Ideas clave

  • Las empresas no le temen al cambio, le temen a la velocidad. Cuando la IA se plantea como un gran proyecto que lo cambia todo, la reacción natural es quedarse quieto.
  • La investigación organizacional y la práctica coinciden en la salida: un primer proyecto pequeño, real y diseñado para aprender. Las empresas que hoy parecen adelantadas no saltaron, empezaron chico hace años.

Las empresas no le temen al cambio. Le temen a la velocidad. El problema con la IA no es la tecnología: es que nos la venden como un salto, y frente a un salto las empresas se congelan. La investigación organizacional y la práctica coinciden en la salida: un primer proyecto de IA pequeño, real y diseñado para aprender. Las empresas que hoy parecen adelantadas no saltaron. Empezaron chico hace años.

Hace unos días leí una frase de Carl Sagan, de Cosmos, que me quedó dando vueltas: “Hacemos significativo nuestro mundo por el coraje de nuestras preguntas y la profundidad de nuestras respuestas”. Me hizo pensar en algo que veo cada semana: muchas empresas ya tienen las preguntas sobre inteligencia artificial, pero pocas se atreven a buscar las respuestas. Se quedan quietas. Y esa quietud se vende como prudencia.

¿Las empresas le temen al cambio o a la velocidad?

Partamos por desarmar un mito. Decimos que no nos gusta el cambio. No es cierto. Cambiamos todo el tiempo. Hace quince años nadie en una gerencia mandaba audios de WhatsApp a sus equipos y hoy nadie lo cuestiona. Lo que no toleramos es la velocidad.

El cambio real casi nunca es un salto. Es una acumulación de pasos pequeños que de cerca parecen irrelevantes y de lejos parecen una revolución. El problema con la IA es que nos la venden como salto. Y frente a un salto, lo racional parece ser quedarse en el borde.

Por qué las empresas se congelan frente a la IA

La psicología organizacional lleva décadas estudiando este reflejo. En 1981, Barry Staw, Lance Sandelands y Jane Dutton lo llamaron rigidez por amenaza, en un artículo publicado en Administrative Science Quarterly: cuando una organización se siente amenazada, procesa menos información, concentra el control y se vuelve menos flexible, justo cuando más flexibilidad puede necesitar.

Edgar Schein agregó una pieza clave. Distinguía entre la ansiedad de aprender algo nuevo y la ansiedad de supervivencia, la de quedarse atrás. En una entrevista con Harvard Business Review explicó que la mayoría de las empresas prefiere aumentar la presión (“la IA lo va a cambiar todo, adáptate o muere”) porque es lo más fácil, y que ahí se equivocan. Lo que destraba es bajar la ansiedad de aprender. Es decir, que el primer paso sea pequeño y seguro.

Small wins: empezar pequeño no es reducir la ambición

En 1984, Karl Weick publicó en American Psychologist un artículo titulado “Small Wins”. Su planteamiento: definir un problema a escala monumental inhibe la acción, mientras que definirlo en resultados pequeños y concretos la habilita. Las personas y las organizaciones no se mueven frente a lo abrumador. Se mueven frente a lo abordable. Y cada pequeño logro trae aprendizaje, aliados y menos resistencia para el siguiente.

Lo que suele perderse de Weick es esto: empezar en pequeño no es reducir la ambición. Es hacer posible la acción. Cuando un directorio decide “esperar a que la tecnología madure”, cree que está protegiendo la ambición. En realidad está congelando su capacidad de aprender. Ya escribí sobre esa espera en Amazon, eBay y Google nacieron con internet a 56k.

Fracaso inteligente: el primer paso es para aprender

Amy Edmondson, de Harvard Business School, lo lleva un paso más allá con su concepto de fracaso inteligente: experimentos informados, en territorio nuevo, con un objetivo claro y a la escala mínima que produzca conocimiento útil.

Esa idea invierte la lógica habitual. Aprender no es la antesala del “trabajo de verdad”. En IA, aprender debería ser el propósito explícito del primer paso.

Cómo elegir tu primer proyecto piloto de IA

La práctica dice lo mismo. Andrew Ng, uno de los nombres más serios del campo, publicó en 2018 con Landing AI el AI Transformation Playbook. Su primera recomendación es ejecutar proyectos piloto para ganar impulso. Según Ng, es más importante que los primeros proyectos salgan bien que sean los más valiosos. Deben ser técnicamente factibles y lo bastante significativos para que la empresa se familiarice con la IA y convenza a otros de invertir en los siguientes. La estrategia de IA viene después, cuando ya hay algo de experiencia. Eso sí, tampoco tan pequeños que la organización los considere triviales. Un piloto que nadie usa es tan paralizante como no hacer nada.

Lo he visto en terreno. Los proyectos que avanzan no parten con el caso de negocio más ambicioso. Parten con un proceso acotado, un equipo con permiso para equivocarse y un plazo corto para mostrar algo funcionando. Esa prueba de concepto termina siendo mejor argumento presupuestario que cualquier proyección en Excel, porque no promete: demuestra.

Las empresas adelantadas en IA empezaron chico

Volvamos al mito del cambio. Las empresas que hoy parecen adelantadas en IA no dieron un salto. Empezaron hace dos o tres años con algo pequeño que casi nadie notó, aprendieron, ajustaron y siguieron. Desde afuera parece velocidad. Desde adentro fue gradualidad con dirección.

Lo que las separa de las que se congelaron no es el presupuesto ni el talento. Es que convirtieron el aprendizaje en la estrategia, en vez de tratarlo como una demora antes de la estrategia.

La frase de Sagan vuelve con otra forma. El coraje de la pregunta ya está: casi todo directorio se pregunta qué hacer con la IA. Falta la profundidad de la respuesta, y esa no se compra ni se delega. Se construye paso a paso, con experimentos lo bastante pequeños para no asustar y lo bastante reales para enseñar algo. En la columna anterior propuse algo parecido: un proceso concreto y tres meses de prueba.

El primer proyecto de IA de tu empresa no tiene que ser el más importante. Tiene que enseñarte algo útil. ¿Cuál es el proceso acotado donde podrías aprender eso en los próximos tres meses?

Preguntas frecuentes

¿Cómo elegir el primer proyecto de IA en una empresa?

Elige un proceso acotado, con un equipo que tenga permiso para equivocarse y un plazo corto para mostrar algo funcionando. Andrew Ng recomienda en su AI Transformation Playbook que los primeros proyectos sean factibles y significativos, porque es más importante que salgan bien que sean los más valiosos. Tampoco deben ser tan pequeños que la organización los considere triviales.

¿Por qué las empresas se resisten a adoptar la IA?

Más que al cambio, se resisten a la velocidad. Staw, Sandelands y Dutton describieron en 1981 la rigidez por amenaza: una organización que se siente amenazada procesa menos información y concentra el control. Edgar Schein agregó que la mayoría de las empresas prefiere aumentar la presión porque es lo más fácil, y que ahí se equivocan: lo que destraba es bajar la ansiedad de aprender.

¿Qué es el fracaso inteligente según Amy Edmondson?

Es el fracaso de un experimento informado, en territorio nuevo, con un objetivo claro y a la escala mínima que produzca conocimiento útil. Edmondson lo distingue de los errores básicos, los que ocurren en territorio conocido y se pueden evitar. En IA, sirve para diseñar un primer paso cuyo propósito explícito sea aprender.