáticamente. Otros indicadores y señales no resultaron fiables.

Antes de invertir en tácticas específicas para agentes, las empresas deben asegurarse de que sus fundamentos sean sólidos: precios competitivos y perfiles de reseñas auténticos y convincentes.

Trate cada modelo como un segmento de mercado distinto.
Los profesionales del marketing han dedicado décadas a segmentar a los compradores según datos demográficos, geográficos, psicográficos y de comportamiento. Nuestros resultados sugieren que ahora deben considerar una nueva variable de segmentación: el propio modelo de IA. Concebir cada modelo como un segmento distinto, con su propio perfil de respuesta a las señales promocionales, proporciona un marco familiar y práctico para gestionar esta complejidad.

Adapta lo que presentas a quién o qué está mirando.
Si cada modelo responde de manera diferente, el siguiente paso lógico es ofrecer diferentes versiones de la información de su producto dependiendo del agente que interactúe con su sitio web o fuente de datos.

Un punto de partida práctico consiste en identificar qué modelos de IA generan más tráfico o transacciones en su categoría y optimizarlos. Esto es cada vez más sencillo. A medida que las compras se realizan cada vez más a través de protocolos de comercio electrónico como UCP de Google, los comerciantes obtienen visibilidad sobre qué plataformas de IA impulsan sus transacciones. Esto recuerda a los inicios de la optimización móvil, cuando las empresas diseñaban inicialmente para el dispositivo dominante antes de crear experiencias totalmente adaptables.

Un enfoque más eficaz es el dinámico: detectar el modelo del agente y ajustar las señales promocionales en tiempo real (por ejemplo, qué insignias aparecen, cómo se presentan los precios, si se muestran paquetes o cupones) en función del agente que esté evaluando la página.

Actualmente, esto sigue siendo complicado. La mayoría de los agentes de compras con IA navegan a través de navegadores web estándar, lo que dificulta distinguirlos de los visitantes humanos en tiempo real. Sin embargo, a medida que los protocolos de comercio electrónico maduren y la detección del comportamiento mejore, esta brecha se reducirá. Las empresas que comiencen a desarrollar la infraestructura de pruebas ahora estarán mejor posicionadas para actuar cuando la personalización en tiempo real sea cada vez más factible.

Entiende la consigna, no solo al agente.
Un agente de compras con IA no llega con sus propias preferencias, sino con las indicaciones del usuario. Un consumidor que le dice a su agente: «Encuéntrame los auriculares inalámbricos mejor valorados por menos de 100 libras» le da una instrucción muy diferente a la de alguien que dice: «Consígueme la opción más barata con envío mañana». El comportamiento del agente está condicionado por estas instrucciones.

Comprender las estructuras de preguntas más comunes en tu categoría es una forma novedosa e importante de investigación de mercado. Las empresas deberían empezar a estudiar qué les piden los consumidores a sus agentes que optimicen. Esto puede hacerse mediante investigación directa, análisis de patrones de consulta o colaboraciones con plataformas de IA. Las marcas que comprendan cómo se comunican sus clientes con sus agentes estarán mejor posicionadas para garantizar que sus productos aparezcan de la forma adecuada para las consultas correctas.

Cabe esperar que los modelos más avanzados se muestren escépticos ante las tácticas de marketing, en lugar de indiferentes a ellas.
Una suposición común es que, a medida que los modelos de IA se vuelven más capaces, se volverán más "racionales", menos susceptibles a las señales de marketing y más parecidos a los maximizadores de utilidad perfectamente informados de la teoría económica.

Nuestros hallazgos ponen en tela de juicio esta afirmación. Los modelos más avanzados, como GPT-5 y Gemini 2.5 Pro, respondieron menos a ciertas tácticas promocionales, pero no las ignoraron por completo. En varios casos, parecieron penalizar las señales de persuasión explícitas, como si las interpretaran como indicios de baja calidad o manipulación.

Esto significa que las tácticas promocionales agresivas, de las que aún funcionan con muchos compradores, podrían volverse cada vez más contraproducentes a medida que los modelos de agentes evolucionan. La tendencia no apunta hacia agentes que simplemente ignoren tu marketing, sino hacia agentes donde una mayor persuasión reduce la selección de clientes.

Construya una infraestructura de pruebas, no una estrategia puntual.
Quizás la conclusión más importante sea estructural. Los efectos promocionales que medimos hoy no serán los mismos después del próximo modelo. Cada lanzamiento importante, ajuste o nueva configuración de seguridad puede modificar la forma en que un agente responde a los precios, las señales de urgencia o la prueba social. Cualquier estrategia fija de optimización de agentes tiene una vida útil corta.

Las empresas deberían crear entornos de simulación donde puedan ejecutar sistemáticamente agentes de IA en las páginas de sus productos, abarcando diferentes modelos, categorías y configuraciones promocionales. Podrían mantener una base de datos versionada del comportamiento de los agentes, indexada por versión del modelo, para detectar cuándo una táctica que funcionó el trimestre anterior ha dejado de ser efectiva o ha comenzado a tener efectos contraproducentes.
...
Durante décadas, los profesionales del marketing han perfeccionado cada herramienta de persuasión pensando en un único público: los seres humanos. Este público se está dividiendo. Un porcentaje cada vez mayor de las decisiones de compra se tomará, o se filtrará, por agentes que no responden a las señales cuidadosamente diseñadas como lo hacen las personas. Algunos las ignorarán. Otros, como demuestran nuestros datos, las usarán en su contra. Para los profesionales del marketing que han dedicado su carrera a perfeccionar el arte de la persuasión, la conclusión, a veces incómoda, es que lo mejor es moderar la intensidad. Las marcas que prosperen serán aquellas lo suficientemente disciplinadas como para saber cuándo la persuasión en sí misma se ha convertido en un problema.

Lea más sobre ventas y marketing o temas relacionados: publicidad, marketing y comportamiento del consumidor.

Jafar Sabbah es profesor de tecnología e innovación en la Bayes Business School, City St. Georges, Universidad de Londres.

Oguz A. Acar es profesor de marketing e innovación en la King's Business School del King's College de Londres.

 

Doxa 2525

Por qué los líderes deberían pasar por alto los errores menores

Por Avery Forman
Empleados con bajo rendimiento
Harvard Business Review

#Doxa #liderazgo #confianza #errores #equipos #productividad #cultura #innovación #aprendizaje #autonomía #gestión #estrategia #motivación #eficiencia #crecimiento #enfoque
Resumen. Muchos gerentes son criticados por mostrar indulgencia en las evaluaciones de desempeño de los empleados con bajo rendimiento. Sin embargo, una nueva investigación revela que esto podría ser una respuesta racional a un problema costoso: las represalias de los empleados. Cuando las evaluaciones negativas provocan chismes, retrasos o incluso el sabotaje, el daño financiero y cultural puede superar los beneficios de una aplicación estricta de las normas. Mediante un modelo teórico y ejemplos reales, el estudio demuestra que vincular estrechamente la remuneración al desempeño mejora la medición, pero aumenta el riesgo de reacciones negativas, especialmente para los empleados con mayor antigüedad. Las empresas podrían beneficiarse más si priorizan las bonificaciones por un desempeño sobresaliente, pasan por alto las deficiencias menores y separan la retroalimentación constructiva de la compensación para preservar tanto la productividad como la armonía en el lugar de trabajo.
Este artículo fue elaborado por Harvard Business School Working Knowledge y presenta las reflexiones del miembro del profesorado Henrique Castro-Pires.

Chismorrear. Trabajar más despacio. Contestar con insolencia. Dañar los productos de la empresa. Estas son algunas maneras en que los empleados descontentos se rebelan contra sus empleadores.

¿Vale la pena, entonces, que el jefe se arriesgue a provocar represalias con una mala evaluación de desempeño? ¿Y qué ocurre cuando una evaluación severa reduce el salario? En la era de plataformas como Glassdoor, donde los trabajadores califican a las empresas, muchos gerentes minimizan las pérdidas: suelen dar evaluaciones promedio a la mayoría de los empleados y, a menudo, se muestran reacios a señalar el bajo rendimiento de quienes no rinden.

Esto no es un fallo de gestión. De hecho, los supervisores que inflan las calificaciones de los empleados con bajo rendimiento lo hacen porque anticipan la reacción negativa, por lo que toman la decisión consciente (o subconsciente) de evitar el drama y los costos asociados.

“¿Qué tan costosa puede ser la represalia para su empresa?”, pregunta Henrique Castro-Pires, profesor adjunto de la Escuela de Negocios de Harvard. “Si piensa conservar a los mismos empleados durante mucho tiempo, tener un equipo saludable es fundamental, y un ambiente disfuncional puede resultar muy costoso”.

En “Gestión, evaluaciones de desempeño y represalias”, publicado en la edición de febrero de Management Science, el modelo teórico de Castro-Pires analiza el costo de la resistencia de los empleados, desde la renuncia discreta hasta el sabotaje directo. En un momento en que los sitios web de búsqueda de talento amplifican el descontento, la investigación destaca el delicado equilibrio que enfrentan los gerentes entre evaluaciones honestas y armonía en el lugar de trabajo.

Su investigación sugiere que los gerentes deberían ofrecer fuertes incentivos para un desempeño excepcional, pero tal vez les convenga más pasar por alto los pequeños errores. El costo de las represalias suele ser mayor que los beneficios de una aplicación más estricta de las normas.

“Nuestros resultados sugieren que a una empresa le convendría más no castigar los malos resultados, incluso si fuera factible hacerlo”, afirma el artículo.

Un sabotaje sacude una fábrica de chocolate.
Castro-Pires decidió estudiar las represalias laborales después de que un amigo, propietario de una fábrica de dulces en Brasil, le contara una historia espeluznante. Enojado por una evaluación de desempeño que redujo el salario de un trabajador, este vertió etanol en un tanque de chocolate derretido como forma de venganza.

La amiga de Castro-Pires, encargada de probar el chocolate a diario, notó que algo no estaba bien y tuvo que desechar la producción de un día. "Fue un gasto enorme", dice Castro-Pires.

Según él, es difícil medir las represalias porque la mayoría de los empleados no lo admiten y la mayoría de los lugares de trabajo no reconocen que están ocurriendo. En el incidente del chocolate, los directivos de la empresa revisaron las grabaciones de las cámaras de seguridad y despidieron al empleado, pero la mayoría de los comportamientos son más sutiles.

“Hay muchas pequeñas cosas que puedes cambiar en tu trabajo diario que harían la vida de tu jefe, o de tu empresa en general, un poco más difícil”, dice Castro-Pires.

Su artículo documenta ejemplos de resistencia en el lugar de trabajo: un estudio de 2022 que examinó un centro de llamadas en EE. UU. descubrió que los trabajadores respondieron a una reducción salarial emitiendo reembolsos elevados a los clientes, con un aumento de los reembolsos de 5,8 puntos porcentuales y una reducción de las ventas netas de aproximadamente 11 dólares por hora. Un libro de 1972 titulado Working describe a un trabajador siderúrgico descontento que se negaba a decir "sí, señor" a su jefe y que ocasionalmente "abollaba [el acero]".

¿Por qué las reseñas no son suficientes?
Un jefe no puede ver todo lo que hace un empleado, lo que genera lo que los expertos en ética denominan riesgo moral, o una dinámica fácilmente explotable. Muchas empresas utilizan recompensas, como aumentos salariales o bonificaciones, para incentivar a los trabajadores a alcanzar objetivos, como metas de ventas u horas trabajadas, y algunas reducen el sueldo cuando el rendimiento es inferior al esperado.

Sin embargo, cuando la productividad es difícil de medir, muchas empresas recurren a evaluaciones de desempeño verbales o escritas, las cuales pueden ser propensas a sesgos o injusticias, afirma. Los críticos reprochan a estas evaluaciones su “indulgencia”, es decir, inflar las calificaciones de los empleados con bajo rendimiento por un trabajo deficiente, y su “centrismo”, es decir, no reflejar las variaciones reales en el desempeño de los empleados.

Básicamente, no suelen ser muy informativas. «No revelan diferencias sutiles en el rendimiento», afirma Castro-Pires. «Pero eso podría ser lo óptimo, incluso desde la perspectiva de la propia empresa».

¿Cuánta represalia pueden tolerar los jefes?
Castro-Pires diseñó un modelo teórico para demostrar que esos supuestos "defectos" —la indulgencia y la centralidad— son, en realidad, características. Estas tendencias implican que los directivos saben que las críticas severas pueden provocar represalias, por lo que deciden que lo mejor para la empresa es evitar dar malas evaluaciones.

Su modelo muestra que los empleados toman represalias cuando su salario es menor al esperado, pero antes de que el gerente comparta una evaluación de desempeño negativa con la empresa. En ese momento, añadir comentarios negativos al castigo podría empeorar aún más la reacción del trabajador.

“La idea central es que el director se enfrenta a una disyuntiva: o bien utiliza más información [negativa] [sobre el empleado] y castiga el mal desempeño, pero sufre pérdidas por represalias, o bien ofrece incentivos solo después de que se observe un buen desempeño, pero desperdicia información”, explica la investigación.

Castro-Pires afirma que los directivos pueden adoptar dos enfoques:
  • Utilice incentivos y sanciones. Vincular el salario al desempeño —recompensando con bonos y penalizando con recortes salariales— ayuda a las empresas a medir el esfuerzo con mayor precisión, pero los gerentes deben prever represalias cuando sancionan a los empleados. Este enfoque funciona mejor para asignaciones a corto plazo, afirma.
  • Utilice únicamente incentivos. Los gerentes pueden premiar el buen desempeño y pasar por alto el deficiente, sabiendo que podría haber represalias. Sin embargo, eliminar la amenaza de recortes salariales puede llevar a algunos trabajadores a esforzarse menos, por lo que las empresas podrían pagar de más por un trabajo mediocre, afirma Castro-Pires. El mal desempeño se vuelve difícil de distinguir del trabajo promedio, por lo que "se está pagando un poco más por el mismo desempeño", explica.
Restablecer la armonía en el trabajo
Castro-Pires ofrece consideraciones prácticas para ayudar a los gerentes, los departamentos de recursos humanos de las empresas y los empleados a encontrar el equilibrio entre brindar retroalimentación honesta y minimizar las represalias.

Para gerentes:
  • No le des importancia a los problemas menores. «Si tu percepción del desempeño de un trabajador está por debajo de lo que esperarías como un desempeño promedio, aunque sea solo un poco, tal vez prefieras no reportarlo para evitar los costos de represalias».
  • Desvincula el salario de las críticas negativas. “[En una evaluación de desempeño], si logras generar la sensación de que ‘no, esto no afecta directamente tu salario. Lo que intento hacer es ayudarte a mejorar’, no veo motivo para que un empleado tome represalias”.
  • Aclarar los motivos de una mala evaluación. «Muchas represalias surgen de esta sensación de injusticia», afirma. «Es importante informar a los empleados sobre los criterios de evaluación, lo que les ayuda a comprender el origen de la misma y a prevenir posibles represalias».
Para los departamentos de recursos humanos:
  • Apuesta por las zanahorias y usa los palos con moderación. «Evita castigar reduciendo el salario si el rendimiento está por debajo de cierto nivel para evitar represalias», afirma. En cambio, céntrate en los incentivos, como las bonificaciones por un buen desempeño.
  • Realice encuestas tanto a gerentes como a empleados para detectar represalias. «Es útil preguntar, de forma anónima, si ha presenciado represalias en la empresa. ¿Las ha experimentado o le preocupa que ocurran?»
Para los empleados:
  • Comunicarse en lugar de tomar represalias. Cuando un empleado no está satisfecho con una evaluación o una reducción salarial, la comunicación honesta es el camino para resolver el problema, afirma.
  • Considera buscar nuevas oportunidades. Si la comunicación no da resultados y los empleados se sienten injustamente evaluados, quizás sea el momento de un nuevo puesto. "¿Es esta la empresa en la que quiero trabajar o no es la adecuada para mí? Considera buscar una cultura y un ambiente laboral que se ajusten mejor a tus valores."

Lea más sobre empleados con bajo rendimiento o temas relacionados : dar retroalimentación, gestión de riesgos, retroalimentación, motivación de las personas, gestión del desempeño de los empleados, gestión de personas y liderazgo y gestión de personas.

Avery Forman es editora asociada sénior en HBS Working Knowledge. Anteriormente fue reportera en The Wall Street Journal.

 

Doxa 2524

Rediseñando su organización de marketing para la era de los agentes

Por Michelle Taite, John Winsor y Will Fernandez
Marketing
Harvard Busines Review

#Doxa #AgentesIA #MarketingDigital #AutomatizaciónMarketing #TransformaciónDigital #InteligenciaArtificial #OrganizaciónMarketing #AgentesAutónomos #FuturoMarketing #MarketingConIA #InnovaciónTecnológica #EstrategiaMarketing #ProductividadEmpresarial #DigitalizaciónMarketing #OptimizaciónProcesos #MarketingDelFuturo
Resumen. A medida que la IA acelera el desarrollo de productos y amplía las responsabilidades del marketing, la mayoría de las organizaciones de marketing tienen dificultades para mantenerse al día porque su modelo operativo —secuencial, fragmentado y con una gran necesidad de coordinación— no ha cambiadoLa solución consiste en una nueva estructura diseñada para la colaboración entre humanos y agentes, centrada en un «código de marca»: una base de conocimiento legible por máquina que codifica la estrategia de marca, la información sobre los clientes y las reglas de negocio sobre las que pueden actuar tanto las personas como los agentes de IA. Sistemas multicapa de agentes especializados pueden gestionar la creación, experimentación, distribución e informes de contenido a gran escala, mientras que los profesionales del marketing pasan de la ejecución a la dirección y el juicio estratégicos. El éxito exige replantearse no solo la tecnología, sino también la forma en que las organizaciones contratan y desarrollan talento, priorizando a las personas con capacidad de pensamiento sistémico y de influir en la evolución de la plataforma.
“Estamos listos para el lanzamiento.”

“El marketing no lo es.”

Ningún director de marketing (CMO) se propone convertirse en un cuello de botella, pero cada vez más, eso es lo que les ocurre a muchos en este puesto. ¿Por qué? La IA está acelerando el ritmo de trabajo en toda la empresa, aumentando las exigencias sobre marketing más allá de lo que su modelo operativo actual puede soportar.

La IA ha demostrado sus ventajas más evidentes y cuantificables en los flujos de trabajo de ingeniería y datos, por lo que su adopción empresarial se ha concentrado en este ámbito. Un estudio de Anthropic sugiere que la ingeniería de software representa actualmente casi el 50 % de toda la actividad de la IA. Como resultado, los ciclos de desarrollo de productos son ahora más rápidos, con equipos que realizan lanzamientos de forma continua en lugar de trimestral, un cambio que ha incrementado tanto el volumen como la velocidad de los lanzamientos que el departamento de marketing debe gestionar. Al mismo tiempo, la IA está ampliando las áreas que el departamento de marketing debe cubrir en todos los segmentos, canales y mercados.

El marketing ha experimentado beneficios reales gracias a la IA en áreas como la generación de textos, la creación de imágenes y la personalización. Sin embargo, estos beneficios son localizados y, dado que el trabajo sigue siendo multifuncional y requiere mucha coordinación, integrar la IA en los flujos de trabajo existentes no elimina las dificultades subyacentes. Una mayor rapidez en la producción no se traduce en una ejecución más rápida.

El problema no son las herramientas, sino el modelo operativo. La mayoría de los flujos de trabajo de marketing siguen limitados por procesos secuenciales y sistemas aislados, lo que imposibilita operar a la velocidad que exige el negocio actualmente.

En nuestra experiencia liderando organizaciones de marketing, asesorando en la implementación de IA y desarrollando sistemas basados ​​en IA, hemos observado este patrón repetirse en diversas empresas. Sin embargo, hemos visto organizaciones exitosas que hacen algo fundamentalmente diferente: en lugar de integrar la IA en los flujos de trabajo existentes, introducen un nuevo modelo diseñado para la colaboración entre humanos y agentes, combinando flujos de trabajo autónomos con una base de inteligencia compartida. Están creando lo que denominamos la organización de marketing con agentes.

En el centro de este modelo se encuentra el código de marca: una base de conocimiento legible por máquina donde la información vital sobre la estrategia de marca, la experiencia del producto, las percepciones del cliente y las reglas de negocio se codifica en un formato coherente que tanto las personas como los agentes de IA pueden comprender y aplicar fácilmente. El código de marca es fundamental. Determina cómo se toman las decisiones, cómo se genera el contenido y cómo se configuran las experiencias en todos los puntos de contacto. Piénselo como la documentación de incorporación permanente que tanto las personas como los agentes necesitan para tener éxito en su trabajo.

Con esta base establecida, los agentes pueden ejecutar y coordinar el trabajo mientras las personas se centran en la estrategia, el criterio y la gobernanza, diseñando y guiando el sistema en lugar de gestionarlo paso a paso.

Empresas como HubSpot y AWS han comenzado a implementar este modelo. En estas implementaciones, las organizaciones están obteniendo beneficios cuantificables: los materiales de marketing se adaptan hasta 98 ​​veces más rápido, los costos unitarios se reducen en un 80 % y las tasas de clics aumentan hasta 17 veces. Un estudio de BCG ha demostrado estos beneficios a gran escala: las organizaciones que integran la IA activa en sus flujos de trabajo de marketing, según los investigadores, pueden lograr un aumento de hasta el triple en el retorno de la inversión, la velocidad de las campañas y el volumen de contenido.

A continuación, presentamos un marco práctico para el diseño de una organización de marketing basada en agentes. Este marco se deriva del trabajo que hemos realizado con las empresas mencionadas anteriormente y de proyectos relacionados liderados por Defyner, una consultora de marketing especializada en IA (cofundada por Will).

Construyendo la plataforma: Un equipo de equipos digitales
En una organización de marketing basada en agentes, la plataforma no es una colección de soluciones puntuales, sino un sistema de conexiones inteligentemente organizadas por capas.

La capa fundamental es el código de marca, que operacionaliza la inteligencia compartida, asegurando que cada resultado —independientemente del canal, producto, mercado o equipo— se base en la misma lógica y requisitos subyacentes. Esto se logra codificando la información en formatos estructurados como taxonomías, plantillas de indicaciones, árboles de decisión y conjuntos de datos etiquetados, que los agentes pueden consultar e interpretar directamente dentro de los flujos de trabajo.

El código de marca evoluciona con el uso. A medida que se ejecutan las campañas, los datos de rendimiento se retroalimentan al sistema, lo que permite refinar los mensajes, la definición de la audiencia y la lógica de decisión. Con el tiempo, el sistema se vuelve más preciso y adaptable, mejorando la ejecución del trabajo con cada iteración. Además, aborda un problema común: la pérdida de conocimiento que se produce cuando los empleados abandonan un equipo. Al capturar ese conocimiento, el código de marca lo hace compartido y perdurable.

Sobre la base se encuentra la capa de ejecución. Esta capa contiene agentes enfocados en flujos de trabajo específicos. Cada uno se encarga de un tipo de tarea, como la generación de contenido, la localización o las pruebas, y utiliza las herramientas, los conjuntos de datos y los recursos del equipo existentes para completar el trabajo asignado.

Por ejemplo, en un flujo de trabajo de experimentación, agentes especializados gestionan distintas partes del proceso en paralelo y se coordinan automáticamente cuando surge nueva información. Un agente podría generar variantes creativas, otro podría ensamblar estructuras de prueba, otro podría implementarlas en diferentes canales y otros podrían medir los resultados e informar sobre las conclusiones.

Por encima de la capa de ejecución se encuentra la capa de orquestación. Aquí es donde el sistema coordina el trabajo de los agentes especializados: gestiona las dependencias, prioriza las tareas, enruta las salidas y activa las siguientes acciones. Lo que antes se gestionaba mediante planes de proyecto, reuniones de estado y traspasos manuales, ahora se gestiona dinámicamente por el sistema. La capa de orquestación secuencia, enruta y controla el flujo de trabajo, mientras que la capa de ejecución realiza el trabajo propiamente dicho.

Para continuar con el ejemplo de experimentación: en la capa de orquestación, un agente podría decidir cuándo generar variantes, cuándo las pruebas están listas para ejecutarse, cómo se deben dirigir los resultados para su análisis y cuándo utilizar lo aprendido para iniciar la siguiente ronda de ejecución. Siempre que se requiera la intervención humana —aprobar resultados, definir la dirección— el sistema remite las preguntas y decisiones a los operadores humanos.

La interfaz es donde los profesionales del marketing interactúan con el sistema: definen sus objetivos, revisan los resultados y toman decisiones cuando se les solicita, con permisos acordes a su rol. Se ofrece a través de una única plataforma integrada en herramientas conocidas como Slack, WhatsApp o Teams, lo que permite a los profesionales del marketing trabajar de forma integrada en su flujo de trabajo habitual sin tener que navegar por múltiples plataformas ni recibir formación adicional.

En conjunto, estas capas transforman una plataforma de marketing en un sistema coordinado de agentes, regido por inteligencia compartida y moldeado por responsables de la toma de decisiones humanos.

Rediseñando el proceso: cinco flujos de trabajo con enfoque en la gestión de agentes
Una vez implementado el sistema, la pregunta ya no se centra en dónde aplicar la IA, sino en cómo estructurar el trabajo en sí. Nuestra experiencia sugiere que los sistemas de mayor impacto se construyen en torno a tareas de gran volumen, repetibles y vinculadas a resultados medibles. La adaptación de contenido, la experimentación, la elaboración de informes y la localización son puntos de partida comunes. El valor del sistema basado en agentes reside en cómo estas tareas se conectan como flujos de trabajo.

En este modelo, el marketing se divide naturalmente en cinco flujos de trabajo coordinados:

Inteligencia e ideación.
Esto reemplaza la fase inicial del ciclo de planificación. Para identificar oportunidades, los agentes sintetizan continuamente señales de mercado, información sobre la competencia, comportamiento de la audiencia y datos de rendimiento. El resultado es una dirección estratégica estructurada: oportunidades priorizadas, hipótesis e informes listos para su ejecución. El rol humano pasa de recopilar información a evaluar oportunidades, establecer prioridades y definir la intención estratégica.

Creación de contenido.
Esto transforma la estrategia en ejecución. Los agentes generan contenido en diversos formatos, canales y segmentos, basándose en el código de marca para producir resultados que se ajustan a las especificaciones desde el primer borrador. En lugar de depender de ciclos iterativos de producción y revisión, el contenido se genera y adapta a gran escala dentro de parámetros definidos. El rol humano pasa de la producción a la dirección: establecer estándares, definir la intención creativa y llevar el trabajo a un nivel superior donde los agentes aún no pueden llegar.

Investigación y pruebas.
Esto operacionaliza el aprendizaje. Mediante audiencias reales o sintéticas, los agentes diseñan y ejecutan experimentos en diversos canales y, posteriormente, sintetizan los resultados. Las pruebas dejan de ser puntuales para integrarse en el flujo de trabajo. El rol humano pasa de ejecutar pruebas a definir la agenda de aprendizaje: qué probar, por qué es importante y cómo los resultados influyen en la estrategia.

Distribución.
La proliferación de canales ha convertido la distribución en una de las áreas más complejas operativamente del marketing. Los agentes gestionan la adaptación, la programación y el despliegue de contenido en todos los canales, mercados y segmentos, y el rol humano se centra ahora en la estrategia de canales y las decisiones de colaboración.

Rendimiento e informes.
Esto cierra el ciclo. En lugar de depender de revisiones retrospectivas, los agentes supervisan el rendimiento de forma continua, detectando anomalías, identificando patrones y reincorporando los aprendizajes al sistema prácticamente en tiempo real. La elaboración de informes se centra en la optimización continua, donde los datos de rendimiento fundamentan las decisiones en todos los flujos de trabajo. El rol humano pasa de informar los resultados a interpretarlos: comprender las ventajas y desventajas, identificar patrones y guiar la evolución del sistema.

Redefiniendo el rol del profesional del marketing
Los profesionales del marketing siempre han sido responsables de la estrategia y la toma de decisiones, pero gran parte de su tiempo se ha dedicado a redactar textos de posicionamiento, gestionar recursos y supervisar las transiciones. En un sistema basado en agentes, un mayor número de profesionales del marketing actúan como directores de trabajo, definiendo objetivos, evaluando resultados y tomando decisiones en un contexto que abarca equipos humanos y automatizados. El valor se desplaza del resultado al juicio, ya que los profesionales del marketing definen qué se considera un buen desempeño, evalúan los resultados del sistema y configuran los insumos que guían el rendimiento futuro.

Esto requiere un conjunto diferente de capacidades. Los profesionales del marketing más eficaces saben articular una intención estratégica clara, piensan en términos de flujos de trabajo en lugar de funciones y comprenden cómo las decisiones en una parte del sistema afectan los resultados en otra. Trabajan de forma iterativa, probando, aprendiendo y ajustándose en colaboración con el sistema.

La transición no es puramente acumulativa. Muchos profesionales del marketing han forjado sus carreras y su sentido de competencia basándose en el trabajo. Les satisface producir algo tangible y saber que es bueno. En un sistema basado en agentes, ese control pasa de la ejecución a la dirección. El reto no reside solo en aprender nuevas habilidades, sino también en abandonar el instinto de intervenir y realizar el trabajo.

Este cambio también tiene claras implicaciones en la forma en que las organizaciones contratan, desarrollan y lideran.

Las organizaciones necesitan profesionales del marketing que piensen en sistemas, no en tareas; que puedan diseñar flujos de trabajo, establecer parámetros e interpretar datos con rapidez. Esto no requiere conocimientos técnicos avanzados, pero sí familiaridad con la orquestación y el diseño iterativo de sistemas.

Las prácticas de gestión también deben evolucionar. Cuando la ejecución está a cargo de agentes, el rol del gerente cambia: pasa de revisar los entregables a revisar los sistemas: ¿Están los resultados alineados estratégicamente? ¿Funcionan los mecanismos de retroalimentación? ¿El código de marca es actual y preciso?

Finalmente, las organizaciones deben invertir en la transición misma. Los equipos necesitan aprender a informar eficazmente a las plataformas de IA, evaluar los resultados según criterios estratégicos y determinar cuándo se requiere la intervención humana. Esto podría implicar la colaboración deliberada entre profesionales del marketing con experiencia y sistemas de IA en proyectos reales, no como un proyecto piloto o un experimento, sino como una nueva forma de trabajar. Los profesionales del marketing que se adaptan más rápidamente no son necesariamente los más técnicos. Son aquellos que saben reconocer la calidad en contexto y que comprenden cuándo los resultados son suficientemente buenos, cuándo necesitan mejorar y cómo evolucionar el sistema para optimizarlo en función de sus observaciones.

En la práctica, los profesionales del marketing que se adapten más rápido serán aquellos que puedan moldear el funcionamiento del sistema a medida que este se acelera, tomando decisiones sobre la marcha y traduciendo lo que aprenden en cambios que el sistema pueda implementar.
...
En la organización de marketing proactiva, cuando un equipo dice: «Estamos listos para el lanzamiento», el marketing ya está en marcha. Los recursos están disponibles, las pruebas se están ejecutando y la información se retroalimenta a producto e ingeniería en tiempo real, con el director de marketing marcando la pauta en lugar de ir a remolque. Quienes adopten esta estrategia desde el principio no solo avanzarán más rápido, sino que definirán cómo opera el marketing en la próxima era y obtendrán beneficios exponenciales.

Michelle Taite es una ejecutiva de marketing y oradora principal reconocida por crear marcas que combinan creatividad, tecnología y conexión emocional. Recientemente, se desempeñó como directora de marketing de Intuit Mailchimp. Anteriormente, fue vicepresidenta de marketing global de Intuit QuickBooks en Intuit y ocupó cargos en Unilever y New Balance. Forma parte del Consejo Global de Crecimiento de Directores de Marketing de la Asociación Nacional de Anunciantes y fue nombrada una de las directoras de marketing más innovadoras por Business Insider en 2023.

John Winsor es coautor de Open Talent: Leveraging the Global Workforce to Solve Your Biggest Challenges. También es fundador y presidente de Open Assembly y miembro ejecutivo del Instituto de Diseño, Datos y Digitalización de la Escuela de Negocios de Harvard.    
Will Fernandez es un ejecutivo de marketing y emprendedor centrado en cómo las marcas más ambiciosas del mundo implementan la IA a gran escala. Es cofundador de Defyner, una consultora de marketing especializada en IA. Es un exalumno activo de la Marketing Academy y del Cuerpo de Paz.


Doxa 2500s

 Doxa 2.500 ...


Próxima Meta 2.600 y 500 K

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 2523

3 maneras en que la IA puede liberar a las organizaciones de los flujos de trabajo heredados

Por Graham Kenny y Ganna Pogrebna
Inteligencia artificial y aprendizaje automático
Harvard Business Review

#Doxa #InteligenciaArtificial #TransformaciónDigital #Automatización #FlujosDeTrabajo #SistemasLegados #InnovaciónTecnológica #Productividad #EficienciaOperativa #ModernizaciónTI #ProcesosDigitales #IAEmpresarial #Optimización #TecnologíaCloud #IntegraciónSistemas #AgilidadOrganizacional
Resumen. Las organizaciones suelen asumir que su mayor limitación es la falta de nuevas capacidades. Sin embargo, con mayor frecuencia, se trata de la acumulación de capacidades obsoletas. Los flujos de trabajo heredados, las suposiciones arraigadas y las métricas heredadas influyen silenciosamente en las decisiones mucho después de que se hayan tomadoHan dejado de reflejar las realidades actuales del mercado, especialmente en entornos transformados por datos en tiempo real e IA. Esta incapacidad para desprenderse del pasado, conocida como olvido organizacional, se subestima y resulta cada vez más costosa. Cuando las empresas se aferran a métricas de rendimiento heredadas, distorsionan las prioridades, reforzando comportamientos que antes impulsaban el éxito pero que ahora lo socavan. Cuando se basan en patrones históricos para guiar sus decisiones, interpretan erróneamente las condiciones actuales. Y cuando las prácticas del pasado permanecen arraigadas en sistemas y procesos, impiden la experimentación y la adaptación. La IA puede desempeñar un papel fundamental para romper esta inercia, no solo optimizando los procesos existentes, sino también revelando dónde estos ya no tienen sentido. Al sacar a la luz las contradicciones, poner a prueba las suposiciones y modelar enfoques alternativos, la IA puede ayudar a los líderes a construir un argumento objetivo para el cambio. La competitividad, en este contexto, depende menos de lo que las organizaciones añaden que de lo que están dispuestas —y son capaces— de dejar atrás.
Elena* dirige una empresa de logística que en su día fue innovadora y que hemos estudiado, a la que llamaremos Sistemas Virtuales. Ahora le cuesta mantenerse al día. «No nos falta capacidad», nos explicó, «nos lastra nuestro propio pasado». Los flujos de trabajo heredados persisten, las decisiones se basan en viejas suposiciones y la estrategia se define por «la forma en que siempre lo hemos hecho». En un mercado transformado por los datos en tiempo real y la automatización, estos hábitos erosionan silenciosamente la competitividad.

Como ilustra Virtal, lo que a menudo limita la competitividad de una empresa no es lo que le falta, sino lo que arrastra a través de su memoria corporativa. Los directivos se aferran a métodos arraigados que ya no reflejan la realidad del mercado actual. La necesidad de que una organización supere su pasado y comience de cero se conoce como « olvido organizacional ». Sin embargo, este olvido se suele pasar por alto, a pesar de su importancia en un entorno caracterizado por la expansión de las infraestructuras de datos y la creciente influencia de la IA en la toma de decisiones organizacionales.

Aquí describimos tres limitaciones organizativas que surgen cuando los equipos directivos tienen dificultades para dejar atrás el pasado. También ofrecemos ejemplos de cómo se puede emplear la IA para renovar las prácticas de la organización y lograr un futuro más competitivo, así como utilizarla para justificar objetivamente la necesidad del cambio.

Métricas de rendimiento que distorsionan las prioridades
Aferrarse a métricas obsoletas lleva a las empresas a asignar mal los recursos, premiar comportamientos inadecuados y pasar por alto los factores clave de rendimiento actualizados que impulsan el éxito organizacional. En la era de los paneles de control digitales, este peligro se agrava, ya que los KPI desactualizados no solo permanecen en los informes, sino que se visualizan, se consolidan y se difunden. Esto introduce distorsiones profundas en los sistemas de toma de decisiones.

Tomemos como ejemplo una cadena minorista nacional del Reino Unido que estudiamos: la llamaremos Whitford & Co. Se trata de una cooperativa de consumo propiedad de sus miembros, conocida principalmente por sus tiendas de alimentación. Sus ventas estaban estancadas, los márgenes se reducían y la rotación de clientes aumentaba. A pesar de los esfuerzos de la dirección por mejorar los resultados mediante programas de gestión del cambio, estos se mantenían prácticamente inalterados. Por costumbre, el personal se aferraba a los indicadores clave de rendimiento (KPI) tradicionales a los que se habían acostumbrado.

Cómo ayudó la IA: Iniciativa de revisión de métricas
Un obstáculo fundamental en un programa de olvido organizacional es la complejidad. Para determinar qué métricas heredadas eran relevantes y cuáles no, Whitford & Co implementó dos plataformas de análisis basadas en IA, Snowflake Cortex Agents y Microsoft Fabric, para lograr lo que los analistas humanos no podían: examinar simultáneamente los datos de transacciones de clientes, los registros de interacción digital y los registros operativos.

La IA procesó miles de puntos de datos que revelaron que muchas de las métricas más destacadas no tenían una correlación sólida ni con la retención de clientes ni con la rentabilidad del negocio. Por ejemplo, el principal KPI de la organización, la conversión de ventas en tienda (porcentaje de visitantes de la tienda física que completan una compra), reflejaba una visión obsoleta del comportamiento del cliente. En un mundo de experiencias de cliente híbridas, esta métrica solo registraba el último punto de contacto físico, ignorando las interacciones digitales previas que influyen cada vez más en las decisiones de compra actuales.

La complejidad no era el único problema al que se enfrentaba Whitford & Co. La alta dirección también descubrió que los gerentes se resistían a abandonar lo antiguo para adoptar lo nuevo. Con la IA, los altos directivos podían justificar la eliminación de los KPI sin depender de la opinión de ningún individuo o grupo. Como nos comentó Vesna, directora de rendimiento comercial en la división minorista: «El uso de la IA proporcionó una justificación objetiva y basada en datos para la eliminación de cada KPI obsoleto. Eliminó la fricción emocional y política que suele obstaculizar estos procesos».

En tres meses, la división minorista logró eliminar siete de sus doce indicadores clave de rendimiento (KPI) tradicionales, entre ellos la tasa de conversión de ventas en tienda y la tasa de visitas a consultas (el porcentaje de visitantes que se convertían en consultas de servicio). En su lugar, la empresa adoptó indicadores relevantes para el comportamiento del cliente, como las tasas de finalización de la ruta multicanal (la proporción de clientes que completan un proceso de compra a través de los puntos de contacto digitales y físicos combinados) y las puntuaciones de esfuerzo del cliente (una medida de la facilidad con la que los clientes interactúan con la empresa).

Identidades empresariales que confunden al mercado.
Las identidades corporativas y el posicionamiento de marca que antes eran activos pueden convertirse en pasivos. Tomemos como ejemplo la empresa de software estadounidense que estudiamos, a la que llamaremos FengSys.  Esta empresa desarrolla plataformas de integración y análisis de datos para clientes de los sectores público y privado. A principios de la década de 2010, construyó su marca en torno a la filosofía de "prioridad a los datos". Su estrategia de comercialización, la capacitación en ventas y las propuestas a los clientes giraban en torno a este posicionamiento.

Con el tiempo, sin embargo, las expectativas de los clientes cambiaron. Ya no les impresionaba el enfoque centrado en los datos. Habían llegado a dar por sentada la capacidad de análisis de datos y ahora buscaban socios que pudieran demostrar resultados comerciales: decisiones más rápidas, menor riesgo operativo y un retorno de la inversión en tecnología cuantificable.

A pesar de las múltiples reuniones estratégicas fuera de la oficina, al personal de FengSys le resultó difícil abandonar su identidad original. Como resultado, la alta dirección continuó añadiendo nuevos eslóganes a los ya obsoletos. Por ejemplo, frases más recientes como «transformación basada en datos» e «infraestructura preparada para la IA» se incorporaron a presentaciones de ventas y propuestas que aún comenzaban con el lema «los datos primero».

Cómo ayudó la IA: Purga estratégica del lenguaje
El problema del olvido organizacional de FengSys requería que la IA primero reconociera patrones, específicamente, el laberinto oculto de contradicciones incrustado en miles de documentos que ningún revisor humano podría detectar de manera confiable dentro del presupuesto y a gran escala.

Dado que el personal interno estaba demasiado inmerso en la historia de la empresa como para percibir claramente la incoherencia —habían redactado gran parte del material ellos mismos y desconocían su escasa alineación con la nueva estrategia—, la empresa colaboró ​​con una consultora externa especializada. Esta consultora implementó un modelo basado en GPT-4, configurado específicamente para la biblioteca documental de la propia empresa, con el fin de escanear miles de páginas de presentaciones de ventas, propuestas y comunicaciones con clientes. Esto permitió que el proceso se desarrollara sin el apego emocional que había paralizado los esfuerzos anteriores.

El modelo se encargó de detectar declaraciones contradictorias, terminología obsoleta y posicionamientos incoherentes en toda la biblioteca de documentos. Por ejemplo, identificó 23 variantes de mensajes distintas utilizadas por el equipo de ventas, cada una un fragmento heredado de un momento estratégico diferente en la historia de la empresa. Muchas de estas aparecían junto con el enfoque dominante de "prioridad a los datos" en los mismos documentos.

¿El resultado? Como explicó Leonor, la vicepresidenta de marketing: “Esto nos brindó una visión objetiva y basada en evidencia del problema que ningún defensor interno pudo refutar ni desviar. Cuando el personal vio la matriz de contradicciones —la evidencia visual de lo fragmentado e incoherente que se había vuelto el mensaje— la resistencia se desvaneció. El problema dejó de ser una cuestión de opinión. Se convirtió en un hecho, documentado y expuesto”.

Mitos de los clientes que distorsionan la estrategia
Una firma global de servicios financieros que estudiamos, a la que llamaremos SuboBank, se aferraba a la creencia de que "los clientes mayores evitan la banca móvil". Este mito se originó hace una década y estaba arraigado en los manuales de capacitación y la lógica de segmentación de clientes de la empresa. También persistía en sus decisiones de diseño de productos.

Aunque los datos externos indicaban que los jubilados constituían uno de los grupos de usuarios de aplicaciones móviles de más rápido crecimiento, persistía la creencia de que eran rezagados tecnológicamente. SuboBank se basaba en una premisa arraigada, que defendía con total seguridad y que nunca había sido contrastada sistemáticamente con el comportamiento real de los clientes. Ningún equipo interno tenía la autoridad ni las herramientas para cuestionarla.

Cómo ayudó la IA: Desmintiendo mitos a través de la evidencia conductual.
Para descubrir esta creencia arraigada, la gerencia configuró IBM Watson Analytics para ingerir y cotejar simultáneamente tres flujos de datos en tiempo real: 1) registros de comportamiento dentro de la aplicación que rastrean cómo los clientes de todas las edades realmente usaron la plataforma móvil de SuboBank; 2) datos de opinión del cliente extraídos de interacciones de soporte, respuestas a encuestas y registros de quejas; y 3) datos demográficos externos sobre las tendencias de adopción móvil entre clientes de 60 años o más.

Como explicó Kevin, jefe de análisis de clientes: “Dirigimos el motor IBM Watson Analytics simultáneamente a dos elementos: la documentación interna de la empresa, como manuales de capacitación, archivos de diseño de productos y registros de segmentación de clientes, y los flujos de datos en tiempo real que registran las decisiones reales de los clientes. El sistema leyó la documentación en busca de suposiciones implícitas sobre el comportamiento de los clientes mayores y luego probó continuamente esas suposiciones con la evidencia de comportamiento real”.

Siempre que el comportamiento real contradecía lo que presuponía la documentación, el sistema lo señalaba. Este ejercicio reveló varias conclusiones sorprendentes.

En primer lugar, se demostró que los clientes de 65 años o más accedían a la plataforma móvil de SuboBank con mayor frecuencia que cualquier otro grupo de edad: un promedio de 11 veces al mes, en comparación con las ocho veces de los clientes de entre 25 y 40 años. En segundo lugar, este grupo de mayor edad presentó el mayor volumen de solicitudes de soporte, no porque tuvieran dificultades, sino porque buscaban activamente hacer más con la plataforma de lo que permitía su interfaz limitada. En tercer lugar, el análisis de sentimiento de las transcripciones de soporte reveló que los clientes mayores expresaban los niveles más altos de frustración, no con la banca móvil en sí, sino con las decisiones de diseño específicas de SuboBank, que se habían basado en la suposición de que no se involucrarían.

Estos hechos hicieron imposible defender el mito. Ningún defensor interno de la antigua creencia pudo refutar los registros de uso y los datos de opinión presentados sistemáticamente a través de cientos de miles de interacciones. A medida que los gerentes y altos directivos revisaban los informes de comportamiento generados por la IA, tomaban sus propias decisiones sobre qué cambios de diseño priorizar.
...
Probablemente ya hayas descubierto que el olvido organizacional es difícil. Esto se debe a que va en contra de hábitos organizacionales arraigados, donde los líderes se aferran a métricas que ya no validan el desempeño, los equipos se aferran a un lenguaje que ya no funciona y los datos ya no explican los resultados. Puedes superar esto con IA. Además, puede eliminar las opiniones personales y las intuiciones emocionales del análisis estratégico y presentar argumentos sólidos para el cambio organizacional.

Nota de los autores: Todos los nombres de personas y empresas se han cambiado en este artículo para proteger la confidencialidad.

Lea más sobre IA y aprendizaje automático o temas relacionados: Indicadores de rendimiento, Gestión de datos, Sesgo cognitivo, Análisis estratégico e IA generativa.

Graham Kenny es el director ejecutivo de Strategic Factors y autor de Strategy Discovery: Achieving Business Resilience, Engagement and Performance (Routledge, 2023).

Ganna Pogrebna es titular de la Cátedra David Trimble en la Universidad Queen's de Belfast. Profesora y ejecutiva con experiencia en IA conductual y tecnologías emergentes, colabora con empresas para mejorar la experiencia del cliente, fortalecer la toma de decisiones estratégicas y gestionar el riesgo tecnológico. Puedes conectar con ella en LinkedIn.