La productividad con IA se ha estancado justo cuando más empresas la despliegan. El cuello de botella no está en la herramienta, sino en el rediseño de procesos y en la formación del equipo, según los estudios recogidos por Fast Company.
La brecha entre adopción e impacto: la productividad con IA no aparece en la cuenta de resultados
Avisó un equipo de investigadores en diciembre de 2024, en las páginas de Harvard Business Review: la inteligencia artificial no es solo una historia tecnológica, es una historia de personas, y sin preparar a la gente el despliegue se queda en fuegos artificiales. Casi dos años después, el diagnóstico se sostiene. La paradoja de la productividad está servida: más herramientas, más formación exprés, cero salto medible en el output.
¿Dónde se usa la IA de verdad? En el escalón más bajo de la creación de valor. Correos redactados, reuniones resumidas, actas ordenadas. Tareas individuales, de bajo impacto, que ahorran minutos pero no tocan el modelo de negocio. La colaboración que mueve la aguja —rediseñar un proceso comercial, reconfigurar el soporte, cambiar cómo se fija un precio— sigue siendo una excepción en la mayoría de las plantillas.
Y hay un efecto secundario que casi nadie audita: el workslop, ese entregable con apariencia de trabajo que genera la IA y que nadie revisa. Más volumen, misma calidad o peor. Un equipo que produce más documentos y avanza menos. La productividad no sube; se disfraza.
Lo que ocurrió en 2023 tiene nombre: prisa. Cuando OpenAI abrió ChatGPT a la integración empresarial, muchas direcciones generales intentaron subir a toda la plantilla al tren a la vez. Se activaron licencias por miles, se lanzó un programa interno con logo y epígrafe, y a los seis meses nadie sabía qué se había ganado. Las ideas nuevas nacen frágiles. Si las empujas demasiado rápido, generas resistencia o animas a los más lanzados a montar proyectos mal pensados que fracasan y desgastan al resto.
Comprar licencias es fácil; lo difícil es que un equipo cambie cómo trabaja y que alguien se atreva a medirlo con una cifra honesta.
La alternativa es menos épica y funciona mejor. En lugar de buscar unanimidad, empieza por una mayoría local: tres personas convencidas en una sala de cinco. Si los partidarios superan a los escépticos, hay tracción suficiente para avanzar, medir y ampliar. El error que se repite es confundir entusiasmo con adopción.
Ninguna transformación fracasa por falta de herramienta; fracasa porque alguien decidió escalar antes de tener una mayoría real dentro.
Del piloto a la escala: inventario de resistencias, mapa de poder y un cambio piedra angular
Aquí entra la parte que las consultoras despacharon en dos diapositivas: la resistencia. Todo cambio la encuentra, y la IA no es una excepción. Hay comunidades enteras plantando cara a nuevos centros de datos y sindicatos que miran la tecnología con desconfianza. Dentro de la empresa el patrón es idéntico. Antes de lanzar nada, haz un inventario de resistencias y responde cinco preguntas.
- Falta de confianza: ¿por qué iban a creerse el discurso, con quién lo firma?
- Fatiga del cambio: ¿qué otras cosas se les ha pedido cambiar este año?
- Incentivos en conflicto: ¿qué se les paga de verdad, volumen o calidad?
- Costes de cambio: ¿qué esfuerzo extra les supone aprender esto?
- Identidad y dignidad: ¿cómo choca con la imagen que tienen de su propio oficio?
La quinta es la que más duele y la que menos se aborda. A un equipo de soporte no le asusta la herramienta; le asusta que la herramienta cuente su trabajo. Si tu plan de IA se comunicó como un recorte de plantilla encubierto, la resistencia no es irracional. Es la respuesta lógica.
Después toca el mapa de poder. Una transformación no es el viaje del héroe: es un conflicto entre el statu quo y el estado futuro. Clasifica cada grupo de interés por nivel de apoyo e influencia y diseña una estrategia por grupo. Muchos CIOs trataron la IA como si fuera otra actualización de software y se saltaron este paso. El resultado era previsible: unos pocos se lanzaron y la mayoría se quedó en tareas de bajo valor.
El último error es buscar una ‘estrategia de IA’ en lugar de un problema que importe. Toda transformación arranca de una molestia concreta: costes que hay que bajar, clientes que hay que atender mejor. Por eso conviene un keystone change —un cambio piedra angular—: un objetivo tangible, con varios actores implicados, que abre la puerta a lo demás.
📦 Caso de estudio: Alcoa y el cambio piedra angular
- El reto: una industrial con una transformación pendiente y un equipo escéptico ante los grandes planes corporativos.
- La jugada: Paul O’Neill arrancó por la seguridad en el puesto de trabajo, no por un despliegue tecnológico masivo.
- El resultado: la seguridad se convirtió en la palanca cultural que arrastró después la excelencia operativa.
- La lección: elige un problema que tu equipo sienta como propio; la herramienta llega después y con menos fricción.
Lo que este patrón enseña a un founder español con la IA en el pitch deck
En España el patrón se repite con acento propio. La mayoría de las startups españolas compra licencias, presume de adopción interna en el board y mide el éxito en usuarios activos, una métrica de vanidad que no dice nada. Es el mismo error de los CRM a principios de los 2000 y de la ‘transformación digital’ de 2018: confundir despliegue con resultado. La lección del caso Alcoa es aplicable a una empresa de doce personas sin comité de dirección: identifica un proceso concreto —la propuesta a cliente, el onboarding, el soporte de primer nivel—, define la métrica antes de tocar la herramienta y dale seis semanas. Si no hay movimiento, el problema es el proceso, no el modelo.
Compara dos escenarios. Una startup que reconfigura su soporte con IA y mide tickets resueltos sin intervención humana está haciendo un experimento. Otra que reparte cuentas de Copilot para que todos ‘vayan más rápido’ está comprando una sensación. Y ojo con el atajo del despido: los análisis recogidos por Fast Company señalan que buena parte de los recortes vinculados a la IA tuvo que revertirse, con el coste doble de operación debilitada y moral rota.
El marco para probar esto ya existe y no exige consultoría: hipótesis, experimento acotado, métrica y decisión. Es la lógica del Lean Startup aplicada a un despliegue interno, y encaja mejor con un sistema de OKR trimestral que con un plan a tres años. Experian lo hizo con las APIs internas antes de mover nada a la nube: el mismo patrón, otra década.
La IA será transformadora, casi nadie lo discute. Lo que no funciona es el atajo mental que convierte una herramienta en una estrategia. El dato que importa no es cuántas licencias tienes activas, sino cuántos procesos han cambiado de forma medible desde que las activaste.
🚀 Hoja de Ruta para Emprender
- Elige un proceso, no una herramienta: define el flujo concreto y la métrica que debe mover antes de firmar la licencia.
- Busca tu mayoría local: arranca con tres convencidos en un equipo de cinco y mide qué pasa en seis semanas.
- Haz el inventario de resistencias: responde las cinco preguntas antes del kickoff; identidad y dignidad suele ser la clave.
- Anuncia el porqué, no el qué: vincula la IA a un problema que el equipo ya siente propio; si suena a recorte, no habrá adopción.
