Doxa 2565

La adopción de la IA está sobrecargando a sus gerentes Intermedios

Por Julia Shin y Sandra J. Sucher

Liderazgo y Gestión de Personal

Harvard Business Review

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

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

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

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

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

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

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

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

La brecha entre la capacidad y la realidad

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

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

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

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

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

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

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

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

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

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

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

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

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

Desglose 2: Los incentivos premian los comportamientos equivocados.

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

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

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

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

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

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

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

Protegiendo el oleoducto

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

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

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

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

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

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

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

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