Doxa 2601

La “deriva del liderazgo” está frenando su estrategia de IA

Por Morgan Blangeois y Thomas Roulet

Liderazgo y Gestión de Personal

Harvard Business Review

#Doxa #InteligenciaArtificial #EstrategiaIA #Liderazgo #DerivaLiderazgo #TransformaciónDigital #GestiónDelCambio #Innovación #CulturaOrganizacional #EstrategiaEmpresarial #LiderazgoDigital

Resumen. Las organizaciones suelen culpar a los empleados cuando la adopción de la IA se estanca, asumiendo que la resistencia proviene del miedo o la falta de habilidades. Una investigación basada en 23 entrevistas y tres talleres de liderazgo en 11 empresas europeas de servicios de TI apunta a un obstáculo diferente: los altos directivosLos líderes suelen reconocer en privado que la IA requiere cambios fundamentales en los precios, la plantilla y los modelos de negocio, pero abandonan estas posturas durante las reuniones de grupo. Los autores denominan a este patrón «deriva del liderazgo en IA», donde las narrativas tranquilizadoras sustituyen a las decisiones estratégicas difíciles. Para contrarrestarlo, los líderes deberían basar los debates en sus propios datos en lugar de en la publicidad del sector, estudiar cómo responden a la IA empresas similares, vincular cada iniciativa de IA a una cuestión estratégica con fecha de revisión y asignar a alguien la responsabilidad de mantener los temas incómodos en la agenda de la dirección.

Cuando una empresa tiene dificultades para adaptarse a la IA, la culpa suele recaer en los empleados : los líderes asumen que se resisten, ya sea por falta de habilidades o por miedo a perder sus puestos de trabajo. Durante tres años, a través de 23 entrevistas y tres talleres participativos con equipos directivos de 11 empresas europeas de servicios de TI, descubrimos que el obstáculo provenía del propio equipo directivo.

El director de una agencia nos describió una posible desventaja de la IA para su empresa: tener que recortar el 30 % de su plantilla en cinco años. También reconoció que jamás compartiría este escenario catastrófico en público. Esto no era inusual. En privado, los ejecutivos con los que nos reunimos tenían una visión clara, a menudo ambiciosa, sobre la IA y lo que esta requería de su empresa. Pero en reuniones con sus colegas, deliberando sobre su estrategia de IA, evitaban ponerse de acuerdo en cambios significativos. Nadie se oponía a la IA; tampoco se tomaba ninguna decisión al respecto.

A esta brecha la llamamos la deriva del liderazgo en IA, una inercia colectiva e involuntaria hacia uno de los cambios más importantes que experimentan las organizaciones. Los líderes no llegan a la reunión con la intención de enterrar sus propias intuiciones estratégicas. En cambio, esas intuiciones se van dejando de lado discretamente, una a una, porque nadie quiere replantearse el modelo de negocio desde cero, lo que podría poner en peligro la posición y el futuro de todos. Entonces, las narrativas colectivas cómodas ocupan ese lugar.

Esta tendencia sigue una lógica, y esa lógica tiene tres puntos de entrada: el número prestado, el precedente tranquilizador y la solución rápida que nadie cuestiona.

Encontrar la deriva 

En nuestras entrevistas individuales, los ejecutivos defendieron decisiones estratégicas importantes, como seguir formando a los empleados jóvenes a pesar de que el mercado los contrataría posteriormente con salarios más altos, establecer normas para toda la empresa sobre cómo debe utilizarse la IA y reestructurar la estrategia de precios una vez que el software realice parte del trabajo. Cada uno de ellos, individualmente, sabía lo que la IA requería de la empresa.

Luego, observamos cómo los equipos directivos pensaban de forma colectiva. En tres talleres deliberativos, cada uno con la participación del comité ejecutivo de una misma empresa, les pedimos que deliberaran sobre su propia estrategia de IA. Anticipábamos fuertes desacuerdos sobre el camino a seguir. Sin embargo, encontramos una discusión mucho más tranquila y convergente. Los cambios que los líderes defendieron en privado no fueron cuestionados en la sala, pero tampoco defendidos. Uno a uno, cada cambio se fue descartando discretamente, porque nadie quería arriesgarse a ser el primero en pronunciarse: defender esos cambios en voz alta implicaría presionar a la empresa para que facturara menos y capacitara a personas que la competencia podría contratar. Así, los líderes se guardaron sus opiniones claras para sí mismos, y la discusión terminó sin llegar a ninguno de los cambios significativos que requiere la transformación de la IA.

Para observar esto con mayor precisión, proporcionamos a cada equipo los mismos cuatro escenarios de decisión extraídos de situaciones reales del sector:

• Un cliente importante exige una rebaja del 40% en el precio para reflejar las mejoras en la productividad derivadas de la IA.
• Si conviene seguir contratando personal junior una vez que la IA pueda realizar sus tareas de nivel básico.
• ¿Cómo reaccionar cuando los mejores ingenieros utilizan herramientas de IA que la empresa nunca ha autorizado?

Y si conviene seguir financiando un plan multimillonario de IA que aún no ha demostrado rentabilidad.

Los participantes respondieron una breve encuesta anónima antes y después de cada escenario. Además, mostramos a cada equipo las cifras reales de productividad de su propio sector, en lugar de las que circulaban en la prensa.

El patrón fue consistente. Las opiniones individuales cambiaron, poco a poco, pero nunca convergieron en una postura que el grupo pudiera expresar públicamente. Nadie cambió su posición en voz alta, ni siquiera al enfrentarse a los datos de su propio sector: los equipos reconocieron las implicaciones («esta noche nos despertaremos con más preguntas que respuestas», dijo un participante) y luego pidieron tiempo para analizarlas. En un caso, la división se dio en una sola persona: un director que acababa de negarse públicamente a bajar la tarifa diaria de la empresa, minutos después, en la escala anónima posterior a la deliberación, aceptó el mismo recorte que había rechazado.

Tres narrativas colectivas llenan el vacío que dejan esas convicciones abandonadas. Se pueden distinguir en dos aspectos: la urgencia que siente el equipo y la disposición a implementar cambios.

La primera es: «A nuestros grupos de interés no les importa»: no hay urgencia, no parece necesario ningún cambio. Los clientes aún no han exigido precios más bajos ni un servicio de mayor valor, así que no hay razón para adaptarse. Un gestor de cuentas nos comentó que se sentía «muy aliviado» de que un cliente nunca investigara cuánto tiempo ahorraba realmente la empresa.

La segunda opción es «esto ya lo hemos visto»: tampoco hay urgencia, pero se reconoce la magnitud del cambio y una analogía resulta útil. Un director repetía a sus empleados que «la IA generativa no es más revolucionaria que internet»; en un grupo, el precedente tranquilizador fue la calculadora de bolsillo. La comparación hace que el cambio parezca familiar y, por lo tanto, no alarmante.

La tercera opción es «dejamos que la gente lo resuelva por sí misma»: aquí se percibe la urgencia, pero se deja que cada empleado comprenda el cambio por su cuenta. «Restringir [a los empleados en cuanto al uso de la IA] es renunciar a ella», como lo expresó un director general. Otro zanjó la cuestión por principio: «no somos una empresa industrial, somos un oficio, cada pieza es única». Suena más sensato que una represión, pero en la práctica es la ausencia de una estrategia disfrazada de tal.

Según nuestra experiencia, tres estrategias cambian la capacidad de la sala para afrontar las situaciones: poner tu propio número de teléfono sobre la mesa antes de que uno prestado resuelva el asunto; sustituir el precedente tranquilizador por uno incómodo; y establecer una fecha de caducidad y una pregunta a la que responder para cada solución rápida. Pero, ¿podrían unas reuniones más efectivas, por sí solas, romper con este patrón?

Un equipo directivo que observamos parecía tener mejor desempeño, pero finalmente fracasó. El comité ejecutivo de una empresa mediana discutió, y siguió discutiendo, analizando la amenaza desde todos los ángulos y dispuesto a explorar contradicciones: sus mejores empleados junior cobraban ahora más como autónomos que lo que facturarían a sus clientes. Nadie podía zanjar una cuestión por sí solo, y la credibilidad técnica era compartida, por lo que cualquier cuestionamiento de un miembro tenía peso. Cuando un director propuso resolver el asunto con un acuerdo sobre el uso de la IA, otro lo rechazó de inmediato («no nos interesa firmar un acuerdo»). Y aun así, incluso en esta sala defendieron el cobro de la tarifa diaria vigente y no llegaron a ningún nuevo modelo. La discusión puso al descubierto la magnitud de la contradicción y las limitaciones del modelo de precios actual; no produjo ninguna decisión. La solución no reside en mejores reuniones, sino en lo que los líderes aportan a ellas y en quién se encarga de plantear las preguntas más difíciles.

Encuentra tu número

Las narrativas reconfortantes se basan en cifras que nadie en la sala ha aportado y que nadie tiene que defender. Algunos ofrecen aumentos de productividad inflados del 30 % o más, fáciles de exagerar y tan fáciles de descartar: un director general desestimó la amenaza con una cifra propia, afirmando que ninguna de sus líneas de servicio se había acercado a los aumentos que la prensa citaba constantemente. Como la cifra es prestada, descartarla se percibe como rigor, y la amenaza se descarta junto con la exageración.

Es más difícil desestimar una medición interna, porque pertenece al grupo. Una empresa, en lugar de repetir las cifras de la prensa, presentó a sus clientes el aumento de productividad del 5 al 7 % que había medido, frente al 15 al 20 % que proponían los proveedores de software, y convirtió esa cifra en el punto de partida de la siguiente conversación sobre precios y valor añadido. La cifra era menor que la exageración, y ahí radicaba su poder: nadie podía descartarla como una exageración de la prensa, ni tampoco podía fingir que era cero.

Antes de la próxima reunión estratégica sobre IA, mida el impacto de la IA en dos o tres de sus líneas de servicio y presente sus propias cifras. Este simple hecho elimina de golpe las dos excusas más obvias: la afirmación de que "las ganancias son solo publicidad" ya no funciona, porque la cifra es suya, y la de que "no hay nada que discutir" tampoco, porque la cifra no es cero. Además, traslada el debate de si la IA cambia la economía de su trabajo a cuánto, dónde y qué medidas tomará al respecto, que es precisamente el debate que se busca evitar. Espere que su cifra sea menos halagadora que la del proveedor y más preocupante que la del escéptico; un 6 % medido sobre el trabajo que factura diariamente es un dato más difícil de asimilar que un mítico 30 %, precisamente porque es suyo.

Sin embargo, ten cuidado con lo que le pides a la cifra. Los datos por sí solos no lograron frenar la tendencia en nuestros talleres. La medición es necesaria porque elimina las salidas más fáciles, no porque obligue a llegar a una conclusión clara. Alguien tiene que exigir responsabilidades a los participantes.

Reemplazar el precedente tranquilizador

En el sector de los servicios legales, los clientes ya están empezando a mostrarse reacios a pagar por horas que una IA ahora realiza en minutos, y algunos bufetes ya han comenzado a reducir el número de abogados junior a los que antes facturaban a sus clientes. Esto refleja la misma magnitud del cambio, pero sin la comodidad que ofrece, porque los bufetes involucrados se parecen al tuyo y la historia aún está por escribirse.

Asigne a alguien la tarea de monitorear cómo las firmas legales, contables o de auditoría están ajustando precios, reestructurando su personal y reposicionándose, y de presentar ese informe en cada debate sobre IA. La pregunta clave es qué están haciendo las firmas más similares a la suya ante esta disrupción; esto reemplaza la pregunta más cómoda sobre si firmas como la suya sobrevivieron a la anterior. Un precedente debe hacer que el futuro sea concebible, no reconfortante.

Dale fecha de caducidad a cada solución rápida. 

La tercera narrativa, dejar que la gente lo resuelva por sí misma, rara vez se traduce en una estrategia; se convierte en una por defecto. Una herramienta por aquí, un programa piloto por allá, y en un año «así es como usamos la IA ahora» ha reemplazado silenciosamente cualquier decisión sobre cómo la empresa puede crear valor con la IA. Los empleados adoptan sus propias herramientas de IA de forma independiente, el esfuerzo se fragmenta por toda la empresa y a nadie se le pide que replantee dónde la empresa agrega valor y qué vende. El enfoque parece respetar la autonomía profesional: permite que los equipos experimenten, evita las imposiciones jerárquicas y parece confiar en que las personas encuentren el mejor uso de las herramientas. Sin embargo, en la práctica, deja sin resolver la pregunta estratégica más importante de la empresa, porque nadie se pregunta a qué se traducen todos estos experimentos locales.

La disciplina que lo impide es sencilla: vincular cada solución a la cuestión más amplia a la que pretende responder (la revisión de precios, el reposicionamiento, el modelo de personal) y fijar una fecha para que sirva de base a esa decisión más amplia o para que se reevalúe. Un equipo que implementa un asistente de IA para elaborar propuestas para clientes solo justifica su coste si, en el punto de control, alguien pregunta qué implica el programa piloto para la tarifa diaria. Si nadie pregunta, el programa piloto no fracasa; peor aún, triunfa discretamente, convirtiéndose en una forma más rápida de facturar el mismo trabajo.

Haz un inventario de las iniciativas de IA que ya están en marcha en tu empresa y, para cada una, anota la pregunta estratégica que debería responder y una fecha de revisión. Una iniciativa sin una pregunta asociada no es neutral; es una pequeña desviación en sí misma, que acumula precedentes que tu estrategia futura deberá tener en cuenta. La fecha de caducidad convierte la experimentación, en lugar de un sustituto de la toma de decisiones, en materia prima para la misma.

...

Los próximos años ampliarán la brecha en lugar de cerrarla: los modelos seguirán mejorando, los clientes seguirán aprendiendo cuánto cuesta producir el trabajo ahora, y la cuestión de la tarifa diaria no esperará a que un equipo directivo se sienta preparado.

Asigne a una persona una tarea específica y concreta: plantear las preguntas que todos evitan, respaldarlas con datos externos a la empresa (señales de clientes, ganancias medidas, movimientos de la competencia) y mantenerlas presentes cuando el grupo intente pasar a otro tema. Esta estrategia funciona porque el trabajo de nadie depende de nombrar la pregunta; un mandato formal invierte esta situación, no haciendo que la persona sea inmune a la presión del grupo, sino dándole a una voz una razón profesional para mantener abiertas las preguntas más difíciles. Según nuestra experiencia, esta función suele recaer en personas de un nivel inferior, los responsables de gobernanza de IA y los directores de práctica, porque están lo suficientemente cerca del trabajo como para mantener las preguntas concretas y seguir planteándolas.

Presentar las cifras reales es necesario, pero no suficiente: vimos cómo los equipos, tras ver los datos de su propio sector, se tranquilizaban y seguían adelante. Lo que no se puede ignorar no es un hecho, sino una persona, alguien cuya función principal es mantener vivas las preguntas importantes, con datos y hechos a mano, después de que todos los demás hayan intentado enterrarlas. Designar a esa persona es la única decisión que incluso un equipo directivo a la deriva puede tomar este trimestre, y es la decisión que hace posibles las demás.

Lea más sobre Liderazgo y gestión de personas o temas relacionados: Liderazgo, Liderazgo adaptativo e IA y aprendizaje automático.

Morgan Blangeois es investigadora doctoral en ciencias de la gestión en la Universidad Clermont Auvergne y becaria visitante de doctorado en la Escuela de Negocios Judge de Cambridge.

Thomas Roulet es profesor de liderazgo en la Judge Business School de la Universidad de Cambridge. @thomroulet