Comprar una herramienta de IA no genera productividad. La productividad aparece cuando la organización cambia cómo avanza el trabajo, quién toma las decisiones y cómo se controla la calidad.

La diferencia importa porque la inversión en IA se acelera mientras muchas organizaciones todavía miden accesos, licencias o tiempo ahorrado. Esas cifras describen actividad. No muestran si han mejorado la respuesta al cliente, las decisiones de gestión, el coste o la fiabilidad de la ejecución.

El informe económico de la OCDE publicado el 23 de septiembre de 2026 plantea el caso con cautela. La IA puede aportar ganancias de productividad importantes cuando se integra eficazmente en los procesos productivos. También advierte de que los retornos pueden decepcionar o tardar más de lo previsto.

Para dirección, la conclusión práctica es sencilla: el modelo operativo se encuentra entre la tecnología y el resultado.

Qué nos dice la evidencia reciente y qué no demuestra

El 29 de septiembre, Microsoft publicó un resumen regional de su Work Trend Index 2026. Entre las personas usuarias de IA encuestadas, el 66% afirmó que podía dedicar más tiempo a trabajo de mayor valor y el 58% señaló que producía trabajo que no habría podido realizar un año antes.

El mismo estudio encontró una asociación más fuerte entre los factores organizativos y el impacto declarado de la IA que entre los factores individuales y ese impacto. Microsoft aclara que se trata de una asociación, no de una relación causal demostrada. Además, la encuesta analiza personas que ya usan IA. No debe interpretarse como una medida de adopción de toda la población trabajadora.

Incluso con esas limitaciones, el estudio plantea una pregunta de gestión útil. Si personas capaces disponen de herramientas capaces, pero el resultado sigue siendo irregular, ¿qué parte del sistema que las rodea está frenando el valor?

Normalmente, el límite no está en la técnica de prompting. Suele estar en uno o varios de estos puntos:

  • el proceso no tiene un resultado acordado ni una persona responsable
  • distintos equipos automatizan versiones diferentes del mismo trabajo
  • los datos están incompletos, no son accesibles o no tienen una definición común
  • nadie ha fijado el límite entre acción automatizada y criterio humano
  • la revisión de calidad es informal y no puede crecer al ritmo del volumen
  • el ahorro en una tarea genera más comprobaciones o retrabajo en otra
  • dirección mide el uso, pero no el resultado operativo

Pasar del despliegue de herramientas al rediseño del trabajo

Un despliegue de licencias pregunta: «¿Quién debe tener acceso?». El rediseño del trabajo pregunta: «¿Qué debe ocurrir de manera distinta desde la solicitud hasta el resultado?».

Pensemos en el reporting de gestión. Un asistente puede redactar comentarios o resumir un cuadro de mando. El ahorro será pequeño si los equipos siguen discutiendo las definiciones, entregan los datos tarde y mantienen hojas de cálculo incompatibles. La secuencia adecuada empieza por acordar la pregunta de gestión, definir los datos y sus responsables, rediseñar el ciclo de reporting y decidir después dónde la IA puede reducir esfuerzo o mejorar el juicio.

El mismo principio sirve para atención al cliente, seguimiento de proyectos, revisión documental y aprobaciones internas. Hay que seguir el flujo completo, incluidas las excepciones y los traspasos. Mejorar una tarea puede empeorar el proceso de principio a fin si envía más trabajo de baja calidad a la siguiente etapa.

Antes de implantar, utiliza la prueba de preparación de un proceso para automatización con IA para revisar el proceso, los datos y la responsabilidad. Después de implantar, revisa de nuevo el flujo completo. El problema operativo puede haberse desplazado.

Cinco decisiones que debe tomar dirección

1. Definir el resultado empresarial

Elige un resultado que importe a dirección sin mencionar la IA. Puede ser reducir el tiempo de resolución, cometer menos errores en el reporting, aprobar antes los proyectos viables o liberar capacidad para trabajo con clientes.

Registra la situación inicial antes del piloto. Si no existe una referencia útil, ese es el primer problema de información de gestión que hay que resolver.

2. Rediseñar el trabajo, no solo la tarea

Mapea el proceso actual y el propuesto. Elimina pasos que solo existen porque la información se copia entre sistemas. Decide qué preparará, recomendará o ejecutará la IA y qué dejarán de hacer las personas.

No conserves todos los controles por defecto. Algunos compensan errores manuales. Otros siguen siendo esenciales porque protegen a clientes, dinero, seguridad o responsabilidades.

3. Acordar derechos de decisión y excepciones

Define qué resultados requieren revisión, quién puede aprobarlos y cuándo debe escalar el flujo. Una instrucción ambigua para «mantener una persona en el proceso» no constituye un modelo de control.

Utiliza umbrales. Una acción rutinaria, reversible y de bajo riesgo puede automatizarse. Un caso inusual, un resultado de baja confianza o un compromiso material debe llegar a una persona concreta con la evidencia necesaria para decidir.

4. Dar al flujo una responsabilidad operativa

Tecnología puede responsabilizarse de la plataforma. No puede responsabilizarse en solitario del resultado empresarial. La persona responsable de la operación debe controlar el rendimiento, revisar excepciones, aprobar cambios y decidir cuándo hay que pausar o rediseñar el flujo.

También es la forma de convertir experimentos locales en capacidad organizativa. Los equipos necesitan un único lugar donde registrar qué falló, qué cambió y qué versión del proceso está aprobada.

5. Medir el valor neto

Mide el resultado del proceso completo, no la velocidad del paso apoyado por IA.

Medida débil Mejor medida operativa
Número de licencias Uso activo dentro de un flujo aprobado
Prompts enviados Casos terminados con el nivel de calidad necesario
Minutos ahorrados al redactar Tiempo total del ciclo
Resultados generados Tasa de acierto a la primera y retrabajo
Número de agentes Mejora de coste, capacidad o servicio después del esfuerzo de control

Incluye el coste de revisión, corrección, integración y gobernanza. Un primer borrador más rápido no es una ganancia de productividad si genera más trabajo después.

Una revisión práctica para la próxima reunión de dirección

Pide a cada responsable de una iniciativa de IA una sola página con:

  1. el resultado empresarial y la situación inicial
  2. el proceso antes y después del cambio
  3. las funciones del sistema, de la persona usuaria y de quien aprueba
  4. la excepción más importante y su ruta de escalado
  5. la medida que determinará si hay que escalar, cambiar o detener la iniciativa

Si el equipo no puede responder a esos puntos, es demasiado pronto para hablar de un despliegue general. El siguiente paso es aclarar el proceso, no organizar otra demostración de herramientas.

Dónde encaja LUKiN

LUKiN ayuda a convertir la ambición digital en un sistema operativo que funcione. Esto incluye seguir el proceso real, aclarar responsabilidades, diseñar la gobernanza y crear reporting que muestre si el cambio aporta valor.

El trabajo es deliberadamente práctico. En un proyecto reciente se conectaron herramientas, equipos y flujos para que la ejecución pudiera escalar con mayor visibilidad y control. Consulta el caso de transformación digital en inglés para ver el problema, el enfoque y el resultado.

Si ya existen varias iniciativas de IA sin una visión conjunta de resultados, dependencias o responsables, la implantación de transformación digital puede aportar la estructura necesaria para pasar de experimentos a una ejecución fiable. Si el obstáculo todavía no está claro, empieza con el Diagnóstico de Rendimiento Operativo.

Fuentes