Durante los dos últimos años, las empresas han estado haciéndose la pregunta equivocada: ¿cómo usamos la inteligencia artificial en nuestros procesos?
Al principio tenía sentido. Cuando aparecieron los grandes modelos de lenguaje, el instinto era natural: tomar lo que ya existía, como workflows, funciones, cadenas de decisión, etc. e intentar acelerarlo. Añadir copilots. Añadir asistentes. Añadir capas de automatización. Mejorar la productividad.
Pero, como hemos visto, ese enfoque no escala. Como argumenté en mis artículos anteriores, la inteligencia artificial empresarial no ha fracasado porque la tecnología no funcione. Ha fracasado porque intentamos colocarla en la capa equivocada. Los grandes modelos de lenguaje nunca fueron diseñados para dirigir una empresa, y encajarlos dentro de procesos existentes no cambia ese desajuste estructural.
Ahora que el entusiasmo inicial ha chocado con la realidad, empieza a emerger otra pregunta, silenciosamente pero de forma inequívoca: ¿y si el problema no es cómo usar inteligencia artificial en nuestros procesos, sino que nuestros procesos nunca fueron diseñados para la inteligencia artificial?
El regreso de una vieja idea (pero esta vez de verdad)
En los años noventa, la reingeniería de procesos de negocio (Business Process Reengineering, o BPR) prometía algo radical: rediseñar las empresas alrededor de sistemas de información en lugar de limitarse a superponer tecnología sobre workflows existentes. La idea era potente, pero la ejecución fue desigual. Muchas iniciativas acabaron siendo reorganizaciones costosas con poco impacto duradero, en parte porque los sistemas subyacentes seguían siendo rígidos, fragmentados e incapaces de adaptarse en tiempo real.
Esta vez es diferente.
Entonces, los sistemas eran pasivos. Almacenaban información, aplicaban reglas y apoyaban decisiones tomadas por humanos. Hoy, los sistemas empiezan a ser activos: pueden generar, evaluar, coordinar y, cada vez más, actuar. Ese cambio altera completamente la ecuación. Significa que ya no estamos simplemente digitalizando procesos: estamos redefiniendo qué es un proceso.
La investigación más reciente de McKinsey sobre adopción de inteligencia artificial refuerza exactamente este punto: aunque el uso es masivo, el impacto real se correlaciona fuertemente con el rediseño de workflows, no simplemente con desplegar herramientas. Las organizaciones que replantean cómo se redefine el trabajo, y no solo con que tecnología se lleva a cabo, son las pocas que están viendo mejoras medibles.
En otras palabras, la promesa original del BPR está reapareciendo, pero ahora la tecnología sí puede sostenerla.
Por qué la mayoría de los procesos son incompatibles con la inteligencia artificial
La verdad incómoda es que la mayoría de los procesos empresariales actuales no son solo ineficientes. Son estructuralmente incompatibles con el tipo de sistemas en que la inteligencia artificial se está convirtiendo.
Son:
- Fragmentados: repartidos entre herramientas, equipos y silos de datos.
- Secuenciales: construidos alrededor de traspasos y retrasos.
- Pobres en contexto: dependen de individuos para reconstruir el estado.
- Latentes en la toma de decisiones: optimizados para revisión, no para acción.
- Diseñados para humanos: asumen que la cognición, la memoria y la coordinación son escasas.
Estas características tenían sentido en un mundo donde el factor limitante eran las personas. No lo tienen en un mundo donde los sistemas pueden mantener contexto, aplicar restricciones y operar de forma continua.
Deloitte resume bien esta tensión en su análisis reciente sobre inteligencia artificial agéntica: muchas organizaciones están intentando automatizar procesos diseñados para humanos en lugar de replantear el propio trabajo. El resultado es previsible: aumenta la complejidad, pero los resultados no mejoran proporcionalmente.
No es un problema de herramientas. Es un problema de diseño.
La inteligencia artificial no optimiza procesos: los deja al descubierto
Uno de los patrones más consistentes en las iniciativas de inteligencia artificial empresarial es este: cuanto más intentas aplicar inteligencia artificial a un proceso existente, más visibles se vuelven las limitaciones de ese proceso.
Lo que antes estaba oculto detrás del esfuerzo humano pasa a hacerse explícito:
- datos ausentes
- reglas inconsistentes
- propiedad difusa
- trabajo duplicado
- bucles de retroalimentación lentos
En ese sentido, la inteligencia artificial se comporta menos como una capa de optimización y más como una herramienta de diagnóstico. Revela la distancia entre cómo una empresa cree operar y cómo opera realmente.
Por eso tantos pilotos se atascan. No porque falle el modelo, sino porque el proceso en el que se inserta no puede absorber lo que el modelo produce. Como ha señalado el MIT, el desafío no consiste simplemente en adoptar inteligencia artificial, sino en rediseñar las organizaciones para que realmente puedan utilizarla eficazmente.
Y eso lleva a una conclusión mucho más incómoda: el factor limitante ya no es la tecnología. Es la empresa.
De procesos a sistemas
Si la fase anterior de la inteligencia artificial empresarial consistía en añadir inteligencia a tareas, la siguiente consistirá en rediseñar sistemas para que la inteligencia esté integrada desde el principio.
Ese cambio lo altera todo. En lugar de preguntar “¿cómo automatizamos este paso?”, las empresas tendrán que preguntarse:
«¿Por qué existe este paso?»
«¿Cómo sería este proceso si estuviera diseñado alrededor de contexto continuo?»
«¿Dónde deberían producirse realmente las decisiones?»
«¿Qué restricciones deberían aplicarse automáticamente?»
No son mejoras incrementales. Son preguntas estructurales.
Y apuntan hacia un tipo diferente de organización: una donde los procesos dejan de ser secuencias estáticas de acciones y pasan a ser sistemas dinámicos que mantienen estado, integran datos, operan bajo restricciones y se adaptan continuamente a partir de resultados. Exactamente las mismas características que definían los sistemas descritos en mi artículo anterior.
Las empresas que se muevan primero serán muy diferentes
Aquí es donde el cambio empieza a hacerse visible. Las empresas que logren rediseñar con éxito sus procesos alrededor de estos principios no serán simplemente más rápidas o más eficientes. Operarán de otra manera:
- las decisiones ocurrirán más cerca de los datos
- la coordinación requerirá menos traspasos
- los bucles de retroalimentación se acortarán drásticamente
- la ejecución se volverá más continua
- los roles evolucionarán alrededor de sistemas, no de tareas
El Work Trend Index de Microsoft ya apunta hacia esta transición, describiendo organizaciones que evolucionan hacia estructuras más dinámicas y orientadas a resultados, donde humanos e inteligencia artificial colaboran alrededor de objetivos y no de funciones.
Desde fuera, estas empresas quizá no parezcan muy distintas al principio. Pero internamente, su lógica operativa habrá cambiado. Y ese cambio se acumula.
Esto no es opcional
Es tentador pensar en todo esto como una oportunidad. Y lo es. Pero también es otra cosa: una restricción.
Porque una vez que algunas empresas empiecen a operar así, las demás ya no competirán contra mejores herramientas. Competirán contra un tipo distinto de sistema.
Un sistema que:
- aprende más rápido
- se adapta continuamente
- coordina con mayor eficiencia
- ejecuta con menos retrasos
Eso no es algo que puedas igualar añadiendo otro copilot o desplegando otro modelo. Requiere rediseño.
La próxima fase de la inteligencia artificial empresarial será organizativa
Si la primera fase de la inteligencia artificial en la empresa fue la experimentación, y la segunda la toma de conciencia, la siguiente será la transformación.
No una transformación impulsada por modelos, sino por estructura. No estamos pasando de una «inteligencia artificial peor» a una «inteligencia artificial mejor». Estamos pasando de empresas construidas para humanos a empresas que deben operar con máquinas como parte de su lógica central.
Y eso exige algo que muchas organizaciones han evitado durante décadas: reconstruir la forma en que realmente trabajan.
La verdadera pregunta
Así que la pregunta ya no es «¿cómo usamos inteligencia artificial?» La pregunta es: «¿Estamos dispuestos a rediseñar nuestra empresa para que la inteligencia artificial pueda funcionar de verdad?»
Porque si la respuesta es no, el resultado ya está claro: la inteligencia artificial no fracasará. Pero tus procesos, sí.
(This article was previously published on Fast Company)
La pregunta interesante entonces es ¿Cómo? ¿Cómo se realiza ese cambio estructural en las organizaciones para que el conjunto de procesos en torno a la IA dirija la actividad de la empresa?
Pq es real el riesgo de repetir el fiasco del BPR. «Rediseñar sistemas para que la inteligencia esté integrada desde el principio» es, por supuesto, el objetivo correcto y completamente legítimo, y se intuye q el avance ahí puede ser lento. No hay faro que guíe ni garantice el éxito. Yo solo estudié cosas parecidas ( y solo en el plano teórico )hace décadas también, y me sigue pareciendo que hay ciento aroma a deja-vú. Se decían cosas análogas con respecto a la Programación Lógica, p.ej. Y, por cierto, tu exposición de sistemas +restricciones me ha recordado al CLP, constrained Logic Programming. Y la aparición de sus limitaciones.
Si que es fácil detectar movimientos de talento hacia estos objetivos. Conozco casos de consultores senior q han pasado de Accenture a Deloitte ( 2 ex-alumnas mías) y en USA, los recortes a la NASA, han provocado q personal altísimamente cualificado( la investigadora Laura Titolo, formada en parte en España, p. ej. y no es la única) pase al sector privado de empresas de IA. Algo se mueve, efectivamente.
Saludos.
En relación a eso me planteo dos interrogantes: ¿Qué claridad tiene la empresa de percibir lo que constituye un sistema y es capaz de definirlo? ¿Va a seguir siendo la innovación un esnobismo o un concepto romántico confundido con acumular herramientas o copiar procesos? Esto evidentemente dentro de un marco de referencia empresarial donde varía la dimensión y tipología de entidades.
Estoy convencido que tenemos que desaprender muchas cosas para redefinir lo que hacemos.
Es como si mañana alguien inventase unas zapatillas con antigravedad: primero nos parecería muy divertido y jugaríamos a hacer mil tonterías.
Es solo después, cuando empiezas a darte cuenta de todos los límites que antes tenías y ya no tienes, que comprendes todo lo que puede hacerse y lo que ya no tiene sentido hacer.
Pues con la IA y los agentes de IA es lo mismo. El reto es darse cuenta de todo aquello que ha dejado de ser necesario o útil y reimaginar la mejor manera de hacerlo hoy.
«Comprender es percibir, tener una idea clara o descubrir el sentido profundo de algo» (Google dixit).
Al hilo de lo dicho en 002 y ayudado por ese nuevo sistema facilitador de Google Buscador, viene bien que empecemos a comprender muchas cosas, no solo la irrupción de la IA en nuestro desordenado cuarto de trabajo.
Así también se puede comprender el hecho de que yo hable de mediocre versión de homo sapiens, que seguimos siendo los humanos actuales.
Así como entender que, para ello, me baso no en lo que sabe (poco), si no en lo poco que intenta saber más y mejor… De comprender realmente lo que «se trae» entre manos (y entre mentes). De lo poco que quiere expandir este cerebro actual, que nos debería valer como una inmensa (casi infinita) CPU.
«Infinita» y neuroplástica CPU (por ahora).
«Que hierba más buena»
Lo que no queda claro es si te refieres al cannabis o a la hierbabuena empresarial.
La Inteligencia Artificial es una herramienta excelente para adecuar y optimizar procesos empresariales que suelen ser repetitivos, simplones, recurrentes y nada creativos en si mismos.
La IA permite automatizar tareas repetitivas, reducir errores y analizar grandes volúmenes de datos para la toma de decisiones. En lugar de depender únicamente de un solo asistente, la clave real está en integrar plataformas adecuadas realmente inteligentes para cada necesidad operativa.
Para adaptar una empresa de forma eficaz, destacan las siguientes categorías de herramientas y soluciones:
1. Automatización de flujos de trabajo (Workflows)Conectan tus aplicaciones habituales (CRM, correo, hojas de cálculo) para crear tareas automáticas sin necesidad de saber programar:
Zapier: Líder en conectar cientos de aplicaciones mediante instrucciones en lenguaje natural gracias a su IA integrada.
Make: Excelente para diseñar flujos de trabajo visuales muy complejos y detallados.
n8n: Una alternativa avanzada si buscas automatizar procesos en tus propios servidores.
2. Asistentes Generales y Agentes Autónomos
Ideales para el desarrollo de contenidos, análisis de documentos, atención al cliente y gestión de proyectos:
ChatGPT: Versátil para redacción, ideas y resolución de consultas operativas.
Claude: Destaca por su capacidad para procesar documentos técnicos o legales muy extensos.
Agentes especializados: Herramientas como Agentforce de Salesforce o Salesforce Einstein actúan de forma independiente para gestionar tareas complejas.
3. Automatización Robótica de Procesos (RPA) e Inteligencia de Negocios (BI)Diseñadas para la gestión de finanzas, inventarios y el análisis profundo del rendimiento empresarial:
UiPath: Plataforma de automatización masiva de procesos empresariales y comprensión inteligente de documentos.
Microsoft Power Automate: Imprescindible si utilizas el ecosistema de herramientas de Microsoft.Para implementar estas tecnologías con éxito, empieza identificando las tareas manuales que consumen más tiempo en tu día a día y prueba a integrarlas con un enfoque gradual.
Asi que empresario ya sabes, toda esa mierda de workflows actuales se pueden hacer con estas herramientas
«¿Estáis dispuestos a rediseñar vuestra empresa del neolítico para que la inteligencia artificial pueda funcionar de verdad?»
Si la respuesta es si, no os dejéis engañar por los que os prometen que con la IA vuestros procesos van a empezar a funcionar, lo que quieren es con la excusa de la IA meter la mano en vuestras carteras. Hoy los agentes, workflows, etc os lo monta un FP espabilado… está todo medio hecho esperando a que se integre de forma sencilla y transparente.
Como decía un rabino amigo mío: …hagámosla corta…
Lo que hice fue, basado en todo lo que Enrique estuvo exponiendo del tema (y ayudándome con algunos prompts, todo sea dicho) generé dos escenarios hipotéticos distintos:
ESCENARIO A. «La Empresa Tradicional»
ESCENARIO B. «El sistema Activo»
___
ESCENARIO A
Situación: «LogiCool S.A.», una distribuidora regional que ha crecido durante 10 años usando software de gestión de flotas (ERP) y WhatsApp.
El día a día actual (Antes de la IA profunda):
1. La Tarea: Un cliente mayorista reporta que una caja de medicamentos perecederos llegó con la temperatura fuera de rango a las 10:00 AM.
2. La Reacción Tradicional:
• El recepcionista recibe el correo o WhatsApp.
• Copia los datos en un Excel.
• Envía el Excel al jefe de logística a las 10:15 AM.
• El jefe de logística revisa el GPS del camión (en otro software), ve que el refrigerador falló, y llama al conductor por teléfono (sin respuesta inmediata).
• El conductor responde a las 10:45 AM. Se acuerda un reenvío manual.
• El cliente espera 4 horas para recibir la reposición.
3 La «Intervención» de IA (Superpuesta):
• La gerencia compra una herramienta de IA para «automatizar correos».
• La IA redacta una disculpa profesional al cliente.
• El Problema: La IA es solo una «capa de interfaz». Genera texto, pero no tiene acceso ni control sobre el sistema de refrigeración del camión ni puede reasignar el conductor automáticamente. Sigue siendo un sistema pasivo que «apoya decisiones tomadas por humanos».
4. Resultado:
• Lógica Operativa: El cambio es solo superficial. Las decisiones ocurren lejos de los datos (el dato de temperatura está en el camión, la decisión se toma en la oficina horas después).
• Fricción: Hay muchos «traspasos» (recepcionista -> jefe -> conductor -> cliente).
• Sensación: Los empleados sienten que la IA es un «juguetito más» que les da más trabajo de formatear respuestas. El cliente sigue indignado porque el problema físico no se resolvió rápido, solo se «disculpó» bien.
___
ESCENARIO B: Sistema Activo
Situación: «LogiCool Activa», la misma empresa, pero que decidió rediseñar sus procesos alrededor de la IA como núcleo operativo, no como herramienta externa.
El día a día después del cambio (Sistema Activo e Integrado):
1. La Tarea: El sensor IoT del camión #45 detecta un fallo en la unidad de refrigeración a las 10:00 AM mientras transporta la misma carga de medicamentos.
2. La Reacción del Sistema Activo:
• Detección y Acción Continua: El sistema no espera un reporte humano. Al detectar la variación de temperatura, activa inmediatamente su lógica de «ejecución continua».
• Decisión cerca de los datos: El sistema verifica en tiempo real la ubicación del camión, el estado de otros camiones cercanos y el inventario del almacén local más próximo.
• Coordinación sin traspasos:
a. El sistema reasigna automáticamente la carga restante a un camión vecino que está a 2 km de distancia (coordinación eficiente).
b. Notifica al conductor del camión #45 para que realice la transferencia manual (si es necesaria) o espere.
c. Genera y envía automáticamente una orden de reposición urgente al almacén local más cercano.
d. Informa al cliente mayorista: «Su pedido ha sido resuelto mediante redistribución automática. La nueva entrega llegará en 45 minutos. Disculpe las molestias».
3 El Resultado Humano y Tecnológico:
• Roles Evolucionados: El jefe de logística no recibe una alerta de crisis. Su rol ya no es «apagar fuegos» ni coordinar traspasos manuales. Su rol ha evolucionado alrededor del sistema: ahora supervisa las excepciones que el sistema no pudo resolver (ej. si el camión vecino también falla) y optimiza las rutas futuras basándose en los datos de este incidente.
• Bucles de Retroalimentación Cortos: El sistema aprende que, para esa ruta específica y ese tipo de carga, la redundancia de camiones vecinos es clave. Ajusta automáticamente los planes de ruta futuros para evitar esta vulnerabilidad.
• Satisfacción:
Cliente: Recibe el producto en tiempo récord sin haber tenido que reclamar. La percepción es de «magia»: «Parece que la empresa sabe lo que necesito antes que yo».
• Empleados: El estrés disminuye drásticamente. Ya no hay «traspasos» ni llamadas de emergencia. Los empleados se sienten empoderados porque la IA maneja la complejidad operativa, permitiéndoles enfocarse en relaciones estratégicas.
• Empresa: Ha dejado de competir con «mejores herramientas» (CRM más bonito) y compite contra un sistema distinto que aprende más rápido, se adapta continuamente y ejecuta con menos retrasos.
___
El «dolor y estrés» que tuvo que haber atravesado la empresa en el Escenario B viene de tener que desaprender la necesidad de control manual y confiar en que el sistema actuará bajo restricciones definidas. El beneficio es que la empresa deja de ser un conjunto de personas haciendo tareas para convertirse en un organismo que opera y se adapta continuamente.