Los mandos intermedios determinarán el éxito o el fracaso de la adopción de la IA
La siguiente contribución corresponde al portal de Harvard Business Review y la autoría es de Gleb Tsipursky que es director ejecutivo de la consultora de IA Disaster Avoidance Experts. Anteriormente, trabajó como consultor para empresas de la lista Fortune 500 y pasó más de 15 años en el ámbito académico como científico del comportamiento en la UNC-Chapel Hill y la Universidad Estatal de Ohio. Es autor de varias obras; su libro más reciente, publicado por Georgetown University Press, se titula *The Psychology of AI Adoption at Work: From Resistance to Results*.
Resumen. Las iniciativas de IA generativa a menudo se estancan, no por culpa de la junta directiva, los proveedores o la formación, sino porque los mandos intermedios determinan cómo se traduce la IA al trabajo diario. Existen cinco perfiles distintos que influyen en cómo los gerentes perciben la IA y ponen en marcha nuevas iniciativas con sus equipos: escépticos de la IA, tradicionalistas a la expectativa, implementadores cautelosos, experimentadores entusiastas y catalizadores de la IA. Cada uno reacciona de manera diferente ante el riesgo, las pruebas, los incentivos y el apoyo. Los líderes eficaces deben adaptar su enfoque a cada perfil, combinando una gobernanza clara, incentivos adecuados y un apoyo específico. La próxima fase de ventaja competitiva mediante la IA no pertenecerá a las empresas con los mandatos más sonoros, sino a aquellas que sepan con qué tipo de gerentes tratan y ofrezcan a cada uno exactamente lo que necesita para avanzar.
El punto de fallo más común en la IA generativa no se encuentra en la sala de juntas, en la selección de proveedores ni en la plataforma de formación. Reside en el nivel de gestión encargado de transformar la ambición ejecutiva en comportamientos cotidianos. Por eso, la adopción de la IA generativa sigue estancándose incluso en organizaciones donde la alta dirección ha aprobado el presupuesto, elegido la plataforma y anunciado la directriz. Los mandos intermedios deciden si la IA se convierte en parte del flujo de trabajo, en un experimento secundario, en un dolor de cabeza relacionado con el cumplimiento normativo o en una víctima silenciosa de la reticencia organizacional.
Los mandos intermedios hacen algo más que implementar decisiones ejecutivas: interpretan lo que esas decisiones significan para los empleados. Los equipos de primera línea observan a sus gerentes para determinar si la IA representa una herramienta útil, una moda pasajera, un mecanismo de vigilancia o una señal de alerta sobre futuros recortes de plantilla. Un ejecutivo puede prometer que la IA reducirá las tareas tediosas, pero los empleados solo creen en esa promesa cuando sus gerentes ajustan en consecuencia las cargas de trabajo, las prácticas de revisión, las expectativas de rendimiento y la capacidad de toma de decisiones. Esto convierte la adopción de la IA generativa en un desafío de modelo operativo, más que en una simple implementación de software. Los mandos intermedios se sitúan en el punto donde la ambición estratégica choca con la inquietud de los empleados, las políticas ambiguas, los flujos de trabajo existentes y la responsabilidad ante resultados defectuosos.
A menudo, los altos directivos diagnostican mal el problema
Asumen que la adopción depende de tres pasos: articular la estrategia, seleccionar la tecnología y formar a la plantilla. Aunque necesarios, rara vez son suficientes. La transformación impulsada por la IA ha avanzado más rápido que la mayoría de los modelos operativos.
El informe *State of AI* de 2025 de McKinsey reveló que, si bien el uso de la IA está generalizado,
muchas organizaciones aún no la han integrado lo suficientemente a fondo en sus flujos de trabajo y procesos como para generar un valor empresarial significativo. Además, el *Work Trend Index* de 2024 de Microsoft y LinkedIn constató que los empleados ya utilizaban la IA en el trabajo, mientras que muchos líderes carecían de una ruta clara para transformar la productividad individual en valor empresarial; esto pone de manifiesto la brecha existente entre el entusiasmo y la ejecución. El elemento que falta es la labor de traducción por parte de los gerentes: son ellos quienes deciden qué flujos de trabajo modificar, cómo verificar la calidad, qué pueden probar los empleados y qué sucede cuando el trabajo asistido por IA no sale según lo previsto.
Pensemos en lo que ocurre cuando un equipo directivo anuncia que todos los departamentos deben empezar a utilizar IA generativa. Un gerente autoriza a sus empleados a experimentar, establece criterios de revisión e identifica un flujo de trabajo susceptible de ser rediseñado. Otro gerente apenas se pronuncia, espera directrices más claras y sigue evaluando a su personal según el proceso tradicional. En cuestión de meses, el primer equipo ha desarrollado una práctica replicable, mientras que el segundo se ha fragmentado en dos grupos: empleados que evitan la IA y empleados que la utilizan discretamente, sin supervisión alguna.
Esta divergencia provoca algo más que una adopción desigual
Genera una calidad inconsistente, riesgos ocultos relacionados con los datos, duplicidad de experimentos, frustración entre los empleados e inversiones tecnológicas que nunca llegan a generar un retorno significativo. A medida que la IA generativa pasa de ser una experimentación opcional a integrarse en los procesos empresariales fundamentales, las organizaciones tienen cada vez menos margen para dejar estas decisiones a la improvisación de los gerentes.
Cinco mentalidades gerenciales que condicionan la adopción
Mi investigación apunta a un diagnóstico más preciso. Al elaborar mi libro *The Psychology of AI Adoption at Work* —basándome en más de 35 grupos focales con más de 250 mandos intermedios y 22 entrevistas en profundidad en sectores como seguros, manufactura, servicios jurídicos, comercio minorista, educación y tecnología— descubrí que los mandos intermedios no constituyen un bloque homogéneo «resistente al cambio». Se agrupan en cinco perfiles psicográficos. Cada perfil reacciona de manera distinta ante la presión, el riesgo, las evidencias, los incentivos y la gobernanza. Tratarlos a todos por igual puede dar lugar a algunos proyectos piloto impresionantes, pero rara vez logra una adopción coherente en todos los departamentos.
El escéptico de la IA
El primer perfil, el escéptico de la IA, es el más fácil de caricaturizar y el más fácil de gestionar de forma inadecuada. Los escépticos no son simplemente obstinados; a menudo tienen preocupaciones legítimas sobre la rendición de cuentas, la pérdida de empleos, la privacidad de los datos, la calidad y el coste humano de la automatización. Han visto cómo anteriores «transformaciones» llegaban acompañadas de eslóganes y dejaban tras de sí procesos fracturados. Cuando un resumen de cumplimiento normativo generado por IA contiene un error, saben que serán ellos quienes deban responder por ello. Cuando los ejecutivos hablan de eficiencia, ellos perciben un riesgo para la plantilla.
En el día a día, los directivos escépticos pueden retrasar la aprobación de herramientas, limitar la IA a una experimentación individual y opcional, o exigir a los empleados que justifiquen cada caso de uso. Por ejemplo, una vez impartí una formación de liderazgo en la que un escéptico insistía repetidamente en que no confiaba en las herramientas de IA para gestionar los datos de su equipo, a pesar de que el departamento de TI de la empresa había examinado y aprobado las condiciones del servicio del software, las cuales estipulaban explícitamente que no se utilizaban datos de los usuarios suscritos para entrenar los modelos. En instituciones educativas y organizaciones sin ánimo de lucro, esta hostilidad se manifiesta como reticencia a utilizar la IA debido a su supuesto consumo excesivo de electricidad y agua.
Los equipos formados por escépticos de la IA suelen reaccionar de dos formas: evitan la IA por completo o la utilizan discretamente, sin compartir *prompts*, resultados ni errores. La primera reacción frena el aprendizaje, mientras que la segunda genera un uso de IA «en la sombra», al margen de los estándares comunes de calidad o seguridad.
El enfoque erróneo para tratar con escépticos es intentar convencerlos mediante un discurso entusiasta. Estas personas necesitan pruebas acompañadas de una clara definición de responsabilidades. Los líderes deberían proponerles proyectos piloto de alcance limitado y bajo riesgo, con métricas definidas, supervisión humana y reglas explícitas sobre quién asume la responsabilidad de los errores cometidos con ayuda de la IA. Los pilotos de IA que realmente importan no son demostraciones llamativas, sino pruebas de flujo de trabajo cuidadosamente seleccionadas que comparan el tiempo de ciclo, la calidad, el retrabajo, la experiencia del empleado y los incidentes de riesgo frente al proceso actual. Los escépticos necesitan ver que la organización no les pide asumir riesgos no gestionados simplemente para respaldar la historia de productividad de otra persona.
El tradicionalista cauteloso
El segundo perfil genera un cuello de botella más silencioso. Estos directivos no bloquean la IA, sino que la retrasan. Solicitan más pruebas, conocer las lecciones aprendidas por otros departamentos, memorandos adicionales sobre políticas o un trimestre más de observación. Su resistencia suele parecer razonable, ya que emplea un lenguaje basado en la prudencia. Sin embargo, la pasividad se convierte en un lastre estratégico cuando cada equipo espera a que otro dé el primer paso. Aquí es donde la gestión del cambio para la IA debe ir más allá de la formación genérica y generar una presión de grupo positiva mediante ejemplos internos creíbles.
Los tradicionalistas partidarios de esperar y ver responden mejor a la comparación que a la coerción. Emparejarlos con gerentes respetados que hayan llevado a cabo proyectos piloto exitosos en áreas afines resulta eficaz. Hay que mostrarles cómo un equipo de marketing redujo el tiempo de elaboración de borradores iniciales manteniendo el control editorial humano, o cómo un equipo financiero utilizó la IA para resumir las explicaciones de las variaciones presupuestarias sin automatizar la decisión final. Es conveniente asignarles un compromiso de adopción acotado y vinculado a su propio flujo de trabajo, en lugar de imponerles un objetivo corporativo de gran envergadura. Su pregunta fundamental no es «¿Es buena la IA?», sino «¿Por qué debería dedicar mi escaso tiempo de gestión a esto ahora mismo?». Los líderes deben ofrecer una respuesta que tenga en cuenta las limitaciones específicas de su departamento.
El implementador cauteloso
El implementador cauteloso suele ser el gerente más valioso de la organización. Estos gerentes se muestran abiertos a la IA, pero son rigurosos en cuanto a los controles. Exigen criterios para seleccionar casos de uso, protocolos de revisión, vías de escalado y resultados medibles. Son quienes tienen más probabilidades de transformar el entusiasmo inicial en prácticas escalables. No obstante, las organizaciones a menudo los frustran al ofrecerles permisos vagos en lugar de una infraestructura operativa útil. Un implementador cauteloso no necesita otra reunión informativa inspiradora; lo que requiere es una biblioteca de *prompts* (instrucciones para la IA), normas aprobadas para el uso de datos, plantillas para proyectos piloto, mecanismos de control de calidad y un foro donde poder señalar fallos sin temor a represalias.
Cuando los líderes dejan indefinidos dichos requisitos, los implementadores cautelosos limitan el alcance de los proyectos piloto, posponen el despliegue a mayor escala o someten cada nuevo caso de uso a múltiples rondas de revisión. Es posible que sus equipos utilicen la IA de manera responsable, pero solo en ámbitos aislados que nunca llegan a convertirse en una práctica estándar. Lo que a los ejecutivos les parece una cautela excesiva puede reflejar, en realidad, la ausencia de un sistema operativo para una adopción responsable.
Aquí es donde la estrategia de IA se vuelve operativa. El estudio *AI at Work 2026* de BCG sostiene que la claridad estratégica es más importante que el acceso a las herramientas, ya que los puestos de trabajo evolucionan con mayor rapidez de lo que las empresas rediseñan sus operaciones. Los implementadores cautelosos actúan como puente entre ambas realidades. Son capaces de tomar un objetivo ejecutivo —como «utilizar la IA para mejorar la capacidad de respuesta ante el cliente»— y traducirlo en un proceso validado: qué consultas de clientes son aptas, qué fuentes de datos están permitidas, qué contenido genera la IA, qué verifican los humanos y qué métricas se monitorizan tras el lanzamiento.
Los líderes deben otorgar a estos implementadores cautelosos la autoridad para diseñar el proceso de revisión de un caso de uso específico y acotado, además de facilitarles acceso oportuno a expertos en áreas legales, seguridad de la información, recursos humanos y cumplimiento normativo. Asimismo, deben pedirles que documenten el flujo de trabajo, los controles de calidad, las incidencias y los resultados en un formato reutilizable por otros equipos. De este modo, su cautela se transforma en infraestructura organizativa en lugar de convertirse en un freno permanente para la adopción.
El experimentador entusiasta
El cuarto tipo de directivo aporta dinamismo
Los experimentadores entusiastas prueban nuevas herramientas, comparten *prompts* (instrucciones para la IA), organizan demostraciones informales y logran que la IA se perciba como algo práctico y no abstracto. Son capaces de transformar la inquietud en curiosidad, ya que muestran a sus compañeros resultados reales en lugar de meras presentaciones teóricas. En muchas organizaciones, son los primeros en demostrar que la adopción de la IA puede trascender la productividad individual para convertirse en una práctica de equipo. El informe *AI Adoption Report 2025* de Wharton subraya la importancia de las palancas relacionadas con las personas y los procesos para convertir el uso generalizado de la tecnología en un retorno de la inversión (ROI) sostenible; a menudo, es en la actividad de estos experimentadores entusiastas donde dichas palancas surgen por primera vez.
Su riesgo reside en priorizar la velocidad frente a la estructura. Es posible que utilicen herramientas antes de que los departamentos legales, de cumplimiento, de seguridad de la información o de recursos humanos hayan definido los límites. Pueden normalizar involuntariamente prácticas inseguras, dado que los éxitos iniciales resultan muy convincentes. Los líderes no deben frenarlos con burocracia, sino canalizar su energía estableciendo directrices claras. Conviene facilitarles herramientas aprobadas, bibliotecas de *prompts* compartidas, estándares de revisión y un canal visible para plantear dudas sobre las políticas establecidas. Reconózcalos por lograr resultados seguros, no solo por avanzar con rapidez.
El catalizador de IA
El último perfil, el catalizador de IA, representa tanto una ventaja como una prueba para la gobernanza. Los catalizadores perciben la IA generativa como un motor de transformación integral. Buscan rediseñar procesos entre equipos, influir en sus colegas, crear alianzas e instar a los ejecutivos a acelerar el ritmo. En el entorno adecuado, se convierten en emprendedores internos que ayudan a la organización a superar el «purgatorio de los proyectos piloto». En un entorno inadecuado, avanzan más rápido de lo que permite la confianza, subestiman el cumplimiento normativo y provocan el rechazo de equipos que se sienten objeto de experimentos.
Para los catalizadores, la gobernanza de la IA debe actuar como un facilitador, no como un mero trámite formal. El perfil de IA generativa del Marco de Gestión de Riesgos de IA del NIST identifica riesgos tales como la privacidad de los datos, la seguridad de la información, la confabulación, los sesgos perjudiciales y las cuestiones de propiedad intelectual. Estos riesgos no son motivos para frenar a los catalizadores, sino requisitos de diseño para una aceleración responsable. Pídales que realicen análisis «pre-mortem» antes de lanzar proyectos piloto de gran impacto, que definan umbrales de escalamiento, documenten los puntos de supervisión humana y comuniquen las lecciones aprendidas en un formato que otros equipos puedan reutilizar.
Adapte la intervención al perfil del gerente
Identificar estos cinco perfiles es solo el primer paso. La mayoría de las organizaciones albergan los cinco, a menudo dentro de la misma función o equipo de liderazgo. Por ello, los altos directivos necesitan un método sistemático para diagnosticar qué impide actuar a cada gerente y para alinear el apoyo, los incentivos y la rendición de cuentas en consecuencia.
Un diagnóstico práctico comienza con tres preguntas:
¿Qué teme perder este gerente?
¿Qué pruebas le harían cambiar de opinión?
¿Qué apoyo le permitiría actuar de manera responsable?
Los escépticos temen la rendición de cuentas y el desplazamiento laboral. Los tradicionalistas que prefieren esperar y ver temen el esfuerzo inútil y la exposición política. Los implementadores cautelosos temen los riesgos no gestionados. Los experimentadores entusiastas temen perder oportunidades, y los catalizadores temen la timidez organizacional. Estas diferencias s
