Hace unas semanas me senté con el comité directivo de una empresa mexicana que llevaba meses preparando el lanzamiento de un asistente de IA para atención a clientes.
Tenían el presupuesto aprobado, el proveedor elegido, hasta la fecha de arranque marcada en el calendario. Lo único que no tenían era una respuesta clara a la pregunta con la que abrí la reunión: ¿su proceso actual de atención funciona bien sin IA?
Silencio y luego comenzó una discusión entre áreas, “pues más o menos”, “es que el problema era que…”, hasta que alguien dijo: “bueno pero eso ya quedó en el pasado”.
Esa escena se repite, con distintos nombres y distintas industrias, en la mayoría de los procesos de adopción de IA que he acompañado. Y es el origen de uno de los errores más costosos y frecuentes que veo hoy en las organizaciones. Le ponen tecnología encima a lo que ya está roto, en lugar de detenerse a rediseñar primero.
La inteligencia artificial llegó a hackear la forma en que trabajamos. Y los hábitos de trabajo, sobre todo los que llevan años arraigados, no cambian con una capacitación de dos horas ni con una licencia nueva. Antes de cualquier decisión tecnológica, las organizaciones necesitan un diagnóstico honesto de dónde están paradas. Eso implica mirar los procesos sin filtro y escuchar a quienes los ejecutan todos los días, no solo a quienes los diseñaron en un PowerPoint.
Los procesos disfuncionales tienen huellas reconocibles. Dependen de la memoria de una persona en particular y no de un sistema, generan reprocesos porque la información no fluye entre áreas, arrastran pasos que nadie recuerda para qué sirven pero que nadie se atreve a eliminar, y producen frustraciones que ya nadie registra porque se volvieron parte del paisaje. Ninguna de esas características desaparece con IA. Al contrario, cuando le agregas velocidad a un proceso que ya generaba confusión, la confusión se multiplica. La inteligencia artificial no corrige un proceso roto, más bien lo amplifica.
No es una intuición, lo confirman los números. El Microsoft 2026 Work Trend Index sostiene que el cambio más importante que exige la IA no es adoptar nuevas herramientas, sino reconstruir el modelo operativo completo. Y sin embargo, según ManpowerGroup, el 45% de los empleados globales ya usa IA en su día a día, pero la confianza para operarla cayó 18% en el mismo periodo. La tecnología avanza más rápido que la capacidad organizacional para sostenerla.
El resultado es una paradoja de subuso. Crece el acceso, pero no la capacidad de convertirlo en valor. Más de la mitad de la fuerza laboral global no ha recibido capacitación reciente ni acceso a mentoría, y un informe de OpenAI muestra que casi el 80% del uso de herramientas como ChatGPT se concentra en apenas tres actividades, preguntar, pedir consejo y editar texto. Tenemos acceso a una de las tecnologías más poderosas de la historia y la estamos usando en una fracción mínima de su potencial real. La factura de eso también es medible. El 95% de los pilotos de IA generativa actuales no logra impactar el estado de resultados de las empresas que los lanzan. No porque la tecnología no funcione. Porque se montó sobre procesos que nunca se rediseñaron.
Y hay algo más que muchos líderes prefieren no nombrar. Cuando las grandes empresas anuncian despidos masivos justificándolos en la eficiencia de la IA, envían un mensaje claro y aterrador a millones de trabajadores. "Ahorré horas, reduzco personal" no es solo una decisión lineal y cuestionable desde lo ético; es estratégicamente equivocada, porque ignora el reskilling de quienes se quedan y sabotea la capacidad de innovar de toda la organización. El caso de Klarna, la fintech sueca, lo muestra sin filtro. Su asistente de IA llegó a manejar dos tercios de las conversaciones de servicio al cliente en su primer mes, con una mejora estimada de 40 millones de dólares en utilidades. Pero la empresa redujo personal y, poco después, tuvo que volver a contratar, descubrió que ciertas interacciones, las que exigen conectar con emociones complejas, navegar situaciones delicadas y sostener un vínculo humano real, la tecnología no las resolvía. No todo en una organización es "IA-able". Ese matiz es el que casi nadie está procesando todavía. Nadie se sube con entusiasmo a una transformación que percibe como amenaza directa a su empleo, y ignorar esa cultura del miedo es uno de los errores más caros que puede cometer una empresa hoy.
En Olivia México trabajamos con un modelo que parte de una convicción simple. Si la IA cambia la forma de trabajar, el abordaje tiene que ser integral. No alcanza con la tecnología sola, ni con un curso de capacitación aislado, ni con gestión del cambio entendida como un par de correos internos. Hace falta trabajar tres capas a la vez, el mindset que decide si la gente quiere usar la herramienta, el skillset que le da las capacidades para hacerlo y el toolset que hace posible ejecutarlo, todas bajo una sola lógica de adopción. Y el orden importa, y es siempre el mismo. Primero entender el proceso real, identificar qué falla y rediseñarlo. Después, y sólo después, evaluar qué parte de ese proceso rediseñado puede beneficiarse de la IA.
En un contexto donde la velocidad de adopción se percibe como ventaja competitiva, detenerse a diagnosticar se siente como un lujo que nadie puede darse. Esa percepción es comprensible. También es la más equivocada. Lanzarse sin diagnóstico no es velocidad, es urgencia disfrazada de estrategia. Y esa diferencia se nota exactamente en el momento en que la empresa intenta escalar y descubre que no hay nada sólido debajo.
Así que antes de aprobar el próximo presupuesto de IA, vale la pena que tu comité directivo se haga las preguntas incómodas: ¿este proceso funciona bien sin tecnología? ¿La gente que lo ejecuta hoy fue escuchada antes de decidir automatizarlo? ¿Estamos rediseñando o solo acelerando el caos que ya teníamos?
Automatizar lo roto no es transformación. Es simplemente hacer más rápido lo que ya no funcionaba.
Por Irene Marqués, socia de Olivia México.
Te invitamos a descargar el ebook: Transformación IA-Driven