La IA ya puede. Nuestro modelo de gestión todavía no
Un equipo de MIT y Oak Ridge hizo un experimento (project Iceberg) que deberíamos tomar muy en serio en México: construyó un modelo que simula a los 151 millones de trabajadores de Estados Unidos y calculó qué parte de su trabajo podría hacer la IA hoy, con la tecnología disponible. El resultado: la IA tiene capacidad técnica para asumir tareas equivalentes al 11.7% de la fuerza laboral, algo así como 1.2 billones de dólares en salarios al año.
Pero cuando ven dónde se usa de verdad, el impacto apenas llega al 2.2% de los empleos, es decir: la IA ya puede… pero las empresas no están sabiendo aprovecharla.
Al mismo tiempo, México vive otra realidad igual de fuerte: Desempleo en mínimos históricos, cerca de 2.7% según INEGI y Nuevo León se consolidó como campeón del nearshoring, concentrando alrededor del 76% de la IED (Inversión Extranjera Directa) y más de 200 nuevos proyectos de manufactura.
Traducido para cualquier persona de negocio: hay muchísimo trabajo por hacer, muy poco talento disponible y una tecnología que podría liberar capacidad… pero que sigue atrapada en el powerpoint.
La pregunta clave ya no es “¿qué modelo de IA compro?”, sino: ¿Mi forma de gestionar el trabajo le permite a la IA generar valor, o la tiene amarrada? Aquí viene una idea importante: nadie es experto en esto todavía. Ni las big tech, ni los bancos más avanzados, ni las compañías globales de manufactura tienen la “receta” definitiva. La diferencia no la hará quien tenga más discursos sobre IA, sino quien se organice mejor para aprender más rápido.
Muchas organizaciones siguen operando con lógica de organigrama vertical: finanzas aquí, operaciones allá, TI por su lado, RH apagando fuegos. Se montan “proyectos de IA”, se compran licencias, se lanza un piloto… y al año siguiente casi nada cambió en la operación.
La alternativa es movernos hacia un modelo más cercano a lo que propone Management 3.0 (por poner un ejemplo): líderes que diseñan sistemas y equipos que tienen margen real para tomar decisiones.
En la práctica significa: Organizar menos por áreas y más por equipos mixtos alrededor de resultados de negocio: eficiencia en compras, calidad de servicio, experiencia del empleado, arranque de planta, etc, y Formar estos equipos con gente de negocio, de datos, de tecnología y de RH trabajando juntos, de manera estable, con objetivos y métricas compartidas.
Sobre esa base, la IA —especialmente la generativa— deja de ser un juguete y se vuelve herramienta de trabajo:
Un equipo encargado de compras estratégicas crea su propio asistente de abastecimiento: la IA revisa históricos de consumo, contratos y listas de precios; arma escenarios de costo y riesgo; prepara borradores de RFP. El equipo humano decide, negocia y gestiona las relaciones clave.
Un equipo responsable de experiencia de empleado diseña un asistente interno que responde preguntas frecuentes, guía procesos sencillos (vacaciones, constancias, beneficios) y detecta patrones de clima. RH y líderes se enfocan en los casos complejos y en el desarrollo de talento.
Fíjate en el orden: primero el equipo y el modelo de gestión, luego la herramienta. No es contratar IA para ver “qué hace”, sino armar equipos que puedan diseñar, probar y ajustar sus propios ejemplos de uso.
El rol de RH cambia de forma radical: deja de ser solo quien administra nómina y procesos, y se convierte en arquitecto del sistema operativo humano. Define qué tareas se pueden automatizar y cuáles no, qué habilidades nuevas necesitamos, cómo armamos los equipos y cómo aseguramos que la adopción de IA cuide la dignidad y el desarrollo de las personas, al mismo tiempo que acelera el negocio.
La IA no viene a reemplazar a la gente; viene a reemplazar trabajo mal diseñado.
En un entorno como el de Nuevo León y México, donde hay inversión, presión competitiva y talento limitado, la ventaja será para quienes se atrevan a rediseñar su modelo de gestión y formen equipos capaces de aprender, experimentar y escalar usos de IA con intención… no solo por moda.
