Durante años, uno de los grandes problemas de la transformación empresarial fue conseguir que las organizaciones innovaran. Las ideas existían, pero convertirlas en algo real necesitaba presupuesto, equipos de tecnología, desarrolladores, proyectos que duraban meses y una cantidad considerable de aprobaciones. Innovar era difícil y, precisamente por eso, relativamente escaso.
La inteligencia artificial está empezando a invertir ese problema.
Hoy una persona puede construir en horas algo que hace pocos años habría necesitado un equipo. Puede automatizar un proceso, desarrollar un agente, analizar información o probar una solución sin esperar necesariamente a que Tecnología tenga capacidad disponible. Y aunque todavía estamos comenzando a entender el alcance de ese cambio, creo que trae una consecuencia organizacional de la que hablamos poco: cuando innovar se vuelve demasiado fácil, el recurso escaso deja de ser la capacidad y empieza a ser el criterio.
Microsoft ofrece un caso interesante porque está viviendo esa tensión dentro de su propia organización. Con más de 200.000 empleados y una adopción acelerada de inteligencia artificial, la compañía creó una estructura de consejos internos para orientar el despliegue de IA, reducir duplicaciones, fortalecer responsabilidades y concentrar inversión en los casos que realmente generen valor para el negocio.
La decisión parece administrativa, pero creo que revela algo bastante más profundo.
Durante la primera etapa de transformación digital, muchas empresas tuvieron que empujar la innovación desde el centro. Creamos laboratorios, células digitales, oficinas de transformación y equipos especializados porque la capacidad para experimentar estaba concentrada en pocas personas. Ahora estamos entrando en una etapa diferente. Si las herramientas permiten que miles de empleados experimenten simultáneamente, la innovación empieza a desplazarse hacia los bordes de la organización.
Eso puede ser extraordinariamente poderoso. También puede convertirse rápidamente en una nueva fuente de complejidad.
Dos áreas pueden construir soluciones para el mismo problema. Un piloto puede funcionar técnicamente sin resolver ninguna prioridad estratégica. Podemos terminar pagando diferentes herramientas para capacidades similares. Y una organización puede celebrar cientos de casos de uso mientras sigue teniendo enormes dificultades para demostrar cuánto valor económico produjo todo ese movimiento.
Microsoft parece haber identificado ese riesgo. Su expectativa interna es bastante concreta: las iniciativas de IA deben producir valor cada trimestre y los indicadores se revisan mensualmente a nivel de liderazgo. Sus consejos buscan precisamente conectar estrategia, datos, adopción, gobierno y medición para pasar de la experimentación a resultados repetibles.
Eso cambia bastante la conversación.
El problema deja de ser “cómo conseguimos que nuestra gente utilice IA” y empieza a ser “cómo conseguimos que miles de personas con nuevas capacidades tomen buenas decisiones sobre dónde utilizarlas”.
Y esa segunda pregunta ya no pertenece solamente a Tecnología.
Pertenece al liderazgo.
Porque democratizar una herramienta sin distribuir contexto estratégico puede producir mucha actividad y poca transformación. Una persona necesita saber qué puede construir, pero también entender cuáles son las prioridades del negocio, qué resultado esperamos modificar, qué riesgos no estamos dispuestos a asumir y cuándo una solución local debería convertirse en una capacidad empresarial.
Por eso creo que una de las habilidades más importantes de las organizaciones en los próximos años será aprender a gobernar la abundancia.
No gobernarla creando veinte comités y devolviendo toda decisión al centro. Eso simplemente reemplazaría un cuello de botella por otro. El reto es mucho más interesante: conseguir que la capacidad esté distribuida mientras el criterio permanezca alineado.
Eso exige estrategia clara, métricas compartidas, límites conocidos y líderes capaces de dar contexto sin controlar cada experimento.
La propia investigación reciente de Microsoft apunta en esa dirección. Su AI Strategy Roadmap, basado en entrevistas con 70 líderes de negocio y tecnología, identifica estrategia, datos, experiencia, cultura y gobierno como capacidades que deben avanzar juntas para conseguir escalar la IA. No basta con acumular pilotos
Y ahí encuentro una paradoja que probablemente veremos cada vez más.
La tecnología que promete simplificar nuestras empresas también puede llenarlas de nuevas herramientas, agentes, proyectos y automatizaciones si no somos capaces de escoger.
Podemos terminar utilizando IA para hacer más rápido cosas que no necesitábamos hacer.
Automatizando procesos que deberíamos eliminar.
Construyendo soluciones que ya existen en otra área.
Y llamando transformación a una enorme cantidad de actividad difícil de conectar con crecimiento, rentabilidad o cliente.
Por eso cada vez me interesa menos preguntar cuántos casos de uso de inteligencia artificial tiene una empresa.
Prefiero preguntar cuántos llegaron realmente al resultado.
Porque quizá la ventaja competitiva de la próxima etapa no esté en las organizaciones capaces de utilizar más IA.
Estará en aquellas capaces de desarrollar algo bastante más difícil de copiar:
el criterio para saber dónde no utilizarla.