Para liderar con IA, los líderes tienen que usarla primero

Muchas empresas ya probaron la inteligencia artificial (IA) de alguna forma. Alguien compró licencias, alguien organizó una charla y unas cuantas personas usan un chatbot todos los días. Después, el avance se detiene. Las herramientas están ahí, pero la forma de trabajar de la empresa no cambió.

Nuestra posición es que la adopción de IA se estanca cuando los líderes la delegan. Los líderes que usan IA en su propio trabajo deciden mejor dónde tiene sentido, fijan normas que su equipo considera creíbles y dan el ejemplo de lo que piden a los demás. Los líderes que se la entregan al equipo de tecnología o a un empleado entusiasta terminan aprobando herramientas que no saben evaluar y escribiendo políticas que nadie sigue.

La investigación apunta a los líderes, no a los empleados

Una encuesta de McKinsey a 3613 empleados y 238 altos ejecutivos, publicada en enero de 2025, concluyó que la mayor barrera para escalar la IA no son los empleados, que están listos, sino los líderes, que no están marcando el rumbo con suficiente rapidez. Los ejecutivos estimaron que el 4 % de los empleados usa IA generativa (la que redacta textos, resume documentos y responde preguntas) para al menos el 30 % de su trabajo diario; la cifra real era tres veces mayor.

Boston Consulting Group (BCG), la firma de consultoría de gestión, informó en junio de 2025 que la proporción de empleados con una opinión positiva de la IA generativa sube del 15 % al 55 % cuando hay un apoyo fuerte del liderazgo. Su edición de junio de 2026 encontró que el 74 % de los empleados de primera línea ya se describen como usuarios de IA, pero solo un tercio dice que la comunicación del liderazgo sobre IA es clara.

Para las empresas más pequeñas, la Organización para la Cooperación y el Desarrollo Económicos (OCDE), un organismo intergubernamental que estudia la política económica, encuestó a más de 5000 pequeñas y medianas empresas (pymes). Su informe de noviembre de 2025 encontró que un tercio o menos de las pymes que usan IA generativa estaban capacitando a su personal, fijando lineamientos internos o investigando temas legales y regulatorios.

El uso crece. La dirección, la capacitación y las normas van atrás. Esas son tareas del liderazgo.

1. 01Práctica personalTareas reales de su propia semana, cada día
2. 02Un flujo del equipoRediseñado, no una herramienta más encima
3. 03Normas del equipoQué datos van dónde, cuándo avisar, cómo revisar

Compartir y medirParejas, demostraciones, tiempo ahorrado en tareas elegidas

Empiece con una práctica diaria tomada de su propia semana

La forma más rápida de que un líder aprenda IA es usarla en trabajo que ya está en su agenda. Tareas reales, de quince a treinta minutos al día, durante algunas semanas, en una herramienta aprobada por su empresa.

Buenas tareas para empezar:

• Preparar una reunión. Comparta la agenda y las notas anteriores, y pregunte qué temas es probable que surjan y qué se le puede estar escapando.
• Resumir un informe. Pida un resumen y luego pregunte qué no dice el informe. Verifique ambas cosas contra la fuente.
• Redactar un correo difícil. Una entrega retrasada, un aumento de precio, un no a un cliente de muchos años. Explique su intención, obtenga un borrador y reescríbalo con su propia voz.
• Pensar una decisión. Describa las opciones y pida al modelo que argumente en contra de la que usted prefiere.

Lleve un registro breve: la tarea, qué funcionó, qué tuvo que corregir y cuánto tiempo tomó, más o menos. Después de unas semanas sabrá, por su propio trabajo, dónde ayuda la IA, dónde hace perder tiempo y dónde se equivoca con total seguridad. Ese conocimiento es lo que hace creíbles sus decisiones posteriores.

Un ejemplo del enfoque centrado en las personas

Lead with AI, fundada por Daan van Rossum, es una organización construida alrededor de esta idea. Se describe como un "people-centric AI transformation partner" (un socio de transformación con IA centrado en las personas) cuyo objetivo es "create measurable value by making work better for people" (crear valor medible haciendo que el trabajo sea mejor para las personas). Sus cursos por cohortes enseñan a los líderes un uso práctico en unos 30 minutos al día y proponen sus propios marcos de trabajo: CODO para escribir instrucciones a la IA, GED-RT para priorizar qué trabajo entregarle y OVER para rediseñar un flujo de trabajo. El principio vale con cualquier proveedor, o sin ninguno: breve, diario y aplicado al trabajo real del líder.

Pase del uso personal a rediseñar un flujo de trabajo del equipo

Cuando el uso personal ya sea un hábito, elija un flujo de trabajo del equipo. Escoja algo frecuente, molesto y de bajo riesgo: convertir llamadas de primer contacto en propuestas, preparar el informe semanal de operaciones, responder las mismas preguntas de los clientes.

Luego rediséñelo en lugar de agregarle una herramienta. Dibuje los pasos tal como ocurren hoy. Marque cuáles requieren criterio, cuáles son de ensamblaje y cuáles existen solo porque la información vive en dos sistemas. Decida dónde redacta la IA, dónde revisa una persona y dónde no cambia nada. Pruebe la nueva versión durante un mes con quienes hacen el trabajo y compárela con la anterior.

El informe de BCG de 2026 lo dice sin rodeos: hay que invertir en rediseñar el trabajo de principio a fin, no en más herramientas.

Fije normas que el equipo realmente pueda seguir

Las normas funcionan cuando son cortas y las escribe alguien que usa las herramientas. Tres preguntas cubren casi todo:

• Qué datos pueden ir a dónde. Qué herramientas están aprobadas y qué información (datos de clientes, finanzas, asuntos de personal) nunca entra a una herramienta que no esté aprobada para eso.
• Cuándo declarar el uso de IA. Por ejemplo, siempre ante los clientes cuando la IA influyó en el contenido de un entregable, e internamente cada vez que alguien lo pregunte.
• Cómo es la revisión. Quién revisa lo que produce la IA antes de que salga de la empresa, y qué revisa: hechos, cifras, tono y todo lo que tenga peso legal.

La OCDE encontró que el 10,5 % de las pymes teme que su personal use IA generativa a escondidas, y sugiere que los lineamientos y la capacitación pueden ayudar. Las normas claras convierten el uso oculto en uso visible.

Qué cambia en el trabajo del líder

• El criterio se vuelve el producto. Cuando un primer borrador cuesta casi nada, el valor pasa a decidir qué es suficientemente bueno, qué está mal y qué importa.
• Las preguntas pesan más. Un problema bien planteado produce un resultado útil. Una petición vaga produce relleno dicho con seguridad.
• Revisar lo que produce la máquina se vuelve rutina. En la encuesta de BCG de 2026, cerca de la mitad o más de los encuestados dicen dedicar más tiempo a revisar y corregir resultados de IA o a dirigirla. Planee ese tiempo.
• Rediseñar reemplaza acumular. La pregunta pasa de "qué herramienta compramos" a "cómo debería hacerse este trabajo ahora".
• El tiempo de aprendizaje necesita protección. Si el aprendizaje solo ocurre fuera del horario, no ocurre. Póngalo en la agenda, empezando por la suya.

Capacite al equipo sin un gran programa

Una empresa de 10 a 500 personas rara vez necesita una academia formal. Necesita algunos hábitos:

• Trabajo en parejas. Junte a alguien que usa IA a diario con alguien que no, en una tarea real, una hora a la semana.
• Demostraciones breves. Quince minutos en una reunión que ya existe, donde una persona muestra una tarea: qué pidió, qué recibió y qué corrigió.
• Una biblioteca compartida. Una carpeta con las instrucciones y los flujos de trabajo que funcionaron, quién es responsable de cada uno y cuándo usarlo.
• Medir lo que el equipo elige. Deje que cada equipo escoja dos o tres tareas reales y mida el tiempo antes y después. Las cifras que el equipo eligió y midió por su cuenta son las que va a creer.

Riesgos que hay que gestionar

• Privacidad de los datos. Un archivo de un cliente pegado en la herramienta equivocada cuesta más confianza de la que cualquier ahorro de tiempo recupera. Primero van las herramientas aprobadas y una regla clara sobre los datos.
• Dependencia excesiva. El informe de la OCDE cita investigaciones que muestran que depender demasiado de la IA generativa puede reducir el desempeño porque los errores son difíciles de detectar, sobre todo en tareas complejas hechas por usuarios con menos experiencia. Para eso existen los estándares de revisión.
• Adopción desigual. Algunas personas avanzan rápido mientras otras se quedan atrás en silencio. El trabajo en parejas y las demostraciones reducen la brecha; las imposiciones suelen ampliarla.
• Teatro de IA. Anuncios, conteos de licencias y pilotos que nunca llegan al trabajo real. La prueba: qué flujo de trabajo se hace distinto hoy y qué ahorró el cambio.

Qué significa esto para su empresa

Si la adopción de IA en su empresa se estancó, la respuesta probablemente no es otra herramienta. Empieza con las personas de arriba usando IA en su propia semana, aprendiendo dónde ayuda y dónde falla, y después rediseñando un flujo de trabajo con su equipo bajo normas que todos puedan seguir. Esa secuencia luce menos al anunciarla y tiene más probabilidades de cambiar la forma en que se trabaja.

Si quiere ayuda para construir esa práctica con su equipo directivo, agende una reunión con nosotros.