La mayoría de las startups invierten en modelos de IA punteros pero terminan con pilotos que no escalan y una adopción desigual que lastra la velocidad. Melissa Reeve, ex VP de marketing de Scaled Agile y cofundadora de la Agile Marketing Alliance, ofrece en su libro Hyperadaptive un camino para convertirse en una organización IA nativa, arrancando por el sistema operativo interno antes que por la tecnología.
1. El sistema operativo industrial no puede ejecutar inteligencia artificial
La mayoría de las empresas, incluidas las emergentes, siguen funcionando con un modelo operativo diseñado para la era industrial. La estrategia fluye de arriba abajo a través de capas de aprobación; el trabajo se desplaza lateralmente entre silos funcionales. La jerarquía ralentiza las decisiones y cada traspaso pierde información.
Cuando se añade una «iniciativa de IA» sobre esa estructura, aparece lo que Ethan Mollick llama el borde dentado: algunos equipos avanzan rápido mientras otros se atascan. Reeve lo compara con la transformación digital que liquidó a Blockbuster, Kodak y Nokia. «. Con la IA, la ventana de adaptación se ha acortado de diez años a 18 meses.
La propuesta de Hyperadaptive es una hoja de ruta de cinco etapas que sustituye el sistema operativo subyacente —personas, procesos y cultura— de forma incremental, pieza a pieza, empezando desde donde se encuentre cada startup sin pretender un cambio de golpe.
2. La IA no se instala sola: la lección de Moderna
Cuando los ordenadores personales llegaron a la oficina en los 90, no pusimos uno en cada mesa y dijimos «diviértete». Formamos a la gente, rediseñamos procesos y reconstruimos la manera de trabajar. Con la IA estamos intentando saltarnos esos pasos.
«La IA es engañosamente simple», repite Reeve citando a Brad Miller, que fuera CIO de Moderna durante su transformación. Miller sostiene que el 90 % de las empresas quiere hacer IA generativa pero solo el 10 % lo consigue. La razón no es la tecnología, sino la falta de mecanismos para transformar la plantilla.
El caso de Moderna es paradigmático. A principios de 2023, su CEO, Stéphane Bancel, planteó un objetivo casi imposible: lanzar 15 nuevos fármacos en cinco años cuando un solo fármaco tarda una década y cuesta más de 2.000 millones de dólares. No pidió trabajar más, sino trabajar distinto con la IA como coworker, asesor estratégico y acelerador. Dejaron de preguntarse «¿cómo encaja la IA en nuestra forma actual de trabajar?» y empezaron a preguntarse «¿cuál es la mejor forma de trabajar en un mundo impulsado por IA?».
A los seis meses, Moderna había alcanzado el 100 % de adopción de IA generativa en toda la organización. Lo consiguió construyendo los mecanismos: formación continua, coaching, rediseño de procesos y una cultura que trata la fluidez en IA como una capacidad central, no como una habilidad opcional.
📦 Caso de estudio: Moderna
- El reto: Acelerar radicalmente el desarrollo de fármacos sin aumentar plantilla, en un sector donde un solo producto puede costar 2.000 millones y diez años.
- La jugada: Tratar la IA como un compañero de trabajo integrado en todos los procesos, con formación, rediseño de flujos y un cambio cultural desde la alta dirección.
- El resultado: 100 % de adopción de IA generativa en seis meses y la capacidad de plantearse 15 nuevos fármacos en cinco años.
- La lección: La tecnología es solo el 10 %; el 90 % restante es la inversión en personas y procesos que traducen la IA en ventaja competitiva.
La IA es como un piano: cualquiera puede golpear las teclas, pero tocar una canción exige práctica deliberada y estructura.
3. El flywheel de aprendizaje: por qué un catálogo de cursos no basta
Los modelos de IA no se quedan quietos. El modelo con el que tu equipo entrenó hace seis meses ya ha sido reemplazado dos veces. Los prompts que funcionaban en enero no sirven en abril. Construir un currículo estático para un objetivo móvil es inútil.
Reeve propone sustituir la formación corporativa tradicional por arenas de aprendizaje: espacios donde la gente experimenta, comparte y construye sobre los experimentos de otros en tiempo real. PwC, por ejemplo, organiza prompting parties, sesiones cruzadas en las que equipos multidisciplinares resuelven problemas reales de negocio con IA y se enseñan entre sí, mucho más rápido de lo que podría hacerlo un departamento de formación clásico.
Pero el aprendizaje entre pares no basta. Se necesita lo que la autora denomina flywheel de aprendizaje bidireccional de IA. Los AI Activation Hubs son pequeños pods multifuncionales que operacionalizan la IA en una función, ejecutan experimentos y capturan lo que funciona. Los AI Leads, campeones internos y traductores de automatización, llevan ese aprendizaje a primera línea. Y, críticamente, la primera línea empuja sus propios hallazgos de vuelta a los hubs, donde se refinan y se extienden al resto de la organización. El aprendizaje viaja en ambas direcciones y se compone, porque la propia IA se actualiza. Si tu plan de formación parece un catálogo de cursos, ya has perdido.
4. El error de mover solo una dimensión: actos aleatorios de IA
La mayoría de las iniciativas de IA se centran en herramientas: elige el modelo adecuado, despliégalo, forma a la gente. Pero una organización es un sistema. Cambiar solo una parte genera lo que Reeve llama actos aleatorios de IA: pilotos que no escalan, equipos que aceleran mientras otros siguen atascados, ganancias de productividad que desaparecen al coordinarse entre funciones.
El libro identifica nueve dimensiones que deben moverse en concierto, muy influido por la experiencia de marcos como el Sistema de Producción Toyota, Agile y DevOps. Entre las que casi nadie toca están:
- Incentivos: Si tu sistema de recompensa todavía paga por tener razón en lugar de por aprender rápido, la organización no se volverá hiperadaptativa porque la IA implica incertidumbre.
- Derechos de decisión: La IA colapsa las jerarquías de decisión; un analista junior con el modelo adecuado puede tomar decisiones que antes requerían tres niveles de aprobación. Si no has rediseñado quién decide qué, dejas mucha velocidad sobre la mesa.
- Cómo te organizas: Funciones frente a cadenas de valor, equipos permanentes frente a equipos dinámicos. La estructura debe responder al trabajo tal como existe hoy, no como hace 20 años.
El roadmap de cinco etapas permite mover las dimensiones que estén listas en cada fase, sin forzar un paso de bloqueo perfecto, pero impidiendo que una dimensión rezagada bloquee el avance del resto. Tratar la IA como una iniciativa de herramientas da resultados de herramienta; tratarla como un sistema a reinventar da resultados organizacionales.
5. La pregunta de los empleos: ¿quién ayuda a las personas a cruzar el puente?
El Foro Económico Mundial proyecta que 92 millones de empleos se desplazarán para 2030, pero también que se crearán 170 millones de nuevos puestos, un saldo neto positivo de 78 millones según su informe Future of Jobs. Titulares sobre despidos masivos acaparan la atención, pero la pregunta real es hacia dónde se mueve el trabajo y si las empresas están prestando atención.
La historia sigue un patrón: electricidad, automatización industrial, DevOps, la llegada del PC. Las personas dejaron de hacer la tarea manualmente y pasaron a construir, monitorizar y mantener los sistemas que la ejecutaban. Los empleos evolucionaron y, en el macro, el crecimiento neto fue positivo.
La decisión de quién asume la responsabilidad de cruzar ese puente define a las compañías inteligentes. Unilever, por ejemplo, utiliza IA para identificar qué empleados actuales pueden ser recualificados para los nuevos roles emergentes y hace la inversión. Está tratando la transición como una estrategia de largo plazo, con el mismo rigor que cualquier otra apuesta de inversión, porque calcula que sale más rentable que despedir a una plantilla y contratar otra, perdiendo conocimiento institucional y relaciones con clientes. «Las compañías que eligen responsabilizarse de su gente lo hacen por la misma razón que cualquier otra apuesta a largo plazo: porque sale a cuenta», resume Reeve.
Análisis: ¿Es la metodología hiperadaptativa otro marco vacío o una necesidad de supervivencia?
El ecosistema emprendedor español ha abrazado la IA con entusiasmo, pero el ruido de los actos aleatorios de IA ya es audible. Startups que corren a integrar un chatbot sin replantearse sus flujos de decisión, aceleradoras que financian pilotos que mueren a los tres meses y founders que confunden adopción de herramienta con transformación de empresa. La experiencia de marcos como Lean Startup ya enseñó que la metodología no sustituye al criterio, pero un buen sistema evita que un equipo brillante se estrelle por falta de foco.
El enfoque hiperadaptativo tiene el mérito de ser profundamente sistémico en un momento en que todos miran la tecnología. Si comparamos con la ola de transformación digital de la pasada década, las startups que solo digitalizaron la fachada —una web, una app— pero mantuvieron procesos analógicos internos, fueron las que se quedaron por el camino. La lección para los founders españoles es clara: el product-market fit con IA no se consigue comprando suscripciones a modelos de lenguaje, sino rediseñando el operating system de la compañía. La ventana de los 18 meses que menciona Reeve comprime el margen de error, pero también premia a quien mueva varias dimensiones a la vez antes que sus competidores.
El reto no es menor: requiere que el fundador se convierta en arquitecto organizacional, no solo en visionario de producto. Pero la salida a bolsa o la ronda Serie A ya no se ganan con el mejor algoritmo; se ganan con la organización que aprende más rápido que la tecnología.
🚀 Hoja de Ruta para Emprender
- Audita tu sistema operativo: Antes de invertir en IA, mapea cómo fluyen las decisiones y dónde se atascan. Elimina al menos un punto de aprobación innecesario esta semana.
- Construye arenas de aprendizaje, no catálogos de cursos: Organiza una prompting party con dos equipos distintos y un problema real de negocio. El aprendizaje social acelera más que cualquier plataforma.
- Designa un AI Lead interno: Elige a una persona que traduzca la IA a la operativa diaria y recoja lo que funciona en primera línea para llevarlo de vuelta al sistema.
- Al menos dos dimensiones a la vez: Si vas a lanzar una herramienta de IA, mueve también los incentivos —premia el aprendizaje rápido, no solo el acierto— y revisa quién tiene derecho a decidir cuando la IA ya da la respuesta.
