|
|
El mes pasado vimos
que la IA todavía no funciona en las empresas porque la seguimos mirando
por la parte equivocada: nos fascina lo visible, pero no
entendemos lo que ocurre debajo que es pura gestión del conocimiento.
Este mes abordo la segunda razón: la empresa fue diseñada para humanos. Aunque
resolviéramos el problema del conocimiento, seguiríamos teniendo otro obstáculo
enorme: las organizaciones fueron diseñadas para personas, no para
inteligencias artificiales. Y esto que parece obvio, tiene consecuencias
profundas. La IA no viene a mejorar la empresa actual sino a hacer obsoleto
el diseño sobre el que la construimos.
Los procesos, los
organigramas, los horarios, las reuniones, los flujos de aprobación, los
controles, los reportes y hasta la manera de repartir responsabilidades
nacieron en un mundo donde el conocimiento era humano, escaso, caro, lento
de adquirir y difícil de distribuir. Una persona tiene límites claros: no puede
estar en diez sitios a la vez ni puede procesar miles de documentos en
segundos. Tampoco puede trabajar simultáneamente en cien tareas, recordar
todo lo que ha ocurrido en la empresa ni aprender una disciplina en poco
tiempo. No puede comparar todas las alternativas posibles antes de decidir,
estar disponible 24 horas al día, evitar cansarse ni olvidar. Y tarde o
temprano se jubila, se marcha a otra empresa o cambia de interés. La
organización tradicional que conocemos se construyó alrededor de esas restricciones.
Eso explica por qué existen departamentos, jerarquías, turnos, reuniones,
procedimientos, aprobaciones, especializaciones, roles y capas de control.
Todo eso respondía a una necesidad imperiosa: coordinar conocimiento humano
limitado para producir resultados. La irrupción de la IA introduce
capacidades distintas. Puede operar en paralelo, acceder a enormes
volúmenes de información, reutilizar conocimiento en segundos, combinar
fuentes, automatizar tareas, generar borradores, responder preguntas,
identificar patrones y asistir en procesos completos. Y cuando todavía no
entendemos bien una tecnología nueva (o cuando nos da miedo), ocurre algo
bastante lógico: intentamos encajar esa nueva capacidad en los procesos de
toda la vida. Y ahí aparece lo que denomino la metáfora del Ferrari. Y es
que estamos intentando conducir un Ferrari por una carretera secundaria,
estrecha, llena de coches, camiones, autobuses, motos, bicicletas,
rotondas, baches, semáforos y límites de velocidad. Y claro, nos
sorprendemos porque no alcanza los 300 kilómetros por hora para los que
está diseñado. El problema no es el coche sino la infraestructura por la
que queremos que circule que fue diseñada para otras condiciones. Con la IA
está pasando algo parecido: pretendemos que despliegue su potencia dentro
de procesos pensados para la escala humana. Y esos procesos son lentos,
secuenciales, llenos de esperas, autorizaciones, silos y dependencias.
Procesos donde cada paso asume que hay una persona disponible, con conocimiento
limitado, trabajando durante un horario concreto y esperando que otra
persona complete su parte. Y cuando metemos la IA ahí, queda atrapada. Por
eso muchas iniciativas de IA tienen un impacto menor del esperado. No
necesariamente porque la IA no sirva, sino porque la estamos obligando a
circular por carreteras que no fueron diseñadas para ella. Si queremos que
nos entregue lo que nos puede dar, vamos a tener que cambiar la estructura
de la organización para adaptarla a este nuevo mundo.
Automatizar tareas no es transformar la
organización
Cuando se inventó la
electricidad, las fábricas sustituyeron máquinas de vapor por motores
eléctricos, pero mantuvieron el mismo diseño de las fábricas hasta que al cabo del tiempo se dieron cuenta de
que la electricidad permitía algo mucho más eficiente: rediseñar la fábrica
completa. El primer impulso cuando aparece una tecnología nueva es usarla
para hacer mejor lo que ya hacemos. Es normal: Si tengo una tarea repetitiva,
intento automatizarla. Si redacto informes, uso IA para hacerlo más rápido.
Si reviso documentos, uso IA para resumirlos. Si preparo presentaciones,
uso IA para construir un primer borrador. Todo eso tiene sentido, pero es
solo la primera capa. El riesgo es creer que la transformación consiste en
sumar eficiencias individuales. Es decir, que cada persona use IA para
hacer un poco mejor su trabajo y, por acumulación, la organización se
vuelva más productiva. Por supuesto llegarán ganancias, pero insuficientes
porque el verdadero potencial de la IA no está en acelerar tareas
existentes, sino en permitir preguntas nuevas:
- ¿Qué tareas dejarían de tener
sentido?
- ¿Qué pasos del proceso existen solo
porque antes no había otra manera?
- ¿Qué decisiones podrían tomarse
antes?
- ¿Qué aprobaciones son necesarias y
cuáles son herencia de un mundo sin IA?
- ¿Qué parte del proceso se podría
rediseñar si el conocimiento estuviera disponible de inmediato?
- ¿Qué podríamos hacer ahora que antes no
podíamos ni plantearnos? No hay nada peor que seguir haciendo lo que
no tiene sentido…
La pregunta ya no es
“¿dónde puedo meter IA en este proceso?” sino “¿cómo hubiera
diseñado este proceso si la IA existiera desde el principio?” La
diferencia entre una pregunta y otra es enorme. En el primer caso, la IA
queda subordinada al proceso antiguo. En el segundo, el proceso se rediseña
alrededor de una nueva capacidad y eso es más complicado porque obliga a cuestionar
la manera en que la empresa trabaja y no solo la herramienta que usa.
El cuello de botella somos nosotros
Esta afirmación puede
sonar tajante, pero merece una reflexión: uno de los cuellos de botella de
la IA está en la arquitectura que hemos construido alrededor del trabajo
humano. No porque las personas no seamos necesarias, lo somos y mucho para
definir problemas, fijar objetivos, aportar criterio, interpretar contexto,
asumir responsabilidad y evaluar consecuencias. Pero la arquitectura de las
empresas está construida a nuestra escala y esa escala se está quedando
pequeña para una tecnología que opera con otra lógica. Seguimos diseñando
procesos como si el conocimiento solo pudiera circular en reuniones.
Seguimos documentando como si nadie fuese a reutilizar lo aprendido.
Seguimos gestionando como si cada decisión tuviera que pasar por la misma
cadena de aprobaciones. Seguimos organizando el trabajo como si la inteligencia
estuviera distribuida únicamente en puestos y cargos. Y seguimos tratando
la IA como una herramienta individual cuando su impacto real exige rediseño
colectivo. La IA es el espejo que nos muestra nuestras costuras: Nos
devuelve una imagen poco agradable de cómo gestionamos el conocimiento,
cómo decidimos, cómo aprendemos y cómo organizamos el trabajo. Incorporar
IA de verdad no consiste en modernizar la superficie sino en revisar los
cimientos. No se trata de añadir una aplicación nueva a una empresa vieja
sino de preguntarse qué parte de la empresa fue diseñada para un mundo que
empieza a desaparecer y cómo la transformamos.
La IA amenaza el diseño de la organización
moderna
Un requisito para
convertirse en una empresa que aprende es cambiar su propio diseño. Mi
hipótesis es que la IA acabará con la organización moderna. No con la
necesidad de organizarnos, ni con la participación de las personas, sino
con una arquitectura que da por supuesto que todo debe ocurrir entre humanos,
a velocidad humana y dentro de nuestros límites. Si una parte creciente de
las tareas puede ser realizada por la IA, no bastará con repartirlas dentro
del mismo organigrama. Habrá que revisar procesos, indicadores,
herramientas, responsabilidades y estrategias y aprender a ser diferentes.
Tendremos que reinventar la organización sin seguir tomando como límite lo
que siempre fue posible. Por eso, cuando digo que la jerarquía va a morir, me
refiero a la jerarquía como mecanismo obligatorio para hacer circular
conocimiento y coordinar cada paso. No se trata de eliminar la supervisión
sino dejar de confundirla con la obligación de que toda decisión suba y
baje por la misma escalera. La pregunta no es cuántas capas podemos quitar,
sino qué decisiones necesitan criterio humano, cuáles podemos delegar y
cómo comprobamos que esa delegación funciona. Imagina una oferta comercial
que exige consultar proyectos anteriores, reunir información técnica,
calcular costes y obtener autorizaciones. Si la IA prepara un borrador,
pero este sigue esperando en las mismas bandejas de entrada, habremos
acelerado una tarea, pero no el proceso. La alternativa es diseñar un flujo
híbrido: conocimiento validado disponible desde el inicio, preparación
asistida por IA, límites explícitos de autonomía y revisión humana allí
donde el riesgo o la excepción lo exijan. No es una receta universal sino
un ejemplo de un primer rediseño con IA. No basta con mejorar el modelo si mantenemos
intacta la infraestructura que le impide acceder al conocimiento y actuar.
Gobernar datos no sustituye a gestionar conocimiento, porque necesitamos
criterios, contexto, experiencia y aprendizajes.
La respuesta empieza por gestionar conocimiento
Entonces, ¿qué puede
hacer una empresa en este escenario inédito? Lo primero es dejar de abordar
la IA como un proyecto tecnológico y empezar a verla como una decisión
estratégica vinculada al conocimiento. Solo si dominas el proceso sacarás provecho
de la IA. Si la IA funciona con conocimiento, la pregunta inicial no
debería ser “qué herramienta compramos”, sino “qué conocimiento
tenemos y qué queremos hacer con él”. Eso implica tareas concretas. La primera
es identificar el conocimiento crítico. No todo conocimiento tiene el mismo
valor. Hay conocimientos que sostienen la operación diaria, otros que
explican la ventaja competitiva y otros que serán necesarios para el futuro
y hay que distinguirlos. La segunda es localizar dónde está ese
conocimiento. Puede estar en documentos, sistemas, bases de datos, correos,
presentaciones, grabaciones o proyectos anteriores. Pero el más importante
sigue estando en personas con nombres y apellidos: expertos, veteranos, técnicos,
comerciales, responsables de clientes, jefes de proyecto o equipos que han
aprendido a base de años de experiencia. La tercera es capturarlo y
sistematizar ese conocimiento no para llenar repositorios, sino para
convertirlo en conocimiento reutilizable. Eso significa documentar el qué y
sobre todo el cómo, el por qué, las excepciones, los criterios, los
errores, las recomendaciones y los aprendizajes. La cuarta es
mantenerlo actualizado. Una IA alimentada con conocimiento obsoleto es
peligrosa porque responde con seguridad, pero desde una base equivocada. La
quinta es incorporarlo a los procesos. El conocimiento no puede
vivir como decoración en un gestor documental, sino que tiene que aparecer
cuando alguien lo necesita: antes de empezar una tarea, durante la
ejecución, después de terminar, cuando se repite un problema, cuando llega
alguien nuevo o cuando una persona clave se marcha. Y la sexta es
rediseñar procesos desde esa nueva posibilidad. Si ahora puedo acceder a
conocimiento crítico en segundos, reutilizar experiencias previas, contar
con agentes que preparan, alertan, recomiendan o ejecutan, entonces no
tiene sentido mantener intacta la misma arquitectura de trabajo. La gestión
del conocimiento deja de ser una disciplina deseable para convertirse en la
base de una estrategia de IA fiable.
No se trata de que la IA haga más, sino de que
la empresa aprenda a ser distinta
Esta es una idea que
todavía nos cuesta aceptar. La IA no está para ayudarnos a hacer más rápido
lo mismo. Eso será útil solo durante un tiempo. La verdadera oportunidad
está en trabajar de otra manera y para eso hace falta una empresa capaz de
aprender. Una organización que aprende no solo manda a sus empleados a cursos,
sino que incorpora aprendizaje en su forma de trabajar. Reflexiona antes,
durante y después de la acción, captura errores y aprendizajes, comparte
buenas prácticas, evita que cada equipo empiece desde cero, identifica qué
conocimiento es crítico, actualiza lo que sabe y no confunde tener
documentos con tener inteligencia. La IA es la gran excusa para tomarnos
esto en serio de una vez. Durante años, la gestión del conocimiento fue
vista por como algo interesante, pero ni prioritario ni urgente. Siempre
estuvo asociada a repositorios o buenas prácticas, pero no al corazón del
negocio. La IA cambia esa conversación porque sin conocimiento, la IA
empresarial será superficial. Sin aprendizaje, la IA se quedará obsoleta.
Sin procesos rediseñados, la IA quedará infrautilizada. Sin criterio
humano, la IA producirá respuestas que nadie sabrá evaluar. Sin estrategia
de gestión del conocimiento, la IA será un gasto inútil.
Del organigrama al ciclo de aprendizaje
La empresa pasará de
estar diseñada para ejecutar (eso lo hará la IA) a estar diseñada para
aprender. Las empresas ya no solo competirán por productos, sino por
velocidad de aprendizaje y adaptación. El organigrama explica quién depende
de quién. El ciclo de aprendizaje explica cómo la empresa convierte cada
experiencia en una mejora de su siguiente decisión. No son lo mismo. Ese
ciclo se convertirá en el núcleo del diseño organizativo: trabajaremos
dentro del flujo de aprendizaje (working in the flow of
learning). En mi artículo sobre los 8
momentos del aprendizaje abordamos desde aprender mucho antes de necesitar
el conocimiento, hasta aprender antes de que las personas se marchen. No
son 8 cursos ni 8 actividades sino 8 oportunidades para incorporar el
aprendizaje al trabajo. Ahora tendremos que ampliar esa arquitectura a
procesos híbridos. Antes de actuar, personas y sistemas deberían contar con
conocimiento pertinente y validado. Durante la ejecución, el proceso
debería permitir detectar desviaciones y recurrir al criterio humano.
Después, habría que contrastar resultados, identificar aprendizajes y
decidir qué cambiar. A medio y largo plazo, revisaríamos patrones,
supuestos y capacidades futuras. Y antes de que alguien se marche,
aseguraríamos la transferencia de su conocimiento crítico. No basta con que
aprendan las personas, también tendremos que diseñar cómo mejora la IA.
Para eso hace falta una arquitectura de aprendizaje en el corazón de la
empresa: responsables, tiempo protegido, conocimiento accesible, mecanismos
de revisión e indicadores que permitan comprobar si lo aprendido mejora los
resultados ¿Cuánto tardamos en convertir un error en una mejora, cuántas
veces repetimos un problema conocido, cuánto conocimiento reutilizamos
antes de empezar? No se trata de aprender cuando nos sobre tiempo sino de
diseñar el trabajo para que produzca resultados.
Conclusiones
La fuerza del trabajo
(número de personas con conocimiento) siempre fue la principal restricción que
tuvimos, tanto en cantidad como en calidad. Con la IA, esa restricción
debería desaparecer. Tendremos que diseñar cómo coordinar esa nueva fuerza
de trabajo y para ello necesitaremos un tipo de organización distinta de la
actual. El problema no será el acceso a la inteligencia, sino cómo
organizarla y sobre todo, qué le pediremos que haga. La IA está teniendo
menos impacto del esperado en muchas empresas porque se está entendiendo de
forma superficial. Nos hemos entusiasmado con la parte visible del iceberg:
herramientas, modelos, prompts, aplicaciones y
resultados. Pero lo que explica que la IA funcione está bajo el agua:
conocimiento humano digitalizado, reutilizado y recombinado y en permanente
actualización. Las empresas que quieran sacar partido real de la IA tendrán
que mirar hacia esa capa profunda y preguntarse qué conocimiento crítico
tienen, dónde está, quién lo posee, cómo se captura, cómo se actualiza y
cómo se convierte en materia prima para la IA. Si la IA no conoce tu
negocio, no puede ayudarte a transformarlo. Y si conoce lo mismo que
cualquier otra IA, no te podrás diferenciar. La segunda gran barrera es que
estamos intentando introducir IA en organizaciones diseñadas para las
limitaciones humanas. Nuestros procesos, estructuras y rutinas fueron
pensados para personas con memoria, tiempo, energía, conocimiento y
disponibilidad limitadas. No está fallando la IA, sino que falla la manera
en que está diseñada la organización para aprovecharla. Para funcionar, la
IA necesita otro paradigma. Por eso, si no rediseñamos la infraestructura
organizativa, seguiremos llevando el Ferrari por una carretera secundaria.
La pregunta no es en qué tareas podemos usar IA, sino qué procesos dejarían
de tener sentido si los pensáramos desde cero con IA. No se trata de añadir
una capa tecnológica a la empresa actual, sino de diseñar una empresa
distinta. Y ese aprendizaje empieza por algo que las organizaciones llevan demasiado
tiempo evitando: tomarse en serio su conocimiento. La IA no va a resolver
mágicamente la dificultad de las empresas para aprender, más bien la va a
dejar en evidencia. Precisamente por eso estamos ante una magnífica
oportunidad. Nos obliga a ordenar la casa, a capturar lo que sabemos, a
dejar de perder conocimiento, a compartirlo, actualizarlo y ponerlo a
trabajar. Los resultados no han llegado porque seguimos insistiendo en
aprender a usar herramientas. Pero el verdadero desafío es aprender a construir
empresas que no estén diseñadas solo para humanos, sino para una
inteligencia compartida entre personas y máquinas. Si la IA funciona con
conocimiento y nuestras empresas no saben gestionar bien el suyo, entonces
la pregunta no es por qué la IA no genera impacto sino ¿cómo esperábamos
que una inteligencia artificial transformara organizaciones que todavía no
se han tomado en serio su propia inteligencia? Es ridículo pensar en incorporar la IA sin
cambiar nada.
- El 9 de noviembre en
Bilbao impartiremos la conferencia “El juego (del talento) va a cambiar”
dentro del Foro
ekonomistak Pro organizado por el Colegio
Vasco de Economistas
- El 14 de noviembre
en Sarriko (Bilbao) impartiremos la sesión sobre
“Organizaciones Inteligentes” dentro del Executive
MBA de la Universidad del País Vasco UPV
- El 20 de noviembre en Tolosa
impartiremos la conferencia “Velocidad
de aprendizaje: lo que cambia y lo que no cuando la IA cambia todo” en el marco del LEHIBERRI EGUNA
organizado por Tolosaldea Garatzen, Agencia
de Desarrollo de Tolosaldea
- El 15 de diciembre en Valparaíso (Chile)
impartiremos el taller “Cómo diseñar la arquitectura
de aprendizaje de una organización preparada para el futuro” para ASMAR
- El 3 y 17 de noviembre en el espacio Co-laboratorio en el marco de Abra Laboratorio de Aprendizaje hablaremos de “Qué podemos aprender de
una orquesta sobre la colaboración” con con Sebastián
Errazuriz, compositor, director de orquesta y productorl y de “Qué podemos aprender de la
Economía sobre la colaboración” con Jon
Barrutia, Catedrático de Economía de la Empresa en la Universidad del País Vasco
|
|
|
