La encrucijada del liderazgo: cómo tomar decisiones en la era de la IA

Tres frentes simultáneos: el nuevo mapa de liderazgo en la era de la IA

Los líderes hoy tienen tres frentes abiertos al mismo tiempo, y ninguno espera al otro.

El primero es personal.

La mayoría de los líderes que conozco no tienen una formación técnica en IA. Nadie la tiene, porque no existía. Lo que existe hoy se está construyendo al mismo tiempo que uno intenta aprenderlo. Las herramientas cambian, los modelos se actualizan, los casos de uso evolucionan cada semana. Capacitarse en IA en 2026 no es hacer un curso y quedar al día. Es aceptar que el día a día es el curso, y que quien deja de practicar, se desactualiza.

El segundo frente es el contexto.

Las noticias de despidos masivos vinculados a la automatización no son rumores: Salesforce eliminó 4.000 posiciones de soporte al cliente citando que la IA maneja el 50% del trabajo. Lo que antes era presupuesto de headcount se está convirtiendo en presupuesto de tokens, agentes e infraestructura.

Eso obliga a cualquier líder a hacerse preguntas que hace dos años no existían:
¿qué roles en tu organización están haciendo trabajo que hoy puede automatizarse?
¿cómo gestionás esa transición sin destruir la confianza del equipo?

El tercero es el más difícil, el equipo y la transformación.

¿Cómo logro que mi equipo adopte la tecnología, traiga ideas y proponga soluciones en lugar de resistirlas?

El miedo al reemplazo es real. El escepticismo también. Y la brecha entre el líder que ya está usando IA en su día a día y el empleado que todavía no entiende para qué sirve, si no se gestiona, se convierte en fricción que ninguna herramienta resuelve sola.

Tres frentes. Simultáneos. Sin manual de instrucciones.

El error más común: querer pasar de la bici a la Ferrari

Las redes nos bombardean con soluciones mágicas. Conseguí 1000 reuniones por semana con IA. Automatizá todo tu call center en un fin de semana. Implementá un agente que reemplaza a cinco empleados. Arma 20 agentes y resolve tu acceso al mercado.

Y cuando mirás cómo funciona tu operación hoy, ves otra cosa: sistemas dispersos que no se hablan entre sí, información clave viviendo en Excel, decisiones coordinadas por WhatsApp y una cadena interminable de fuegos para apagar.

En ese esquema, implementar IA es una mala inversión. No porque la tecnología falle. Porque la tecnología amplifica lo que encuentra. Si encuentra claridad, la acelera. Si encuentra disfunción, la escala.

Esto no es un problema tuyo solamente. A principios de este mes se reunieron en San Francisco más de 12.000 líderes en HumanX, el evento de inteligencia artificial más importante del mundo, y la conclusión fue la misma.

La IA no falla por el modelo. Falla porque las organizaciones no están diseñadas para operar con ella.

Jeetu Patel, presidente y CPO de Cisco, lo dijo con precisión: la IA está comprimiendo los tiempos de decisión y exponiendo las fracturas que ya existían dentro de los equipos de liderazgo.

El punto de partida no es elegir la herramienta correcta. Es tener los procesos suficientemente claros como para que una herramienta pueda ejecutarlos.

Cinco casos que ya pasaron el filtro de la realidad

IKEA: Resolver el 40% del problema es un gran avance.

En 2021, IKEA automatizó el 47% de las consultas de sus call centers con un bot llamado Billie. El equivalente a 3,2 millones de interacciones y €13 millones en ahorros operativos en dos años.

¿Por qué funcionó? Porque el call center es una de las áreas con los procesos mejor documentados que existen. Los operadores reciben capacitación estructurada, cada consulta tiene un flujo definido, las respuestas están estandarizadas. Llevar eso a la digitalización no requiere inventar nada: requiere trasladar lo que ya existe a un sistema que pueda ejecutarlo.

Y hay algo más importante en la decisión de IKEA que el resultado: automatizaron menos de la mitad de sus consultas. No el 100%. No porque la tecnología no alcanzara. Porque entendieron que la IA no puede ni debe resolver todo de una vez. La implementación por etapas es criterio. Permite medir el impacto sobre la experiencia del cliente, ajustar antes de escalar y mantener el control del proceso mientras la tecnología madura dentro de la organización.

El resultado de esa decisión no fue solo ahorro operativo. Fue la creación de un negocio nuevo: los 8.500 operadores liberados fueron reentrenados como consultores de diseño de interiores remotos, generando €1.300 millones en ingresos nuevos en 2022.

NaranjaX: la IA como fuente de conocimiento, no como reemplazo de personas

NaranjaX empezó a usar IA generativa en 2023, casi en simultáneo con la apertura pública de la API de OpenAI. Antes de que hubiera casos de referencia claros, antes de que existieran manuales de implementación. Esa decisión de entrar temprano les dio algo que no se compra después: tiempo de aprendizaje real.

El primer caso de uso no fue el más vistoso. Fue el más útil: acceso a documentación técnica interna. La empresa tenía un problema concreto, la información estaba fragmentada, encontrarla dependía de saber a quién preguntarle. Construyeron agentes conversacionales integrados en Slack que permitían consultar en lenguaje natural y obtener respuesta desde la base de conocimiento de la empresa.

Eso es aprovechar uno de los diferenciales más poderosos de la IA: su capacidad de interpretar lenguaje natural para conectar personas con información que ya existe pero que nadie podía encontrar fácilmente. No crearon conocimiento nuevo. Hicieron accesible el que ya tenían.

Después escalaron. Construyeron Khatu GenAI Services, una plataforma interna que permite a cualquier equipo construir sus propias soluciones sin depender de IT. El resultado: implementar un agente pasó de tomar dos o tres semanas a diez o quince minutos. El 70% de sus colaboradores usa herramientas de IA en su trabajo cotidiano.

Tecpetrol: potenciar los sistemas que ya tenés, sin tirarlo todo y empezar de cero

Tecpetrol tenía un problema clásico de operación: el área de cuentas a pagar procesaba 2.500 facturas mensuales de forma manual. Lectura, validación, registro en el ERP. Un proceso repetitivo, crítico y con alto costo de error.

Implementaron IA con automatización robótica de procesos que se conecta directamente al ERP existente, lee las facturas de proveedores, las valida y las registra automáticamente. Sin reemplazar la infraestructura. Sin migración costosa. Sin empezar de cero.

El resultado fue una reducción del 60% en el tiempo de ese proceso. Pero el cambio más importante no está en ese número. Está en lo que demuestra: que la IA no exige destruir lo que funciona. Puede trabajar sobre lo que ya existe, respetando los sistemas, los flujos y las validaciones que la organización construyó durante años.

Además implementaron copilotos para el trabajo cotidiano: preparación de reuniones cruzando mails y conversaciones previas, resumen de documentos, armado de minutas. El número que el equipo midió: 9 horas mensuales ahorradas por persona, tiempo redirigido a trabajo que requiere criterio y decisión.

Fábrica de muebles a medida: la operación donde ya está la demanda, en el celular

Un cliente escribe por WhatsApp, pide cambios, ajusta medidas. Hay que responder en el momento. Pero los costos están en una planilla, las ventas en el ERP y las cobranzas en otro lugar. La información existe, pero no está disponible cuando se la necesita. Y la decisión se toma igual.

Se implementó Misisipy, un ERP con IA nativa y se resolvió ese punto de fricción cambiando la interfaz. Se llevó al sistema de gestión donde están las consultas, el celular.

Desde el celular, se puede presupuestar, facturar, consultar cobros y pagos en lenguaje natural. Preguntando, como le preguntarías a alguien de tu equipo. El sistema interpreta la consulta, cruza los datos, genera los cálculos y devuelve la respuesta y si es una factura o un presupuesto genera un enlace, listo para enviar y responder al cliente.

El cambio no fue solo en velocidad. Fue en acceso.

La información dejó de estar distribuida entre sistemas y personas, y pasó a estar disponible en el momento exacto en que se necesita para decidir.

Morgan Stanley: el conocimiento institucional ya no vive solo en las personas

Morgan Stanley tenía 350.000 documentos internos acumulados durante décadas: investigaciones, análisis, estrategias, reportes. El problema era simple y costoso: encontrar información relevante para una consulta de cliente podía llevar más de 30 minutos por búsqueda. Multiplicado por miles de asesores, todos los días.

Construyeron un asistente interno con IA entrenado sobre toda esa base de conocimiento. Cualquier asesor puede hacer una pregunta en lenguaje natural y obtener una respuesta sintetizada con fuente en segundos. El acceso a documentación pasó del 20% al 80%. El tiempo de búsqueda, de 30 minutos a segundos.

El resultado más revelador no es la eficiencia. Es la democratización: cada asesor tiene acceso instantáneo al conocimiento del más experimentado del equipo. La brecha entre el analista junior y el senior con 20 años de experiencia se achica.

El 98% de los asesores usa el sistema diariamente.

Lo que une a estos cinco casos

Ninguna de estas empresas tiró lo que tenía y empezó de cero. Ninguna esperó a tener la estrategia perfecta para dar el primer paso. Todas identificaron un proceso concreto con un problema concreto, midieron antes y después, y escalaron a partir de resultados reales.

Mantuvieron a sus equipos. Hicieron crecer el negocio. La IA potencia desde dos lugares, como IA en si misma y como aceleradora de software, creando soluciones mas rápidas, mas flexibles y a través de lenguaje natural.

Cómo encararlo en tu empresa

La IA no se entiende leyéndola. Se entiende usándola.

• El punto de partida es curiosidad aplicada a un proceso que conocés bien.

  ¿Qué tarea consume más tiempo en tu operación? ¿Dónde se pierde información entre áreas? ¿Qué consulta repetitiva le llega todos los días a alguien de tu equipo? Ahí está el primer caso de uso.

  
  

• Después viene lo que más se subestima: la medición. Definir antes de implementar qué significa que funcionó. Cuánto tiempo tarda ese proceso hoy, cuántos errores genera, cuántas personas lo tocan. Sin esa línea de base, es imposible saber si la IA está generando valor o solo generando ruido.

  
  

• Definir hitos concretos: en 90 días quiero medir esto, en seis meses quiero tener este proceso automatizado.

La IA no resuelve problemas que no están bien definidos. No transforma organizaciones que no están dispuestas a cambiar cómo trabajan. Pero cuando hay un problema claro, un equipo dispuesto y un líder que entiende que su rol es conducir la transición, los resultados son los que vimos en estos cinco casos.

La tecnología ya está disponible. La pregunta es qué hacés con ella.

Si este tema te está atravesando, vamos a profundizarlo en un webinar.

Vamos a trabajar sobre casos reales, cómo elegir el primer proceso a intervenir y qué medir para saber si la IA está generando valor o solo ruido.

Si te interesa participar, dejá tus datos acá y te comparto los detalles.