El mes pasado vimos que la IA todavía no funciona en las empresas porque la seguimos mirando por la parte equivocada: nos fascina lo visible, pero no entendemos lo que ocurre debajo que es pura gestión del conocimiento. Este mes abordo la segunda razón: la empresa fue diseñada para humanos. Aunque resolviéramos el problema del conocimiento, seguiríamos teniendo otro obstáculo enorme: las organizaciones fueron diseñadas para personas, no para inteligencias artificiales. Y esto que parece obvio, tiene consecuencias profundas.
Los procesos, los organigramas, los horarios, las reuniones, los flujos de aprobación, los controles, los reportes y hasta la manera de repartir responsabilidades nacieron en un mundo donde el conocimiento era humano, escaso, caro, lento de adquirir y difícil de distribuir. Una persona tiene límites claros: no puede estar en diez sitios a la vez ni puede procesar miles de documentos en segundos. Tampoco puede trabajar simultáneamente en cien tareas, recordar todo lo que ha ocurrido en la empresa ni aprender una disciplina en poco tiempo. No puede comparar todas las alternativas posibles antes de decidir, estar disponible 24 horas al día, evitar cansarse ni olvidar. Y tarde o temprano se jubila, se marcha a otra empresa o cambia de interés. La organización tradicional que conocemos se construyó alrededor de esas restricciones. Eso explica por qué existen departamentos, jerarquías, turnos, reuniones, procedimientos, aprobaciones, especializaciones, roles y capas de control. Todo eso respondía a una necesidad imperiosa: coordinar conocimiento humano limitado para producir resultados. La irrupción de la IA introduce capacidades distintas. Puede operar en paralelo, acceder a enormes volúmenes de información, reutilizar conocimiento en segundos, combinar fuentes, automatizar tareas, generar borradores, responder preguntas, identificar patrones y asistir en procesos completos. Y cuando todavía no entendemos bien una tecnología nueva (o cuando nos da miedo), ocurre algo bastante lógico: intentamos encajar esa nueva capacidad en los procesos de toda la vida. Y ahí aparece lo que denomino la metáfora del Ferrari. Y es que estamos intentando conducir un Ferrari por una carretera secundaria, estrecha, llena de coches, camiones, autobuses, motos, bicicletas, rotondas, baches, semáforos y límites de velocidad. Y claro, nos sorprendemos porque no alcanza los 300 kilómetros por hora para los que está diseñado. El problema no es el coche sino la infraestructura por la que queremos que circule que fue diseñada para otras condiciones. Con la IA está pasando algo parecido: pretendemos que despliegue su potencia dentro de procesos pensados para la escala humana. Y esos procesos son lentos, secuenciales, llenos de esperas, autorizaciones, silos y dependencias. Procesos donde cada paso asume que hay una persona disponible, con conocimiento limitado, trabajando durante un horario concreto y esperando que otra persona complete su parte. Y cuando metemos la IA ahí, queda atrapada. Por eso muchas iniciativas de IA tienen un impacto menor del esperado. No necesariamente porque la IA no sirva, sino porque la estamos obligando a circular por carreteras que no fueron diseñadas para ella. Si queremos que nos entregue lo que nos puede dar, vamos a tener que cambiar la estructura de la organización para adaptarla a este nuevo mundo.
Automatizar tareas no es transformar la organización
Cuando se inventó la electricidad, las fábricas sustituyeron máquinas de vapor por motores eléctricos, pero mantuvieron el mismo diseño de las fábricas hasta que al cabo del tiempo se dieron cuenta de que la electricidad permitía algo mucho más eficiente: rediseñar la fábrica completa. El primer impulso cuando aparece una tecnología nueva es usarla para hacer mejor lo que ya hacemos. Es normal: Si tengo una tarea repetitiva, intento automatizarla. Si redacto informes, uso IA para hacerlo más rápido. Si reviso documentos, uso IA para resumirlos. Si preparo presentaciones, uso IA para construir un primer borrador. Todo eso tiene sentido, pero es solo la primera capa. El riesgo es creer que la transformación consiste en sumar eficiencias individuales. Es decir, que cada persona use IA para hacer un poco mejor su trabajo y, por acumulación, la organización se vuelva más productiva. Por supuesto llegarán ganancias, pero insuficientes porque el verdadero potencial de la IA no está en acelerar tareas existentes, sino en permitir preguntas nuevas:
- ¿Qué tareas dejarían de tener sentido?
- ¿Qué pasos del proceso existen solo porque antes no había otra manera?
- ¿Qué decisiones podrían tomarse antes?
- ¿Qué aprobaciones son necesarias y cuáles son herencia de un mundo sin IA?
- ¿Qué parte del proceso se podría rediseñar si el conocimiento estuviera disponible de inmediato?
- ¿Qué podríamos hacer ahora que antes no podíamos ni plantearnos? No hay nada peor que seguir haciendo lo que no tiene sentido…
La pregunta ya no es “¿dónde puedo meter IA en este proceso?” sino “¿cómo hubiera diseñado este proceso si la IA existiera desde el principio?” La diferencia entre una pregunta y otra es enorme. En el primer caso, la IA queda subordinada al proceso antiguo. En el segundo, el proceso se rediseña alrededor de una nueva capacidad y eso es más complicado porque obliga a cuestionar la manera en que la empresa trabaja y no solo la herramienta que usa.
El cuello de botella somos nosotros
Esta afirmación puede sonar tajante, pero merece una reflexión: uno de los cuellos de botella de la IA está en la arquitectura que hemos construido alrededor del trabajo humano. No porque las personas no seamos necesarias, lo somos y mucho para definir problemas, fijar objetivos, aportar criterio, interpretar contexto, asumir responsabilidad y evaluar consecuencias. Pero la arquitectura de las empresas está construida a nuestra escala y esa escala se está quedando pequeña para una tecnología que opera con otra lógica. Seguimos diseñando procesos como si el conocimiento solo pudiera circular en reuniones.
Seguimos documentando como si nadie fuese a reutilizar lo aprendido. Seguimos gestionando como si cada decisión tuviera que pasar por la misma cadena de aprobaciones. Seguimos organizando el trabajo como si la inteligencia estuviera distribuida únicamente en puestos y cargos. Y seguimos tratando la IA como una herramienta individual cuando su impacto real exige rediseño colectivo. La IA es el espejo que nos muestra nuestras costuras: Nos devuelve una imagen poco agradable de cómo gestionamos el conocimiento, cómo decidimos, cómo aprendemos y cómo organizamos el trabajo. Incorporar IA de verdad no consiste en modernizar la superficie sino en revisar los cimientos. No se trata de añadir una aplicación nueva a una empresa vieja sino de preguntarse qué parte de la empresa fue diseñada para un mundo que empieza a desaparecer y cómo la transformamos.
La IA amenaza el diseño de la organización moderna
Un requisito para convertirse en una empresa que aprende es cambiar su propio diseño. Mi hipótesis es que la IA acabará con la organización moderna. No con la necesidad de organizarnos, ni con la participación de las personas, sino con una arquitectura que da por supuesto que todo debe ocurrir entre humanos, a velocidad humana y dentro de nuestros límites. Si una parte creciente de las tareas puede ser realizada por la IA, no bastará con repartirlas dentro del mismo organigrama. Habrá que revisar procesos, indicadores, herramientas, responsabilidades y estrategias y aprender a ser diferentes. Tendremos que reinventar la organización sin seguir tomando como límite lo que siempre fue posible. Por eso, cuando digo que la jerarquía va a morir, me refiero a la jerarquía como mecanismo obligatorio para hacer circular conocimiento y coordinar cada paso. No se trata de eliminar la supervisión sino dejar de confundirla con la obligación de que toda decisión suba y baje por la misma escalera. La pregunta no es cuántas capas podemos quitar, sino qué decisiones necesitan criterio humano, cuáles podemos delegar y cómo comprobamos que esa delegación funciona. Imagina una oferta comercial que exige consultar proyectos anteriores, reunir información técnica, calcular costes y obtener autorizaciones. Si la IA prepara un borrador, pero este sigue esperando en las mismas bandejas de entrada, habremos acelerado una tarea, pero no el proceso. La alternativa es diseñar un flujo híbrido: conocimiento validado disponible desde el inicio, preparación asistida por IA, límites explícitos de autonomía y revisión humana allí donde el riesgo o la excepción lo exijan. No es una receta universal sino un ejemplo de un primer rediseño con IA. No basta con mejorar el modelo si mantenemos intacta la infraestructura que le impide acceder al conocimiento y actuar. Gobernar datos no sustituye a gestionar conocimiento, porque necesitamos criterios, contexto, experiencia y aprendizajes.
La respuesta empieza por gestionar conocimiento
Entonces, ¿qué puede hacer una empresa en este escenario inédito? Lo primero es dejar de abordar la IA como un proyecto tecnológico y empezar a verla como una decisión estratégica vinculada al conocimiento. Solo si dominas el proceso sacarás provecho de la IA. Si la IA funciona con conocimiento, la pregunta inicial no debería ser “qué herramienta compramos”, sino “qué conocimiento tenemos y qué queremos hacer con él”. Eso implica tareas concretas. La primera es identificar el conocimiento crítico. No todo conocimiento tiene el mismo valor. Hay conocimientos que sostienen la operación diaria, otros que explican la ventaja competitiva y otros que serán necesarios para el futuro y hay que distinguirlos. La segunda es localizar dónde está ese conocimiento. Puede estar en documentos, sistemas, bases de datos, correos, presentaciones, grabaciones o proyectos anteriores. Pero el más importante sigue estando en personas con nombres y apellidos: expertos, veteranos, técnicos, comerciales, responsables de clientes, jefes de proyecto o equipos que han aprendido a base de años de experiencia. La tercera es capturarlo y sistematizar ese conocimiento no para llenar repositorios, sino para convertirlo en conocimiento reutilizable. Eso significa documentar el qué y sobre todo el cómo, el por qué, las excepciones, los criterios, los errores, las recomendaciones y los aprendizajes. La cuarta es mantenerlo actualizado. Una IA alimentada con conocimiento obsoleto es peligrosa porque responde con seguridad, pero desde una base equivocada. La quinta es incorporarlo a los procesos. El conocimiento no puede vivir como decoración en un gestor documental, sino que tiene que aparecer cuando alguien lo necesita: antes de empezar una tarea, durante la ejecución, después de terminar, cuando se repite un problema, cuando llega alguien nuevo o cuando una persona clave se marcha. Y la sexta es rediseñar procesos desde esa nueva posibilidad. Si ahora puedo acceder a conocimiento crítico en segundos, reutilizar experiencias previas, contar con agentes que preparan, alertan, recomiendan o ejecutan, entonces no tiene sentido mantener intacta la misma arquitectura de trabajo. La gestión del conocimiento deja de ser una disciplina deseable para convertirse en la base de una estrategia de IA fiable.
No se trata de que la IA haga más, sino de que la empresa aprenda a ser distinta
Esta es una idea que todavía nos cuesta aceptar. La IA no está para ayudarnos a hacer más rápido lo mismo. Eso será útil solo durante un tiempo. La verdadera oportunidad está en trabajar de otra manera y para eso hace falta una empresa capaz de aprender. Una organización que aprende no solo manda a sus empleados a cursos, sino que incorpora aprendizaje en su forma de trabajar. Reflexiona antes, durante y después de la acción, captura errores y aprendizajes, comparte buenas prácticas, evita que cada equipo empiece desde cero, identifica qué conocimiento es crítico, actualiza lo que sabe y no confunde tener documentos con tener inteligencia. La IA es la gran excusa para tomarnos esto en serio de una vez. Durante años, la gestión del conocimiento fue vista por como algo interesante, pero ni prioritario ni urgente. Siempre estuvo asociada a repositorios o buenas prácticas, pero no al corazón del negocio. La IA cambia esa conversación porque sin conocimiento, la IA empresarial será superficial. Sin aprendizaje, la IA se quedará obsoleta. Sin procesos rediseñados, la IA quedará infrautilizada. Sin criterio humano, la IA producirá respuestas que nadie sabrá evaluar. Sin estrategia de gestión del conocimiento, la IA será un gasto inútil.
Del organigrama al ciclo de aprendizaje
El organigrama explica quién depende de quién. El ciclo de aprendizaje explica cómo la empresa convierte cada experiencia en una mejora de su siguiente decisión. No son lo mismo. Ese ciclo se convertirá en el núcleo del diseño organizativo: trabajaremos dentro del flujo de aprendizaje (working in the flow of learning). En mi artículo sobre los 8 momentos del aprendizaje abordamos desde aprender mucho antes de necesitar el conocimiento, hasta aprender antes de que las personas se marchen. No son 8 cursos ni 8 actividades sino 8 oportunidades para incorporar el aprendizaje al trabajo. Ahora tendremos que ampliar esa arquitectura a procesos híbridos. Antes de actuar, personas y sistemas deberían contar con conocimiento pertinente y validado. Durante la ejecución, el proceso debería permitir detectar desviaciones y recurrir al criterio humano. Después, habría que contrastar resultados, identificar aprendizajes y decidir qué cambiar. A medio y largo plazo, revisaríamos patrones, supuestos y capacidades futuras. Y antes de que alguien se marche, aseguraríamos la transferencia de su conocimiento crítico. No basta con que aprendan las personas, también tendremos que diseñar cómo mejora la IA. Para eso hace falta una arquitectura de aprendizaje en el corazón de la empresa: responsables, tiempo protegido, conocimiento accesible, mecanismos de revisión e indicadores que permitan comprobar si lo aprendido mejora los resultados ¿Cuánto tardamos en convertir un error en una mejora, cuántas veces repetimos un problema conocido, cuánto conocimiento reutilizamos antes de empezar? No se trata de aprender cuando nos sobre tiempo sino de diseñar el trabajo para que produzca resultados.
Conclusiones
La fuerza del trabajo (número de personas con conocimiento) siempre fue la principal restricción que tuvimos, tanto en cantidad como en calidad. Con la IA, esa restricción debería desaparecer. Tendremos que diseñar cómo coordinar esa nueva fuerza de trabajo y para ello necesitaremos un tipo de organización distinta de la actual. El problema no será el acceso a la inteligencia, sino cómo organizarla y sobre todo, qué le pediremos que haga. La IA está teniendo menos impacto del esperado en muchas empresas porque se está entendiendo de forma superficial. Nos hemos entusiasmado con la parte visible del iceberg: herramientas, modelos, prompts, aplicaciones y resultados. Pero lo que explica que la IA funcione está bajo el agua: conocimiento humano digitalizado, reutilizado y recombinado y en permanente actualización. Las empresas que quieran sacar partido real de la IA tendrán que mirar hacia esa capa profunda y preguntarse qué conocimiento crítico tienen, dónde está, quién lo posee, cómo se captura, cómo se actualiza y cómo se convierte en materia prima para la IA. Si la IA no conoce tu negocio, no puede ayudarte a transformarlo. Y si conoce lo mismo que cualquier otra IA, no te podrás diferenciar. La segunda gran barrera es que estamos intentando introducir IA en organizaciones diseñadas para las limitaciones humanas. Nuestros procesos, estructuras y rutinas fueron pensados para personas con memoria, tiempo, energía, conocimiento y disponibilidad limitadas. No está fallando la IA, sino que falla la manera en que está diseñada la organización para aprovecharla. Para funcionar, la IA necesita otro paradigma. Por eso, si no rediseñamos la infraestructura organizativa, seguiremos llevando el Ferrari por una carretera secundaria. La pregunta no es en qué tareas podemos usar IA, sino qué procesos dejarían de tener sentido si los pensáramos desde cero con IA. No se trata de añadir una capa tecnológica a la empresa actual, sino de diseñar una empresa distinta. Y ese aprendizaje empieza por algo que las organizaciones llevan demasiado tiempo evitando: tomarse en serio su conocimiento. La IA no va a resolver mágicamente la dificultad de las empresas para aprender, más bien la va a dejar en evidencia. Precisamente por eso estamos ante una magnífica oportunidad. Nos obliga a ordenar la casa, a capturar lo que sabemos, a dejar de perder conocimiento, a compartirlo, actualizarlo y ponerlo a trabajar. Los resultados no han llegado porque seguimos insistiendo en aprender a usar herramientas. Pero el verdadero desafío es aprender a construir empresas que no estén diseñadas solo para humanos, sino para una inteligencia compartida entre personas y máquinas. Si la IA funciona con conocimiento y nuestras empresas no saben gestionar bien el suyo, entonces la pregunta no es por qué la IA no genera impacto sino ¿cómo esperábamos que una inteligencia artificial transformara organizaciones que todavía no se han tomado en serio su propia inteligencia? Es ridículo pensar en incorporar la IA sin cambiar nada.
– El 9 de noviembre en Bilbao impartiremos la conferencia “El juego (del talento) va a cambiar” dentro del Foro ekonomistak Pro organizado por el Colegio Vasco de Economistas
– El 14 de noviembre en Sarriko (Bilbao) impartiremos la sesión sobre “Organizaciones Inteligentes” dentro del Executive MBA de la Universidad del País Vasco UPV
– El 20 de noviembre en Tolosa impartiremos la conferencia “Velocidad de aprendizaje: lo que cambia y lo que no cuando la IA cambia todo” en el marco del LEHIBERRI EGUNA organizado por Tolosaldea Garatzen, Agencia de Desarrollo de Tolosaldea
– El 3 y 17 de noviembre en el espacio Co-laboratorio en el marco de Abra Laboratorio de Aprendizaje hablaremos de “Qué podemos aprender de una orquesta sobre la colaboración” con con Sebastián Errazuriz, compositor, director de orquesta y productorl y de “Qué podemos aprender de la Economía sobre la colaboración” con Jon Barrutia, Catedrático de Economía de la Empresa en la Universidad del País Vasco
