La incorporación de plataformas y agentes inteligentes avanza en las organizaciones, pero adquirir licencias no garantiza productividad. Sin capacitación aplicada, reglas claras y rediseño de procesos, la inversión puede terminar aumentando los errores, la frustración y los riesgos.
La inteligencia artificial ya ocupa un lugar central en las estrategias corporativas, pero su presencia en el trabajo cotidiano sigue siendo desigual. Mientras las empresas aceleran la contratación de plataformas, copilotos y agentes, la preparación de las personas suele avanzar con menor velocidad y, en muchos casos, permanece limitada a usos exploratorios.
La distancia entre ambas velocidades se ha convertido en un problema de gestión. El Work Trend Index 2026 de Microsoft, realizado entre 20.000 usuarios de inteligencia artificial en diez mercados, concluyó que los factores organizacionales, como la cultura, el apoyo de las jefaturas y las prácticas de desarrollo de talento, explican más del doble del impacto reportado de la IA que los factores individuales. El mismo estudio detectó que solo el 26% considera que sus líderes están clara y consistentemente alineados respecto de esta tecnología.
“Cuando la IA se implementa a velocidad de compra y no a velocidad de adopción, aparecen el uso desordenado, los riesgos reputacionales y la frustración interna. El problema no es que la IA falle, sino que la organización no cambia con ella. Sin cambio, la inversión se transforma en ruido”, sostiene Luis Dávila, Manager de Tack TMI, parte del ecosistema de Gi Group Holding.
Uno de los errores más frecuentes es confundir implementación con adopción. Activar licencias o impartir una charla general puede elevar el número de usuarios, pero no necesariamente mejora la calidad, reduce tiempos o disminuye el retrabajo. Para que eso ocurra, la tecnología debe integrarse en tareas concretas de cada cargo y acompañarse de estándares para revisar resultados, proteger información sensible y detectar sesgos o respuestas incorrectas.
La evidencia reciente apunta en esa dirección. Un informe de la OCDE publicado en junio de 2026 señala que la falta de habilidades continúa frenando la adopción de IA y que quienes reciben capacitación tienen más probabilidades de reportar mejoras en su desempeño y en sus condiciones laborales. A su vez, el Foro Económico Mundial estima que el 77% de los empleadores planea capacitar o reconvertir a su fuerza laboral para trabajar con IA hacia 2030. “Un curso genérico enseña funciones, pero no necesariamente ayuda a resolver problemas reales. La formación debe estar vinculada con las tareas críticas de cada rol, incluir práctica continua, métricas y revisión humana”, explica Dávila.
El desafío también alcanza a las jefaturas. Pedir mayor productividad sin entregar tiempo para experimentar, definir usos permitidos o establecer criterios de calidad puede provocar una utilización desordenada de la tecnología y reducir la verificación de sus resultados. En áreas como finanzas, recursos humanos, asuntos legales o atención de clientes, esas fallas pueden traducirse en decisiones equivocadas, filtraciones de información o daños reputacionales.
Por ello, una estrategia de adopción requiere definir casos de uso por cargo, comenzar con pilotos acotados y medir resultados antes de escalar. También supone crear reglas comprensibles sobre qué información puede compartirse, cuándo la revisión humana es obligatoria y quién responde cuando el sistema entrega un resultado incorrecto.
“Que una empresa tenga licencias activas no significa que esté obteniendo productividad real. Sin nuevos hábitos, reglas, métricas, acompañamiento y líderes que permitan aplicar lo aprendido, no se puede hablar de una adopción efectiva”, concluye Dávila.
En una etapa en que la discusión suele concentrarse en qué plataforma adquirir, el desafío más complejo parece estar fuera del software: preparar a las organizaciones para cambiar la forma en que sus personas trabajan, deciden y se hacen responsables de los resultados.
