Personas y cultura: la IA que nadie usa

Qué mide de verdad esta capa

Mide uso sostenido, no cobertura de formación.

La métrica que la industria reporta —empleados formados, licencias desplegadas, sesiones impartidas— no correlaciona con nada. La que importa es cuántas personas siguen usando la herramienta a las ocho semanas sin que nadie se lo recuerde, y para qué la usan realmente.

Lo que no mide: entusiasmo. El entusiasmo inicial es engañosamente alto y decae con una regularidad casi cronométrica.

Por qué la empresa mediana la hace mal

Porque confunde permiso con adopción.

El patrón es este: se compra una herramienta, se anuncia, se hace una sesión de formación de noventa minutos, se abre a toda la plantilla y se espera. A las ocho semanas la usan unas pocas personas, casi siempre las que ya habrían encontrado la manera solas. La conclusión que se saca —«la gente se resiste al cambio»— es cómoda y casi siempre falsa.

Lo que ocurre es más simple: el trabajo no cambió. Se añadió una herramienta encima de un proceso idéntico, con los mismos plazos, los mismos entregables y los mismos criterios de evaluación. Usarla es trabajo extra hasta que alguien la incorpora al flujo, y nadie tiene tiempo para trabajo extra.

Hay un segundo error, más sutil: formar a todos por igual. La alfabetización general en IA tiene valor cultural, pero no produce casos. Los casos los produce un grupo pequeño de personas que hacen un proceso concreto y a las que se les rediseña ese proceso.

La unidad de trabajo es la tarea, no el puesto

Daniel Susskind sostiene que la automatización actual no elimina profesiones enteras, sino que sustituye tareas dentro de las profesiones, y que el reto no es el desempleo masivo sino la transformación de los perfiles.

Es una lectura útil aquí porque cambia la unidad de trabajo: no se «implanta IA en el departamento», se redistribuyen tareas concretas dentro de un puesto concreto. Y tiene una consecuencia práctica: si nadie ha mirado el puesto tarea por tarea, no hay rediseño posible, solo superposición.

Lo desarrollamos en la pieza dedicada a su tesis.

Diagnóstico: dónde estás

Estadio 1 · Herramienta disponible. Hay licencias y formación impartida. El uso es voluntario y desigual. Señal observable: nadie sabe decir quién la usa; hay que pedir un informe al proveedor.

Estadio 2 · Proceso rediseñado. Un proceso concreto se ha reescrito contando con la herramienta: cambian los plazos, los entregables o los puntos de revisión. Señal observable: si mañana se quitara la herramienta, ese equipo tendría un problema operativo real.

Estadio 3 · Competencia distribuida. Varias áreas han pasado por lo mismo, hay gente que enseña a otra gente y el criterio se transmite sin formación formal. Señal observable: aparecen usos que nadie diseñó desde arriba y que son buenos.

La prueba del estadio 2 es la más honesta de la serie: si quitar la herramienta no duele, no hay adopción.

Los primeros 90 días

Semanas 1-2 · Elegir el grupo, no la plantilla. Entre cinco y quince personas que hacen el proceso del caso elegido. La alfabetización general puede ir en paralelo, pero no es esto.

Semanas 3-4 · Mapa de tareas. Descomponer el puesto en tareas y marcar cuáles cambian, cuáles desaparecen y cuáles aparecen. Aquí suele descubrirse que el ahorro previsto en la capa de valor estaba mal repartido.

Semanas 5-8 · Rediseño del proceso. Nuevos plazos, nuevos puntos de revisión, nuevo criterio de calidad. Esto es trabajo de operaciones, no de tecnología, y es el que casi nunca se hace.

Semanas 9-12 · Medir uso sostenido y recoger fricción. Qué se abandona y por qué. Las razones del abandono son el mejor material de mejora que existe y casi nadie las pregunta.

Qué NO hacer todavía

• No despliegues a toda la plantilla. El despliegue amplio antes de un proceso rediseñado convierte una buena herramienta en ruido, y quema el presupuesto.
• No midas formación. Mide uso a ocho semanas.
• No hagas de la adopción un objetivo personal. Poner el uso de IA en la evaluación de desempeño produce uso simulado, que ensucia los datos y destruye la confianza.
• No prometas que no habrá impacto en los puestos si no lo sabes. Si el proyecto cambia el trabajo de la gente, decirlo con claridad y explicar cómo es más eficaz que una tranquilidad que no puedes garantizar.

Lo que cuesta saltársela

Cuesta el caso de uso, aunque todo lo demás esté bien hecho. Un sistema técnicamente correcto, sobre datos correctos, con gobernanza correcta, que nadie usa, produce exactamente cero.

Y cuesta la siguiente ronda. La organización aprende que «lo de la IA» fue una herramienta que se anunció y no cambió nada, y esa memoria es cara: el segundo proyecto arranca con escepticismo acumulado y con las personas más capaces menos dispuestas a invertir su tiempo.

Quinta capa de la serie sobre las siete capas de madurez en IA.

Preguntas frecuentes

¿Por qué no se usa la herramienta de IA que hemos comprado?

Casi siempre porque el proceso no cambió. Si los plazos, los entregables y los criterios de calidad siguen siendo los mismos, usar la herramienta es trabajo adicional. La adopción no se consigue formando: se consigue rediseñando el trabajo de las personas concretas que hacen ese proceso.

¿Hay que formar a toda la plantilla en IA?

La alfabetización general tiene valor cultural, pero no produce casos de uso. Los casos los produce un grupo pequeño —de cinco a quince personas— al que se le rediseña un proceso concreto. Conviene no confundir un programa de cultura con un proyecto de adopción.

¿Cómo se mide la adopción de IA?

Por uso sostenido a ocho semanas sin recordatorios, y por qué se usa realmente. La prueba definitiva es más simple: si mañana se retirara la herramienta, ¿ese equipo tendría un problema operativo? Si la respuesta es no, no hay adopción.

¿Hay que decir a la gente que la IA va a cambiar su puesto?

Si va a hacerlo, sí, y explicando cómo. Prometer que nada cambiará cuando el proyecto existe precisamente para cambiar algo destruye la credibilidad del programa entero. La transformación de perfiles es el escenario más probable, más que la sustitución.