Antes de hablar de inteligencia artificial, hay que hablar de cómo trabajamos

La conversación sobre inteligencia artificial dentro de las empresas suele comenzar de una manera bastante predecible. Alguien descubre una nueva herramienta, otro equipo presenta una plataforma que promete automatizar buena parte del trabajo y, en poco tiempo, la discusión gira alrededor de qué tecnología habría que contratar o cuál modelo parece más avanzado.

El entusiasmo es comprensible. Pocas tecnologías han conseguido hacer visible su potencial con tanta rapidez. En cuestión de minutos, una persona puede generar un análisis, resumir un documento, construir una presentación o automatizar una tarea que antes requería varias horas.

El problema aparece cuando confundimos esa capacidad tecnológica con transformación organizacional.

Una empresa puede incorporar muchas herramientas de inteligencia artificial y seguir trabajando prácticamente igual que antes. Puede automatizar tareas sin preguntarse si esas tareas siguen teniendo sentido. Puede acelerar procesos que ya eran deficientes o incluso añadir nuevas capas de complejidad porque cada área adopta soluciones distintas sin revisar el flujo completo de trabajo.

Por eso, la conversación debería empezar un paso antes.

En lugar de preguntar qué herramienta necesitamos, convendría observar cómo trabaja realmente la organización. Dónde se consumen demasiadas horas, dónde aparecen errores con frecuencia, qué actividades generan retrabajo y qué procesos dependen de personas que dedican buena parte de su tiempo a recopilar, ordenar, copiar o resumir información.

La inteligencia artificial se vuelve verdaderamente relevante cuando la conectamos con esas fricciones.

Imaginemos, por ejemplo, un equipo que dedica varias horas cada semana a preparar un reporte. La reacción más inmediata sería buscar una herramienta que automatice su elaboración. Pero antes de hacerlo convendría entender qué función cumple ese reporte. ¿Quién lo lee? ¿Qué decisiones se toman a partir de él? ¿Todo su contenido sigue siendo necesario? ¿Tiene sentido producirlo con la misma frecuencia?

Tal vez la IA pueda reducir el tiempo de elaboración de cuatro horas a veinte minutos. Eso sería una mejora. Pero quizá, después de revisar el proceso, descubrimos que una parte del reporte nunca se utiliza y que otra podría convertirse en un sistema de alertas que solo muestre excepciones importantes.

En ese caso, el verdadero avance no proviene de hacer lo mismo más rápido, sino de rediseñar el trabajo.

Esta distinción entre automatizar y replantear es central para cualquier organización que quiera aprovechar la inteligencia artificial de manera estratégica. Automatizar consiste en aplicar tecnología sobre una actividad existente. Rediseñar exige preguntarse si esa actividad debería existir de la misma forma.

Es una pregunta más incómoda, porque obliga a revisar hábitos que llevan años formando parte de la empresa. Hay procesos que existen simplemente porque siempre se han hecho así. Flujos de aprobación diseñados para una época en la que la información viajaba de otra manera. Reportes creados para resolver una necesidad que quizá ya no existe. Reuniones cuyo propósito original se ha perdido con el tiempo.

La IA abre una oportunidad para cuestionar todo eso.

Y precisamente por eso no debería tratarse exclusivamente como un proyecto de tecnología. El área de sistemas puede evaluar infraestructura, seguridad, proveedores o integraciones, pero difícilmente puede identificar por sí sola dónde se encuentra el verdadero desperdicio dentro de cada función.

Los equipos comerciales conocen los puntos donde se pierde tiempo entre una conversación con un cliente y la siguiente acción. Finanzas sabe qué tareas del cierre generan más trabajo manual. Recursos humanos conoce qué parte de sus procesos administrativos absorbe capacidad que podría dedicarse a desarrollar talento. Operaciones sabe dónde aparecen las excepciones que obligan a intervenir constantemente.

La adopción efectiva de IA requiere juntar ese conocimiento operativo con capacidades tecnológicas.

Esto también cambia la forma en que deberíamos pensar la productividad. Muchas veces se habla de inteligencia artificial en términos de ahorro de horas, y sin duda esa es una dimensión importante. Pero reducir tiempo no debería ser el único objetivo.

También importa la calidad.

Importa disminuir errores, tomar decisiones con mejor información, responder más rápido a un cliente o permitir que una persona se concentre en actividades donde su juicio genera mayor valor.

Un gerente que deja de dedicar tres horas a consolidar información no necesariamente debería utilizar esas tres horas para producir más reportes. Puede utilizarlas para interpretar lo que está ocurriendo, conversar con su equipo o evaluar escenarios que antes no tenía tiempo de analizar.

Ese es uno de los efectos más interesantes de la inteligencia artificial: no solo permite hacer más trabajo, también puede modificar dónde colocamos la atención humana.

Desde la perspectiva directiva, esto exige un enfoque más disciplinado. Antes de desplegar herramientas de manera masiva, resulta más útil identificar un conjunto reducido de procesos críticos, comprender cómo funcionan y detectar en qué momentos se concentra la fricción. A partir de ahí pueden priorizarse casos de uso donde exista suficiente impacto y donde el riesgo sea manejable.

Después hay que medir. No solamente cuántas personas utilizan la herramienta, sino qué cambió realmente en el proceso. Cuánto tiempo se liberó, cuántos errores se evitaron, si mejoró el tiempo de respuesta o si las personas pudieron dedicar más capacidad a actividades de mayor valor.

La adopción deja entonces de ser una carrera por incorporar tecnología y se convierte en una conversación sobre diseño organizacional. Y esa conversación es bastante más profunda.

Durante décadas hemos estructurado el trabajo alrededor de ciertas limitaciones: cuánto tarda una persona en revisar información, cuántos datos puede procesar, cuánto cuesta coordinar equipos o qué tan difícil es recuperar conocimiento disperso. Algunas de esas limitaciones están cambiando rápidamente.

La pregunta para las organizaciones no es únicamente qué puede hacer hoy la inteligencia artificial.

Es qué procesos seguirían diseñando de la misma manera si pudieran empezar desde cero.

Tal vez ahí se encuentre la diferencia entre simplemente adoptar IA y utilizarla para construir una organización realmente más productiva.