Inteligencia artificial y gestión del cambio: cómo rediseñar el trabajo en las organizaciones

La adopción de inteligencia artificial dejó de ser el principal desafío. Hoy, la gestión del cambio debe ayudar a las organizaciones a decidir cómo se redistribuyen el tiempo, las responsabilidades y el valor cuando personas y sistemas de IA comienzan a trabajar juntos. 

Durante los últimos años, muchas organizaciones concentraron sus esfuerzos en una pregunta urgente: ¿cómo lograr que las personas usen la inteligencia artificial? Se habilitaron licencias, se hicieron capacitaciones, surgieron pilotos y se formaron grupos de entusiastas que comenzaron a experimentar. 

Esa pregunta sigue siendo importante, pero la evidencia más reciente muestra que ya no es suficiente. El uso de IA está creciendo más rápido que la capacidad de las organizaciones para rediseñar el trabajo. Por eso, el nuevo desafío de la gestión del cambio no es solamente impulsar la adopción, sino transformar la adopción en valor. 

Una señal nueva: la adopción ya no es el cuello de botella 

El estudio AI at Work 2026 de Boston Consulting Group, basado en cerca de 12.000 personas de más de una docena de mercados, muestra un punto de inflexión. El 74% de los trabajadores de primera línea declara utilizar IA todos los días o varias veces por semana, 23 puntos porcentuales más que en 2025. 

Además, entre quienes la usan regularmente, un 42% afirma ahorrar al menos ocho horas semanales: el equivalente a una jornada completa. Sin embargo, el 66% recibe poca o ninguna orientación sobre qué hacer con ese tiempo, y más de la mitad no lo está reinvirtiendo en tareas de mayor valor estratégico. 

La paradoja es evidente: una organización puede tener muchas personas usando IA y, aun así, no haber cambiado realmente. Puede producir más documentos, responder más rápido o completar más tareas, pero seguir tomando las mismas decisiones, con los mismos roles, indicadores, autorizaciones y cuellos de botella. 

La productividad individual no se convierte automáticamente en desempeño organizacional. Para que eso ocurra, alguien debe decidir qué trabajo deja de hacerse, qué trabajo gana prioridad y cómo se utilizará la capacidad que la tecnología libera. 

Cuando la IA deja de ser una herramienta y entra al equipo 

Una investigación de Harvard Business School ayuda a comprender la profundidad de este cambio. En un experimento con 791 profesionales de Procter & Gamble, las personas y equipos debían desarrollar ideas para nuevos productos, envases, comunicaciones o experiencias comerciales. Algunos trabajaron con una herramienta interna basada en GPT-4 y otros sin ella. 

Los resultados sugieren que la IA puede actuar como un “compañero de equipo”. Las personas que trabajaron individualmente con IA alcanzaron una calidad comparable a la de equipos humanos de dos integrantes sin IA. Los equipos apoyados por IA produjeron las soluciones de mayor calidad y tuvieron más probabilidades de generar ideas ubicadas entre el 10% superior. 

También ocurrió algo especialmente relevante para la gestión del cambio: la IA ayudó a combinar perspectivas técnicas y comerciales, reduciendo las fronteras habituales entre especialidades. Personas con menor experiencia en una tarea alcanzaron desempeños similares a colegas más expertos. No solo cambió la velocidad; cambió quién podía contribuir, cómo se distribuía el conocimiento y qué significaba trabajar en equipo. 

Esto obliga a revisar una idea muy instalada: incorporar IA no consiste en agregar una herramienta a un puesto que permanece intacto. En muchos casos, significa rediseñar la relación entre personas, tecnología, conocimiento y autoridad. 

Cinco cambios que ahora debe gestionar la organización 

1. Pasar de capacitar en la herramienta a rediseñar el flujo de trabajo 

Enseñar a redactar instrucciones o utilizar una plataforma es necesario, pero no suficiente. Hay que observar el proceso completo: dónde se origina una solicitud, quién aporta contexto, qué puede preparar la IA, quién valida, quién decide y cómo se aprende de los errores. El cambio se consolida cuando la nueva forma de trabajar deja de depender de iniciativas individuales. 

2. Definir el destino del tiempo liberado 

Si una tarea que tomaba ocho horas ahora requiere dos, la organización debe acordar qué ocurrirá con las seis restantes. ¿Se atenderán más casos? ¿Se elevará la calidad? ¿Se dedicarán a innovación, clientes, análisis o aprendizaje? Sin esa conversación, el ahorro se diluye o se convierte simplemente en una expectativa de producir más. 

3. Rediseñar roles y responsabilidades entre personas e IA 

No basta con declarar que la decisión final seguirá siendo humana. Es necesario aclarar quién formula el problema, quién entrega datos, qué puede ejecutar la IA, qué debe revisarse, quién responde por el resultado y cuándo es obligatorio detener o escalar. La confianza surge de límites comprensibles y de responsabilidades explícitas. 

4. Medir valor, no solamente uso 

Contar licencias activas, usuarios frecuentes o instrucciones enviadas puede mostrar adopción, pero no transformación. También hay que medir calidad, tiempo total del proceso, satisfacción de clientes y colaboradores, reducción de errores, velocidad de decisión y capacidad liberada para tareas de mayor impacto. 

5. Convertir el aprendizaje en una práctica continua 

Las herramientas cambian demasiado rápido para depender de una capacitación única. Se necesitan pilotos acotados, espacios para compartir experiencias, acompañamiento de las jefaturas, criterios de uso responsable y ciclos frecuentes de retroalimentación. Aprender a trabajar con IA es una capacidad organizacional, no un curso que se completa una vez. 

El liderazgo debe dar dirección, no solo permiso 

McKinsey llegó a una conclusión complementaria en su informe Superagency in the Workplace. Aunque casi todas las empresas estudiadas invertían en IA y el 92% esperaba aumentar esa inversión, solo un 1% de los líderes consideraba que su organización había alcanzado madurez en su implementación. El principal freno no era la disposición de los colaboradores, sino la falta de velocidad y dirección del liderazgo. 

En esta etapa, liderar el cambio no significa tener todas las respuestas técnicas. Significa ofrecer claridad sobre el propósito, priorizar procesos donde la IA pueda crear valor, habilitar la experimentación, proteger espacios de aprendizaje y tomar decisiones difíciles sobre roles, métricas y formas de coordinación. 

La pregunta que un líder debe hacerse ya no es solo “¿mi equipo está usando IA?”. Debe agregar otras: ¿qué trabajo cambió de verdad?, ¿qué capacidad liberamos?, ¿dónde aumentó la calidad?, ¿qué decisiones siguen atrapadas en el proceso anterior?, ¿qué nuevas tensiones o cargas estamos creando? 

La transformación comienza después de la adopción 

Durante mucho tiempo, lograr que las personas probaran una nueva tecnología parecía ser la meta. Hoy sabemos que puede ser apenas el comienzo. La IA puede ahorrar tiempo, ampliar el acceso al conocimiento y mejorar la colaboración, pero esos beneficios no se sostienen si la organización conserva intacta su manera de asignar trabajo, tomar decisiones y reconocer el aporte de las personas. 

El próximo capítulo de la gestión del cambio será menos sobre convencer a las personas de usar una herramienta y más sobre construir, junto con ellas, una nueva forma de trabajar. 

Porque adoptar IA es incorporar una capacidad. Transformar es decidir colectivamente qué haremos con ella.