La inteligencia artificial ha dejado de ser una promesa de futuro para convertirse en el eje central de las estrategias corporativas de hoy. Sin embargo, la línea que separa el liderazgo real del simple postureo tecnológico es fina. En esta primera parte de la entrevista, Nacho de Pinedo, CEO de Digitalent Group y cofundador de ISDI, profundiza en cómo estructurar una adopción profunda que priorice el modelo de negocio, el rediseño de procesos y el cuidado del talento ante la inevitable incertidumbre laboral.
Muchas directivas abanderan la IA por pura presión de mercado o postura mediática. ¿Cómo se diferencia una dirección que realmente lidera esta adopción de una que solo la aplica como un barniz tecnológico?
Es fácil de reconocer. Una dirección que realmente lidera la IA no empieza por la herramienta, sino por el negocio y por las personas.
Una buena adopción entiende que la IA es una integración real en el modelo de negocio y, por lo tanto, implica cambios profundos en los procesos, la operación y la organización. No pregunta únicamente “qué herramienta compramos”, sino qué procesos hay que rediseñar, qué tareas pueden automatizarse, qué decisiones pueden mejorarse, qué capacidades necesita la organización y cómo cambia el modelo de talento.
El barniz tecnológico, en cambio, se reconoce porque aparecen licencias, pilotos y comunicados, pero no cambia prácticamente nada. El liderazgo real implica decisiones más incómodas: modificar procesos, estructuras, sistemas de incentivos, formación y, en algunos casos, incluso el propio modelo de negocio.
La prueba definitiva es sencilla: si dentro de dos años la organización trabaja esencialmente igual que antes, probablemente no hubo transformación; hubo tecnología.
Más allá de la eficiencia operativa rápida, ¿con qué indicadores concretos debería evaluarse si un líder está teniendo éxito al integrar la IA en su organización?
La productividad es importante, pero es una métrica insuficiente y cortoplacista. De hecho, se deben medir al menos cinco dimensiones: adopción real, productividad, calidad, innovación y talento.
No basta con saber cuántos empleados tienen acceso a una herramienta; hay que medir qué porcentaje la utiliza de forma recurrente, cuántos han desarrollado capacidades para trabajar con IA, cuánto tiempo libera y para qué se emplea ese tiempo ahora, cuánto mejora la calidad de las decisiones o del output (y por tanto del valor que se aporta al usuario), cuántos procesos se han rediseñado y qué nuevos productos, servicios o formas nuevas de trabajar han aparecido gracias a la IA.
Un indicador temprano de una buena integración de la IA a largo plazo es cuando se generan cambios visibles en el modelo de datos, la gobernanza y la cultura de la empresa. Una organización puede obtener mejoras de eficiencia a corto plazo y, sin embargo, estar deteriorando su capacidad de competir a medio plazo si no transforma simultáneamente su talento.
La narrativa de la IA suele generar incertidumbre laboral. ¿Qué acciones concretas separan un discurso corporativo de “tranquilidad” de una estrategia cultural real que genera confianza?
Si el discurso está centrado en la eficiencia, no es buena señal, ya que lleva implícito seguir haciendo lo mismo pero con menos costes, lo cual implica una reducción de los recursos humanos. En cambio, cuando la narrativa pone el foco en usar la IA para añadir valor al consumidor, capturar nuevos usuarios y generar nuevas líneas de negocio, entonces podemos entenderlo verdaderamente como una oportunidad laboral.
En una misma empresa suelen convivir perfiles “early adopters” con perfiles escépticos o rezagados. ¿Cómo se evita que la IA fracture la cultura en dos velocidades?
Es humano que la adopción tecnológica se ejecute inicialmente de manera desigual, pero ninguna empresa que se precie de tener una buena cultura organizativa debería permitir que, a medio plazo, quedaran perfiles tecnológicamente descolgados.
Los “early adopters” deben utilizarse como multiplicadores internos, no como una élite tecnológica. Ellos pueden identificar casos de uso, acompañar a otros equipos y demostrar resultados concretos.
Al mismo tiempo, la empresa tiene que establecer un suelo común de capacidades. Trabajar con IA ya no debería ser una especialización reservada al departamento tecnológico; debe convertirse progresivamente en una competencia básica profesional. Una de las claves para solucionar este gap es generar un plan de formación basado en los casos de uso de la empresa, lo cual ayuda a nivelar el conocimiento y asegura que nadie quede atrás.
Seguiremos Comunicando…