Introducción
La adopción de IA ha dejado de limitarse a iniciativas exploratorias y hoy forma parte de la agenda estratégica de las organizaciones. En un contexto donde el 70% de las corporaciones globales ya integra estas tecnologías, la Inteligencia Artificial en empresas se consolida como un factor relevante para mejorar productividad, eficiencia y capacidad de respuesta.
Sin embargo, esta implementación no garantiza por sí sola la generación de valor. La brecha entre el despliegue y el impacto efectivo en el negocio muestra que la transformación digital requiere rediseñar procesos, movilizar capacidades internas y asegurar condiciones de adopción sostenibles. En este escenario, la gestión del cambio en la era de la IA cumple un rol esencial: articular la dimensión tecnológica con las decisiones organizacionales, culturales y operativas necesarias para escalar su uso.
¿Cómo está transformando la IA a las organizaciones?
La IA está evolucionando desde herramientas de apoyo puntual hacia capacidades con mayor nivel de autonomía y ejecución. Este cambio modifica la forma en que se diseñan los procesos, se asignan responsabilidades y se organizan los equipos.
Según el marco planteado por McKinsey, esta evolución puede observarse en tres fases:
- Agentes autónomos: sistemas enfocados en completar tareas específicas y delimitadas.
- Grupos de agentes o equipos aumentados: conjuntos de agentes que operan procesos completos bajo supervisión humana. Esta configuración resulta especialmente pertinente para funciones de alto contacto —como el servicio al cliente—, donde la intervención humana es relevante.
- Enjambres de agentes u Organizaciones Mínimamente Viables (MVO): estructuras en las que múltiples agentes operan con un alto nivel de autonomía sobre resultados de negocio, mientras las personas cumplen funciones de verificación, supervisión y decisión estratégica.
Augusto Miquel, Co-Founder y CCO de MAS Analytics, refuerza esta evolución al señalar que la IA ha pasado de funcionar como un asistente a operar como un ejecutor de procesos completos. Este cambio amplía las posibilidades de automatización y también eleva la exigencia organizacional; ya no basta con incorporar herramientas, sino que se requiere revisar la arquitectura de procesos, los modelos de gobernanza y las capacidades internas.
¿Cuál es la importancia de la gestión del cambio en la era de la IA?
La gestión del cambio es uno de los principales habilitadores para acelerar la adopción de IA. De acuerdo con el estudio «Estado de adopción de IA en empresas chilenas”, realizado por MAS Analytics, el 42,5% de las organizaciones la identifica como un factor decisivo para avanzar en este proceso.
Te podría interesar este artículo: La adopción de IA en empresas chilenas avanza, pero solo el 3,6% ha logrado escalarla a nivel organizacional
Su relevancia radica en que la incorporación de IA no depende exclusivamente del despliegue técnico. Además, también exige preparar a las personas, ajustar procesos, alinear liderazgos y generar condiciones para que la tecnología sea utilizada de forma efectiva. Sin este acompañamiento, las iniciativas pueden enfrentar baja adopción, dificultades para escalar y una captura limitada de valor.
Francisca Yáñez, directora en Coca-Cola Andina y participante del informe de MAS Analytics, sintetiza este punto al señalar: “En el desafío de AI Transformation, el 70% no es tecnología, sino que son las personas lo que determina el éxito”. Desde esta perspectiva, el avance en Inteligencia Artificial requiere trabajar sobre la cultura organizacional, la formación y la disposición de los equipos para incorporar nuevas formas de trabajo.
Yáñez también plantea la necesidad de alcanzar un “umbral del 50% de adopción” efectiva para que la IA produzca un impacto relevante en productividad a nivel empresarial y nacional. Por debajo de ese nivel, la tecnología tiende a mantenerse concentrada en usos parciales o atomizados, sin modificar de manera sustantiva la forma en que opera la organización.
En paralelo, la resistencia al cambio aparece como una de las barreras más relevantes. Según el estudio, el 23,5% de las organizaciones la identifica como el principal obstáculo para avanzar. Esta resistencia puede originarse en incertidumbre respecto del impacto de la IA en los roles, falta de claridad sobre los objetivos de implementación o temor frente a cambios en los procesos de trabajo. En esta línea, gestionarla de forma temprana es clave para sostener la adopción y proteger el retorno de la inversión.
El rol del liderazgo en la adopción de Inteligencia Artificial
El liderazgo ejecutivo cumple un rol central en la adopción de IA, especialmente cuando las organizaciones buscan avanzar desde iniciativas aisladas hacia una integración sostenida en sus procesos y modelos operativos. De acuerdo con el informe de MAS Analytics, el 33,8% de las organizaciones identifica el liderazgo y compromiso de la alta dirección como una de las condiciones más importantes para acelerar la adopción de IA.
Este liderazgo permite:
- Definir una dirección clara
- Conectar las iniciativas con objetivos de negocio
- Sostener las decisiones necesarias para transformar capacidades tecnológicas en impacto organizacional
La adopción de IA no puede quedar restringida a equipos de datos, innovación o tecnología: requiere involucramiento activo de la alta dirección para priorizar casos de uso, comprometer inversiones, desarrollar capacidades internas y establecer criterios de seguimiento sobre el valor generado.
Te podría interesar este artículo: Círculo de liderazgo en la era de la IA: cuando la adopción de Inteligencia Artificial se vuelve tema de directorio
Estrategias para impulsar la adopción de IA en las organizaciones
Para que la adopción de la IA genere resultados de alto impacto, los líderes deben incorporar criterios de implementación que conecten tecnología, negocio y personas. Entre los lineamientos relevantes se encuentran los siguientes:
- Benchmark de engagement del 21% al 30%: McKinsey plantea que involucrar al 7% de los empleados puede generar retornos positivos, pero que las transformaciones de mayor impacto tienden a comprometer activamente entre el 21% y el 30% de la fuerza laboral. La adopción de IA no puede quedar restringida al área de tecnología; requiere una masa crítica de participación organizacional.
- Modelo two-in-the-box: este enfoque reemplaza la lógica tradicional en que TI actúa como proveedor interno de soluciones. En su lugar, promueve una corresponsabilidad entre negocio y tecnología para diseñar procesos, priorizar casos de uso y escalar iniciativas de manera coordinada.
- Ciclos de pilotos críticos: Andrea Hernández, Gerente de Transformación Digital de Penta Financiero, destaca que los pilotos permiten validar gobernanza, disponibilidad de datos y pertinencia de las soluciones antes de avanzar hacia una implementación de mayor escala. En este sentido, un piloto exitoso puede además reducir escepticismo interno al entregar evidencia concreta sobre el valor de la tecnología.
- Embajadores generacionales: los gerentes millennials, que presentan un 62% de experiencia y entusiasmo frente a la IA, pueden cumplir un rol relevante como mentores o articuladores dentro de las organizaciones. Su participación permite reducir la brecha entre la curiosidad inicial, observada en un 43,8%, y el aprendizaje activo, que alcanza un 28,8%.
Estos elementos permiten estructurar la gestión del cambio no como una etapa posterior a la implementación, sino como una dimensión integrada al diseño, validación y escalamiento de las iniciativas de IA.
¿Cómo puede la IA fortalecer la gestión del cambio en la cultura organizacional?
La IA no solo es objeto de transformación organizacional; también puede convertirse en una herramienta para facilitar procesos de cambio.
Personalizar la comunicación con los colaboradores
La comunicación cumple un rol crítico en la adopción de nuevas tecnologías. La IA puede contribuir a entregar mensajes más pertinentes según el perfil, función o nivel de exposición al cambio de cada grupo de colaboradores.
Apoyar la estrategia y planificación del cambio
La IA puede apoyar el análisis de información y la priorización de decisiones durante procesos de transformación. Sin embargo, su uso debe estar subordinado a la estrategia del negocio.
Ignacio Yarur, Presidente Banco BCI, plantea que no existe una “estrategia de IA” separada de la estrategia corporativa, sino una estrategia de negocio potenciada por IA. Esta distinción es relevante para evitar implementaciones desconectadas de objetivos concretos de eficiencia, crecimiento o calidad de servicio. La tecnología debe responder a prioridades organizacionales definidas, no operar como un fin en sí misma.
Te podría interesar este artículo: Carlos Rodríguez, director de MAS Analytics, sobre el avance de la IA en las empresas: “Sin foco estratégico, la tecnología no escala”
Automatizar tareas operativas y mejorar la eficiencia
Francisco González, CDO de Líder BCI, destaca que una de las contribuciones centrales de la IA es reducir carga operativa y permitir que las personas se concentren en tareas de mayor impacto. Desde la perspectiva de gestión del cambio, este enfoque es relevante porque posiciona la tecnología como un apoyo para rediseñar el trabajo, y no únicamente como un mecanismo de reemplazo de funciones.
Analizar datos, percepciones y señales de resistencia
El despliegue de IA también puede apoyar el seguimiento de la adopción. A través del análisis de datos, es posible observar patrones de uso, detectar cuellos de botella y reconocer señales tempranas de resistencia o dificultad en la incorporación de nuevas herramientas.
Este punto se vincula con uno de los desafíos identificados por las organizaciones: la integración de datos, señalada por el 21,7% como una barrera relevante según el estudio de MAS Analytics. Sin datos disponibles, conectados y confiables, resulta más difícil comprender dónde se están produciendo fricciones y qué intervenciones de comunicación, formación o soporte requieren mayor prioridad.
Potenciar la formación y el soporte a los equipos
La formación es un componente central para sostener la adopción de Inteligencia Artificial. Francisca Yáñez plantea la necesidad de instalar una lógica de “aprender para toda la vida”, en la que las organizaciones desarrollen capacidades permanentes para adaptarse a nuevas tecnologías y formas de trabajo.
Conclusión
La gestión del cambio en la era de la IA es una condición crítica para que las organizaciones transformen la adopción tecnológica en valor sostenible. La disponibilidad de herramientas no asegura por sí sola mejoras en productividad, eficiencia o competitividad; el impacto depende de la capacidad de integrar la tecnología en procesos, decisiones y prácticas de trabajo.
La evidencia revisada muestra que las organizaciones enfrentan una brecha entre experimentación y escalamiento, asociada a factores como gobernanza de datos, alineamiento estratégico, resistencia al cambio y desarrollo de capacidades internas. En este contexto, la gestión del cambio permite articular la dimensión técnica con los ajustes culturales y organizacionales necesarios para avanzar.
