Esta semana he hablado con una gran empresa sobre adopción de IA. La conversación empezó por las herramientas y acabó, como casi todas las de este año, en las personas.
El viernes pasado Ethan Mollick le puso nombre a lo que se discutía en esa mesa. En The Overhang llama así a la distancia entre lo que los modelos de IA ya saben hacer y lo que casi nadie está haciendo con ellos. No es un problema de la próxima versión. Es capacidad que la mayoría de empresas ya ha pagado y todavía no usa.
La licencia no es la adopción
El patrón se repite con pocas variaciones. Se compra una licencia para toda la plantilla. A los pocos meses, un puñado de personas genera casi todo el uso, casi siempre las de menos antigüedad. Y los expertos que sostienen el negocio, los que saben dónde están los errores caros, dejan de entrar.
Los datos van en la misma dirección. En una encuesta de la Universidad de Constanza a 1.105 trabajadores, publicada la semana pasada, el uso de IA en el trabajo apenas pasa del 35% al 38% en un año. Y el 45% de quienes la usan lo hace sobre todo con una herramienta que su empresa no ha introducido. La adopción está ocurriendo, pero por debajo del radar y sin un criterio común.
Por qué se atasca
Casi nunca es resistencia a la tecnología. Suelen ser tres cosas más prosaicas.
Se presupuesta la compra y se da por supuesto el rediseño. Nadie decide qué trabajo cambia, quién revisa lo que produce la máquina ni quién responde cuando se equivoca. Sin esas tres respuestas cada persona improvisa la suya, y la mayoría decide no arriesgarse.
Los que más saben son los que menos la usan. Y son justamente los que distinguen un resultado bueno de uno que solo suena bien. Mollick resume lo que las personas aportan en cuatro ventajas: conocimiento profundo, conocimiento amplio, criterio para elegir e iniciativa. Una empresa donde la IA solo la usa quien no tiene las dos primeras produce más, pero se equivoca más rápido.
La tentación de convertir la IA en un recorte. La cuenta siempre sale: tantos puestos, tanto ahorro. Lo que no sale en la cuenta es que los primeros puestos que se recortan son los de entrada, y ahí es donde se formaban los expertos de dentro de cinco años. La empresa gana productividad este año y en 2030 se queda sin nadie capaz de revisar el trabajo de la máquina.
La velocidad juega en contra de los cursos
Todo esto sería manejable si la tecnología se quedara quieta. No se queda. Los modelos cambian cada pocos meses, y lo que no sabían hacer en enero lo hacen en junio. Un curso sobre qué botones pulsar caduca antes de su segunda edición.
Lo que no caduca es saber dónde está la frontera. El estudio de Harvard y BCG que acuñó la idea de la frontera tecnológica irregular lo midió con 758 consultores. En las tareas que la IA hace bien, quienes la usaban completaron un 12,2% más de trabajo, un 25,1% más rápido y con más de un 40% más de calidad. En una tarea que quedaba fuera de esa frontera, los que usaban IA acertaron 19 puntos menos que los que no la usaban. Y la frontera no se ve a simple vista: dos tareas que parecen igual de difíciles pueden caer a lados distintos.
Esa frontera, además, se mueve cada trimestre. Por eso lo que hay que entrenar no es el manejo de una herramienta concreta, sino la decisión, tarea a tarea, de qué se delega, qué se revisa y qué se sigue haciendo a mano.
Formar a la plantilla ya no es opcional, y no es un curso de prompts
Desde febrero de 2025 el Reglamento europeo de IA obliga a las empresas que usan IA a ocuparse de la alfabetización en IA de su personal. La reforma aprobada este verano rebajó el listón (ya no hay que garantizar un nivel, sino tomar medidas para desarrollarlo), pero mantuvo la obligación. La pregunta ya no es si formar, sino cómo hacerlo para que sirva.
Y aquí está el error más común: tratar la formación en IA como formación en software. Un tutorial enseña dónde está el botón. No enseña a detectar el error plausible en un contrato, a decidir si un agente puede tocar datos de clientes ni a defender ante un comité por qué no se recortan los perfiles júnior. Eso es criterio, y el criterio se entrena decidiendo con consecuencias, no escuchando.
Cómo podemos ayudar: entrenar el criterio con simulaciones
En Kudzu Partners llevamos diez años construyendo simulaciones de negocio, y este año hemos abierto una línea completa sobre adopción de IA. La idea es sencilla: poner a un equipo directivo delante de una empresa que no es la suya, con un problema que sí lo es, y dejarle decidir.
La más reciente es The Overhang, construida sobre el ensayo de Mollick. Una empresa de software de 142 personas tiene licencia de IA para toda la plantilla desde enero. El 68% de las licencias se usa menos de una vez por semana, 11 personas generan el 71% del uso y los seis expertos que sostienen el negocio no han entrado desde marzo. Mientras tanto, un competidor de 31 personas les quita un cliente de 1,5 millones, y el inversor propone recortar el 30% de la plantilla. En dos horas, el equipo tiene que encontrar la capacidad ociosa, rediseñar el trabajo, elegir entre resultados generados por la IA y defender su plan ante el consejo. La capacidad ya está pagada: el problema es de distribución y de criterio, no de licencias.
Alrededor de ella hay media docena más en el catálogo de Eureka Express. The Jagged Frontier pide decidir qué tareas van a la IA, cuáles a las personas y cuáles a las dos. SkillShield y JudgmentForge plantean a cinco años vista el dilema entre productividad hoy y expertos mañana. Y en AI Adoption in Team hay que sumar a ocho personas escépticas a una campaña de adopción de 60 días.
Para público ejecutivo tenemos además cuatro simulaciones co-desarrolladas con profesores del IESE: Big Bank, sobre la implantación de IA en un banco con el marco FATE (equidad, responsabilidad, transparencia y ética), ya en versión agéntica; GPT Workshop; Critical Care, Critical Data; y Change Star, sobre cómo liderar la transformación de IA en la organización.
Y si el problema de vuestra empresa no está en el catálogo, no pasa nada: una microsimulación nueva, construida sobre vuestro caso, está lista en menos de una semana de principio a fin. Contamos más sobre cómo trabajamos en nuestra página de IA aplicada.
Nuestra propuesta es empezar pequeño: un piloto con un grupo, una simulación y una pregunta concreta. Al terminar, cada participante ha tomado decisiones que en su trabajo real tardaría meses en tomar, y la empresa tiene algo que casi nunca tiene: datos sobre cómo decide su gente cuando la IA está delante.
La IA que habéis comprado ya funciona. Lo que falta es gente que sepa cuándo fiarse de ella, y eso no se consigue con otra licencia: se entrena.
Si queréis probar The Overhang con vuestro equipo, o contarnos un problema que no encontráis en ningún catálogo, escribidnos.
