Doxa 2432

Cómo una empresa logró una transformación audaz, a pesar de grandes incógnitas

Un estudio de cinco años de una importante empresa farmacéutica ilustra cómo avanzar cuando no hay datos claros, ningún camino establecido y ninguna garantía de éxito

Por Chengyi Lin y Michael Y. Lee

Transformación organizacional

Harvard Business Review

#Doxa #TransformaciónEmpresarial #Incertidumbre #LiderazgoAudaz #InnovaciónFarmacéutica #EstrategiaSinDatos #GestiónDelCambio #DecisiónSinCertezas #ResilienciaOrganizacional #VisiónDeFuturo #Adaptabilidad #InnovaciónRadical #CulturaEmpresarial #TomaDeRiesgos #AprendizajeOrganizacional #TransformaciónDigital

Resumen. ¿Cómo se logra una transformación audaz, adentrándose en lo desconocido cuando no hay datos claros, un camino trillado ni garantía de éxito? ¿Qué sucede si el cambio que se está considerando es territorio desconocido, pero se sabe que esperar la certeza significa quedarse parado? Un estudio de cinco años sobre la transformación de una importante empresa farmacéutica reveló cuatro trampas en la toma de decisiones y los consejos correspondientes sobre los cambios de liderazgo cruciales necesarios para avanzar con convicción.

El ambiente en la sala era tenso. Corría el año 2020, y el equipo ejecutivo de una empresa que llamaremos Pharma Global (PG)*, la división no estadounidense de una importante farmacéutica, se había reunido en Fráncfort para su retiro anual. Durante dos años, habían debatido una transformación audaz que cambiaría radicalmente la forma de tomar decisiones, aplanaría la organización y empoderaría a los empleados. Sin embargo, a pesar de interminables debates y exhaustivos análisis, no habían logrado dar el salto.

Durante un descanso, Gerrick, director de PG, se dirigió a su colega Giorgio, quien dirigía siete filiales, y le preguntó: "¿Y si simplemente lo hacemos? ¿Qué pasaría?". Era una pregunta sencilla, pero que transformaría la discusión e impulsaría a la organización.

Gerrick y Giorgio se enfrentaban a un dilema común para muchos ejecutivos: ¿Cómo dar el salto a lo desconocido cuando no hay datos claros, ni un camino trillado, ni garantía de éxito? ¿Qué pasa si el cambio que se está considerando es territorio desconocido, pero esperar la certeza significa quedarse parado?

A lo largo de los años, hemos visto a muchas organizaciones enfrentarse a estas preguntas. A través de nuestro estudio de cinco años sobre la transformación de PG, descubrimos ideas clave sobre cómo los equipos ejecutivos que se enfrentan a un cambio de gran importancia e incertidumbre pueden gestionarlo. Esto es lo que aprendimos de la experiencia de PG sobre las trampas comunes y los cambios cruciales de liderazgo necesarios para avanzar con convicción.

Trampa n.° 1: Pensar demasiado en el salto

Para la década de 2010, PG estaba experimentando una profunda transformación empresarial. Al igual que sus competidores, durante mucho tiempo dependía de unos pocos medicamentos de gran éxito. Pero a medida que una importante adquisición expandió su cartera de I+D, el equipo comercial de la compañía se enfrentó a un nuevo desafío: gestionar una cartera cada vez más compleja y extensa.

Desafortunadamente, la arraigada cultura verticalista de PG y las normas burocráticas obstaculizaron la agilidad que ahora necesitaba. Los estrictos mecanismos de cumplimiento y coordinación, diseñados para garantizar la eficiencia, crearon cuellos de botella que ralentizaron la toma de decisiones.

Para fundamentar la transformación, el equipo ejecutivo de PG contrató a dos consultoras de primer nivel. Sus recomendaciones fueron congruentes: PG necesitaba una reorganización profunda para ser más ágil. Sin embargo, dos años después de que los consultores presentaran sus evaluaciones, el equipo ejecutivo seguía solicitando más datos, más benchmarking y más evaluaciones de riesgos.

La vacilación era comprensible. Los líderes querían asegurarse de comprender plenamente los riesgos potenciales antes de tomar una decisión tan trascendental. Pero pasaron por alto un factor importante: la naturaleza del problema que intentaban resolver.

Los cambios organizacionales tradicionales son problemas técnicos con soluciones claras y bien definidas. Pero la transformación de PG fue un problema adaptativo. Si bien el rumbo estaba claro, las soluciones específicas debían surgir desde dentro de la organización. En lugar de una única solución estructural, diferentes equipos tuvieron que tomar múltiples decisiones interconectadas. Además, no existían referencias directas del sector ni modelos farmacéuticos a gran escala que seguir. PG sería la primera en implementar este enfoque a su escala.

Escapar de la trampa: asumir el cambio y justificar la inacción

La reunión de Frankfurt dejó algo clarísimo: ningún análisis podía ofrecer la certeza a la que estaba acostumbrado el equipo ejecutivo. Así que Gerrick y Giorgio replantearon la discusión. En lugar de pedir más pruebas de la necesidad del cambio, plantearon una pregunta diferente: ¿Por qué no deberíamos cambiar? El cambio fue sutil pero contundente. En lugar de buscar consuelo en más datos, el equipo reconoció que el verdadero riesgo residía en mantener el statu quo.

Una vez que cambiaron su mentalidad, el equipo ejecutivo se alineó rápidamente y adoptó una nueva ambición: PG se convertiría en la primera gran farmacéutica en aplanar su diseño organizacional. El riesgo valió la pena, ya que enviaría un mensaje contundente a los empleados: la dirección se tomaba en serio las formas de trabajo empoderadas y con propósito. Y al ser pioneros, PG podría escalar la curva de aprendizaje y definir las estrategias para un nuevo tipo de organización, una que podría convertirse en una ventaja competitiva en sí misma.

Si le da demasiadas vueltas al salto, plantéese algunas preguntas clave: 

• ¿Estamos intentando resolver un problema técnico, cuyos riesgos se pueden evaluar y mitigar? ¿O nos enfrentamos a un desafío adaptativo, que implica una incertidumbre que debe gestionarse en lugar de eliminarse?
• ¿Estamos reduciendo los riesgos o evitando la incertidumbre? ¿Cuáles son los riesgos de no cambiar?
• ¿Cuáles son los beneficios y los costos de ser los primeros en experimentar con la transformación? ¿Cuáles serían las consecuencias de que la competencia fuera la primera en desarrollar una prueba de concepto?

Trampa n.° 2: esperar una hoja de ruta completa

Un segundo obstáculo que PG tuvo que superar fue su deseo de contar con un plan perfecto. En sus anteriores iniciativas de cambio, una hoja de ruta detallada, paso a paso, con roles y responsabilidades claras se consideraba esencial, como es habitual en otras organizaciones de tamaño similar.

Sin embargo, dada la naturaleza adaptativa del problema y la ambigüedad inherente al proceso de transformación, solo se pudieron delinear las etapas iniciales del cambio. Las etapas posteriores tendrían que evolucionar en función de las acciones y los resultados iniciales.

Escapar de la trampa: visualizar el destino

Si bien el equipo ejecutivo de PG comprendía esta lógica, estaba acostumbrado a un plan preciso. Para avanzar, en la reunión de Frankfurt implementaron un segundo cambio crucial: abandonar la necesidad de un plan perfecto, que simplemente no existía.

Esta constatación cambió el tono de la conversación. El equipo ejecutivo reconoció que un período de inestabilidad organizacional era inevitable. Un ejecutivo recordó: «Nuestra conversación cambió. 'Esperen el caos', nos dijimos. Va a suceder». Esta aceptación colectiva tuvo un poderoso efecto psicológico, fomentando la calma y fomentando la colaboración.

Liberado de la expectativa de perfección, el equipo ejecutivo pudo avanzar. En lugar de obsesionarse con la estructura, visualizaron el resultado deseado: una organización donde las personas tienen la capacidad de tomar decisiones con mínima aprobación, guiadas por una comprensión compartida de las prioridades estratégicas, los criterios de toma de decisiones y los límites operativos.

Centrarse en el resultado previsto no solo redujo la ansiedad del equipo ejecutivo, sino que también les dio energía para seguir adelante. Definieron factores críticos para el éxito, como una dirección clara, roles y responsabilidades claros, y una comunicación transparente. Para sortear la inevitable turbulencia, decidieron comunicar la visión y la dirección de forma consistente y reiterada. Este proceso generó confianza colectiva en que la transformación podría tener éxito incluso sin un plan predefinido paso a paso.

Para generar confianza en medio de la incertidumbre, considere las siguientes preguntas:

¿Cómo debería ser la organización del futuro? ¿Cómo debería funcionar?

• Si el caos es inevitable, ¿cómo podemos hacerlo productivo? ¿Cómo podemos reducir las interrupciones, mantener la agilidad y apoyarnos mutuamente cuando surgen desafíos inesperados?
• ¿Qué valores, comportamientos y compromisos clave nos ayudarán a navegar la incertidumbre, mantener el impulso y garantizar que la organización se adapte eficazmente a lo largo del cambio?

Trampa n.° 3: El reflejo de control

Tras cambiar su perspectiva sobre la planificación y la incertidumbre, el equipo ejecutivo reconoció que debía avanzar con la transformación. El siguiente reto: ¿Qué significaba liderar una transformación orientada a descentralizar la toma de decisiones?

El enfoque tradicional habría atribuido la responsabilidad directamente a Gerrick y al equipo ejecutivo. Pero rápidamente detectaron dos fallas en esta estrategia. Primero, no podían abordar todos los desafíos a la vez; el alcance de la transformación era demasiado amplio. Segundo, un enfoque tan descendente contradecía el propósito mismo de la transformación, que era confiar en los empleados y empoderarlos para diseñar una organización que realmente funcionara para ellos.

La respuesta fue clara y desconcertante a la vez: la responsabilidad de la transformación debía recaer en los empleados. En la reunión de Frankfurt, esta constatación generó incredulidad: «Todos nos miramos. Esto nunca ha funcionado. ¿Funcionará ahora? No somos dueños de nada».

Cómo escapar de la trampa: desarrollar la confianza

En realidad, el equipo ejecutivo no cedía todo el control. Era responsable de los objetivos, las direcciones y el proceso de la transformación, y seguía siendo responsable de su éxito o fracaso. Decidieron que equipos autoorganizados, llamados "círculos", se encargarían del análisis, las recomendaciones, las decisiones y la implementación de cada aspecto de la transformación.

Esto planteó un nuevo dilema. El equipo ejecutivo tuvo que ceder el control directo sobre los resultados, pero seguía rindiendo cuentas al consejo de administración de PG. ¿Cómo podían ceder su control con confianza? La respuesta se reducía a una sola palabra: confianza.

“Si realmente creemos que nuestra gente tiene un propósito y quiere lo mejor para nuestra organización”, desafió Gerrick al equipo, “¿qué harían si la transformación no funcionara?”. Su respuesta: “Nos dirían que paráramos”.

Esta constatación fue crucial. El equipo ejecutivo comprendió que su función no era dictar soluciones, sino apoyar el proceso. Crearon una plataforma de comunicación interna donde los empleados podían proponer proyectos, formar círculos, compartir actualizaciones de progreso y publicar recomendaciones. Este sistema también facilitó la detección temprana de indicios de fracaso, lo que permitió correcciones oportunas e intervenciones cuidadosas por parte del equipo ejecutivo cuando fuera necesario.

A medida que el equipo ejecutivo empoderaba a los círculos, la confianza entre ambas partes se fortaleció. En cuestión de semanas, la energía se expandió por toda la organización y los empleados comenzaron a percibir la transformación como propia. Confiaban en el proceso de autoorganización y, a su vez, el equipo ejecutivo confiaba aún más en ellos. Esto trajo consigo una mayor disposición del equipo ejecutivo a asumir la responsabilidad y ceder el control.

Para evitar el reflejo de control y comenzar a desarrollar el músculo de la confianza, piense en estas preguntas:

• ¿Es posible separar la responsabilidad de las tareas (p. ej., el cambio, la solución, etc.) de la responsabilidad del proceso? ¿Quién debería ser responsable de cada aspecto?
• ¿Qué te haría sentir cómodo cediendo el control? ¿Cómo puedes seguir siendo responsable de los resultados sin ejecutar directamente la transformación?
• ¿Cómo puede garantizar un intercambio de información sólido? ¿Qué sistemas le permitirán supervisar el progreso, detectar indicios débiles de fracaso e intervenir oportunamente, sin recuperar el control?

Trampa n.° 4: Un pie dentro, un pie fuera

El equipo ejecutivo aún se encontraba en una posición incierta: eran responsables del éxito de la transformación, pero carecían de los mecanismos tradicionales de autoridad. Esta incomodidad los llevó a adoptar una postura evasiva, manteniendo un pie dentro y otro fuera.

Anticipando este riesgo, Gerrick y el equipo ejecutivo reconocieron que, para que la transformación tuviera éxito, necesitaban redefinir su rol. Identificaron dos responsabilidades clave: 1) salvaguardar los procesos de toma de decisiones y garantizar que los equipos contaran con los recursos necesarios para ejecutarlos eficazmente; y 2) facilitar la coordinación entre los círculos y representar a PG dentro de la organización en su conjunto.

Escapar de la trampa: codificar el cambio

Para consolidarlo, asumieron un compromiso público, comenzando con un cambio de nombre. Dejarían de ser el equipo ejecutivo; en su lugar, se convertirían en el equipo de empoderamiento de la red (NET)*. El nuevo nombre transmitía un mensaje claro: el liderazgo ya no se trataba de mando y control, sino de permitir que el sistema funcionara.

Además, el NET creó un estatuto de equipo que describía sus nuevas responsabilidades con la organización y entre sí. Uno de los compromisos más importantes fue «participar para ayudarse mutuamente cuando fuera necesario, pero evitar interferir en los círculos de autoorganización».

Este principio se volvió esencial cuando la NET se enfrentó a su primera prueba real: el sector financiero decidió sustituir el tradicional ciclo presupuestario de meses de duración por pronósticos basados ​​en IA. Aunque el enfoque era innovador, Giorgio, quien debía aprobar las cifras para la junta directiva, dudó. «Sabía que las predicciones eran acertadas», recordó, «pero fui yo quien tuvo que firmar y comprometerme con la cifra ante la junta directiva».

En lugar de ignorar el círculo, Giorgio recurrió al NET y a los estatutos del equipo. El NET revisó colectivamente las propuestas, formuló preguntas aclaratorias y garantizó el rigor sin socavar la propiedad del equipo.

Al seguir su carta constitutiva, la NET reforzó los principios de la transformación y sentó un precedente. Cambió su función de negociar objetivos financieros a proporcionar recursos para apoyar la ejecución regional. Esto inspiró un comportamiento similar en el sector financiero, que dejó de exigir a las unidades de negocio que justificaran las solicitudes de inversión y, en su lugar, trabajó en colaboración para elaborar modelos de negocio.

La decisión de renombrar el equipo, definir su rol y crear un estatuto fue más que un acto simbólico: fue un ancla que consolidó el cambio. Cuanto más clara era la NET sobre su función, más fácil era para el resto de la organización confiar y seguir su ejemplo.

Para garantizar que su equipo de liderazgo encarne plenamente una nueva visión, considere estas preguntas:

• ¿Hemos definido, formalizado y comunicado claramente nuestro nuevo rol de una manera que lo diferencie del pasado?
• ¿Estamos modelando y comunicando constantemente los comportamientos que refuerzan nuestro nuevo diseño organizacional? ¿Cómo demostramos nuestro compromiso de facilitar en lugar de dirigir?
• ¿Cómo nos responsabilizamos de nuestro nuevo enfoque de liderazgo? ¿Contamos con mecanismos para garantizar que no volvamos a los viejos hábitos?

...

La transformación de PG no se basó en una hoja de ruta detallada, un plan perfecto ni una garantía de éxito. En cambio, fue impulsada por una serie de cambios de liderazgo deliberados. Al reconocer los límites del análisis, aceptar la incertidumbre, confiar en su gente y formalizar un nuevo modelo de liderazgo, el equipo ejecutivo pasó de la indecisión a la acción.

Su experiencia ofrece una poderosa lección para cualquier equipo ejecutivo que se enfrente a un desafío similar: esperar la certeza es una trampa, y avanzar requiere líderes que reconozcan y superen los obstáculos comunes que frenan el cambio. Cuando los líderes dan el salto y se comprometen plenamente, facilitan un sistema donde los empleados no solo se adaptan al cambio, sino que lo impulsan.

*Nota del autor: Los nombres de la empresa, sus equipos y sus empleados han sido anonimizados.

Lea más sobre Transformación organizacional o temas relacionados Cambio organizacional, Liderazgo, Toma de decisiones organizacionales y Toma de decisiones y resolución de problemas.

Chengyi Lin es profesor asociado de Estrategia y experto líder en transformación digital en INSEAD. Su investigación y docencia exploran el impacto estratégico de las tecnologías digitales, como la IA, y los impulsores de la innovación para organizaciones globales y multinacionales.

Michael Y. Lee es profesor adjunto de comportamiento organizacional en INSEAD. Síguelo en Twitter: @yanche.

Doxa 2325

Lo que se necesita para liderar a través de la disrupción digital 

Por Jennifer Jordan, Michael Wade y Shih-han Huang

Transformación digital

Harvard Business Review

#Doxa #liderazgo #disrupción #digital #innovación #adaptabilidad #tecnología #cambio #estrategia #transformación #resiliencia #colaboración #visión

Resumen. Los investigadores descubrieron que los líderes que superan con éxito la disrupción digital recurren a una mezcla de estilos de liderazgo tradicionales y emergentes. Sin embargo, lo más impactante fue la tensión entre dos estilos de liderazgo: los prospectores, que muestran curiosidad por las amenazas y oportunidades internas y externas, y los mineros, que están dispuestos a profundizar e invertir en un tema o dirección concretos. Los líderes con éxito a través de la disrupción muestran ambos comportamientos como una serie de pasos secuenciales. Describieron el proceso como "ir a lo ancho" para ver lo que hay ahí fuera y decidir dónde invertir los recursos; "ir a lo profundo" e invertir; y luego "volver a salir a tomar aire" para ver si el entorno había cambiado y requería nuevas prospecciones.

En 2020, Conrad*, un ejecutivo del sector farmacéutico, se acercó a nosotros con un reto acuciante. Recientemente se había hecho cargo de un equipo encargado de utilizar herramientas digitales para acelerar el proceso de descubrimiento y desarrollo de fármacos.

Aunque los obstáculos técnicos eran importantes, Conrad creía que palidecían en comparación con los retos de liderazgo a los que se enfrentaba. Se encontró en un panorama tecnológico en rápida evolución pero rodeado de un equipo atado a prácticas anticuadas, que describió como "lineales, lentas y empantanadas por procesos y estructuras engorrosas".

Su pregunta para nosotros era clara: ¿Qué hace falta para que un líder dirija con éxito en la era de la disrupción digital? Decenas de líderes se han dirigido a nosotros con la misma pregunta, lo que nos ha incitado a realizar un estudio de investigación de varios años.

En un artículo anterior de HBR, identificamos siete tensiones entre los estilos de liderazgo tradicional y emergente que los ejecutivos necesitan equilibrar con éxito para liderar. Ahora hemos profundizado en este trabajo para examinar estas tensiones en una era impulsada por las nuevas tecnologías disruptivas, como la IA generativa. En concreto, queríamos saber si ciertas tensiones tenían más probabilidades de predecir la eficacia del liderazgo durante la disrupción digital. Basándonos en nuestro trabajo de consultoría con docenas de empresas, así como en un estudio en profundidad de los líderes de una de las mayores empresas multinacionales de Europa, la respuesta es sí.

Exploración de los comportamientos que realmente importan

Entre 2022 y 2024, realizamos revisiones de 360 grados de casi 300 líderes, procedentes de diferentes divisiones y geografías, cuyos puestos iban desde el nivel de director hasta la C-suite. Preguntamos sobre comportamientos específicos asociados a las siete tensiones de liderazgo, ejemplos de los cuales se ven en la siguiente tabla.

¿Qué comportamientos de liderazgo son eficaces para liderar la disrupción digital?

Los investigadores descubrieron que, para tener éxito hoy en día, los líderes necesitan equilibrar siete tensiones entre los estilos de liderazgo tradicional y emergente. A continuación, los investigadores quisieron comprender si los comportamientos asociados a estas tensiones podían predecir la eficacia a la hora de liderar a través de la disrupción digital. Este gráfico muestra ejemplos de comportamientos para cada uno de los estilos.

Tensión	Comportamiento de liderazgo tradicional	Comportamiento de liderazgo emergente
Cajero/oyente	Contador: cuenta a los demás su punto de vista	Oyente: escucha lo que dicen los demás
Intuicionista/Analista	Intuicionista: toma decisiones desde las tripas	Analista: toma decisiones analizando datos
Perfeccionista/ Acelerador	Perfeccionista: da prioridad a hacerlo bien	Acelerador: da prioridad a hacerlo rápido
Constante/Adaptador	Constante: transmite un mensaje coherente	Adaptador: adapta su mensaje cuando dispone de nueva información
Táctico/Visionario	Táctico: se centra en cómo llevar a cabo un plan a corto plazo	Visionario: se centra en cómo crear una visión a largo plazo
Poseedor de poder/Compartidor de poder	Poseedor de poder: se siente cómodo ostentando el poder y la autoridad	Comparte el poder: se siente cómodo compartiendo el poder y la autoridad
Minero/Prospector	Minero: puede sumergirse profundamente en una idea o dirección para extraer de ella todo su valor	Prospector: mira fuera de su entorno inmediato para identificar oportunidades y amenazas potenciales

La tensión que los líderes necesitan para acertar

Descubrimos que los líderes que sortearon con éxito la disrupción digital recurrieron a los 14 comportamientos de liderazgo tradicionales y emergentes. Sin embargo, una tensión fue mucho más impactante que las demás: la tensión prospector-minero.

La prospección, uno de los comportamientos de liderazgo emergentes, tiene que ver con la curiosidad en torno a las amenazas y oportunidades internas y externas. En nuestro estudio, los comportamientos incluían "es consciente de lo que ocurre dentro de la organización más allá de su ámbito o responsabilidad inmediata" y "es consciente del entorno externo y de cómo puede afectar a lo que ocurre dentro de la organización".

Los líderes de nuestra muestra que puntuaron alto en esta dimensión fueron descritos como "centrados en el entorno exterior para buscar inspiración". Una de ellas fue descrita como "siempre mostrándose curiosa por lo que ocurre dentro y fuera de su área funcional. Lo demuestra haciendo preguntas e intentando tender puentes". Otro líder fue descrito como "manteniéndose al tanto y actualizado sobre los últimos acontecimientos dentro de su área y fuera de la industria... esto le ayuda en la planificación anticipada de lo que pueda venir en el futuro".

Por el contrario, el comportamiento de liderazgo más tradicional de ser un minero consiste en profundizar en un tema o dirección y decidir invertir recursos, ya sean humanos, financieros o temporales. En nuestro estudio, esto incluía comportamientos como "sabe cuándo perseguir un concepto, tecnología o idea porque encierra un valor potencial" y "es capaz de 'minar' una idea para extraer todo su valor o potencial".

Un líder de nuestra muestra se describió como "consciente de si necesita implicarse en los detalles y mantenerse más cerca de algo". Otro líder que era fuerte en esta dimensión fue descrito como "una persona que está profundamente interesada en investigar y analizar, incluso metiéndose en experiencias personales de [clientes] para construir el conocimiento del negocio. Comienza a aportar ideas cuando hay un verdadero interés por parte del equipo".

Ser un minero fuerte también requiere la autodisciplina para desarrollar una sola idea hasta que produzca resultados, resistiendo la tentación de abandonarla cuando surgen nuevas oportunidades. Un líder de nuestro estudio, que era un fuerte prospector pero no tan fuerte minero, fue descrito por un compañero como "una persona inteligente y de mente abierta que siente curiosidad por las cosas nuevas y tiene la capacidad de entenderlas rápidamente", pero no tan bueno "aprendiendo los detalles". Este líder necesitaba comprometerse con una idea durante el tiempo suficiente para permitir que se desarrollara hasta el punto de demostrar su valor potencial. Esta capacidad se basa en habilidades fundamentales como la concentración sostenida, la dedicación inquebrantable y el interés genuino por el concepto que se está desarrollando.

Ir a lo ancho, luego a lo profundo

Descubrimos que los líderes con más éxito en la disrupción digital practicaban los comportamientos de prospector y minero como una serie de pasos secuenciales repetidos. Describieron el proceso como "ir a lo ancho" para ver lo que hay ahí fuera, decidir dónde invertir los recursos; "ir a lo profundo" e invertir; y luego "volver a salir a tomar aire" para ver si el entorno alrededor había cambiado y requería una nueva prospección.

En la era de la IA generativa, dominar la tensión entre prospección y minería nunca ha sido tan importante. El ciclo de la IA generativa se está desarrollando a un ritmo que supera con creces el de anteriores oleadas digitales, y la diferencia de rendimiento entre los líderes y los rezagados ya se está ampliando. Fracasar en la "prospección" podría significar llegar tarde a las oportunidades o incluso perderlas por completo. Fracasar en la "extracción" puede significar dejar valor sobre la mesa o dejar que un proyecto muera prematuramente por falta de apoyo o por una inadecuación entre el producto y la tecnología. Por otro lado, la recompensa de acertar con la IA puede ser considerable.

Entonces, ¿cómo se aseguran las organizaciones de que sus líderes están tanto prospectando como extrayendo?

Un enfoque consiste en formar a los líderes con las habilidades y los comportamientos necesarios para ser tanto prospectores como mineros. Por ejemplo, trabajamos con un ejecutivo que ya era un hábil minero pero luchaba con la capacidad de pensar más allá de su zona inmediata de enfoque, habilidades necesarias para ser un fuerte prospector. Ayudamos a este líder a generar algunos hábitos pequeños pero convincentes para sacarle de sus limitaciones mentales, como leer un artículo al día sobre un tema de un dominio ajeno a su disciplina principal y fijar dos reuniones al mes con personas que no pertenecieran a su organización pero que estuvieran relacionadas de algún modo con su sector.

Una estrategia alternativa consiste en dotar deliberadamente a los equipos tanto de prospectores como de mineros. Los prospectores pueden salir a explorar las oportunidades y amenazas inherentes al entorno, mientras que los mineros toman estos descubrimientos e invierten más profundamente en ellos.

. . .

Nuestra investigación sugiere que los líderes más eficaces demuestran una dualidad crucial: la curiosidad para escudriñar ampliamente en busca de tendencias y tecnologías emergentes, junto con la disciplina para perseguir en profundidad las direcciones prometedoras hasta su culminación. Ni persiguen cada nueva innovación sin seguimiento ni permanecen tan estrechamente centrados que pierdan oportunidades transformadoras en el horizonte.

El equipo farmacéutico de Conrad acabó encontrando su camino, no abandonando por completo su enfoque metódico, sino complementándolo con prácticas de prospección dedicadas que les mantuvieron en sintonía con las posibilidades emergentes. Navegando conscientemente por la tensión entre prospector y minero, transformaron sus procesos, antes rígidos, en un sistema adaptable capaz tanto de identificar como de materializar las oportunidades digitales.

* El nombre ha sido modificado.

Leer mas sobre Transformación digital or related topics Liderazgo, Estilos de liderazgo yd Liderazgo y gestión de personas

Jennifer Jordan es psicóloga y profesora de liderazgo en el IMD de Suiza. Es experta en poder, influencia y transiciones de liderazgo. Jennifer dirige los programas Leading Digital Execution y Women on Boards en el IMD.

Michael Wade es profesor de estrategia y digital en el IMD y director del Centro Global TONOMUS para la Transformación Digital y de la IA. Es coautor de GAIN: Demystifying GenAI for Office and Home y Twin Transformation, ambos de 2025.

Shih-han Huang es investigadora senior y escritora en el IMD de Suiza. Con formación en investigación financiera, es capaz de integrar tanto el ángulo cuantitativo como el social en sus análisis y escritos. Posee un MBA por el INSEAD y una licenciatura en Economía por la Universidad de Harvard.

Doxa 2270

La revolución de la IA no ocurrirá de la noche a la mañana

Seis formas en que las empresa están juzgando mal el potencial de la tecnología para crear valor.

Por Paul Hlivko

Transformación Digital

Harvard Business Review

#Doxa #IA #industria #transformación #tiempo #empresarial #fricción #empresa #vende #crear #valor #tiempo #riesgo #desperdiciar #recursos #resultado #erosionar #confianza #impacto #dinero #modelo #futuro #líder #negocio

Resumen. La IA transformará las industrias. Sin embargo, esta transformación ocurrirá en tiempo empresarial: más largo, más lento y con mucha más fricción de lo que la mayoría espera, y mucho más lento de lo que Silicon Valley vende. Actualmente, las empresas están adquiriendo seis aspectos fundamentalesSe equivocan sobre cómo la IA creará valor y cuánto tiempo tomará, y corren el riesgo de desperdiciar recursos, prometer resultados excesivos y erosionar la confianza. 1) El impacto real de la IA tardará mucho más de lo que creemos. 2) Estamos siendo extremadamente optimistas sobre la adopción de la IA empresarial. 3) El mercado está sobreestimando el valor de las empresas de IA. 4) El verdadero dinero no está en los modelos. 5) Estamos sobreindexando a las startups. 6) Estamos obsesionados con la IA generativa, pero no es el futuro. Los líderes empresariales deben hacerse menos preguntas sobre lo que la IA podría hacer y más sobre lo que realmente está haciendo en su negocio.

Si crees en el frenético rumor, la IA está a punto de atarnos los zapatos, dirigir nuestros negocios y resolver el hambre mundial. McKinsey predice que aportará entre 17,1 y 25,6 billones de dólares a la economía mundial anualmente. Es una visión seductora. También es una alucinación. Como director de TI centrado en los negocios, con casi tres décadas de experiencia convirtiendo tecnologías emergentes en valor empresarial, he visto esta película antes. Rara vez termina como promete el tráiler. Llevamos 75 años preguntándonos si las máquinas pueden pensar. Quizás la mejor pregunta ahora sea si nosotros podemos.

Sí, la IA es poderosa. Sí, cambiará nuestra forma de vivir y trabajar. Pero la transformación será más lenta, más compleja y mucho menos lucrativa a corto plazo de lo que sugiere la publicidad. Las empresas están invirtiendo colectivamente miles de millones de dólares en IA sin un retorno de la inversión claro. Modelos de código abierto como Meta y Deep Seek están erosionando rápidamente la ventaja competitiva de los modelos base de otras grandes tecnológicas (por ejemplo, Gemini, ChatGPT). Y el modelo de negocio para la IA de nueva generación tiene mucho potencial, pero carece de una ruta clara hacia ingresos sostenibles.

El impacto transformador de la IA llegará, pero no será la revolución instantánea que nos venden. Nos estamos equivocando en seis aspectos fundamentales sobre cómo la IA creará valor y cuánto tiempo llevará.

El impacto real de la IA tardará mucho más de lo que creemos.

En 1987, el economista Robert Solow bromeó con la famosa frase: «La era informática se percibe en todas partes, menos en las estadísticas de productividad». Décadas después, la IA es la última expresión de esta paradoja. A pesar de miles de millones de dólares en inversión, las mejoras de eficiencia mensurables siguen siendo difíciles de alcanzar. Hasta la fecha, el Banco de la Reserva Federal de Kansas City ha constatado que el impacto de la IA en la productividad ha sido modesto en comparación con los cambios tecnológicos anteriores.

Esto no es un fracaso de la IA, sino un fracaso de las expectativas. Las IA generativas, al igual que los grandes modelos de lenguaje, son una tecnología de propósito general (GPT). (Aunque la "GPT" en ChatGPT significa algo más). Hemos visto muchas GPT antes: la imprenta, la electricidad, internet, y todas siguen el mismo patrón. En cada caso, pasaron décadas antes de que su potencial transformador impactara realmente en la economía. La electricidad revolucionó la manufactura, pero el diseño de fábricas tardó 40 años en ponerse al día. Internet existía en la década de 1970, pero no fue hasta la década de 2000 que reescribió los modelos de negocio.

Existen razones convincentes para pensar que la IA seguirá la misma trayectoria lenta pero inevitable. Por ejemplo, el economista del MIT y premio Nobel Daron Acemoglu argumenta que solo el 5% de las tareas se automatizarán de forma rentable en la próxima década, lo que añadirá tan solo un 1% al PIB estadounidense, muy lejos del cambio radical que muchos esperan. El reto, argumenta, radica en que, para la mayoría de las organizaciones, los costes de la disrupción, la capacitación, la integración y la computación superarán los beneficios de la mayoría de las tareas.

Además, ya hemos recogido los frutos más fáciles de la transformación digital: automatizar el trabajo operativo, digitalizar la información, mover a los clientes en línea y migrar la infraestructura central a la nube. Estos logros iniciales generaron ganancias de eficiencia. Pero cada nuevo salto ofrece rendimientos decrecientes, lo que dificulta que la IA, o cualquier tecnología, impulse ganancias de productividad en toda la economía. A pesar de tecnologías innovadoras como los teléfonos inteligentes, las redes sociales y la computación en la nube, el crecimiento de la productividad total de los factores (PTF) en EE. UU. ha sido lento durante cinco décadas. De 1974 a 2024, el crecimiento de la PTF fue menos de la mitad de la tasa del auge de la posguerra. La IA puede impulsar la productividad personal, pero no generará ganancias de productividad a escala en un futuro próximo, si es que lo hace. Un estudio realizado por la Oficina Nacional de Investigación Económica demostró recientemente la diferencia de adopción e intensidad. Demostraron que, si bien el 40% de los adultos estadounidenses usaban IA generativa, la mayoría de las personas la usaban con poca frecuencia. Ese uso poco frecuente se tradujo en un 1-5% del tiempo total de trabajo. Combinado con el ahorro de tiempo estimado por los usuarios, esto resultó en una ganancia de productividad de <1%.

Esto no significa que la IA sea inútil. Simplemente significa que su valor no provendrá de una disrupción radical e instantánea, sino de una integración específica y deliberada. Apostar por un plazo corto y un rápido retorno de la inversión (ROI) conlleva el riesgo de desperdiciar capital, una automatización fallida y una interrupción innecesaria de la fuerza laboral. En cambio, las empresas deberían centrarse en el largo plazo: desarrollar los sistemas adecuados, capacitar a su equipo y descubrir cómo hacer que la IA funcione para su negocio.

Somos tremendamente optimistas respecto a la adopción de inteligencia artificial en las empresas.

Cuando se lanzó ChatGPT, la IA parecía magia: una revolución repentina. Las presentaciones de resultados se llenaron de menciones a la IA. El capital riesgo se puso a toda marcha. Los titulares prometían que la transformación de la IA sería instantánea y generalizada. Ya hemos visto este tipo de ciclo de bombo y platillo antes —con los primeros ordenadores personales, la burbuja puntocom, el auge de la cadena de bloques e incluso los inicios de la computación en la nube— y probablemente volveremos a cometer este error.

Juzgamos mal el cambio tecnológico debido a tres sesgos cognitivos. La falacia de la planificación nos hace subestimar la duración de la transformación. El sesgo de optimismo nos convence de que la adopción será fluida y sencilla. El sesgo de actualidad nos lleva a creer que la adopción viral de la IA por parte de los consumidores se trasladará sin problemas a la empresa. A pesar de toda la preocupación por los sesgos de la IA, tendemos a pasar por alto los nuestros, y esto podría ser especialmente cierto en la adopción empresarial. La IA empresarial no es una solución inmediata. Choca con sistemas obsoletos, obstáculos regulatorios, culturas corporativas reacias al riesgo, escasez de talento en IA y cuellos de botella en las compras. Las barreras no son técnicas, sino sistémicas. Nos llevó 100 años ponerle ruedas al equipaje; no subestimemos las fuerzas que equilibran el ritmo de la difusión tecnológica.

IBM Watson Health es una historia con moraleja. IBM prometió "pensar más que el cáncer", apostando fuerte a que la IA transformaría la atención médica. Pero para 2022, Watson se vendió por partes, con su potencial aplastado por datos médicos desordenados y fragmentados, burocracia regulatoria y complejidad del mundo real. Los hospitales lo consideraron poco fiable. Los médicos lo consideraron poco práctico. Las preocupaciones éticas aumentaron. Watson no fracasó por la IA, fracasó porque IBM subestimó la dificultad de su implementación en el mundo real.

La IA transformará las industrias, pero no al ritmo de Silicon Valley. Sucederá en tiempos empresariales: más largos, más lentos y con mucha más fricción de lo que la mayoría espera. Las empresas que caen en prejuicios e ignoran estas realidades desperdiciarán recursos, prometerán resultados excesivos y erosionarán la confianza. Los ganadores de la IA no serán quienes hagan las afirmaciones más audaces. Serán quienes tengan la paciencia para generar un cambio real y duradero.

El mercado está sobreestimando el valor de las empresas de IA.

Los inversores cometen un grave error en torno a la IA: tratan a las empresas de IA como si fueran empresas de software de alto crecimiento y con pocos activos, cuando en realidad requieren un uso intensivo de capital, son caras y tienen una gran infraestructura. Las acciones tecnológicas con un alto componente de IA se han cotizado con una prima del 20-40%, asumiendo beneficios futuros que no se han materializado.

Para los ejecutivos, esta desconexión no es solo una interpretación errónea del mercado, sino una trampa de ejecución. Las valoraciones infladas generan expectativas poco realistas que repercuten en la empresa: presión para actuar con rapidez, para pilotar algo llamativo, para que los vean "haciendo IA". ¿El resultado? Implementaciones apresuradas, prioridades desalineadas e inversiones en la magia en lugar del rendimiento de los márgenes. En un mercado donde los milagros se valoran, la verdadera ventaja reside en la moderación: líderes que priorizan la integración sobre el espectáculo y el valor a largo plazo sobre la visibilidad a corto plazo.

Consideremos a OpenAI. Busca una valoración de 300 000 millones de dólares : el doble que Facebook en su salida a bolsa y ocho veces que Google en su salida a bolsa (ajustado a la inflación). Los inversores la valoran como una empresa de software en la nube con márgenes en expansión. Pero la IA no es SaaS. Los costes de OpenAI no disminuyen con la escala, sino que aumentan con la demanda. Cada consulta tiene un precio. Cada cliente añade costes. La propia OpenAI preveía una pérdida de 5 000 millones de dólares sobre 3700 millones de dólares en ingresos en 2024.

El problema radica en que las demandas de infraestructura de la IA son asombrosas. Meta, Alphabet, Amazon y Microsoft planean invertir un total de  300 000 millones de dólares  este año. El análisis de los estados de flujo de caja y las declaraciones públicas muestra que sus gastos de capital relacionados con la IA han aumentado entre un 40 % y un 60 % en tan solo dos años. Microsoft, por su parte, invertirá  80 000 millones de dólares  este año. Para 2028, sus necesidades de computación  podrían rivalizar con la demanda eléctrica de todo un país . Esta expansión de infraestructura ha generado un déficit de ingresos anual estimado en 125 000 millones de dólares.

La competencia está reduciendo aún más los márgenes de la IA. Modelos de código abierto como LLaMA, Mistral y DeepSeek-V3 están comiéndose rápidamente la cuota de mercado. LLaMA 3 de Meta ya llega a más de mil millones de usuarios en Instagram, WhatsApp y Facebook, sin coste alguno para los consumidores. Mientras tanto, OpenAI paga por cada usuario y carece de un ecosistema de distribución integrado. La IA se está convirtiendo en un producto básico a un ritmo superior al de cualquier otro ciclo tecnológico anterior, una realidad que incluso el presidente de la junta directiva de OpenAI ha reconocido.

Para los líderes del sector, las implicaciones son reales e inmediatas. Muchos están tomando decisiones de inversión de alto riesgo basadas en herramientas desarrolladas por empresas cuyos modelos de negocio de IA podrían no ser sostenibles. Si estos socios se enfrentan a sobrecostos, una ralentización de la I+D o incluso al colapso total, las hojas de ruta empresariales podrían quedar estancadas a mitad de la implementación. El riesgo no es solo financiero, sino también operativo.

Los verdaderos ganadores de la IA no serán aquellos que buscan valoraciones exorbitantes. Serán las empresas que la integren donde genere una ventaja económica duradera: donde acelere los ciclos de decisión empresarial, mejore la calidad de las decisiones o reinvente productos, todo con un retorno de la inversión (ROI) medible. La transformación de la IA será una prueba de resistencia del liderazgo, no de especulación.

El verdadero dinero no está en los modelos.

Incluso si las empresas de modelos de IA obtienen beneficios, no podrán defender su ventaja. Los mayores avances de la IA, como las redes neuronales y los mecanismos de atención, son solo matemáticas, y las matemáticas no se pueden patentar.

Esa es la diferencia fundamental entre invención e innovación. La invención genera el avance: la arquitectura transformadora, el algoritmo novedoso. Pero la innovación a escala requiere más: distribución, margen y adaptación al mercado. La verdadera prueba de la IA no es si podemos crear algo nuevo, sino si podemos integrarla lo suficientemente profundo en los sistemas empresariales como para generar valor duradero y medible.

Y es precisamente por eso que los modelos, por muy avanzados que sean, no serán los más eficaces. La colaboración de código abierto y la investigación con respaldo gubernamental seguirán impulsando la IA hacia la comoditización. Una vez que la IA sea barata y esté en todas partes, nadie la poseerá. El verdadero valor no reside en desarrollar IA, sino en usarla. Está en las aplicaciones, no en los modelos.

La IA ya se está moviendo hacia el borde, pasando de la nube a dispositivos personales donde los usuarios no necesitan pagar por el acceso. Apple Intelligence, aunque en sus primeras etapas en el mercado, está integrada en los iPhones. Algunos modelos de Meta LLaMA funcionan en portátiles.

Esta es la misma trayectoria que siguió la computación en la nube. Los inversores apostaron primero por la infraestructura: AWS, Azure, Google Cloud. Pero con el tiempo, los ganadores no fueron los proveedores de infraestructura en la nube, sino las empresas de aplicaciones que integraban la nube en los flujos de trabajo empresariales. Para 2030, Goldman Sachs prevé que la infraestructura en la nube represente un mercado de 580 000 millones de dólares, mientras que las aplicaciones en la nube representarán más del doble, alcanzando los 1,38 billones de dólares. Es lógico que la IA siga el mismo patrón.

Las aplicaciones llevan la IA de la teoría a la realidad, del laboratorio al cliente. Convertir un modelo en una solución empresarial real es un desafío de ingeniería que va mucho más allá de simplemente ejecutar un modelo con un chat integrado. Las empresas que resuelven problemas complejos y específicos de cada sector con arquitecturas de IA personalizadas son las que generarán el valor más duradero. Este cambio ya está comenzando, con la proliferación de agentes de IA en todos los sectores. Harvey es abogado especializado en IA. Glean es asistente de trabajo de IA. Factory es ingeniero de software de IA. Abridge es redactor médico de IA.

El verdadero valor de la IA reside en transformar los servicios que dependen de las personas en aplicaciones escalables y siempre activas. Y es precisamente ahí donde las empresas deberían centrarse: no en crear modelos, sino en aplicarlos con precisión. La oportunidad no reside en crear el próximo GPT. Se trata de integrar la IA en la columna vertebral del negocio (diseño de producto, operaciones, cumplimiento normativo, RR. HH., finanzas), donde los pequeños cambios sumarán.

Demasiadas empresas dan por sentado que los modelos básicos aportarán valor desde el primer momento. Pero sin una inversión seria en los aspectos esenciales (aplicaciones, integración, infraestructura de datos, rediseño del flujo de trabajo y gestión del cambio), la IA sigue siendo un prototipo ostentoso: impresionante en demostraciones, pero ineficaz a escala. Irónicamente, las empresas que ganen serán las que hagan que la IA sea aburrida: integrada a la perfección, fiable y silenciosamente transformadora donde ocurre el verdadero trabajo.

Estamos sobreindexando a las startups.

El entusiasmo del mercado se centra en las startups de IA, pero las grandes empresas ya establecidas tienen la verdadera ventaja en el sector empresarial. La IA no se trata de disrupción, sino de distribución.

Considere Microsoft Teams. Microsoft no creó la mejor herramienta de videoconferencia; Zoom sí. Pero Microsoft triunfó en el sector empresarial al integrar Teams en Office 365. Las empresas no eligieron Teams porque fuera mejor, sino porque ya existía. La misma estrategia se está aplicando en la IA.

Las startups pueden impulsar la innovación, pero las empresas establecidas controlan los presupuestos empresariales, la integración de TI y la distribución. Microsoft, Google y Salesforce no necesitan los mejores modelos de IA; solo necesitan una IA suficientemente buena, integrada a la perfección en su infraestructura empresarial existente. Así es como se produce la adopción de la IA: quien controla el flujo de trabajo empresarial y de consumo, gana.

Por eso la IA no es una historia más de disrupción del comercio electrónico. A finales de los 90, empresas emergentes online como PayPal, Amazon y eBay desbancaron a los gigantes del comercio tradicional porque internet igualó las condiciones. Pero la IA es diferente. No es una disrupción rápida y de bajo coste. Requiere un gran capital, una gran infraestructura y prioriza la escalabilidad. Y las grandes tecnológicas ya controlan los datos, la capacidad de procesamiento y las relaciones empresariales.

Este último punto es crucial. Los datos empresariales propietarios y en tiempo real son la última fortaleza real de la IA. Los modelos de IA actuales se entrenan con 300 billones de tokens de texto disponible públicamente, pero esos datos se están agotando. Epoch AI estima que entre 2026 y 2032, los desarrolladores se toparán con un muro: no habrá suficientes datos de entrenamiento públicos de alta calidad.

Las grandes empresas ya establecidas tienen la ventaja, pero no es automática. Se encuentran en la cadena de distribución, las relaciones empresariales y los datos exclusivos con los que las startups solo pueden soñar. Pero la ventaja sin acción es inercia. Ahora es el momento de redoblar esfuerzos: integrar la IA en los sistemas existentes, aprovechar los datos como un activo estratégico y asociarse donde añadan velocidad o especificidad. No se trata de perseguir la próxima gran novedad, sino de lograr que la última gran novedad funcione a gran escala.

Estamos obsesionados con la IA generativa, pero no es el futuro.

Estamos obsesionados con la IA generativa, pero el futuro va más allá de los modelos basados ​​en chat. La IA actual destaca en la elaboración de informes y la redacción de correos electrónicos, pero tiene dificultades para manejar la complejidad del mundo real. Carece de conciencia situacional, razonamiento complejo y la capacidad de sintetizar múltiples tipos de información cambiante en tiempo real.

Por eso la adopción de la IA está rezagada en campos como la medicina y la logística, donde las decisiones requieren más que un simple texto histórico. Un chatbot puede redactar un contrato, pero no puede diagnosticar a todos los pacientes ni optimizar una cadena de suministro deficiente.

La próxima evolución son los sistemas de IA multimodal e IA compuesta: tecnologías que procesan múltiples tipos de información y funcionan en conjunto como la cognición humana. Un coche autónomo no depende de una única fuente de datos; integra LiDAR, radar, GPS y sensores en tiempo real para navegar. La IA deberá hacer lo mismo, superponiendo modelos que analicen la visión, el sonido, el texto y los datos en tiempo real.

Los sistemas de IA compuesta llevan esto más allá, combinando múltiples modelos para crear inteligencia que aprende, planifica y actúa de forma autónoma. Hoy en día, la IA opera en silos: un modelo genera texto, otro detecta fraudes. La IA del futuro orquestará estas capacidades como un conjunto de especialistas que trabajan juntos.

Esto es una señal para que las empresas planifiquen con antelación. La generación actual de herramientas de IA puede ofrecer algunas ventajas, pero estas son relativamente limitadas. Los líderes deben evitar invertir excesivamente en soluciones con un solo propósito y comenzar a construir una infraestructura que admita sistemas integrados y multimodales. Esto implica invertir en arquitectura de datos, flexibilidad de flujo de trabajo y gobernanza de IA que puedan evolucionar a medida que lo hace la tecnología.

El futuro de la IA no consiste en crear un mejor chatbot. Se trata de diseñar sistemas que vean, escuchen, analicen y actúen en sintonía, a escala y en sintonía con la complejidad del mundo real.

¿Podemos pensar inteligentemente sobre las máquinas?

En 1950, Alan Turing planteó la ahora famosa pregunta: "¿ Pueden pensar las máquinas? ". Setenta y cinco años después, evaluamos la IA en función de su capacidad de razonar, predecir y generar. Quizás sea hora de aplicarnos esa misma perspectiva.

En este momento, estamos alucinando colectivamente y cayendo en malas apuestas, prioridades equivocadas y plazos poco realistas. Las empresas tratan la IA como si fuera una panacea, invirtiendo miles de millones en modelos mientras descuidan el trabajo más arduo de la integración, la infraestructura y el verdadero valor comercial.

En última instancia, el mercado determinará qué empresas y sectores captarán el valor de la IA. Pero una cosa es segura: la ubicuidad de la IA erosionará su exclusividad. Su impacto no residirá en quién la posea, sino en cómo la usemos.

La pregunta original de Turing sigue vigente. Pero hoy, la más importante es: "¿Podemos pensar inteligentemente sobre las máquinas?". Para los líderes empresariales, esto significa cambiar el enfoque del potencial al rendimiento. Significa plantearse menos preguntas sobre lo que la IA podría hacer y más sobre lo que realmente hace en su negocio. Significa construir para la resistencia, no para los titulares: invertir en arquitectura, talento y sistemas que puedan convertir las herramientas de hoy en la ventaja competitiva del mañana.

Lea más sobre Transformación digital o temas relacionados Innovación, Tecnología y analítica, IA y aprendizaje automático, IA generativa, Algoritmos, Analítica y ciencia de datos y Automatización

Paul Hlivko es vicepresidente ejecutivo y director de TI de Wellmark Blue Cross and Blue Shield. Graduado de MIT Sloan, ha dedicado las últimas tres décadas a convertir la tecnología emergente en un factor de impacto empresarial, desde startups hasta Wall Street y la atención médica.

Doxa 2267

Cómo seis empresas abordaron la transformación digital

Por los editores de HBR

Transformación digital

Harvard Business Review

#Doxa #empresa #transformación #digital #éxito #valor #procesos #empleado #problema #sector #personal #práctica #idea #perspectiva #Moody's #Honeywell #Ikea #levi's #adobe #Intuit

Resumen. ¿Qué es exactamente una transformación digital y cómo puede dirigirla con éxito? A menudo, guiar una transformación digital requiere replantearse la forma en que su empresa crea valor, su estrategia y los procesos mediante los cuales sus empleados hacen las cosas. Sin embargo, aunque muchas empresas se enfrentan a problemas similares, las particularidades de su organización, su sector y su personal pueden dificultar la puesta en práctica de las grandes ideas. Para entender mejor cómo las empresas tienen éxito en las transformaciones digitales, considere la perspectiva desde dentro de seis empresas heredadas: Moody's, Honeywell, IKEA, Levi's, Adobe e Intuit.

¿Qué es exactamente una transformación digital y cómo liderarla con éxito?

Las transformaciones digitales implican una especie de introspección organizacional: ¿Cómo cambiamos sin cambiar? ¿Cómo hacemos cosas nuevas de forma diferente, sin perder el rumbo de nuestro propósito? ¿Y cómo adoptamos y nos adaptamos a las nuevas tecnologías a medida que surgen? Requieren que los líderes profundicen en los detalles de sus organizaciones, manteniendo siempre presente una visión más amplia. No es de extrañar que sean notoriamente difíciles.

Considere lo que realmente implica la transformación digital . Primero, requiere comprender una nueva tecnología (IA, computación en la nube, análisis de datos) y cómo podría beneficiar a su negocio. Pero una transformación, como su nombre indica, va más allá de la simple incorporación de nuevas herramientas . Requiere replantear cómo su empresa crea valor , su estrategia y los procesos mediante los cuales sus empleados realizan sus tareas. Y, finalmente, requiere impulsar un verdadero cambio cultural .

Aunque todo esto pueda parecer desalentador, también es inevitable. El ritmo del cambio tecnológico parece ir en aumento. Los milagros del pasado son la base del futuro. Por ello, la transformación digital se ha convertido en un músculo que las empresas deben aprender a ejercitar, un proceso que nunca termina del todo .

¿Cómo deberían los líderes abordar esta tarea? Un punto de partida es preguntarse: ¿Cómo han abordado esto otras empresas? Así pues, revisando el archivo de HBR , consideremos cómo seis empresas tradicionales diferentes han abordado este proceso.

Moody's

Cuando ChatGPT se lanzó a finales de 2022, la mayoría de las empresas adoptaron una actitud expectante. La IA generativa era nueva, no estaba probada y conllevaba riesgos, tanto conocidos como desconocidos. Se pensaba que era mejor dejar que otros resolvieran los problemas. Sin embargo, la dirección de Moody's, la tradicional institución financiera, tenía una perspectiva diferente: la inacción era el camino más arriesgado. La empresa decidió apostar a fondo por la nueva tecnología.

Sin embargo, este plan presentaba un problema. «A diferencia de la mayoría de las transformaciones, el objetivo final de esta iniciativa no estaba claro», escribe Toby E. Stuart , de la Escuela de Negocios Haas de la Universidad de California en Berkeley. «La tecnología evolucionaba increíblemente rápido y no existían casos prácticos probados que demostraran cómo podría aplicarse para generar valor. [Rob] Fauber, director ejecutivo de Moody's, comparó la iniciativa con correr a toda velocidad hacia la niebla: quizá se pudieran ver algunos pasos hacia adelante, pero no más allá».

A pesar de no tener un objetivo final preciso, la dirección tenía una idea de lo que quería lograr: un cambio cultural radical que permitiera a la empresa aprovechar esta nueva tecnología, independientemente de su evolución. Así pues, se definieron tres directrices. En primer lugar, querían que todos los empleados, en todos los niveles, participaran, un objetivo que requería la aceptación de 14.000 empleados. En segundo lugar, querían resistir el instinto de rechazar nuevas ideas y animar, en particular, al personal legal, de cumplimiento normativo y de gestión de riesgos a adoptar una actitud de "sí, y...". Y en tercer lugar, el objetivo de todo este esfuerzo debía ser aportar valor medible al negocio.

Honeywell

Para comprender la diferencia entre la adopción digital y la transformación digital, considere el problema que enfrentó Honeywell al inicio de su reciente transformación. «Teníamos más de 150 sistemas de planificación de recursos empresariales (ERP), unas 2700 aplicaciones, 1700 sitios web y ningún plan integral para la recopilación y el uso de datos», escribe Darius Adamczyk , director ejecutivo de Honeywell al inicio de la iniciativa.

Esto representó un problema por dos razones. En primer lugar, dado que Honeywell abarca tantas empresas, la proliferación de herramientas y sistemas acentuó las divisiones internas. En segundo lugar, esto obstaculizó la capacidad de Honeywell para generar nuevo valor para sus clientes. «La pregunta que nos planteamos», escribe Adamczyk, «fue: '¿Es posible utilizar la digitalización para transformar un conglomerado industrial diversificado en una empresa integrada?'».

La empresa implementó un plan de tres pasos para su transformación interna. Primero, se centró en simplificar y reorganizar su infraestructura, pasando de más de 150 ERP a 10, de 1700 sitios web a menos de 100, y de 2700 aplicaciones a menos de 1000. Segundo, invirtió en la creación de bases de datos maestras para productos, empleados y clientes. Y tercero, desarrolló una estrategia para aprovechar al máximo todos esos datos.

La transformación digital también permitió a Honeywell ofrecer a sus clientes nuevos sistemas que optimizarían sus datos de nuevas maneras. Dado que la empresa ya proporcionaba capas de hardware y sistemas, pudo añadir una capa de software como servicio (SaaS) basada en la nube que captura datos y ofrece información analítica: una nueva forma de generar valor basada en los servicios existentes.

“En cierto modo, la transformación digital consiste en crear un sistema para capturar y aprovechar los datos y luego aplicar su potencial a cualquier actividad”, escribe Adamczyk. “Pero para lograrlo, es necesario comprender todos los complejos componentes que conforman el conjunto”.

IKEA

Cuando comenzó la pandemia, la entonces directora digital de IKEA Retail, Barbara Martin Coppola, veterana de la industria tecnológica, ya llevaba casi dos años trabajando para reestructurar la icónica tienda. Sin embargo, el cierre repentino de tiendas impulsó una rápida aceleración de esos esfuerzos. Convertir la tienda tradicional en una empresa verdaderamente digital requirió rediseñar las cadenas de suministro, la gestión de inventario, la logística y el cumplimiento, pero también implicó replantear la experiencia del cliente de forma sutil, rompiendo las distinciones entre el comercio digital y el físico.

“Este proceso es como un iceberg”, declaró Martin Coppola a HBR en una entrevista. “En la punta del iceberg, tenemos las necesidades del cliente y la adaptación —renovando todo en torno a la interacción con el cliente y las nuevas experiencias de compra— y, bajo la superficie, estamos implementando cambios enormes en nuestro modelo de negocio y operativo. Y lo que está bajo la superficie es un cambio mucho mayor que lo que vemos arriba”. En la práctica, esto implicó implementar nuevas políticas de datos y comunicarlas a los clientes, integrar la aplicación en la experiencia de compra, introducir nuevas herramientas de realidad aumentada (RA) y realidad virtual (RV), y adoptar ampliamente los datos de formas nuevas y expansivas.

Para implementar estos cambios, Martin Coppola tuvo que conseguir una gran aceptación por parte de los empleados. "Primero tuve que ser aceptada como parte de la comunidad", dijo. "Los valores de la empresa se basan en el trabajo duro, la humildad, la sensatez y un fuerte espíritu emprendedor; la gente quiere ir más allá por la empresa. Tuve que demostrar con mi comportamiento que comparto los mismos valores. Luego, se trató de conocer gente y comunicar una visión inspiradora. Finalmente, se trató de proponer pasos sencillos que la gente pudiera imaginarse siguiendo".

Levi's

En algunos casos, la cultura empresarial puede ser un problema más complejo que la tecnología. En el caso de la icónica marca de ropa Levi Strauss & Co., actualizar los enfoques de la empresa fue tan beneficioso como incorporar nueva tecnología. "Como empresa de ropa, teníamos una mentalidad 'perfeccionista' arraigada", escribe Harmit Singh , vicepresidente sénior y director financiero de Levi's. "Normalmente, tomábamos una idea, planificábamos durante seis meses, creábamos la solución 'perfecta/óptima' y luego seguíamos iterando durante otros seis meses o más para perfeccionarla antes de lanzarla al mercado".

Las transformaciones digitales, sostiene Singh, consisten en “transformar a la fuerza laboral para que piense con una mentalidad ágil y digital, y fomentar la creación y adopción de tecnología que sea nueva para el equipo y, a veces, nueva para la industria en su conjunto”.

La empresa aprendió cuatro lecciones durante su proceso de transformación, que otros líderes pueden aplicar: 1) Al atravesar una transición importante, no hay problema con el fracaso. 2) No se preocupe por su retraso; concéntrese en cómo superar a la competencia. 3) Considere las transformaciones como una oportunidad para ayudar a todos a recopilar y utilizar datos. Y 4) Dedique tiempo a desarrollar su conocimiento tecnológico.

Adobe

Una de las partes más difíciles de adoptar una tecnología en constante evolución es mantenerse al día con los nuevos riesgos que se incorporan junto con las nuevas herramientas. Con la IA, que se puede utilizar en una asombrosa variedad de tareas y contextos, ese esfuerzo puede parecer una tarea titánica. Además, es esencial.

Para lograr esto eficazmente, los líderes podrían necesitar replantear su perspectiva sobre el problema, considerando el panorama general en lugar de cada parte por separado. «Es fundamental que los líderes consideren cuidadosamente el contexto en el que opera la IA, comprendiendo las circunstancias, los entornos y las aplicaciones específicas de las tecnologías de IA en casos prácticos del mundo real», escribe Grace Yee , directora sénior de innovación ética en Adobe. «La IA se evalúa a menudo a través de sus entradas y salidas, pero esto solo presenta una imagen parcial... Las empresas deben dejar de ver la IA como una entidad singular y empezar a evaluar su impacto en contextos específicos».

Adobe abordó este problema siguiendo cuatro principios: 1) La participación humana es fundamental. 2) La publicidad exagerada no es sinónimo de calidad. 3) La IA siempre evolucionará, pero es posible anticipar las preocupaciones. Y 4) La IA requiere un marco ético sólido.

Intuit

Las empresas nativas digitales no son inmunes al desafío de la transformación digital. Para Intuit, la empresa de software financiero, este problema se manifiesta en el cambio de la base de las expectativas del cliente. "Cuando un producto realmente resuelve un problema del cliente, los usuarios dejan de notarlo rápidamente", escribe Ashok Srivastava , director de datos de Intuit. "El avance de hoy es la base del mañana". Y la IA ha acelerado este ciclo. Para mantenerse al día, la transformación debe ser un proceso continuo.

Intuit ha intentado desarrollar una cultura de transformación continua adoptando tres principios rectores e integrándolos en el flujo de trabajo habitual: 1) Monitorear el progreso mediante comprobaciones técnicas periódicas, rigurosas y sin egoísmo. 2) Integrar expertos en IA en todos los equipos. Y 3) Convertir los conflictos en una ventaja competitiva con procesos de escalamiento claros.

Este proceso, escribe Srivastava, ha sido fundamental para el éxito de Intuit. Pero, como todo, las empresas necesitan reconsiderar continuamente si están trabajando como deberían. «Estas estrategias no están diseñadas para ser estáticas; son reactivas, listas para adaptarse a medida que las necesidades del cliente evolucionan y se expanden».

Más recursos

Cómo evitar las pesadillas éticas de las tecnologías emergentes

Lecciones de la transformación digital de Hollywood

La IA agente ya está cambiando la fuerza laboral

Convertir el automóvil en un espacio de trabajo móvil y conectado

El director ejecutivo de Chipotle sobre cómo trazar un cambio culinario y digital

El valor de la transformación digital

Lea más sobre Transformación digital o temas relacionados Tecnología y analítica , IA y aprendizaje automático , Cultura organizacional y Automatización.

Editores de HBR Esta historia es del personal de Harvard Business Review.