El 37 % del tiempo se va en mover información entre áreas, y la IA de tu empresa no lo está tocando

<p>Los autores llaman coordinación a sacar y limpiar datos de varios sistemas, conciliar cifras que no cuadran entre equipos, refrescar reportes recurrentes, sostener reuniones de estatus entre áreas y rehacer el formato de análisis que ya existen. Todos los encuestados usaban IA y casi la mitad usaba varias herramientas a diario, con Microsoft 365 Copilot y ChatGPT a la cabeza. Pero la usaban para resumir, buscar, analizar y redactar dentro de un solo sistema. Cuando se les preguntó qué desearían que hiciera la IA, casi la mitad nombró una tarea de coordinación. El 76 % quiere dedicarle menos tiempo y el 85 % quiere más tiempo para el trabajo sustantivo.</p> <p>El hallazgo encaja con otras cifras que citan. Una encuesta de principios de 2026 a casi 6,000 ejecutivos encontró que 69 % de sus empresas usa IA, pero cerca de nueve de cada diez no ven efecto medible en productividad ni en empleo. McKinsey reportó a fines de 2025 que 88 % de las organizaciones usa IA y solo 39 % ve algún impacto en el EBIT. «No es un problema de tecnología ni de capacidad. Es un problema de despliegue», escriben los autores.</p> <p>El ejemplo más claro es una decisión que toda empresa de consumo enfrenta: eliminar o no un producto de bajo desempeño. Finanzas ve que todavía deja ganancia. Manufactura ve que obliga a parar la línea para cambiar equipos. Planificación ve que su demanda errática exige inventario de seguridad extra. Mercadeo ve que, si se elimina, los clientes comprarían el producto casi idéntico de al lado. «Cada función optimiza su propio número y nadie es dueño de la decisión», explican. El producto sobrevive y el portafolio crece cada año. La empresa sabe todo lo que necesita para decidir, pero ese conocimiento está repartido en cuatro áreas y nadie lo junta a tiempo. Es una forma cotidiana de Amnesia Corporativa®: la memoria existe, pero no está disponible cuando se toma la decisión.</p> <p>Hastings, que dirigió el despliegue de ciencia e IA en la fuerza laboral de Amazon, cuenta un caso propio. Responder si un programa de recursos humanos funcionaba le tomaba meses a un equipo pequeño, casi todo en juntar datos de sistemas separados. Su equipo construyó un sistema de IA que reúne los datos, corre los modelos de causa y efecto y genera el informe. El análisis pasó de meses a días, y los científicos quedaron libres para los casos difíciles. Los autores citan además los «Agentic Pods» de Uber, donde un reporte financiero pasó de dos días a 10 minutos.</p> <p>Sus recomendaciones son concretas. Medir el tiempo por tarea antes de aprobar otra compra de IA, porque lo que parece análisis puede ser en sus tres cuartas partes ensamblaje de datos. Evaluar la inversión por las decisiones entre áreas que mejora, no por la rapidez de una sola función. No medir adopción, porque los inicios de sesión y los prompts dicen si alguien usó la herramienta, no si el trabajo mejoró. Y «codificar la experiencia que antes vivía solo en la cabeza de las personas».</p> <p>Piensa en la reunión del lunes en una empresa dominicana mediana: ventas, finanzas y operaciones llegan cada una con su Excel y la primera media hora se va en conciliar números. Antes de renovar licencias de copilotos, conviene medir durante dos semanas cuánto de la semana se va en mover datos entre áreas y escoger una decisión que cruce funciones, como cortar una línea de productos o fijar límites de crédito. Según los autores, ninguna función puede hacer ese cambio por su cuenta, porque ninguna es dueña del valor que se crea entre funciones. Por eso la decisión le toca a la gerencia general.</p> <p><em>Fuente: <a href="https://hbr.org/2026/10/the-deployment-failure-holding-back-your-ai-investments">Harvard Business Review: «The Deployment Failure Holding Back Your AI Investments»</a>, 21 de octubre de 2026.</em></p>