Por: Alberto Guerrero
LÍDER DE INGENIA SUMMIT | SERVICIO AL AFILIADO CIG
Hay una escena muy común en las empresas: la alta dirección decide avanzar con inteligencia artificial, el área de tecnología busca herramientas, se anuncian pilotos, se organizan capacitaciones y todos sienten que la organización está dando un paso hacia el futuro.
Hasta ahí, todo bien.
El problema aparece después, cuando alguien debe hacer que eso funcione el lunes a las 8:30 de la mañana. La IA no se implementa en una presentación. Se implementa en la rutina.
Se implementa cuando un jefe comercial tiene que explicarle a su equipo cómo usar una herramienta para priorizar clientes. Cuando una coordinadora de compras decide si una recomendación automática tiene sentido o no. Cuando un responsable de logística revisa si el reporte generado por IA realmente refleja lo que pasa en bodega, ruta o despacho. Cuando un gerente de área contesta la pregunta que siempre llega, tarde o temprano: “¿y ahora cómo hacemos esto en la práctica?”.
Ahí comienza la verdadera adopción.
Un artículo reciente de Harvard Business Review, escrito por Julia Shin y Sandra J. Sucher, plantea una idea muy útil para mirar este tema: la adopción de IA está sobrecargando a los mandos medios. No es que la IA esté mal pensada; es que muchas empresas les están pidiendo a sus líderes intermedios que hagan demasiado al mismo tiempo: implementar herramientas nuevas, cuidar la calidad, acompañar al equipo, mantener la productividad y traducir la estrategia en operación.
La decisión se toma arriba. La carga cae en el medio.
Tener una cámara profesional no te convierte en fotógrafo
Pensemos en algo cotidiano. Alguien compra una cámara profesional, con modos automáticos, inteligencia de escena, corrección de color y hasta sugerencias de encuadre. Pero si no entiende de luz, no tiene claro qué historia quiere contar o no sabe leer el momento, la cámara no resuelve nada por sí sola. A veces hasta deja más en evidencia que el problema nunca fue el equipo.
Con la IA pasa algo parecido. Comprar una herramienta no convierte automáticamente a una empresa en una organización más inteligente. Si los datos están desordenados, la IA va a trabajar con ese desorden. Si los procesos no están claros, va a automatizar la confusión. Y si el equipo no sabe qué preguntarle, va a entregar respuestas que suenan bien pero sirven poco.
La IA no reemplaza la claridad. La exige.
Por eso el papel de los mandos medios es tan importante: ellos conocen el desorden real de la empresa. El Excel que todos usan aunque nadie lo aprobó formalmente, el reporte que se arma a mano cada viernes, el cliente que siempre necesita seguimiento especial, el proceso que depende de una sola persona, la información que llega incompleta, la aprobación que se atrasa porque nadie sabe bien quién decide. Ese conocimiento rara vez aparece en el organigrama, pero es el que define si una tecnología funciona o fracasa.
El cuello de botella no siempre está en la tecnología
Muchas empresas siguen pensando que el principal obstáculo para adoptar IA es técnico: falta una plataforma, falta presupuesto, falta un proveedor, falta una licencia. A veces es así. Pero muchas veces el cuello de botella está en otro lugar: en la cultura, en la forma en que la organización trabaja, decide y aprende, en los hábitos, la resistencia, el miedo, la falta de tiempo para probar cosas nuevas, la poca claridad sobre qué problema se quiere resolver en realidad.
Un ejemplo simple: si un equipo comercial no tiene bien definido su proceso de seguimiento a prospectos, una herramienta de IA no le va a inventar disciplina comercial de la nada. Puede ayudar a redactar correos, resumir llamadas o sugerir próximos pasos, pero si nadie revisa, prioriza y da seguimiento, esa herramienta termina siendo otro sistema del que se esperaba mucho y se usó poco.
Lo mismo pasa en compras. Si la información de proveedores está dispersa, incompleta o desactualizada, la IA puede ayudar, pero no hace magia. Y en distribución, si los datos de rutas, tiempos, entregas o inventarios no son confiables, el modelo va a producir análisis que se ven bien sobre una base frágil.
La IA puede acelerar mucho, pero también puede acelerar errores.
Por eso, antes de preguntar qué herramienta de IA deberíamos comprar, conviene hacer preguntas más incómodas: ¿qué proceso queremos mejorar? ¿qué decisión queremos tomar mejor? ¿qué tarea consume tiempo y no agrega valor? ¿qué datos tenemos, cuáles nos faltan y quién responde por ellos? ¿quién va a validar que la respuesta generada por IA tiene sentido? Estas preguntas no suenan tan modernas como “vamos a implementar IA”, pero son las que separan una moda de una capacidad real.
El gerente que ahora también debe ser traductor
En la vida diaria, a todos nos ha tocado traducir algo alguna vez: una instrucción técnica para quien no la entiende, una decisión familiar en tareas concretas, una idea en un presupuesto, una queja de cliente en una mejora del servicio.
El mando medio hace exactamente eso, todos los días, dentro de una empresa. Traduce la estrategia en tareas, los objetivos en indicadores, las decisiones de la alta dirección en rutinas de equipo. Y ahora, además, tiene que traducir la inteligencia artificial en trabajo real. Ese rol no es menor.
La alta dirección puede decir “queremos usar IA para vender más”, pero alguien tiene que definir qué significa eso en concreto: ¿mejor prospección, mejor seguimiento, mejor forecast, mejor atención, menos tiempo en reportes, mayor conversión? Cada respuesta lleva a un proyecto distinto. La alta dirección puede decir “queremos IA en compras”, pero alguien tiene que aterrizarlo: ¿para comparar proveedores, para analizar contratos, para anticipar variaciones de precios, para ordenar solicitudes internas, para reducir tiempos de aprobación? Y puede decir “queremos IA en logística”, pero alguien tiene que convertir esa intención en casos de uso concretos: rutas, inventarios, entregas, reclamos, tiempos muertos, planificación de demanda.
Ese alguien suele estar en la mitad de la organización.
Por eso, si queremos que la IA funcione, no basta con capacitar al equipo en herramientas. Hay que preparar a los líderes que van a orientar el cambio, no para que se vuelvan expertos técnicos, sino para que sepan hacer mejores preguntas, elegir mejores casos de uso y cuidar que la velocidad no le gane al criterio.
La IA no elimina la gestión
Hay una ilusión peligrosa: pensar que la IA va a reducir automáticamente la carga de trabajo. A veces lo hace. Pero no siempre.
Si una herramienta permite producir diez reportes en el tiempo que antes tomaba uno, alguien tendrá que revisar cuáles importan de verdad. Si un asistente genera cinco propuestas comerciales en minutos, alguien tendrá que decidir cuál representa mejor a la empresa. Si un sistema analiza miles de interacciones con clientes, alguien tendrá que convertir esos hallazgos en decisiones.
La IA produce más, pero producir más no siempre significa gestionar mejor. En algunos casos no elimina trabajo: lo mueve de lugar. Se pasa menos tiempo redactando y más tiempo validando, menos tiempo buscando información y más tiempo interpretándola, menos tiempo en tareas repetitivas y más responsabilidad decidiendo qué hacer con lo que aparece.
Eso exige una forma de liderazgo distinta: más criterio, más claridad, más capacidad de priorizar. Y exige algo que muchas veces falta: darles a los equipos espacio real para aprender. No se puede pedir adopción si todo se suma encima de la operación normal, como si la agenda tuviera una bandeja secreta de horas libres. No la tiene.
La pregunta correcta para un CEO
Para un CEO o un C-level, la pregunta ya no debería ser solamente “¿estamos usando IA?”. Esa pregunta se queda corta. La pregunta debería ser: “¿nuestra organización está preparada para integrar IA sin generar más ruido que valor?”.
Y eso obliga a mirar la calidad de los datos, la claridad de los procesos, la capacidad de los líderes intermedios, la cultura del equipo frente al cambio y la conexión real entre herramienta, problema y resultado.
Una empresa puede tener IA y seguir tomando malas decisiones. Puede tener herramientas modernas corriendo sobre procesos antiguos. Puede automatizar tareas que nunca debieron existir. Puede llenar al equipo de soluciones y, aun así, no mejorar ni la experiencia del cliente ni la productividad.
La IA bien usada no empieza por la herramienta. Empieza por el problema.
De la moda a la capacidad
La inteligencia artificial ya no necesita más discursos. Necesita mejores conversaciones dentro de las empresas: sobre cómo vender mejor, comprar mejor, distribuir mejor, atender mejor y decidir mejor, sobre qué procesos revisar antes de automatizar, sobre cómo formar equipos que no dependan solo de la herramienta sino que sepan usarla con criterio.
La IA puede ser una palanca enorme de productividad, pero solo si la organización está dispuesta a hacer el trabajo menos vistoso: ordenar, priorizar, formar, medir y acompañar. Ese trabajo no se resuelve comprando tecnología, se resuelve preparando a la gente que va a usarla.
Esa es justamente la conversación que queremos impulsar desde INGENIA Summit 2026: IA en Acción, una edición pensada para llevar la inteligencia artificial a las áreas donde se juega buena parte de la competitividad empresarial: compras, ventas y distribución. No desde la teoría, sino desde la aplicación real.
El reto ya no es convencer a las empresas de que la IA importa. El reto es más concreto: ayudarlas a integrarla con método, criterio y sentido de negocio.
La IA no se implementa sola. Y esa, quizás, es la primera gran decisión que todo líder debería tomar antes de adoptarla.