Es importante aclarar que el caso de Dell nos da una excelente idea de acción coordinada para IA en el futuro, pero no representa la situación típica de punto de arranque de la inmensa mayoría de las empresas.  Ello se debe, a que en Dell experimentaron bastante con IA antes de definir su estrategia coordinada. Esto incluyó: 1999 – Primer Clúster HPC (Tungsten); 2006: Expansión de HPC(Stampede); 2018: – Casos de Uso de IA en el Sector Salud y el Comercio Minorista; 2020 – Expansión de Servicios y Consultoría de IA; 2023 – Diseños Validados para IA Generativa; 2024 – Lanzamiento de la Fábrica de IA con NVIDIA y finalmente 2025 – Reinvención de IA a gran escala con una estrategia basada en el ROI.

Aquí están los cuatro puntos clave de la estrategia de IA de Dell:

1. Tener muy claro por qué se está implementando IA – No hubo pilotos que no generaran confianza, ya que no se implementó IA solo por probar.
2. Centrarse solo en lo importante – En lugar de perseguir los cientos de proyectos de IA que tenían en su lista, identificaron las áreas del negocio que realmente les generan valor: cadena de suministro, ventas, ingeniería y atención al cliente. Cada inversión en IA debía estar orientada a uno de esos pilares. Según un reciente informe del Índice de Inteligencia Artificial de Stanford, estas cuatro áreas son palancas críticas que las organizaciones pueden usar para aprovechar la IA y ahorrar y generar ingresos.
3. Reingeniería de procesos antes de implementar IA por capas – Antes de la IA, Dell descubrió que el equipo de ventas dedicaba mucho tiempo a navegar por flujos de trabajo y herramientas. Limpiaron su contenido, rediseñaron los procesos integrales y luego les añadieron IA.
4. Desarrollar sistemas de IA escalables en toda la empresa – Dell evitó la trampa de los pilotos aislados. Eligieron plataformas y marcos que pudieran servir para múltiples casos de uso en todos los departamentos. La IA no estaba aislada, fue diseñada para una integración amplia, segura y escalable. Ya sea que se trate de una empresa de 500 personas o una de la lista Fortune 500, la lección es válida: si la IA no puede hacer crecer con su negocio, es solo un proyecto científico.

IA a escala, al estilo Dell

La implementación de la IA de Dell es para generar un factor diferenciador fundamental. Algunos consejos prácticos que se pueden extraer de ellos para inspirar la estrategia propia de IA de una empresa son:

• Ventas – Las herramientas basadas en IA reducen el tiempo de preparación de información y material en el proceso de ventas, ello permite a los vendedores dedicar mucho más tiempo a los clientes.
• Servicio al cliente – La IA de Dell ofrece respuestas con una precisión sin precedentes, a través de cualquier interfaz para resolver rápidamente los problemas de los clientes.
• Cadena de suministro – La IA hizo que la cadena de suministro de clase mundial de Dell fuera más ágil, predictiva y dinámica en un mundo complejo.
• Ingeniería – Dell utilizó la IA para ampliar su capacidad de ingeniería, aumentando la capacidad y la eficiencia de su equipo actual.

El nuevo plan de IA para empresas

La transformación de Dell sigue un método que cualquier gran organización puede replicar:

• Aclarar el ROI – no la buena voluntad, sino el impacto en los resultados.
• Identificar los pilares de valor – donde la IA promete ser la herramienta más efectiva.
• Reconstruir y luego escalar – Rediseñar los procesos fallidos antes de aplicar la IA. No permitir que la automatización enmascare las disfunciones. Posteriormente, incorporar la IA solo en aquellos flujos de trabajo optimizados para amplificar el impacto rápidamente.
• Exigir la integración y la gobernanza – no se permiten islas de IA descontroladas. Las empresas son complejas y el uso de la IA puede manifestarse en diversos ámbitos, desde servicios SaaS hasta adquisiciones y consultoría. Aquí es donde entra en juego una gobernanza integral. Es necesario contar con un comité de revisión de casos de uso de IA activo que supervise la gobernanza, la estructura, la aprobación y la priorización en cualquier lugar donde la IA se manifieste en su empresa. Ningún proyecto de IA debería avanzar sin analizar primero esta perspectiva holística.

El resultado es que la IA se convertirá en un motor de crecimiento impresionante, permitiendo desvincular las curvas de ingresos de los costos. Incluso como proveedor de infraestructura de IA líder en la industria, Dell tuvo que priorizar a su personal y procesos para impulsar una transformación significativa, demostrando que la innovación comienza con una base sólida de procesos y personas.

Por qué esto es importante ahora

Nos encontramos en un punto de inflexión. La IA generativa no es solo otra herramienta de productividad, es un catalizador para reconfigurar sistemas operativos completos. Mientras los titulares se centran en la ansiedad laboral o la IA general, la verdadera historia gira en torno a la reinvención a escala industrial. Dell está evolucionando hacia una empresa dinámica que prioriza la IA. Si se desea un crecimiento generacional, no hay que perseguir todas las tendencias de IA. Hay que centrarse en los flujos de trabajo que realmente impulsan el negocio de la empresa. Así es como se impulsa el ROI, la transformación del capital y se amplía la brecha con los competidores.

Se hace referencia a Dell’s AI reinvention is a model for every company. La imagen es cortesía de Microsoft Copilot.

La entrada ¡Un modelo empresarial: Dell se reinventa con IA! aparece primero en Laszlo Beke.

Ahora, la próxima frontera de la productividad empresarial son los agentes de IA: sistemas autónomos, orientados a resultados, capaces de ejecutar tareas complejas y crear niveles completamente nuevos de eficiencia y creación de valor. Para la empresa y sus CIO, esta transformación significa tomar el timón, identificar la IA adecuada para el trabajo indicado y utilizar los agentes de IA estratégicamente a medida que evolucionan, pasando de ser una iniciativa tecnológica a una oportunidad para toda la empresa.

La experiencia con los agentes puede comenzar con Agentes individuales y con Agentes para procesos más simples, viendo a futuro es importante plantear algunas realidades claves en este tema de los Agentes de IA:

• El punto de partida – se conoce que la atención al cliente, los recursos humanos, las compras digitales y la modernización de TI tienen un historial de generar ganancias de productividad cuantificables mediante el uso de agentes y asistentes de IA.
• La visión integral – los agentes y asistentes de IA cuando se implementan en forma aislada sin visión futura, pueden limitar una adopción sistemática y holística de la IA.
• Las conexiones – se den resolver las lagunas en la forma en que la IA se conecta con los flujos de trabajo, las personas y con otras herramientas.
• El próximo paso – después de identificar la IA adecuada para integrar en los flujos de trabajo de los empleados, es necesario determinar si la organización está lista para un uso generalizado de la IA.
• Las herramientas – El verdadero poder de la IA en la organización no se relaciona con la cantidad de herramientas, sino con el grado de integración de sus aplicaciones, herramientas y procesos en toda la empresa. Si no conoce el problema, la herramienta no importará.

La empresa y los CIO enfrentan desafíos críticos en el camino en su proceso de automatización y de aprovechamiento de la IA y las acciones para impulsar el impacto de su IA con agentes se resumen en los tres aspectos que se desarrollan a continuación:

Identificar el problema.

Una encuesta de Deloitte reveló que el 26 % de las organizaciones están explorando el desarrollo de agentes autónomos. Los agentes de IA están transformando los sectores y los flujos de trabajo, pero la proliferación de los agentes puede llevar a un número creciente de proveedores de IA, a la propagación de agentes y a la multiplicación de la complejidad digital. Todavía es necesario que arribemos a la etapa en la cual los agentes autónomos demuestren la capacidad para escalar dentro de la organización. Este uso mayor de la IA en toda la organización, sin una visión clara de la comunicación y la orquestación en toda la empresa, sienta las bases para déficits de productividad, contraria a la promesa de la IA.

La clave es Identificar la IA adecuada para el proceso correcto y encontrar flujos de trabajo de alto valor para aplicar la combinación indicada de IA para una transformación organizacional que priorice la IA. A continuación, algunas preguntas que se pueden plantear al determinar cómo orientar los usos de la IA (agentes, asistentes y automatización de IA:

• ¿Dónde aportará la IA el mayor valor comercial? –  Aplicar la IA a casos de uso relacionados con el crecimiento, la eficiencia o la reducción de riesgos.
• ¿Está el ecosistema de datos preparado para soportar una IA escalable? – Evaluar la calidad, la accesibilidad, la gobernanza y la calidad de sus datos para garantizar que los agentes de IA operen con información fiable.
• ¿Pueden los empleados y procesos absorber este cambio? – Invertir en la gestión del cambio, la capacitación de los empleados y el rediseño del flujo de trabajo.
• ¿Las plataformas admiten una integración segura y escalable de la IA? – Evaluar la arquitectura, las API y la preparación para la automatización.

Usar la IA estratégicamente con una visión clara

Es importante invertir y concentrarse en dónde la IA puede tener el mayor impacto. El verdadero poder de la IA en la organización no se relaciona con la cantidad de herramientas, sino con el grado de integración de las aplicaciones, las herramientas y los procesos en toda la empresa. Los agentes de IA operan con mayor autonomía, utilizando el razonamiento para obtener resultados con mínima intervención humana. Se listan algunas preguntas para ayudar a decidir dónde empezar con agentes o asistentes de IA:

• ¿A qué tareas repetitivas, bien definidas o de bajo valor dedican tiempo los empleados?
• ¿Qué procesos de toma de decisiones siguen reglas o patrones predecibles y pueden mejorarse o agilizarse con información basada en datos?
• ¿Existen flujos de trabajo que abarcan varios sistemas o departamentos y sufren retrasos en la transferencia o coordinación manual?
• ¿Qué objetivos de alto impacto pueden acelerarse si un sistema pudiera actuar de forma independiente dentro de límites definidos?
• ¿Existen áreas donde la atención al cliente o la satisfacción de los empleados se están quedando atrás debido a tiempos de respuesta lentos o inconsistencias?
• ¿Hay acceso a los datos necesarios para apoyar a los agentes de IA en esta área? ¿Son fiables?

Para empezar, es relevante conocer que la atención al cliente, los recursos humanos, las compras digitales y la modernización de TI han tenido un historial de generación de ganancias de productividad cuantificables mediante el uso de agentes y asistentes de IA. Por ejemplo, el proyecto AskHR de IBM ha automatizado 80 procesos de Recursos Humanos diferentes y el 94 % de tareas sencillas, como solicitudes de vacaciones y pruebas de pagos. Y en estos diversos casos de uso, IBM ha logrado un ahorro de costos de US$3.500 millones.

El impacto de la IA conectada

Es necesario identificar cómo la IA se conecta con los flujos de trabajo, con las personas y con otras herramientas. Ya sea con flujos de trabajo, personas, automatización u otras herramientas tecnológicas o aplicaciones, la IA tiene mayor impacto cuando está conectada. Por ello, es necesario integrar la IA con otras herramientas: el hecho que los agentes y asistentes de IA terminen operando de forma aislada, puede representar un obstáculo futuro para pasar de una adopción fragmentada de la IA a una adopción sistemática e integral. Después de identificar la IA adecuada para integrarla en los flujos de trabajo de los empleados, el siguiente paso es determinar si la organización está preparada para un uso generalizado de la IA. La formulación de las siguientes preguntas es útil para comprender el nivel de preparación para la transformación organizacional:

• ¿Se han establecido principios de IA responsables para su empresa?
• ¿Qué porcentaje de empleados está capacitado en los fundamentos de la IA?
• ¿Los altos ejecutivos usan IA y participan grupos de trabajo de IA?
• ¿Se han rediseñado sus procesos de negocio para aprovechar las capacidades de la IA?

Se hace referencia a CIOs: 3 actions to boost the impact of your agentic AIA . También aparece en mi Portal . LA Imagen es cortesía de Microsoft Copilot.

La entrada ¡Cómo aprovechar el poder de los agentes de IA! aparece primero en Laszlo Beke.

En un excelente trabajo periodístico realizado con veintiún personas se escucharon expresiones como “Puedo asignarle tareas y simplemente irme”; “Captura detalles que de otro modo habría olvidado”; “Hay tantas oportunidades al alcance de la mano”; “Lo importante es mantener cierta reserva de escepticismo” y a continuación hay un resumen:

• Seleccionar vinos para menús de los restaurantes – analizar informes de ventas, generar ideas para aumentar las ventas, evaluar marcas a comprar.
• Hacer que todo se vea mejor – ayudar el diseño gráfico, utilizando Relleno Generativo de Adobe Photoshop, una función de IA. Lo que podría haber tomado 20 minutos resolver, ahora toma 20 segundos.
• Elaborar una bibliografía – con Ia IA se acabaron las consultas a manuales, guías, fichas de referencia, la preocupación por la puntuación correcta, y el citar una obra de traducida o editada por quién sabe quién y publicada originalmente dónde.
• Elaborar planes de terapia – tomar notas no estructuradas de una visita y convertirlas en notas de documentación estructurada para profesionales de la salud. Representa un ahorro de un par de horas a la semana.
• Actuar como «musa» – una artista visual usa la IA como inspiración para su práctica artística. Sube docenas de imágenes de sus obras para que el modelo de IA comprenda su estilo y luego lo guía con indicaciones para ayudarla a generar nuevas obras basadas en su estilo.
• Simplemente escribir código – en una empresa de IA legal que ayuda a los abogados con la revisión de contratos, se utiliza el Código Claude de Anthropic, asignándole tareas y escribiendo el código por sí solo.
• Redactar notas médicas – médicos de atención primaria con una aplicación de IA, integrados en el sistema de historiales médicos electrónicos para tomar notas en las reuniones con pacientes. La herramienta escucha la conversación con el paciente y luego crea un registro organizado de la visita. Ahorra aproximadamente una hora al día, pero la mayor ventaja es que captura detalles que de otro modo se habrían olvidado.
• Ayudar a que las mascotas sean adoptadas – se utiliza IA para generar ideas trabajando con refugios de animales para reducir las tasas de eutanasia y acortar las estancias de los animales.
• Gestionar las tareas rutinarias – una coordinadora de proyectos usa ChatGPT para resumir las acciones pendientes de una larga cadena de correos electrónicos; corregirlos; crear plantillas de contratos; buscar en documentos extensos como resúmenes de beneficios; y comparar documentos cuando sospecha que puede haber pequeñas diferencias.
• Revisar la literatura médica – un científico de imágenes médicas lee literatura médica casi a diario, y para ello utiliza ChatGPT, Perplexity, Undermind y otras herramientas y la respuesta del chatbot le da una idea de cual literatura científica podría ser relevante para su pregunta y que vale la pena leer en su totalidad. El uso de IA ha acelerado enormemente el proceso.
• Elegir una aguja e hilo – Una artista textil ha recurrido a Claude para obtener materiales, para para obtener información técnica y para ayudar a decidir qué tamaño de aguja e hilo debería usar para un proyecto en particular y.
• Transmitir mensajes –Profesora de música y directora de un programa competitivo de jazz en secundaria, cuando no todos los candidatos logran pasar la prueba, para dar la noticia utiliza IA transmitiendo el mensaje a sus alumnos con firmeza, pero con delicadeza.
• Ayudar a los humanos a responder más llamadas en un centro de llamadas – un jefe del Centro de Atención al Cliente que maneja cientos de miles de llamadas al año está probando un sistema con Claude. Durante una llamada de atención al cliente, la IA lee una transcripción en vivo y sugiere una respuesta. El agente humano que atiende la llamada puede entonces acceder al material de referencia enlazado en la respuesta de la IA y decidir si es la respuesta correcta.
• Ayudar a traducir letras de obras vocales de los siglos XVII y XVIII – Un codirector de la orquesta traduce letras de obras vocales renacentistas y barrocas y utiliza la IA más como un “consultor o tutor” para revisar su trabajo.
• Explícar la jerga legal – una abogada que usa Google Gemini para ver si sus escritos legales son confusos. También la usa para preparar audiencias y para practicar los alegatos finales.
• Detectar si los estudiantes están usando IA – Un profesor de inglés de secundaria usa Magic School IA y ChatGPT para generar hojas de trabajo, rúbricas, imágenes y juegos educativos para sus diversas clases de inglés. Sus estudiantes también lo están usando. Los detectores de IA tienen cada vez más dificultades para detectar lo escrito por IA. Ocasionalmente, sube documentos sospechosos a diferentes detectores (como GPTZero y QuillBot). Las herramientas devuelven un porcentaje de probabilidad de que el documento en cuestión sea un plagio, y utiliza esos porcentajes para hacer una estimación más fundamentada.

Algunos de los casos presentados, son más sofisticados. Sin embargo, hoy en día existen muchas facilidades para crear modelos de IA:

• Digitalizar un herbario – identificando plantas con un modelo de IA utilizando datos espectrales, el patrón de luz reflejado por la planta.
• Detectar fugas en un sistema de agua – un pequeño empresario usa un modelo de aprendizaje automático que busca patrones que sugieran una fuga, detectándolas con pequeños sensores dentro de las bocas de incendio que registran el ruido del agua al fluir por las tuberías.
• Revisar documentos legales en la fiscalía – se creó un modelo de lenguaje extenso y personalizado que ayuda a los fiscales y a la policía a evitar errores al presentar la documentación de arresto. En una prueba se redujo su tiempo de trabajo en un 50%.
• Realizar experimentos para descubrir cómo el cerebro codifica el lenguaje – un Investigador postdoctoral trabaja con pacientes de neurocirugía y mientras sus cerebros están expuestos, se realizan experimentos que intentan examinar cómo el cerebro codifica elementos como el lenguaje. Usando un modelo donde este puede actuar como un pseudo cerebro para probar diferentes hipótesis sobre el lenguaje difíciles de comprobar en cerebros reales.

Se hace referencia a 21 Ways People Are Using A.I. at Work y They’re Stuffed Animals. They’re Also A.I. Chatbots. También aparece en mi Portal . La imagen es cortesía de Microsoft Copilot.

La entrada ¡El uso que 21 personas diferentes le dan a IA en el trabajo! aparece primero en Laszlo Beke.

Existen múltiples razones, por las cuales son atractivos los Agentes de IA:

• Los agentes de IA ofrecen una manera de superar la paradoja de la IA genérica- automatizando procesos empresariales complejos convirtiendo la IA genérica en un colaborador virtual proactivo y orientado a objetivos.
• Los agentes potencian más que la eficiencia – potencian la agilidad operativa y crean nuevas oportunidades de ingresos.
• La integración de agentes en los flujos de trabajo existentes – permiten reinventar flujos de trabajo existentes desde cero, con los agentes como eje central.
• Los agentes requieren crear un nuevo paradigma de arquitectura de IA, la malla de IA de agentes – para gobernar el panorama organizacional de IA en rápida evolución y permitir que los equipos combinen agentes personalizados y listos para usar.  
• El mayor desafío será humano: ganarse la confianza, impulsar la adopción y establecer la gobernanza adecuada para gestionar la autonomía de los agentes y evitar la expansión descontrolada.

Para escalar el impacto en la era de los agentes de IA, las organizaciones deben pasar de iniciativas dispersas a programas estratégicos; de casos de uso a procesos de negocio; de equipos de IA aislados a escuadrones de transformación multifuncionales; y de la experimentación a la entrega industrializada y escalable. Asimismo, las organizaciones necesitarán sentar las bases para operar eficazmente en la era de los agentes de IA. Para ello necesitarán mejorar las habilidades de su fuerza laboral, adaptar la infraestructura tecnológica, acelerar la producción de datos e implementar mecanismos de gobernanza específicos para cada agente.

Cómo los agentes pueden escalar la IA

Los agentes de IA amplían el potencial de las soluciones horizontales, transformando a los copilotos de propósito general de herramientas pasivas en compañeros de equipo proactivos que no solo responden a indicaciones, sino que también supervisan paneles de control, activan flujos de trabajo, dan seguimiento a acciones abiertas y ofrecen información relevante en tiempo real. Los agentes ofrecen más que eficiencia: potencian la agilidad operativa y abren nuevas oportunidades de ingresos. En el ámbito operativo, los agentes se encargan de tareas rutinarias con gran volumen de datos para que los humanos puedan centrarse en tareas de mayor valor. Pero van más allá, transformando los procesos de varias maneras y así los agentes de IA:

• Aceleran la ejecución – eliminando retrasos entre tareas y habilitando el procesamiento en paralelo.
• Aportan adaptabilidad – al ingerir datos continuamente, pueden ajustar los flujos de proceso sobre la marcha, reorganizando secuencias de tareas, reasignando prioridades o identificando anomalías antes de que se conviertan en fallos.
• Facilitan la personalización – pueden adaptar el proceso dinámicamente para maximizar la satisfacción y los resultados.
• Aportan elasticidad a las operaciones – su capacidad de ejecución les permite expandirse o contraerse en tiempo real en función de la carga de trabajo, la estacionalidad del negocio o los aumentos repentinos.
• Hacen las operaciones sean resilientes – mantienen los procesos en marcha al monitorear interrupciones, redirigir operaciones y escalar solo cuando es necesario,

En un entorno complejo de cadena de suministro, por ejemplo, un agente de IA podría actuar como una capa de orquestación autónoma en las operaciones de abastecimiento, almacenamiento y distribución. Conectado a sistemas internos (como el sistema de planificación de la cadena de suministro o el sistema de gestión de almacenes) y fuentes de datos externas (como pronósticos meteorológicos, información de proveedores y señales de demanda), el agente podría pronosticar la demanda continuamente. Posteriormente, podría identificar riesgos, como retrasos o interrupciones, y replanificar dinámicamente los flujos de transporte e inventario. Al seleccionar el modo de transporte óptimo en función del costo, el plazo de entrega y el impacto ambiental, el agente podría reasignar el inventario entre almacenes, negociar directamente con sistemas externos y escalar decisiones que requieren información estratégica. El resultado: mejores niveles de servicio, menores costos logísticos y menores emisiones.

Limitaciones del impacto actual de la IA

Incluso antes de la llegada de la IA Generativa, la inteligencia artificial ya se había forjado un lugar clave en la empresa, impulsando capacidades avanzadas de predicción, clasificación y optimización. La IA Generativa ha ampliado el alcance de la IA tradicional en tres áreas innovadoras: síntesis de información, generación de contenido y comunicación en lenguaje humano. Esta democratización ha propiciado un crecimiento generalizado del conocimiento y la experimentación con la IA.

Más del 80 % de las empresas aún no reportan ninguna contribución significativa a las ganancias derivada de sus iniciativas de IA genérica. Es más, solo el 1 % de las empresas encuestadas considera que sus estrategias de IA genérica están maduras. A pesar de toda la energía, la inversión y el potencial que rodea a la tecnología, el impacto a gran escala aún no se ha materializado para la mayoría de las organizaciones. Casi el 70 % de las empresas de Fortune 500, por ejemplo, utilizan Microsoft 365 Copilot. Estas herramientas se consideran ampliamente como palancas para mejorar la productividad individual, al ayudar a los empleados a ahorrar tiempo en tareas rutinarias y a acceder y sintetizar la información de forma más eficiente. Como resultado, no son fácilmente visibles en términos de resultados brutos o netos. Por el contrario, los casos de uso verticales (aquellos integrados en funciones y procesos empresariales específicos) han experimentado un escalamiento limitado en la mayoría de las empresas, a pesar de su mayor potencial de impacto económico directo. Menos del 10 % de los casos de uso implementados superan la fase piloto.

Este desequilibrio se debe, en primer lugar, a que los asistentes de IA implementados horizontalmente, como Microsoft Copilot o Google AI Workspace, son soluciones accesibles y listas para usar, relativamente fáciles de implementar. La implementación limitada y el alcance limitado de los casos de uso verticales se pueden atribuir a varios factores principales:

• Iniciativas fragmentadas – proliferación de microiniciativas desconectadas con una coordinación limitada a nivel empresarial.
• Equipos de IA aislados – los centros de excelencia en IA han operado de forma aislada.
• Recelo cultural e inercia organizacional – las implementaciones de IA se han topado con una resistencia implícita por parte de los equipos de negocio y la gerencia media debido al miedo a la disrupción, la incertidumbre sobre el impacto laboral y la falta de familiaridad con la tecnología.
• Limitaciones tecnológicas de los LLM: los LLM pueden producir resultados inexactos, lo que dificulta su confianza en entornos donde la precisión y la repetibilidad son esenciales.
• Brechas de accesibilidad y calidad de los datos – tanto para datos estructurados como no estructurados.

Se hace referencia a Seizing the agentic AI advantage. La imagen es cortesía de Microsoft Copilot.

La entrada ¡Para generar un impacto escalable en IA hay que usar los Agentes de IA! aparece primero en Laszlo Beke.

Revisaremos las ideas y conceptos que están manejando Ron Carucci, consultor e investigador en liderazgo y organizaciones, y Kathleen Hogan, exdirectora de personal de Microsoft y recién nombrada vicepresidenta ejecutiva de la Oficina de Estrategia y Transformación.

1. De la gestión del cambio a la preparación para el cambio

Hace menos de una década, las mejores prácticas en gestión del cambio implicaban una comunicación y planes para las partes interesadas cuidadosamente estructurados, implementaciones por fases con plazos meticulosos y estrategias de implementación con recursos suficientes. Este enfoque se basaba en la premisa de que los líderes conocían de antemano tanto los cambios que debían implementar como el objetivo preciso que deseaban alcanzar.

Pero hoy en día, el cambio llega tan rápido que a menudo no hay tiempo para definir un punto final fijo, y mucho menos para trazar una hoja de ruta para llegar a él. La nueva realidad exige pasar de gestionar el cambio como un proyecto a desarrollar una cultura donde la preparación para el cambio sea una capacidad cotidiana. Para lograr este cambio, los líderes deben adoptar primero una mentalidad de preparación para el cambio: una que lo vea como un estado continuo en lugar de una serie de eventos aislados. Esto implica contratar y desarrollar empleados en función de su capacidad de aprendizaje y adaptación, no solo de su experiencia actual. Esto también implica recompensar la adaptabilidad y la resiliencia, dejando de valorar la estabilidad (mantener las cosas bajo control) como la máxima virtud del liderazgo.

Más allá de la mentalidad, los líderes también deben empoderar a los empleados para que impulsen activamente el cambio, en lugar de esperar pasivamente la dirección. En lugar de gestionar el cambio de arriba a abajo, los líderes deben capacitar a los empleados para que lo anticipen y le den forma. Esto requiere romper estructuras rígidas y crear equipos multifuncionales que identifiquen las disrupciones con anticipación y respondan con agilidad. Finalmente, las organizaciones deben integrar el cambio como una práctica diaria, no como una iniciativa temporal. Los líderes deben normalizar la experimentación y fomentar el aprendizaje a partir de los errores. Al adoptar una mentalidad de crecimiento, naturalmente se incorporan perspectivas e ideas externas. Esto también incluye incorporar a nuevos ejecutivos externos.

2. Del liderazgo jerárquico a las redes ágiles

En el pasado, las organizaciones dependían de jerarquías bien definidas donde la influencia del liderazgo estaba determinada por las líneas jerárquicas y la autoridad para la toma de decisiones se concentraba en la cima. Este modelo generaba estabilidad, pero a costa de la agilidad, ya que las decisiones debían circular por la cadena de mando antes de poder actuar. En el cambiante entorno actual, esta estructura rígida se ha convertido en una desventaja. El futuro exige una transición hacia un liderazgo ágil y en red, donde la toma de decisiones se base en la experiencia, no en la jerarquía, y que los equipos se formen y reformen dinámicamente para afrontar los desafíos a medida que surgen.

Para construir este nuevo modelo de liderazgo, las organizaciones deben ir más allá de los organigramas tradicionales y fomentar estructuras de gobernanza fluidas y en red. Como ejemplo, Una organización desarrolló centros de innovación basados en segmentos específicos de productos y clientes. A cada grupo interfuncional se le asignó un enfoque de innovación específico, se le asignaron recursos y se le capacitó para tomar decisiones de «avanzar» o «no avanzar» en sus proyectos hasta antes del lanzamiento. Esto redujo drásticamente el tiempo de finalización de los proyectos, ya que eliminó la dependencia de la toma de decisiones jerárquica para las aprobaciones. En un año, aumentaron sus lanzamientos exitosos de productos en un 46 %.

3. Del liderazgo como control al liderazgo como coaching

Durante décadas, el liderazgo fue sinónimo de crear orden a partir del caos. Se asumía que un liderazgo sólido implicaba ejercer control sobre la ambigüedad. Sin embargo, hoy en día, la incertidumbre ya no es una interrupción ocasional, sino un estado constante. Los líderes preparados para el futuro deben aceptar la incertidumbre y desarrollar mentalidades de coaching para ayudar a los empleados a afrontar la complejidad con confianza. Este cambio comienza con la redefinición del liderazgo como coaching en lugar de control. Reemplaza las evaluaciones de desempeño rígidas con retroalimentación en tiempo real que impulse la mejora continua. Equilibra la responsabilidad con la empatía, asegurando que las expectativas se mantengan altas (con objetivos claros y medibles) mientras los empleados se sienten psicológicamente seguros para asumir riesgos, experimentar y crecer. Microsoft ha identificado tres competencias: modelar, capacitar y cuidar, fundamentales para los gerentes de todos los niveles. Han aprendido que el coaching sincero es cuidar. Ser un modelo a seguir de lo que significa brindar retroalimentación reflexiva y clara, así como reconocer las deficiencias personales, nos permite capacitar con franqueza.

Todos los gerentes de personal tendrán acceso a comunidades con herramientas y capacitación para mejorar sus habilidades de coaching. También podrán intercambiar retroalimentación. Esto será particularmente crucial a medida que los agentes de IA se conviertan en parte habitual de la vida gerencial. Los gerentes deberán comprender cómo entrenar a las personas para aprovechar activos humanos irremplazables como el desarrollo de relaciones, la empatía y la creatividad. Dotar a los líderes con sólidas habilidades de coaching es esencial en este nuevo paradigma. Esto significa capacitar a los gerentes para que formulen las preguntas correctas en lugar de simplemente dar respuestas. También requiere establecer y superar los estándares para satisfacer las necesidades cambiantes de los clientes.

4. Del estatus como moneda de poder a la contribución como moneda de impacto

En muchas organizaciones, la progresión profesional ha estado ligada durante mucho tiempo al estatus, medido por cargos, estructuras jerárquicas, tamaño del equipo e invitaciones a reuniones de alto nivel. Tradicionalmente, los empleados han visto los ascensos como el principal medio para aumentar su impacto. Pero en una era donde la velocidad, la colaboración y la experiencia priman sobre el rango, el futuro del liderazgo debe basarse en la influencia y la contribución, más que en los cargos. Para impulsar este cambio, las empresas deben redefinir el crecimiento y la progresión profesional recompensando a los empleados por su impacto, en lugar de por su jerarquía. En lugar de que los ascensos sean la principal forma de reconocer a los empleados de alto rendimiento, las empresas deberían diseñar vías donde los empleados puedan ampliar su influencia liderando iniciativas, influyendo en decisiones cruciales y contribuyendo a la resolución de problemas estratégicos, independientemente de su cargo.

Los líderes deben invitar a quienes poseen la experiencia relevante a las discusiones clave, independientemente de su rango. Esto también requiere una colaboración horizontal gratificante, donde los empleados que conectan silos e impulsan la innovación interfuncional sean reconocidos y valorados. También como un ejemplo, en una empresa global de servicios financieros, se rediseñó la gestión de las reuniones clave de liderazgo. Originalmente, la empresa invitaba a los asistentes a la reunión según su rango. Con el nuevo enfoque, a cada asistente se le asignaba un rol con expectativas claras. Posteriormente, se esperaba que todos los presentes en la sala transmitieran los mensajes y las decisiones clave.

Esto eliminó la sensación de privilegio que suelen mostrar los altos directivos cuando les toca participar en las reuniones importantes. En lugar de decir: «Merezco estar aquí porque soy vicepresidente sénior», los líderes se presentaron con una comprensión más amplia de cómo podrían lograr el éxito juntos. Al priorizar la contribución sobre la jerarquía, las organizaciones crearán una cultura donde los empleados más capaces e influyentes prosperen, la toma de decisiones sea más rápida y las líneas de liderazgo se construyan sobre la base del mérito, no de la permanencia.

Se hace referencia a AI will kill the org chart. También aparece en mi Portal . La imagen es cortesía de Microsoft Copilot.

La entrada ¿El cambio generado por IA terminará convirtiendo al Gerente en un Coach? aparece primero en Laszlo Beke.

IA y la consulta médica

Una historia que se viralizó en la red social Reddit hizo que la IA en el sector salud fuera una de las noticias de la semana. Allí, una persona afirmó que ChatGPT le salvó la vida a su esposa. Ella se había sometido a una extirpación de un quiste y no se sentía bien, pero estaba tomando antibióticos y decidió «esperar». Después de que la persona describiera sus síntomas a ChatGPT, el chatbot le aconsejó que llevara a su esposa a emergencia. Lo hizo, y probablemente le salvó la vida. Allí, los médicos le diagnosticaron una sepsis. Durante el último año, han aparecido varias anécdotas del tipo «ChatGPT me salvó la vida».

Los modelos que impulsan ChatGPT se entrenan con libros de texto médicos, artículos de revistas de investigación, guías médicas y sitios web de salud como WebMD. Esta capacitación les proporciona un amplio conocimiento de anatomía, enfermedades, síntomas, opciones de tratamiento e interacciones farmacológicas. OpenAI también perfeccionó los modelos utilizando la retroalimentación de profesionales de la salud. Si bien los modelos de IA, incluso los altamente especializados, aún no pueden reemplazar a los médicos humanos, los investigadores están trabajando arduamente para mejorar su precisión y confiabilidad.

Documentación clínica

La IA también está teniendo un impacto inmediato en la documentación clínica, un área que siempre ha sido un punto débil para los médicos y que limita el tiempo que pueden dedicarla a pacientes y a la investigación. Muchos médicos, especialmente los de atención primaria, le tienen que destinar entre 90 minutos y tres horas adicionales al día para completar los historiales clínicos de los pacientes. Esto, sumado a la presión por atender a más pacientes, adicionalmente contribuye al agotamiento.

Cada vez más, los sistemas de salud están implementando «Asistentes de IA» para aliviar esta carga. Estas herramientas pueden registrar la experiencia de un paciente y generar resúmenes para la historia clínica electrónica. La Clínica Cleveland, por ejemplo, implementa una solución de documentación clínica y codificación en el punto de atención, donde el profesional clínico registra la visita de un paciente, revisa un resumen generado por IA de todo lo discutido en la reunión y luego aprueba las notas para su inclusión en el historial médico electrónico. En dicha cínica, 4.000 médicos de la organización ya utilizan la herramienta. Esta les facilita enormemente el trabajo y mejora considerablemente la interacción con los pacientes, ya que ahora los pacientes realmente pueden interactuar con el médico.

De cara al futuro, los Asistente de IA podrán ir mucho más allá de la documentación básica. Las versiones futuras podrían documentar un examen médico con un conocimiento contextual completo del historial del paciente (problemas y afecciones anteriores, tratamientos, pruebas y medicamentos). Se piensa que, con un poco de trabajo y atención, la IA se volverá lo suficientemente inteligente como para comprender la totalidad del proceso de salud de un paciente, en lugar de solo un encuentro discreto.

Por ejemplo, si surge una nueva afección durante un examen, la IA podría identificar conexiones con quejas o resultados de laboratorio previos. Podría ayudar a un médico a recetar nuevos medicamentos y a prevenir interacciones adversas en pacientes que ya estén tomando varios medicamentos. La IA también puede preparar una «lectura previa» para el clínico: un resumen de la queja actual de un paciente, en el contexto de su historial clínico, que un médico (que podría haber visto a 10 pacientes ese día) puede leer fuera de la puerta de la consulta.

En el mercado ya existen empresas de IA (cómo OpenEvidence), donde su servicio el año pasado estaba siendo utilizado por 250.000 médicos estadounidenses, y a mediados de junio la cifra había ascendido a 350.000. Se trata de una herramienta de búsqueda basada en IA, junto con un chatbot, que permite a los médicos seguir haciendo preguntas hasta obtener lo que necesitan. En concreto, la herramienta localiza información médica basada en la evidencia en revistas con revisiones realizadas por pares y la resume para responder a una pregunta específica. La plataforma busca en 35 millones de publicaciones médicas y recientemente anunció una alianza estratégica con The New England Journal of Medicine, lo cual le da acceso a décadas de contenido médico premium.

Microsoft – MAI Diagnostic Orchestrator (MAI-DxO)

Microsoft lanzó esta nueva herramienta de IA y afirma que la misma puede diagnosticar enfermedades con una precisión cuatro veces mayor y con un costo significativamente menor que un panel de médicos humanos. Se realizó un experimento que evaluó si la herramienta podía diagnosticar correctamente a un paciente con una dolencia, imitando el trabajo que suele realizar un médico. El equipo de Microsoft utilizó 304 casos prácticos del New England Journal of Medicine para diseñar una prueba denominada «Referencia de Diagnóstico Secuencial». Un modelo de lenguaje desglosó cada caso en un proceso paso a paso aquello que un médico realizaría para llegar a un diagnóstico.

El sistema, denominado MAI Diagnostic Orchestrator (MAI-DxO), consulta varios modelos líderes de IA —incluidos GPT de OpenAI, Gemini de Google, Claude de Anthropic, Llama de Meta y Grok de xAI— de una forma que simula el trabajo conjunto de varios expertos humanos. En su experimento, MAI-DxO superó a los médicos humanos, logrando una precisión del 80 % en comparación con el 20 % de los médicos. También redujo los costos en un 20 % al seleccionar pruebas y procedimientos más económicos. Se trata de un mecanismo de orquestación —múltiples agentes que trabajan juntos en este estilo de cadena de debate— el cual nos acercará a la superinteligencia médica.

El proyecto es el más reciente de un creciente conjunto de investigaciones que muestran cómo los modelos de IA pueden diagnosticar enfermedades. En los últimos años, tanto Microsoft como Google han publicado artículos que demuestran que los modelos de lenguaje de gran tamaño pueden diagnosticar una dolencia con precisión al acceder a historiales médicos. La nueva investigación de Microsoft se diferencia de trabajos anteriores en que replica con mayor precisión la forma en que los médicos humanos diagnostican enfermedades: analizando los síntomas, solicitando pruebas y realizando análisis adicionales hasta llegar a un diagnóstico. Microsoft describe esta combinación de varios modelos de IA de vanguardia como «un camino hacia la superinteligencia médica.

El proyecto también sugiere que la IA podría ayudar a reducir los costos de la atención médica, un problema crítico, especialmente en Estados Unidos. El trabajo es importante no solo porque refleja con mayor precisión la forma en que trabajan los médicos, sino también porque aborda con rigor los posibles problemas con la metodología subyacente. En todo caso, los hallazgos de Microsoft deben tomarse con cautela, ya que se pidió a los médicos del estudio que no utilizaran herramientas adicionales para facilitar su diagnóstico, lo cual podría no reflejar su forma de trabajar en la vida real. Finamente, este es un informe impresionante porque aborda casos de alta complejidad para el diagnóstico.

Se hace referencia a Generative AI is finding fertile soil in the healthcare industry y Generative AI is finding fertile soil in the healthcare industry.  También aparece en mi Portal . La imagen es corrtesía de Bing Image Creator.

La entrada ¡La IA Generativa absolutamente presente en el sector salud! aparece primero en Laszlo Beke.

Casi ocho de cada diez empresas reportan utilizar IA genérica; sin embargo, otras tantas no reportan un impacto significativo en los resultados finales. En el centro de esta paradoja se encuentra un desequilibrio entre los copilotos y chatbots «horizontales» (que abarcan toda la empresa), que han escalado rápidamente, pero que ofrecen ganancias relativas y son difíciles de medir, y los casos de uso «verticales» (específicos de cada función), más transformadores, de los cuales aproximadamente el 90% permanecen estancados en modo piloto.  Por ello, lo recomendado es introducirse en IA a través de Asistentes de IA, que permiten la creación de Agentes de IA a nivel  personal, en preparación para los Agentes de IA que nos llevarán a manejar procesos.

Agentes de IA

Los agentes de IA ofrecen una manera de superar esta paradoja de la IA genérica. Esto se debe a que tienen el potencial de automatizar procesos empresariales complejos (combinando autonomía, planificación, memoria e integración) para convertir la IA genérica de una herramienta reactiva en un colaborador virtual proactivo y orientado a objetivos. Este cambio permite mucho más que la eficiencia. Los agentes potencian la agilidad operativa y crean nuevas oportunidades de ingresos.

Sin embargo, para aprovechar todo el potencial de la IA agéntica es necesario reinventar esos flujos de trabajo desde cero, con los agentes como eje central. Se necesita un nuevo paradigma de arquitectura de IA —la malla de IA agéntica— para gobernar el panorama organizacional de IA en rápida evolución y permitir que los equipos combinen agentes personalizados y listos para usar. Curiosamente, el mayor desafío será humano: ganarse la confianza, impulsar la adopción y establecer la gobernanza adecuada para gestionar la autonomía de los agentes y evitar una expansión descontrolada.

Para escalar el impacto en la era agéntica, las organizaciones deben replantear sus enfoques de transformación de la IA: de iniciativas dispersas a programas estratégicos; de casos de uso a procesos de negocio; de equipos de IA aislados a escuadrones de transformación multifuncionales; y de la experimentación a la entrega industrializada y escalable. Las organizaciones también deberán sentar las bases para operar eficazmente en la era agéntica. Deberán capacitar a su fuerza laboral, adaptar la infraestructura tecnológica, acelerar la producción de datos e implementar mecanismos de gobernanza específicos para cada agente.

En la «paradoja de la IA gen», el problema principal es el desequilibrio entre los casos de uso «horizontales» y «verticales». Los primeros, como los copilotos de empleados y los chatbots, se han implementado ampliamente, sirven como una buena introducción a la IA pero ofrecen beneficios empresariales relativos, mientras que los casos de uso verticales de mayor impacto, o específicos de una función, rara vez superan la fase piloto debido a barreras técnicas, organizativas, de datos y culturales. A menos que las empresas aborden estas barreras, la promesa transformadora de la IA gen permanecerá en gran medida desaprovechada.

La presencia de IA en las empresas

Incluso antes de la llegada de la IA gen, la inteligencia artificial ya se había forjado un lugar clave en la empresa, impulsando capacidades avanzadas de predicción, clasificación y optimización. El potencial de valor estimado de la tecnología ya era inmenso —entre 11 y 18 billones de dólares a nivel mundial—, principalmente en los campos de marketing (potenciando capacidades como la personalización del correo electrónico y la segmentación de clientes), ventas (puntuación de clientes potenciales) y cadena de suministro (optimización de inventario y previsión de la demanda). Sin embargo, la IA era en gran medida, dominio de expertos. Como resultado, su adopción por parte de las bases tendía a ser lenta.

La IA de Generativa ha ampliado el alcance de la IA tradicional en tres áreas innovadoras: síntesis de información, generación de contenido y comunicación en lenguaje humano. Se estima que la tecnología tiene el potencial de generar entre 2,6 y 4,4 billones de dólares en valor adicional, además del potencial de la IA analítica tradicional. Dos años y medio después del lanzamiento de ChatGPT, la IA de Generación Generativa ha transformado la forma en que las empresas interactúan con la IA. Su potencial transformador reside no solo en las nuevas capacidades que introduce, sino también en su capacidad para democratizar el acceso a tecnologías avanzadas de IA en todas las organizaciones. Esta democratización ha propiciado un crecimiento generalizado del conocimiento y la experimentación con la IA generrativa. Más del 78 % de las empresas utilizan actualmente la IA generativa en al menos una función empresarial (frente al 55 % del año anterior).

Sin embargo, este entusiasmo aún no se ha traducido en resultados económicos tangibles. Solo el 1 % de las empresas encuestadas considera que sus estrategias de IA generativa están maduras. En el corazón de la paradoja de la IA generativa reside un desequilibrio entre los casos de uso horizontales y verticales.

Las implementaciones de IA

Muchas organizaciones han implementado casos de uso horizontales, como copilotos y chatbots a nivel empresarial; por ejemplo, casi el 70 % de las empresas de Fortune 500 utilizan Microsoft 365 Copilot. Estas herramientas se consideran ampliamente como herramientas para mejorar la productividad individual, ya que ayudan a los empleados a ahorrar tiempo en tareas rutinarias y a acceder y sintetizar la información de forma más eficiente. Sin embargo, estas mejoras, si bien reales, tienden a estar dispersas entre los empleados y son solo un primer paso necesario, pero insuficiente.

En cambio, los casos de uso verticales (aquellos integrados en funciones y procesos empresariales específicos) han experimentado un escalamiento limitado en la mayoría de las empresas. Menos del 10 % de los casos de uso implementados superan la fase piloto; estos casos de uso suelen respaldar solo pasos aislados de un proceso empresarial y operar de forma reactiva al ser solicitados por un humano, en lugar de funcionar de forma proactiva o autónoma. ¿A qué se debe este desequilibrio? Por un lado, las aplicaciones copiloto implementadas horizontalmente, como Microsoft Copilot o Google AI Workspace, son soluciones accesibles y listas para usar, relativamente fáciles de implementar. Indudablemente, pronto aparecerán también soluciones de Agentes de IA que serán low code-no code lo cual facilitará su implementación.

La implementación y el alcance limitado de los casos de uso verticales se pueden atribuir principalmente a estos factores principales:

• Iniciativas fragmentadas – Menos del 30 % de las empresas informan que sus directores patrocinan directamente su agenda de IA. Esto ha provocado la proliferación de microiniciativas desconectadas y una dispersión de las inversiones en IA, con una coordinación limitada a nivel empresarial.
• Falta de soluciones consolidadas y preconfiguradas – A diferencia de las aplicaciones horizontales listas para usar, como las Copilot, los casos de uso verticales suelen requerir un desarrollo a medida. Si bien muchas empresas han invertido en científicos de datos para desarrollar modelos de IA, a menudo carecen de ingenieros de MLOps, que son fundamentales para industrializar, implementar y mantener dichos modelos en entornos de producción.
• Limitaciones tecnológicas de las LLM – La primera generación de LLM se enfrentó a limitaciones que afectaron significativamente su implementación a escala empresarial. Las LLM pueden producir resultados imprecisos. Además, a pesar de su potencia, las LLM son fundamentalmente pasivas; no actúan a menos que se les solicite y no pueden gestionar flujos de trabajo de forma independiente ni tomar decisiones sin intervención humana. Las LLM también han tenido dificultades para gestionar flujos de trabajo complejos que implican múltiples pasos, puntos de decisión o lógica de ramificación. Por último, muchas LLM actuales tienen una memoria persistente limitada, lo que dificulta el seguimiento del contexto a lo largo del tiempo o la coherencia en interacciones extensas.
• Equipos de IA aislados – Los equipos de centros de excelencia en IA han operado de forma aislada, desarrollando modelos de IA independientemente de las funciones centrales de TI, de los datos o de losnegocios. Esta autonomía, si bien útil para la creación rápida de prototipos, a menudo ha dificultado la escalabilidad de las soluciones.
• Brechas de accesibilidad y calidad de los datos – Estas brechas tienden a existir tanto para los datos estructurados como para los no estructurados, y el material no estructurado permanece en gran medida sin gobernar en la mayoría de las organizaciones.
• Recelo cultural e inercia organizacional – En muchas organizaciones, las implementaciones de IA se han topado con una resistencia implícita por parte de los equipos de negocio y la gerencia media debido al temor a las interrupciones, la incertidumbre sobre el impacto laboral y la falta de familiaridad con la tecnología.

A pesar de su limitado impacto en los resultados hasta la fecha, la primera ola de IA de última generación ha estado lejos de ser desaprovechada. Ha enriquecido las capacidades de los empleados, ha permitido una amplia experimentación, ha acelerado la familiarización con la IA en todas las funciones y ha ayudado a las organizaciones a desarrollar capacidades esenciales en ingeniería rápida, evaluación de modelos y gobernanza. Todo esto ha sentado las bases para una segunda fase más integrada y transformadora: la era emergente de los agentes de IA.

Se hace referencia a Seizing the agentic AI advantage. También aparece en mi Portal . La imagen es cortesía de Bing Image Creator.

La entrada ¿Es suficiente usar Asistentes de IA en la empresa? aparece primero en Laszlo Beke.

Incorporación de agentes

Los agentes de IA no son nuevos, pero se están volviendo cada vez más sofisticados. En su forma básica, los Agentes son simplemente herramientas diseñadas para realizar tareas como responder a consultas de un script. Estas funciones son limitadas y no requieren acciones posteriores sin una entrada adicional. Estos sistemas de IA reactiva operan únicamente con respuestas programadas. Los agentes de IA más complejos, con autonomía y adaptabilidad, también existen desde hace mucho tiempo. Ellos son los que controlan termostatos domésticos y automatizan procesos de fábrica.

Sin embargo, este tipo de tecnología está desarrollando rápidamente capacidades que van más allá de la obtención y entrega de información o la realización de tareas específicas. Los agentes de IA impulsados ​​por grandes modelos de lenguaje (LLM) pueden analizar datos, aprender de ellos y tomar decisiones basadas tanto en reglas programadas como en información adquirida mediante la interacción con su entorno. Esta IA adaptable puede realizar acciones cada vez más complejas para alcanzar un objetivo sin seguir una ruta preestablecida. Mediante el aprendizaje automático avanzado y las redes neuronales, puede comprender el contexto, analizar y responder a situaciones dinámicas, aprender de la experiencia y utilizar la resolución de problemas y el razonamiento para tomar decisiones estratégicas.

Las capacidades predictivas basadas en el análisis estadístico histórico añaden una capa adicional, permitiendo a los agentes de IA planificar, automatizar y ejecutar tareas, así como tomar decisiones informadas con objetivos específicos en mente. Realizan sus tareas tras recibir indicaciones en lenguaje natural y sin la intervención constante del usuario. También pueden diseñarse para verificar el trabajo de los demás en un proceso iterativo que mejora la calidad y la fiabilidad.

Bases del progreso

Diversos avances han permitido que los agentes de IA sean más complejos y, al mismo tiempo, más fáciles de usar:

• Interfaz de lenguaje natural – La IA generativa ha proporcionado dicha interfaz, ampliando el acceso a la IA, especialmente a todo tipo de usuarios.
• Ampliación del ámbito de acción – La IA generativa interpreta una indicación del usuario y luego otra IA realiza la tarea.
• Otras tecnologías de IA– La IA predictiva, la IA de visión y la IA conversacional, son cruciales para construir agentes de IA sofisticados.
• Los avances en potencia de cálculo y memoria – han permitido la aparición de modelos de lenguaje de gran tamaño y un aprendizaje automático más sofisticado.
• La ampliación de la data – La comprensión del contexto y la capacidad de planificación han mejorado a medida que los sistemas de IA recopilan más datos y mejoran su capacidad para recordar interacciones.
• La facilidad de interacción – Acelera el desarrollo a medida que más usuarios acceden a ellos.
• Ciclo de innovación – Lo está acelerando IA, refinando sus resultados y creando procesos iterativos a velocidades cada vez mayores.

¿Exageración o realidad?

La función principal de los agentes de IA en una empresa sigue residiendo en asumir tareas repetitivas con procesos bien comprendidos y bien diseñados que no requieran una estrategia creativa. Los agentes de IA pueden agilizar el análisis y la toma de decisiones, además de asumir ciertas funciones de los empleados, pero aún no alcanzan la autonomía total.

Si bien la IA con agentes tiene un enorme potencial para realizar tareas cada vez más complejas, existe una brecha significativa entre la expectativa y la realidad. Incluso con una directiva clara, los sistemas aún no pueden realizar tareas complejas de principio a fin, especialmente en situaciones complejas o novedosas, sin supervisión humana. Dicho esto, el campo está avanzando rápidamente. El desarrollo es comparable con la progresión que ha venido ocurriendo de los coches totalmente manuales a los totalmente autónomos, los  cuales se clasifican del nivel cero al cinco. Actualmente, los coches autónomos operan en los niveles dos a cuatro, según el entorno. La automatización puede gestionar muchas tareas, pero se necesita supervisión humana e intervención ocasional.

Los agentes de IA se encuentran en una etapa similar. La mayoría opera en los niveles dos o tres, y algunos «sistemas especializados» alcanzan el nivel cuatro en dominios muy definidos. El nivel cinco, donde los agentes comprenden, planifican y ejecutan plenamente misiones complejas con mínima intervención humana en cualquier dominio o límite corporativo, sigue siendo teórico.

Se hace referencia a AI agents: from co-pilot to autopilot. La imagen es cortesía de Bing Image Creator,

La entrada ¡Los impresionantes Agente de IA! aparece primero en Laszlo Beke.

Se convirtió en tradición que todo gerente debería tener reuniones individuales periódicas con sus subordinados directos para generar confianza, impulsar el compromiso y el rendimiento. Sin embargo, a medida que la forma de trabajo moderna evoluciona —con un ritmo más rápido, estructuras más planas, comunicación híbrida y asincrónica, y herramientas de IA que gestionan las tareas de forma más eficiente que la mayoría de los humanos—, surge la duda, si se siguen necesitando todas estas reuniones individuales.

Un poco de historia

A principios del siglo XX, la influyente obra de Frederick Taylor, «Administración Científica» (1911), introdujo la idea de optimizar el trabajo mediante la observación detallada y la instrucción individual. Esta época sentó las bases para los encuentros formales entre gerentes y empleados, centrados casi exclusivamente en la productividad y el control. Después de la II Guerra Mundial, la psicología laboral cobró relevancia. La atención individual mejoró la moral y la productividad. Esta era dio origen al concepto del «gerente como coach». En 1960, la Teoría Y de Douglas McGregor redefinió a los empleados como individuos intrínsecamente motivados, en lugar de trabajadores pasivos. En este contexto, las reuniones individuales comenzaron a convertirse en oportunidades de retroalimentación, mentoría y desarrollo, especialmente en programas de capacitación gerencial. A principios de la década de 1980, libros como «High Output Management» de Andy Grove popularizaron las reuniones individuales como herramientas para la alineación, el coaching y la toma de decisiones.

Reuniones sin significado

Steven G. Rogelberg, psicólogo organizacional y autor, ilustra que, si bien las reuniones individuales pueden ser herramientas poderosas para mejorar el compromiso y la satisfacción de los empleados, a menudo resultan contraproducentes y se utilizan incorrectamente. Rogelberg identificó varios errores comunes que pueden hacer que las reuniones individuales sean ineficaces:

• Conversaciones dominadas por el gerente– estas prácticas satisfacen las necesidades del gerente en lugar de impulsar el desarrollo del empleado.
• Falta de compromiso personal--descuidar la dimensión personal puede llevar a perder oportunidades de una conexión y un apoyo más profundos.
• Exceso de frecuencia conduciendo a la microgestión: celebrar estas reuniones con demasiada frecuencia puede hacer que los empleados se sientan microgestionados.
• Reducción de la productividad– es común que las reuniones individuales se conviertan en un lugar donde se murmuran actualizaciones de estado, se sincronizan calendarios y se ignoran cortésmente los comentarios pasivo-agresivos.

El problema no es la reunión individual en sí, sino cómo, por qué y con qué frecuencia se realiza. Los gerentes se aferran a las reuniones individuales semanales por costumbre o culpa, no por estrategia. En algunas organizaciones, estas reuniones se confunden con terapia; en otras, con microgestión. También, muchos gerentes se presentan a las reuniones individuales sin agenda, sin preguntas ni curiosidad: una forma infalible de destruir la seguridad psicológica. De hecho, la mayoría de las reuniones individuales son ineficaces. Investigaciones recientes sugieren que el 70 % de las reuniones impiden que los empleados completen sus tareas, lo que reduce la productividad. Sin duda, no todas las reuniones individuales son iguales. De hecho, uno de los mayores errores que cometen los líderes es tratar a todas las reuniones individuales por igual. Los gerentes eficaces tratan las reuniones individuales como herramientas de liderazgo: se utilizan con intención y se adaptan a la tarea.

IA puede convertir las reuniones individuales en redundantes

En una era donde los pings de Slack, los documentos compartidos, los paneles de rendimiento y las herramientas de retroalimentación en tiempo real bombardean  a todos con señales continuas, las reuniones individuales semanales o quincenales empiezan a parecer un ritual nostálgico. El lugar de trabajo se ha vuelto asincrónico, distribuido y rico en datos. Los gerentes pueden monitorear el rendimiento en tiempo real mediante análisis de productividad. El sentimiento de los empleados se puede medir con encuestas rápidas y herramientas de participación. La retroalimentación entre compañeros, las evaluaciones de 360 ​​grados, las evaluaciones de personalidad e incluso los indicadores de estado de ánimo del software de colaboración ofrecen una perspectiva más amplia que una videollamada de 30 minutos.

Incluso la dimensión emocional de las reuniones individuales (el registro humano) se está digitalizando. Herramientas de IA como Microsoft Copilot o Reclaim.ai pueden resumir las conversaciones. Las plataformas pueden inferir el riesgo de agotamiento a partir de la densidad del calendario o el tono escrito. Las mismas tecnologías diseñadas para «mejorar» las reuniones individuales están reemplazando su necesidad.

Menos ritual, más relevancia

Eso no significa que no se necesite retroalimentación, coaching ni empatía. Pero sí significa que el formato tradicional de las reuniones individuales (calendarias, sincrónicas y performativas) podría estar atrasado en ser replanteado. Entonces, ¿qué las reemplaza? Quizás un mosaico de microinteracciones, pequeños empujoncitos basados ​​en datos y momentos humanos intencionales (no habituales). En otras palabras, menos ritual, más relevancia.

A medida que la IA generativa madure y los avatares se vuelvan indistinguibles de sus contrapartes humanas, es posible que no necesitemos asistir a las reuniones individuales. En su lugar, se delegarán a gemelos digitales: versiones hiperrealistas, optimizadas y que simulan emociones de las personas, entrenadas con las evaluaciones de desempeño anteriores, el tono de Slack y con competencias de liderazgo. Imaginemos iniciar sesión en Teams o Zoom y ver a la IA gemela asintiendo con empatía a su IA gemela, mientras ambos intercambian actualizaciones perfectamente educadas y retroalimentación preaprobada. La reunión termina, se resumen los registros y las versiones humanas revisan las transcripciones durante el almuerzo, idealmente mientras hacen algo más útil, como trabajar.

Esto no es tan descabellado como parece. Empresas como Synthesia y Soul Machines ya están creando avatares digitales capaces de mantener conversaciones improvisadas. Microsoft y Meta están invirtiendo en «agentes personales de IA» que programarán, negociarán e incluso asistirán a reuniones en el nombre de la persona. En un mundo con un exceso de programación del trabajo de 60% y una proporción de gerentes por subordinado en aumento, dejar que un clon digital se encargue de las reuniones individuales rutinarias podría parecer menos distópico y más práctico para la gestión del tiempo. Una relevante pregunta es: cuando ambos participantes serán IA, ¿será la reunión más productiva o simplemente más rápida para no llegar a ningún lado?

Réquiem por el 1:1

La reunión individual, antaño piedra angular de la gestión moderna, ahora se tambalea al borde de la obsolescencia: una encantadora reliquia de la era analógica. Las exigencias del entorno laboral actual —más rápido, más plano y mucho más fluido— simplemente no se alinean con la lenta y pesada cadencia de las reuniones presenciales. En un mundo donde el rendimiento es visible en tiempo real, donde los estados emocionales se infieren algorítmicamente y donde los gemelos digitales pueden mantener conversaciones mejor que la mayoría de los mandos intermedios, la reunión individual semanal corre el riesgo de convertirse en el equivalente corporativo de enviar un fax: algo anticuado, innecesario y realizado principalmente por quienes se resisten a mejores alternativas.

Esto no significa que debamos abandonar la conexión humana ni dejar de desarrollar el talento. Significa replantearnos cómo y cuándo es mejor ofrecerla. El futuro del liderazgo puede que siga siendo (con suerte) personal, pero no siempre será sincrónico, sentimental ni se quedará estancado en una sesión recurrente de Teams o Zoom.

El artículo hace referencia a Why AI Is Making 1:1 Meetings Irrelevant. La imagen es cortesía de Bing Image Creator.

La entrada ¿Cómo gerenciar en un mundo digital y asíncrono? aparece primero en Laszlo Beke.

Los resultados de la encuesta son la culminación de datos recogidos a 31 000 trabajadores en 31 países, tendencias de contratación y del mercado laboral en LinkedIn, billones de indicadores de productividad de Microsoft 365 y conversaciones con expertos y startups nativos de IA. El 82 % de los líderes respondió que este es un año crucial para replantear la estrategia y las operaciones clave, mientras que el 81 % afirmó esperar que los agentes de IA se integren de forma moderada o extensa en sus estrategias de IA en los próximos 12 a 18 meses.

La empresa vanguardista

Está surgiendo un nuevo modelo organizacional que combina la inteligencia artificial con el juicio humano, creando sistemas operados por IA, pero dirigidos por humanos. Al igual que la Revolución Industrial y la era de internet, esta transformación tardará décadas en alcanzar su máximo potencial e implicará amplios cambios tecnológicos, sociales y económicos. La inteligencia artificial ha comenzado a encontrar rápidamente su lugar en el entorno laboral, y este año será recordado como el momento en que las empresas dejaron de lado la simple experimentación con IA y comenzaron a desarrollarse en torno a ella. Al igual que las empresas nativas digitales de hace una generación, comprenden el poder de combinar la insustituible perspectiva humana con IA y agentes para generar un valor extraordinario.  Estas llamadas Empresas Vanguardistas se construirán en torno a inteligencia bajo demanda e impulsadas por equipos ‘híbridos’ de humanos y agentes; estas empresas escalan rápidamente, operan con agilidad y generan valor con mayor rapidez,

Se espera que la transición a la Empresa Vanguardista se desarrolle en tres fases:

1. Donde IA actuará como asistente para optimizar las tareas laborales.
2. La incorporación de agentes de IA como «colegas digitales», que pueden asumir tareas específicas.
3. Este paso exige mucha más libertad – es cuando los humanos marcan la pauta para los agentes que gestionan procesos y flujos de trabajo completos, y los humanos se encargan de la supervisión según sea necesario. Se presenta el ejemplo de un rol en la cadena de suministro. Los agentes pueden gestionar la logística de extremo a extremo, mientras que los humanos pueden guiarlos, resolver excepciones y gestionar las relaciones con los proveedores.

Agentes de IA

Los agentes de IA aún se encuentran en sus primeras etapas, pero las empresas están apostando a que la IA agéntica represente la próxima gran frontera y están innovando rápidamente. OpenAI lanzó recientemente «Operator», una herramienta que automatiza tareas web, junto con Deep Research, que puede recopilar información de toda la web y resumirla en informes fáciles de entender. Amazon lanzó un modelo diseñado para controlar el navegador web del usuario y realizar tareas sencillas. Anthropic, el creador de Claude, y Google también han introducido agentes de IA.

Este cambio es multifacético: cada sector y rol evolucionará de forma diferente en la medida que la tecnología se difunda en las empresas y la sociedad. Así como la era de internet creó miles de millones de nuevos empleos relacionados con el conocimiento, desde gestores de redes sociales hasta diseñadores de experiencia de usuario (UX), la era de la IA ya está dando lugar a nuevos roles, y muchos más están por venir.

Nos adentramos en una nueva realidad: una en la cual la IA puede razonar y resolver problemas de forma extraordinaria. Esta inteligencia disponible reescribirá las reglas del juego y transformará el trabajo del conocimiento tal como lo conocemos. Las organizaciones actuales deben afrontar el reto de prepararse para un futuro impulsado por la IA, donde los agentes de IA adquirirán con el tiempo capacidades cada vez mayores que los humanos deberán aprovechar al rediseñar sus negocios. La ambición, la creatividad y el ingenio humanos seguirán generando nuevo valor económico y oportunidades a medida que redefinimos el trabajo y los flujos de trabajo.

Como resultado, está surgiendo un nuevo modelo organizacional que combina la inteligencia artificial con el juicio humano, creando sistemas operados por IA, pero dirigidos por humanos. Al igual que la Revolución Industrial y la era de internet, esta transformación tardará décadas en alcanzar su máximo potencial e implicará amplios cambios tecnológicos, sociales y económicos. Por lo tanto, los agentes:

• Permiten comprar inteligencia al instante.
• Los equipos de agentes humanos transformarán el organigrama.
• Cada empleado se convierte en jefe de agentes.

Se hace referencia a Microsoft thinks AI colleagues are coming soon y 2025: The Year the Frontier Firm Is Born. También aparece en mi Portal.  La  imagen es cortesía de Bing Image Creator.

La entrada ¡Agentes de Inteligencia Artificial: estos colegas están en camino! aparece primero en Laszlo Beke.