7 minutos
Publicado: junio 13, 2025
Las organizaciones que invierten millones en tecnología de IA a menudo no obtienen los beneficios esperados, no por fallos técnicos, sino porque están aplicando enfoques tradicionales de gestión del cambio a un tipo de transformación fundamentalmente diferente.
Lo que revela la investigación de Prosci sobre el cambio de la IA
Una investigación reciente de Prosci, en la que se estudió a 1.107 profesionales de todos los niveles organizativos, revela el alcance de los retos de adopción de la IA a los que se enfrentan las organizaciones. Los datos son sorprendentes:
Prevalencia de los retos humanos frente a los retos técnicos de la adopción de la IA
- Desafíos humanos frente a desafíos técnicos - La competencia de los usuarios se reveló como el principal desafío, representando el 38% de todas las dificultades de implementación de la IA comunicadas. Esto se desglosa en problemas de curva de aprendizaje (22%), problemas de ingeniería (11%) y formación inadecuada (6%). Los problemas técnicos de implantación representan sólo el 16%. Esto representa un cambio fundamental con respecto a las implantaciones tecnológicas tradicionales, en las que suelen predominar los problemas técnicos.
- La brecha de confianza es mensurable - La investigación revela disparidades significativas de confianza en todos los niveles organizativos. Los trabajadores de primera línea manifiestan una confianza mínima en la IA (+0,33 en una escala de -2 a +2), mientras que los ejecutivos muestran niveles de confianza significativamente superiores (+1,09).
- El apoyo de los líderes impulsa el éxito - Las organizaciones con implantaciones de IA "muy fluidas" muestran características de liderazgo radicalmente diferentes. Demuestran un fuerte apoyo del liderazgo (+1,65) en comparación con las organizaciones con dificultades (-1,50).
Estas cifras subrayan lo que los participantes del taller nos han estado diciendo: el cambio de la IA es fundamentalmente diferente, y los enfoques tradicionales no son suficientes.
8 diferencias clave en el cambio impulsado por la IA
Durante los últimos seis meses, hemos llevado a cabo talleres de adopción de la IA con cientos de profesionales del cambio de distintos sectores en Norteamérica. A través de los datos de las encuestas y los comentarios de los asistentes expertos en sus organizaciones, han surgido ocho patrones distintos que separan la transformación de la IA de las iniciativas de cambio tradicionales.
1. El reto de la "interminable" fase 2
La gestión del cambio tradicional funciona en fases definidas con puntos finales claros. La adopción de la IA rompe este modelo. Como dijo uno de los participantes en el taller: "La IA cambia tan rápido... ¿a qué estamos persiguiendo?". Otro lo describió como una "Fase 2 interminable".
La tecnología evoluciona rápidamente, surgen nuevas capacidades constantemente y las organizaciones deben adaptar sus implementaciones en tiempo real. Tus planes de gestión del cambio necesitan flexibilidad y agilidad, no una entrega única. El refuerzo se convierte en un proceso activo de preparación continua en lugar de un objetivo finito.
Los profesionales exitosos están construyendo planes de cambio adaptables y modulares y entrenando a los patrocinadores para mantener la visibilidad en plazos más largos y menos predecibles.
Alineación del modelo ADKAR de Prosci con los cambios iterativos
2. Los problemas de seguridad reconfiguran la gestión de riesgos
La IA introduce riesgos elevados que la gestión tradicional del cambio rara vez afronta. Los participantes en el taller señalaron un "mayor nivel de preocupación por la seguridad" en el que "la responsabilidad individual y la mitigación de riesgos cobran mayor importancia".
Los sistemas de IA pueden exponer inadvertidamente datos sensibles, generar información inexacta o crear nuevas vulnerabilidades. Las consecuencias en contextos sensibles -sanitario, financiero, jurídico- pueden ser graves.
Esto exige que la gestión de riesgos se integre directamente en todas las actividades de gestión del cambio. Las campañas de concienciación deben dar prioridad al comportamiento responsable junto con la adopción de herramientas. Los programas de formación deben incluir mensajes centrados en la seguridad, y no añadirlos a posteriori.
3. La ética y la gobernanza ocupan un lugar central
A diferencia de las implementaciones tecnológicas tradicionales, las decisiones sobre IA pueden perpetuar prejuicios, generar información errónea o afectar a la vida de las personas de formas que no son inmediatamente visibles. Los participantes en los talleres plantearon sistemáticamente como retos centrales el "uso ético y responsable" y las "preocupaciones éticas y de sesgo".
La sensibilización debe incluir explícitamente consideraciones éticas, no sólo cambios operativos. Las coaliciones de patrocinio deben ser un modelo visible de comportamiento ético para marcar la pauta de la organización.
Los profesionales con visión de futuro están creando canales de retroalimentación visibles para identificar y corregir los riesgos éticos en una fase temprana, integrando las actualizaciones de las políticas directamente en las actividades de creación de conocimientos.
4. El cambio hacia el aprendizaje individualizado
Los enfoques de formación tradicionales se quedan cortos con la adopción de la IA. La tecnología exige un aprendizaje personalizado y autodirigido para adquirir los conocimientos necesarios. Como señaló un experto, las organizaciones necesitan "crear competencias para garantizar la resiliencia y la flexibilidad para participar en el aprendizaje continuo."
Las herramientas de IA se aplican de forma diferente según las funciones, los departamentos y las personas. Un especialista en marketing puede utilizar la IA para la creación de contenidos, mientras que un analista financiero la aplica al análisis de datos. Los programas de formación genéricos no pueden abordar esta variedad con eficacia.
Los profesionales de éxito están ofreciendo experiencias de aprendizaje multidisciplinares: Academias de IA, redes de aprendizaje entre pares y centros de recursos a los que las personas pueden acceder en función de sus necesidades específicas.
5. La escala y la complejidad exigen un pensamiento empresarial
La implementación de la IA suele afectar a varios departamentos a la vez, sin límites claros. Los participantes en el taller describieron "la escala de todo -cambio, velocidad, etc.-" con una "IA que potencialmente no tiene límites".
Los enfoques tradicionales de gestión del cambio basados en proyectos tienen dificultades con este alcance. La adopción de la IA requiere una perspectiva que abarque toda la empresa, evaluaciones más amplias del impacto en las partes interesadas y coaliciones de patrocinio formadas por altos directivos.
La complejidad no es sólo técnica, sino también organizacional. La implementación de la IA provoca cambios en cascada en los procesos empresariales, los marcos de toma de decisiones y las estructuras organizacionales.
6. Navegar por la ambigüedad de los estados futuros
La gestión del cambio tradicional destaca en el paso de estados actuales claramente definidos a estados futuros bien articulados. La adopción de la IA desafía este modelo. Los participantes señalaron que "no hay un estado 'mañana' claro" y que es difícil "definir claramente el estado futuro".
Las capacidades de la IA evolucionan rápidamente, y las organizaciones no pueden predecir exactamente cómo utilizarán la tecnología dentro de seis meses. La solución no consiste en esperar a que se aclare la situación, sino en preparar a los empleados para que se desenvuelvan con confianza en la ambigüedad.
Los profesionales están enmarcando la comunicación en torno a marcadores de progreso en lugar de destinos finales, reforzando el propósito organizativo para anclar a las personas incluso cuando las tácticas evolucionan.
7. Las nuevas formas de resistencia requieren nuevas respuestas
La IA suscita una resistencia distinta que va más allá de las típicas preocupaciones procedimentales. Los participantes en el taller describieron "tipos diferentes y nuevos de resistencia, más basados en el miedo, en torno a los riesgos, los factores desconocidos, la pérdida de relevancia y las repercusiones sociales".
Los temores son más profundos y personales. A la gente no sólo le preocupa aprender nuevos procesos, sino también su relevancia fundamental en un mundo potenciado por la IA.
Las técnicas habituales de gestión de la resistencia no son suficientes. Los profesionales deben abordar los factores emocionales, no sólo los obstáculos procedimentales. Crear deseo se hace más difícil porque la amenaza percibida parece existencial.
8. Remodelación de las funciones y la dinámica de trabajo
La IA afecta significativamente a las funciones, las responsabilidades y la dinámica del lugar de trabajo. Los participantes señalaron importantes implicaciones para el "futuro del trabajo y las funciones", con "conocimientos y capacidades que varían de un equipo a otro".
No se trata sólo de aprender nuevas herramientas, sino de un rediseño fundamental del trabajo. La IA cambia la forma en que las personas emplean su tiempo, qué habilidades necesitan y cómo crean valor.
Los profesionales están elaborando mapas de funciones para el futuro que muestran cómo la IA complementa las capacidades humanas y refuerzan una narrativa organizativa de colaboración con la IA en lugar de competencia.
Señales de alerta e indicadores de éxito
Nuestra investigación revela patrones claros que distinguen las transformaciones exitosas de la IA de las que tienen dificultades. Las organizaciones con implantaciones "muy fluidas" muestran características radicalmente diferentes:
- La brecha de la experimentación: las organizaciones con implementaciones "muy fluidas" animan encarecidamente a probar nuevas herramientas, mientras que las que "progresan con dificultades" muestran un estímulo moderado. Las organizaciones con problemas de implementación desaconsejan probar nuevas herramientas. Este es uno de los factores que mejor predicen el éxito de la implementación de la IA.
- Liderazgo y alineación cultural: las organizaciones con éxito demuestran un fuerte apoyo del liderazgo y una cultura organizacional que apoya activamente el cambio impulsado por la IA.
- Equilibrio en la apertura de datos: las organizaciones que implementan la IA sin problemas muestran una mayor apertura de datos que las que tienen dificultades, lo que demuestra la importancia de equilibrar la seguridad con la accesibilidad.
Señales de advertencia a tener en cuenta:
- Ejecutivos que expresan una gran confianza mientras que los trabajadores de primera línea muestran resistencia
- Los problemas de seguridad se tratan por separado de la gestión del cambio.
- Enfoques de formación que no tienen en cuenta las aplicaciones de IA específicas de cada función.
- Desalentar la experimentación en lugar de fomentar una exploración segura.
Adaptación de las herramientas de gestión del cambio
Las herramientas tradicionales de gestión del cambio requieren una adaptación cuidadosa para el éxito de la adopción de la IA. Nuestro modelo ADKAR de Prosci sigue siendo relevante, pero la concienciación debe abarcar consideraciones éticas y expectativas de aprendizaje continuo en lugar de sólo cambios operativos.
Las estrategias de comunicación deben hacer hincapié en los marcadores de progreso en lugar de en los destinos finales, al tiempo que abordan la brecha de confianza mensurable entre los niveles organizativos. Los enfoques de formación deben pasar de la "talla única" a itinerarios de aprendizaje personalizados que desarrollen la capacidad de adaptación junto con las competencias técnicas.
Tal vez lo más importante sea que los requisitos de patrocinio se amplíen más allá de los patrocinadores de proyectos individuales a coaliciones de líderes de alto nivel que puedan mantener la visibilidad y modelar el comportamiento ético de la IA en plazos prolongados y menos predecibles.
Prepararse para la evolución continua de la IA
La adopción de la IA no es un destino, sino un viaje continuo de desarrollo de la capacidad organizacional. Las organizaciones con más éxito tratan la gestión del cambio de la IA como una competencia básica, no como un proyecto.
Esto significa crear experiencia interna en patrones de cambio específicos de la IA, desarrollar agilidad organizativa para la adaptación continua y crear culturas que adopten la evolución impulsada por la IA en lugar de resistirse a ella.
El éxito de la adopción de la IA depende más de la gestión del lado humano del cambio que de la sofisticación de la tecnología. Para los profesionales del cambio dispuestos a adaptar sus enfoques, esto representa tanto un reto importante como una oportunidad sin precedentes para demostrar el valor estratégico de la gestión experta del cambio.
Invertir estratégicamente en la adopción
La adopción de la IA es más que una implementación técnica: es una transformación de la forma en que su personal trabaja, innova y aporta valor. El camino hacia el éxito requiere estrategias deliberadas para involucrar a los empleados, alinear el liderazgo e integrar la IA en los flujos de trabajo.
Al asociarte con Prosci, obtendrás una guía de confianza con la investigación, las metodologías y la experiencia para gestionar eficazmente el aspecto humano de la adopción de la IA. Con Prosci, tu organización no sólo alcanzará toda la promesa de la IA, sino que también construirá la resistencia al cambio necesaria para navegar en futuras transformaciones.
Haz equipo con Prosci para liberar todo el potencial de tus iniciativas de IA y asegurar una ventaja competitiva duradera en un futuro impulsado por la IA.
