Las premisas del fracaso en la gestión del cambio, enunciadas por Kotter en los 90, han tenido un largo reinado mientras el objetivo de la transformación estaba definido como una ruta de principio y fin. Pero el panorama difiere con la adopción de la IA porque falta por definir a dónde se quiere llegar, y eso desplaza el problema desde la ejecución de un plan hacia la capacidad continua de adaptación de la organización. Si se traslada la lógica tradicional del cambio a este nuevo contexto, ¿volveremos a explicar el fracaso como resistencia humana en lugar de reconocerlo como un problema organizativo?
- La paradoja del tiempo ahorrado. Cientos de empleados ahorran tiempo con IA y, sin embargo, los márgenes no mejoran. El tiempo no se convierte en valor económico solo, lo hace cuando la organización rediseña qué se hace con él. La adopción inicial puede lograrse sin cambios estructurales, la captura sistemática de valor no.
- Los mismos fallos, amplificados. La IA no elimina los problemas clásicos de la gestión del cambio: incentivos incoherentes, mandos intermedios desconectados, dinámicas de poder ignoradas… Los amplifica y añade algunos propios: shadow AI, dependencia cognitiva, desplazamiento del conocimiento tácito.
- No es un reto tecnológico ni solo humano, es organizativo. La IA es la primera tecnología que afecta simultáneamente a competencias, autoridad, conocimiento, productividad y toma de decisiones, y tood ello con una velocidad de difusión sin precedentes en todos los sectores.
- Tres arquitecturas que no evolucionan al mismo ritmo. La operativa se acelera con tecnología, la de decisión permanece intacta y la de talento intenta ajustarse a posteriori. Esa falta de alineación es lo que el discurso sobre «resistencia humana» simplifica en exceso.
La cantinela se repite con comodidad en conferencias, informes y presentaciones de consultoría: el principal desafío de la adopción de la IA no es tecnológico sino humano. La afirmación tiene el atractivo de las medias verdades y lo que deja fuera es precisamente lo que determina si una transformación funciona o no. Quizá por eso las inversiones no tienen el retorno esperado a pesar de que la adopción sea un hecho.
La unidad de medida que más se utiliza, el tiempo ahorrado, no se convierte automáticamente en valor económico; esto es, en mayor capacidad productiva, menores costes, plazos más cortos o mejor calidad. Lo hace en valor cuando la organización ha rediseñado qué se hace con él, quién lo gestiona y cómo se mide el resultado. Sin ese rediseño, la productividad individual se evapora antes de llegar a la cuenta de resultados. La adopción inicial puede lograrse sin cambios estructurales; la captura sistemática de valor, no.
Ese rediseño afecta directamente a las responsabilidades que definen la función de RR. HH.: cómo están diseñados los puestos, qué competencias se miden, cómo se evalúa el desempeño, cómo se planifica la plantilla… Las personas responden al contexto organizativo en el que se les pide trabajar —sus incentivos, sus métricas, su diseño del trabajo—, y ese contexto es exactamente donde los mismos factores que han hecho fracasar las transformaciones anteriores vuelven a operar.
El mapa de fracasos: de la gestión del cambio clásica a la adopción de la IA
«Dos de cada tres procesos de cambio fracasan» y lo hacen básicamente porque las organizaciones sobreestiman su capacidad para provocar cambios deliberados en las personas y subestiman la fuerza de las inercias que ellas mismas han construido. Luego diagnostican el fracaso como resistencia humana y vuelta a empezar.
Los fallos tienen nombre y son organizativos:
La dirección conoce la razón estratégica del cambio pero la organización no. Cuando esa necesidad no se traduce en términos comprensibles para quienes deben modificar su trabajo diario, la respuesta es adhesión superficial: se asiste a las sesiones, se completa la formación, se usa el nuevo lenguaje, y se continúa trabajando como antes.
Se comunica el cambio pero no se rediseña el trabajo. Los procesos, los indicadores y los sistemas de recompensa siguen siendo los mismos. En esas condiciones, mantener los comportamientos anteriores es la respuesta racional, no la resistente.
Los incentivos son incoherentes con lo que se pide. Se pide colaboración y se premia el rendimiento individual. Se pide innovación y se penaliza el error. Se pide aprendizaje y se mide solo la productividad inmediata.
Los mandos intermedios no están realmente alineados. El comportamiento cotidiano de los empleados depende mucho más de sus responsables directos que de los mensajes de la alta dirección. Si el mando intermedio no entiende el cambio, no cree en él o es evaluado por objetivos incompatibles, el proyecto encuentra un cuello de botella que ningún vídeo inspirador resuelve.
El cambio se trata como un proyecto con fecha de fin. La dirección declara el éxito demasiado pronto. Modificar hábitos organizativos requiere años. Los proyectos de cambio suelen planificarse en meses.
Se ignoran las dinámicas de poder. Todo cambio organizativo redistribuye información, autonomía, influencia y prestigio. Presentar una transformación como neutral —buena para todos, sin perdedores— impide comprender las resistencias reales. Porque no son irracionales. Son interesadas.
Por si no fuera poco, lejos de eliminar todos estos problemas clásicos de gestión del cambio, la IA no sólo los amplifica sino que añade los suyos propios. La tabla siguiente recoge algunos de ellos, cómo se manifiestan específicamente en un proyecto de adopción de IA y qué reducción de riesgo es posible en cada caso.
| Factor de fracaso documentado | Cómo se manifiesta en adopción de IA | Cómo reducir el riesgo |
|---|---|---|
| Falta de necesidad percibida | La dirección habla de IA porque «hay que estar en IA», pero los equipos no identifican qué problema resuelve en su trabajo concreto. | Vincular cada iniciativa a problemas reales del trabajo diario antes de elegir la herramienta. |
| Comunicación sin rediseño del trabajo | Mucha evangelización sobre IA; los procesos, las tareas y las responsabilidades siguen siendo los mismos. | Revisar flujos de trabajo, responsabilidades y métricas antes o durante la implantación, no después. |
| Incentivos incoherentes | Se pide experimentar con IA, pero solo se mide productividad inmediata; el tiempo de aprendizaje no está reconocido. | Incorporar objetivos explícitos de aprendizaje y experimentación en la evaluación del desempeño. |
| Mandos intermedios desconectados | Los responsables de equipo no usan IA, no saben orientar a sus equipos y no tienen respuestas para las preguntas que reciben. | Formar primero a los responsables de personas; sin su adopción la del equipo es testimonial. |
| Sobrecarga organizativa | Se pide adoptar IA además de mantener toda la carga de trabajo habitual; el aprendizaje compite con los objetivos trimestrales. | Liberar tiempo real para aprendizaje y experimentación; sin tiempo no hay adopción. |
| Formación desconectada de la práctica | Cursos genéricos sobre prompting sin relación con el trabajo real del participante. | Aprendizaje basado en casos de uso concretos del propio puesto; la adopción ocurre cuando alguien descubre que esto le ahorra tiempo hoy. |
| Declarar el éxito demasiado pronto | Se contabilizan licencias adquiridas o usuarios registrados como prueba de adopción. | Medir cambios efectivos en procesos y resultados, no actividad: ¿ha cambiado cómo se trabaja seis meses después? |
| Dinámicas de poder ignoradas | Expertos y especialistas perciben que su conocimiento se democratiza y su influencia se erosiona; la resistencia no es tecnofóbica, es racional. | Identificar impactos reales en roles e influencia; reconocer explícitamente las nuevas aportaciones de valor. |
Los fracasos que la IA añade: lo que esta vez sí es nuevo
Además de amplificar los clásicos, la adopción de IA introduce riesgos específicos que otras transformaciones no planteaban con la misma intensidad o que ni siquiera tenían. La cuestión es que no solo cambia cómo se ejecutan las tareas, es que también da un nuevo significado a la competencia profesional, define quién tiene autoridad cognitiva y plantea el interrogante de qué aporta valor humano, y todos ellos derivan en reisgos que aparecen en tres planos: individual, organizativo y de conocimiento colectivo.
| Riesgo específico de la IA | Cómo puede aparecer | Cómo reducirlo |
|---|---|---|
| Ansiedad por sustitución [individual] | Los empleados interpretan la iniciativa de IA como una señal sobre su futuro en la empresa, con independencia de lo que diga la comunicación oficial. | Comunicación explícita sobre objetivos y rediseño de funciones; evitar el vacío que los rumores ocupan. |
| Pérdida de criterio profesional [individual] | Se acepta el output de la IA sin validación suficiente; la delegación cognitiva no va acompañada de supervisión crítica. | Formación explícita en pensamiento crítico aplicado a resultados de IA; establecer protocolos de verificación. |
| Dependencia cognitiva [individual] | Riesgo potencial de erosión progresiva de capacidades analíticas o de redacción; la evidencia es todavía temprana pero la hipótesis es teóricamente sólida. | Mantener deliberadamente tareas que requieran juicio, elaboración propia y responsabilidad sobre el resultado. |
| Shadow AI [organizativo] | Uso generalizado de herramientas no autorizadas al margen de la organización, con riesgos de seguridad y confidencialidad que la empresa no controla. | Políticas claras y alternativas corporativas que sean realmente útiles; prohibir sin ofrecer alternativa solo desplaza el problema. |
| Automatización de errores [organizativo] | Los errores se escalan a mayor velocidad y volumen; lo que antes era un error humano puntual se convierte en sistemático. | Procesos de revisión y control de calidad específicos para output generado por IA. |
| Falta de gobernanza [organizativo] | Cada área desarrolla prácticas incompatibles; no hay marco común de responsabilidades, riesgos ni criterios de uso. | Marco corporativo de gobierno de IA antes de escalar; la gobernanza no es burocracia, es condición de sostenibilidad. |
| Brechas de adopción internas [organizativo] | Un pequeño grupo obtiene ganancias de productividad significativas mientras el resto queda rezagado; la brecha no es tecnológica sino organizativa. | Programas de acompañamiento segmentados; identificar quién se queda atrás antes de que la brecha se consolide. |
| Crisis de confianza [organizativo] | Resultados inconsistentes o erróneos generan rechazo generalizado; la confianza en la herramienta no se gestiona y se pierde de golpe tras un fallo visible. | Comunicar limitaciones y casos donde la IA no debe utilizarse desde el principio, no como reacción a un incidente. |
| Desplazamiento del conocimiento tácito [conocimiento colectivo] | Parte del aprendizaje informal deja de producirse porque los profesionales consultan a la IA en lugar de a sus colegas; el tejido de conocimiento organizativo se erosiona sin que nadie lo gestione. | Diseñar espacios deliberados de aprendizaje colectivo; el conocimiento tácito no se recupera una vez perdido. |
| Fatiga tecnológica continua [conocimiento colectivo] | Aparición constante de nuevas herramientas y modelos; la organización persigue novedades antes de consolidar ningún caso de uso. | Priorizar estabilidad y profundidad en pocos casos de uso frente a amplitud superficial en muchos. |
Esto nunca había pasado
La objeción previsible es que todo esto ya ocurrió con los ERP, la digitalización o el teletrabajo, y es verdad que los factores organizativos de fracaso son los mismos, pero la IA introduce algo que ninguna de esas tecnologías planteaba con la misma intensidad, y es que es la primera tecnología ampliamente accesible capaz de ejecutar tareas cognitivas que hasta ahora constituían el núcleo de muchos trabajos cualificados. Redacta, analiza, sintetiza, genera opciones, estructura argumentos… Nada de esto es una mejora incremental sobre herramientas anteriores, es un desplazamiento del tipo de valor que aporta una persona.
Y otro elemento que hace singular a la IA frente a otras transformaciones no es que sea la primera en afectar a múltiples planos simultáneamente —internet o el PC también lo hicieron—, sino la velocidad de difusión y el alcance sobre tareas intensivas en conocimiento. Pocas tecnologías empresariales anteriores habían afectado al mismo tiempo a tantos trabajos cualificados y con una velocidad comparable: productividad individual, conocimiento organizativo, competencias requeridas, autoridad profesional, aprendizaje y toma de decisiones, todo a la vez, en todos los sectores, en el espacio de dos o tres años. Esa combinación es lo que convierte la adopción de IA en un desafío organizativo singular.
La curva de aprendizaje técnico es, además, engañosamente baja. La mayoría de los profesionales aprende las funciones básicas de ChatGPT o Copilot en pocas horas, lo cual lleva a la organización a subestimar la complejidad real, porque la confunde con facilidad de uso. La dificultad aparece después: ¿Cuándo debo usarla? ¿Cuándo no? ¿Quién valida el resultado? ¿Qué responsabilidad tengo sobre el contenido generado? ¿Cómo cambia mi trabajo? Ninguna pregunta tecnológica y todas de diseño organizativo.
Qué implica realmente un rediseño organizativo para la IA
El fracaso tiene un patrón ampliamente conocido: la organización compra licencias, organiza formación, crea una política de uso, lanza una campaña interna y espera resultados. Meses después, los usos son superficiales, la productividad no mejora de forma visible y el entusiasmo ha desaparecido. ¿Fracaso tecnológico? ¿Fracaso humano de resistencia al cambio? No, fracaso de diseño organizativo. Lo que hay que rediseñar no es la predisposición de las personas sino las condiciones en las que trabajan: sus tareas, los flujos, los roles, los sistemas de decisión, las métricas de desempeño.
Ello requiere que, antes de escalar cualquier iniciativa de IA, el comité de dirección se plantee y responda al menos a cuatro preguntas:
| Dimensión | La pregunta que hay que responder | Por qué RRHH no puede resolverla solo | Quién debe estar en la mesa |
|---|---|---|---|
| Diseño del trabajo | ¿Qué tareas hacen personas, cuáles IA y cuáles ambos con criterios claros de supervisión? | El rediseño de tareas y flujos es competencia de los dueños de proceso. | Negocio + RRHH como facilitador. |
| Competencias y carreras | ¿Qué valor aporta ahora un profesional que dispone de IA? ¿Qué perfiles necesitaré dentro de tres años? | Aquí RRHH tiene rol protagonista: arquitectura de roles, evaluación del desempeño, movilidad interna y planificación de plantilla. | RRHH lidera. |
| Toma de decisiones | ¿Qué decisiones pueden descentralizarse? ¿Cuáles requieren supervisión humana explícita? | Afecta a la arquitectura de autoridad; requiere a la dirección, a Legal y a los responsables de área. | Dirección + Legal + RRHH. |
| Gobernanza compartida | ¿Cómo colaboran RRHH, TI, Legal y Negocio para gestionar simultáneamente valor económico, riesgo regulatorio y desarrollo de talento? | Ningún departamento tiene la vista completa; la gobernanza sin modelo de colaboración produce políticas incompatibles. | Comité multifuncional. |
El papel de RRHH: qué puede hacer y qué no depende de él
La adopción de la IA está entrando en las organizaciones por vías muy distintas: TI, Transformación Digital, dirección general o iniciativas descentralizadas por áreas. RR. HH no siempre lidera ese proceso, y en muchos casos no está en el centro de las decisiones, pero ese no es el problema principal aunque a muchos se lo parezca. Sí lo es que se le atribuyan responsabilidades sobre un resultado que no controla en solitario o que se le sitúe en la periferia de decisiones de rediseño que afectan directamente a su ámbito natural de actuación.
El rediseño organizativo puede entenderse como la alineación de tres arquitecturas que, en la práctica, rara vez evolucionan al mismo ritmo y menos en contextos tan disruptivos e inciertos como los actuales:
- La arquitectura operativa define cómo se produce el trabajo: procesos, flujos, tareas y la forma en que se integra la IA en la ejecución diaria.
- La arquitectura de decisión establece cómo circula la autoridad: qué se decide, en qué nivel y con qué grado de autonomía o apoyo de sistemas automatizados.
- La arquitectura de talento y comportamiento configura cómo actúan las personas dentro de ese marco: roles, competencias, evaluación del desempeño, incentivos y desarrollo.
La operativa se acelera con tecnología, la de decisiones permanece prácticamente intacta y la de talento intenta ajustarse a posteriori. Esa falta de alineación es, en gran medida, lo que el discurso sobre «resistencia humana» simplifica en exceso. Si estas cuestiones no se abordan desde la función, no desaparecen, se deciden igual, pero sin el mismo rigor ni la misma perspectiva sobre talento y organización.
| Qué hay que cambiar | RRHH puede liderarlo | Requiere a negocio en la mesa |
|---|---|---|
| Diseño del aprendizaje y la formación | Sí: diseño de contenidos, casos de uso por rol, itinerarios | Pero necesita que negocio defina qué casos de uso son prioritarios |
| Evaluación del desempeño | Sí: puede proponer y diseñar los cambios en el modelo | Pero los objetivos de negocio los fijan los responsables de área |
| Rediseño de roles y tareas | No: RRHH puede facilitar el proceso, pero el diseño del trabajo es de negocio | Necesario: sin los dueños de proceso en la mesa, el rediseño no ocurre |
| Coherencia de incentivos | No completamente: puede señalar las incoherencias, pero no resolverlas solo | Necesario: los incentivos reales los controlan los responsables de negocio y finanzas |
| Marco de gobernanza de IA | No solo: la gobernanza afecta a TI, Legal, Compliance y negocio | Necesario: sin patrocinio de la dirección, la gobernanza no tiene autoridad |
| Comunicación sobre empleo y rediseño de funciones | Sí: es competencia natural de RRHH y del ámbito de relaciones laborales | Pero requiere que la organización haya tomado decisiones previas sobre las que comunicar |
| Liberación de tiempo para aprendizaje | No: RRHH puede argumentar la necesidad, pero la decisión de liberar tiempo es operativa | Necesario: sin que los responsables de equipo prioricen el aprendizaje, no hay tiempo |
De las siete dimensiones, las que afectan a competencias, evaluación del desempeño, movilidad interna y planificación de plantillas son aquellas donde RR. HH tiene una responsabilidad más directa y difícilmente delegable. Si no las lidera, existe el riesgo real de que se decidan sin perspectiva rigurosa sobre talento y organización; es decir, que se decidan mal.
Hay un último bonus track para RR. HH., incómodo pero crucial en todo proceso de transformación, y es que el rediseño de la arquitectura del talento cambia también la de la toma de decisiones. Si hubiera que señalar la principal fuente de fracaso de los procesos de cambio, este factor ocuparía las primeras posiciones si no la primera. Todo cambio redistribuye la influencia, la autonomía y los recursos, y la IA no es una excepción. Redefinir puestos, modificar criterios de desempeño o cambiar quién tiene autoridad sobre qué decisiones genera conflicto entre personas con intereses legítimos y a las que el rediseño afecta de forma desigual. RR. HH. no solo ha de diseñar el cambio sino gestionar esa redistribución, y si no lo hace de manera explícita, alguien más lo hará implícitamente, con peores herramientas y menos legitimidad.
La IA no obliga principalmente a aprender una herramienta nueva, lo primero que impone es replantear cómo se organiza el trabajo, y la historia de la gestión del cambio sugiere que ese desafío suele ser bastante más difícil que la tecnología. Lo que está por ver es si esta vez las organizaciones son capaces de hacer con la IA lo que tan pocas veces han conseguido hacer con cualquier otra transformación: cambiar de verdad las condiciones en las que piden a las personas que trabajen de otra manera.
