Muchas empresas podrían usar la AI — pero les da miedo usarla de verdad

Muchas empresas dicen hoy que se toman la AI en serio.

Organizan formación en AI. Escriben políticas de AI. Crean task forces de AI. Traen consultores. Organizan sesiones internas de intercambio. Enseñan a los empleados a hacer prompting. Algunas incluso incluyen «transformación AI» en sus documentos estratégicos.

Pero mira de cerca y notarás algo extraño:

Los correos son los mismos correos. Las reuniones son las mismas reuniones. Las aprobaciones son las mismas aprobaciones. Los problemas siguen escalándose capa por capa. Los flujos de trabajo reales apenas cambian.

Muchas empresas hablan de adoptar la AI. Sus acciones cuentan otra historia.

No son incapaces de usar la AI. Les da miedo usarla de verdad.

¿Por qué?

Porque usar la AI de verdad no consiste en escribir correos más rápido o hacer diapositivas más bonitas.

Usar la AI de verdad empieza a plantear preguntas incómodas:

• ¿Por qué existe este proceso?
• ¿Por qué existe esta aprobación?
• ¿Por qué existe esta reunión?
• ¿Este rol crea valor — o solo mantiene un proceso?
• ¿Este manager intermedio emite juicios — o solo transmite mensajes?
• ¿Este departamento es realmente necesario — o un remanente histórico?
• ¿Este líder entiende de verdad el trabajo — o solo ocupa un nodo de poder?

Cuando se hacen estas preguntas, la AI deja de ser una herramienta suave de eficiencia. Se convierte en un espejo. Revela quién crea valor de verdad en una organización — y quién es solo un nodo de proceso.

De eso es de lo que muchas empresas tienen miedo de verdad.

Las empresas aman la «AI segura» — formación, políticas, proyectos piloto, días de innovación, intercambio interno, listas de herramientas, guías de uso. Todo está bien, porque nada de eso mueve realmente la estructura organizacional. Hace que la empresa parezca progresista sin cambiar necesariamente los flujos centrales.

La AI peligrosa es distinta: AI que convierte un proceso de diez pasos en tres. AI que permite a una persona hacer lo que antes hacían tres. AI que envía la información más allá de las capas intermedias, directo a quienes deciden de verdad. AI que expone una reunión como innecesaria. AI que ayuda a los empleados a ver que muchas acciones de gestión son solo sincronización de estado — no creación de valor.

Ese tipo de AI pone nerviosas a las organizaciones. Porque empieza a mover el poder, los roles, la responsabilidad y la forma en que se distribuye el valor.

Llamo a este fenómeno Organizational Immune Response to AI.

Como el cuerpo humano reacciona ante una sustancia extraña, la empresa hace lo mismo. Cuando la AI entra como nueva variable, puede ser bienvenida en la superficie — pero la organización la rechaza instintivamente, porque amenaza los procesos, la jerarquía, los roles y la autoridad existentes.

Esto no es necesariamente mala intención. Las organizaciones tienen un instinto de supervivencia. Protegen las estructuras que ya existen — incluso cuando son ineficientes, obsoletas y ampliamente conocidas como poco razonables. Mientras una estructura lleve empleos, presupuestos, poder y una sensación de seguridad, no dejará que la AI la reestructure fácilmente.

Así, muchas empresas responden a la AI de formas contradictorias. Por un lado: «Debemos adoptar la AI.» Por otro: «No podemos usar eso.» «No es conforme.» «Eso necesita aprobación.» «Tenemos que esperar la política.» «Primero necesitamos una evaluación de riesgos.» «No pruebes eso por tu cuenta.»

La gestión de riesgos importa. Seguridad de datos, privacidad, propiedad intelectual, información de clientes — nada de eso debe tratarse con ligereza. Pero a menudo, el «riesgo» es solo la razón superficial. La causa más profunda: si la AI se usara de verdad, el valor de muchas personas dentro de la organización tendría que reevaluarse. Esa es la parte sensible.

Muchas personas asumen que la AI amenaza primero a los trabajadores de primera línea. No estoy tan seguro.

Lo que la AI amenaza de verdad no es la gestión en general — sino la gestión que existe solo por posición en el proceso, sin juicio real. Especialmente managers intermedios cuya presencia se demuestra sobre todo con reuniones, syncs, coordinación, reenvíos y seguimiento.

Si el valor real de un manager es el juicio, la decisión, la responsabilidad por resultados, el desarrollo de personas y la integración de recursos — la AI lo fortalecerá. Pero si el valor de un manager consiste sobre todo en: hacer que otros actualicen el estado, pasar información de una reunión a otra, escalar problemas hacia arriba, empujar responsabilidad hacia abajo y complicar lo simple — la AI hace ese rol muy incómodo.

Porque la AI puede sincronizar información más rápido, organizar el estado más rápido, generar informes más rápido, señalar riesgos más rápido y dirigir los problemas a quienes deberían asumirlos de verdad. Entonces, quien existía por «coordinación» debe responder: ¿creas valor — o solo ocupas un nodo de proceso?

He visto patrones similares dentro de una gran empresa global.

Algunos managers más jóvenes tienen títulos impresionantes, agendas llenas e informes gruesos. Parecen extremadamente ocupados. Pero cuando hace falta un juicio real, no pueden decidir.

Las personas debajo de ellos llevan años en el dominio. Muchas saben exactamente cómo juzgar el problema, dónde están los riesgos y cuál debería ser el siguiente paso. No son incapaces. No necesitan más reuniones. Pero una vez que un problema llega a ciertas capas de gestión, todo se ralentiza.

En lugar de decidir o asumir el resultado, el manager lanza una avalancha de preguntas:

«¿Has confirmado esto?»

«¿Has evaluado aquello?»

«¿Puedes preparar otro informe?»

«¿Te has sincronizado con fulano?»

Al principio parece riguroso. Con el tiempo te das cuenta de que no siempre es rigor — a veces es simplemente falta de juicio de negocio, compensada con preguntas, reuniones e informes que fabrican una sensación de «gestión».

Peor aún, este estilo se replica. Un manager sin juicio suele contratar a más personas como él, construyendo nuevas capas intermedias. Los expertos de primera línea que podrían resolver problemas de verdad acaban dedicando más tiempo a explicar, informar y rellenar materiales para personas que no entienden realmente el trabajo.

Al final crece la frustración: si no puedes juzgar, decidir, asumir resultados — y solo me haces seguir informando — ¿qué valor crea realmente esta capa de gestión?

Esto no es el problema de una persona. Es un patrón en muchas organizaciones grandes: quienes entienden de verdad el problema no tienen poder; quienes tienen poder no entienden de verdad el problema.

Cuando la AI entra en una organización así, la estructura se vuelve incómoda. La AI puede generar informes más rápido, organizar el estado más rápido, rastrear problemas más rápido, sincronizar información más rápido — y los managers cuya presencia depende de reuniones, preguntas, reenvíos y cadenas de reporting deben enfrentarse a una pregunta: si la AI puede hacer tu trabajo de coordinación y tú no puedes aportar juicio real, ¿dónde está tu valor?

Por eso la transformación AI real es difícil para muchas empresas. El cuello de botella no es la tecnología — cada vez es más barata. Lo difícil es si la organización está dispuesta a admitir: algunos procesos pueden desaparecer, algunas reuniones cancelarse, algunas aprobaciones fusionarse, algunos roles redefinirse, algunas capas de gestión volver a demostrar su valor.

Algunas personas eran importantes no porque crearan valor real, sino porque ocupaban canales de información y poder. Una vez que la AI reconecta el flujo de información y el flujo de ejecución, ese valor basado en el canal cae. Para la organización, esto no es ganancia de eficiencia — es reestructuración del poder. Por supuesto, resiste.

Esto también explica por qué muchas personas realmente capaces sufren dentro de empresas antiguas.

Podrías usar la AI para ir más rápido — pero la empresa no te deja. Podrías simplificar un proceso — pero la organización insiste en el antiguo. Podrías hacer con la AI lo que antes hacían varias personas — y eso incomoda a otros. Eres un Problem Closer — pero la organización solo te permite ser un nodo de proceso.

Entonces la pregunta no es solo «la empresa va retrasada». Es: ¿esta organización todavía permite que tu capacidad se amplifique?

Esta es una lente nueva e importante para la era de la AI. Al elegir una empresa, no mires solo el salario, el título, la marca y la estabilidad. Mira una métrica nueva: ¿esta organización permite que se libere tu AI Leverage?

¿Te deja experimentar? ¿Reestructurar flujos de trabajo? ¿Usar la AI para mejorar la eficiencia? ¿Simplificar problemas complejos? ¿Recompensa a quienes resuelven problemas de verdad — o solo a quienes informan bien, se presentan bien y obedecen el proceso?

Si una organización sigue suprimiendo tu AI Leverage, no solo daña tu experiencia laboral. Deprime tu valor futuro.

Eso no significa que todos deban renunciar mañana, o que ninguna empresa valga la pena. Algunas adoptan la AI de verdad. Algunos líderes quieren reestructurar flujos de verdad. Algunas organizaciones dan más espacio a personas con alta autonomía. Pero empieza a juzgar: si una empresa solo te deja usar la AI para ser un trabajador más rápido — no para rediseñar cómo se hace el trabajo — ten cuidado.

Porque no quiere tu palanca. Solo quiere tu eficiencia. Quiere que hagas más con la AI — no que uses la AI para preguntar si la cosa debería hacerse en absoluto. Son cosas completamente distintas.

En la era real de la AI, no solo los individuos divergirán. Las empresas también.

Algunas tratarán la AI como mano de obra más barata — comprimir costos, exprimir eficiencia, preservar la estructura antigua. Otras la tratarán como oportunidad para rediseñar la organización — cortar procesos sin sentido, comprimir capas de transmisión, dar más poder a quienes pueden juzgar, asumir resultados y cerrar bucles.

La primera parece segura pero se vuelve más lenta. La segunda parece radical pero se vuelve más ligera. Las empresas con vitalidad real quizá no sean las que tienen más personas o los procesos más complejos — sino las que organizan sistemas de ejecución AI alrededor de unos pocos nodos de responsabilidad de alta calidad y entregan resultados reales rápido.