¡El elemento clave de todo proyecto de IA: las personas!

La IA promete enormes ganancias de productividad, pero en muchas empresas esto aún no se han materializado. La razón rara vez está en la tecnología, sino en la interacción con las personas: sus expectativas, habilidades y su realidad laboral diaria.

En lugar de preguntarse si la IA reemplaza o alivia a los empleados, la pregunta correcta es: ¿cómo fortalece la IA a las personas en sus roles? Un enfoque centrado en las personas no comienza con las herramientas, sino con las tareas, los procesos y las necesidades. Precisamente esto permite el paso de los pilotos a la generación de valor real —un paso en el que, según el MIT, alrededor del 95 % de las empresas fracasan.

¿Cómo se logra esta transformación sin sobrecargar a los empleados y generando confianza creciente? De eso trata este artículo.

Muchas empresas aún perciben la IA como un antagonista de los empleados, un error que genera incertidumbre y ralentiza los proyectos piloto. Los datos muestran que los proyectos fracasan porque la IA se implementa de manera desconectada de los procesos laborales reales.

Ejemplos como CNET, Sports Illustrated o Air Canada dejan claro que el problema no es la IA, sino la falta de condiciones marco y de control humano.

Un enfoque centrado en las personas entiende la IA como un potenciador de las capacidades humanas, no como un reemplazo. Solo cuando el conocimiento especializado, el contexto y la IA trabajan juntos se genera un impacto real. La aparente dicotomía “IA o Personas” desaparece: el futuro está en la colaboración.

Muchos pilotos de GenAI no fracasan por motivos técnicos, sino organizativos: falta de habilidades, casos de uso poco claros y escasa transferencia al día a día laboral. Sin una base de competencias compartida, surge la incertidumbre y los resultados son débiles.

A menudo, los pilotos permanecen en un nivel abstracto, los resultados parecen poco confiables y el valor no es evidente para los roles en la rutina diaria. Además, las personas rara vez cambian su forma de trabajar sin acompañamiento: la formación por sí sola no es suficiente.

También el miedo, las cuestiones de privacidad y los requisitos de cumplimiento limitan la adopción.

La conclusión es clara: la tecnología funciona, pero la interacción entre personas, procesos e IA a menudo no. Aquí es donde interviene una estrategia de IA centrada en las personas.

Muchas iniciativas relacionadas con la IA no fracasan porque sean demasiado ambiciosas, sino porque parten de una suposición errónea: que la tecnología está en el centro. Sin embargo, la IA despliega su verdadero valor solo cuando las personas la entienden, confían en ella e integran su uso de manera consciente en su trabajo diario.

Una estrategia de IA centrada en las personas invierte este enfoque. No parte de las herramientas, sino de los roles, las actividades y las experiencias de quienes trabajan con IA. Plantea la pregunta: “¿cómo podemos ayudar a los empleados a realizar su trabajo diario de manera más fácil, rápida y con mayor calidad?” ¿Qué tareas pueden aliviarse? ¿Qué nuevas competencias surgen?

Así, este enfoque se distingue claramente de los programas clásicos “tech-first”, donde predominan los despliegues, las licencias y las funcionalidades. En una estrategia centrada en las personas, lo principal es el valor en el flujo real de trabajo. La IA no se entrega simplemente, sino que se diseña junto con quienes la usarán.

Esto cambia la naturaleza de toda la transformación. En lugar de resistencia, surge la participación. En lugar de incertidumbre, surge la confianza. Y en lugar de proyectos piloto aislados, se genera un marco escalable que se integra en la organización.

¿Qué significa esto concretamente?

Una estrategia de IA centrada en las personas...

• Parte de tareas reales, no de posibilidades abstractas.
• Conecta la tecnología con el contexto, en lugar de implementarla de manera aislada.
• Genera claridad y seguridad mediante reglas comprensibles y directrices transparentes para un uso responsable.
• Promueve competencias, no solo herramientas, para que los empleados sigan siendo capaces de actuar con autonomía y seguridad.
• Convierte a las personas en participantes activos, no en afectados por un programa de cambio.

Tal vez te preguntes: ¿cómo se implementa este enfoque en la práctica? La respuesta se encuentra en cuatro pilares que permiten la transición del proyecto piloto a la creación de valor real, colocando a las personas de manera consistente en el centro.

Una estrategia de IA centrada en las personas genera orientación. Ofrece un marco claro y repetible para integrar la IA de manera sistemática en el trabajo diario, con el objetivo de que las personas se beneficien de ello.

Cada uno de estos pilares aborda un obstáculo central que, de otro modo, frena los proyectos de IA.

1. Desarrollar habilidades de manera dirigida: basada en roles y niveles

Muchas empresas implementan programas de formación amplios que tratan a todas las personas por igual. Sin embargo, las competencias en IA no se desarrollan con un enfoque uniforme. Diferentes roles requieren habilidades específicas: desde conocimientos básicos de IA (IA literacy), competencias en riesgo y validación, hasta prompting aplicado a la actividad concreta.

Igualmente importante es abordar a los empleados según su nivel individual, ya sean principiantes, intermedios o expertos en IA. Un modelo de aprendizaje efectivo considera no solo el rol, sino también el nivel de competencia. Así nadie se siente sobrecargado ni subutilizado, y todos pueden desarrollar habilidades seguras y efectivas a su propio ritmo.

Un modelo de aprendizaje basado en roles y niveles transmite exactamente las competencias relevantes para un puesto y un nivel de madurez determinados. De este modo, los empleados experimentan cómo la IA apoya concretamente su trabajo diario. Esto reduce barreras, genera seguridad y despierta la motivación por seguir aprendiendo.

Quizás te preguntes: “¿Eso es suficiente para una adopción sostenible?” Aún no. Porque el conocimiento por sí solo rara vez cambia hábitos..

2. Integrar la IA en el flujo de trabajo: el contexto hace posible la adopción

La mayoría de los pilotos fracasan porque no llegan al contexto real de trabajo. Un use case puede convencer en una reunión, pero permanecer invisible en la rutina diaria.

Por eso, una estrategia de IA centrada en las personas traslada el foco al lugar donde realmente ocurre el trabajo. Lleva use cases, agentes y ejemplos directamente al punto de aplicación: al sistema ERP, a herramientas de Office, a plataformas de comunicación o a portales de procesos.

Cuando los empleados ven la IA justo en el momento en que la necesitan, surge una transición natural de “podría hacerlo…” a “lo hago ahora directamente”. Así, los nuevos comportamientos no se imponen, sino que se facilitan.

3. Fortalecer la confianza: mediante reglas simples y visibles

La confianza es la base de cualquier uso de IA. Sin directrices claras, surge incertidumbre: ¿Qué datos puedo usar? ¿Cómo documentar decisiones? ¿Cuándo debo abstenerme de usar la IA?

Una estrategia de IA centrada en las personas establece reglas transparentes, fáciles de entender y aplicables en el día a día. Esto incluye requisitos de privacidad, gobernanza y cumplimiento, así como “dos and don’ts” simples —por ejemplo, al manejar información sensible.

Especialmente en el contexto de nuevas regulaciones, como el EU AI Act, estas directrices son imprescindibles. Proporcionan orientación, reducen riesgos y permiten un uso responsable sin miedo a cometer errores.

4. Convertir a las personas en co-creadoras: en lugar de afectadas

Los cambios más sostenibles surgen donde las personas tienen un rol activo. La IA no es una excepción. Cuando los equipos pueden aportar ideas, dar feedback, experimentar y sugerir mejoras, se genera verdadera propiedad.

Por ello, una estrategia de IA centrada en las personas apuesta por champions locales de IA, Communities of Practice y ciclos cortos de retroalimentación. Convierte a los afectados en participantes —y a los participantes en diseñadores. Esto aumenta enormemente la aceptación y acelera la implementación operativa.

Una vez establecidos los principios estratégicos, surge la pregunta: ¿cómo se hace efectiva en la práctica? La respuesta se encuentra en el AI Lifecycle.

Muchas empresas tratan las iniciativas de IA como proyectos de TI tradicionales, con límites claros y un punto final definido. Sin embargo, la IA funciona de manera diferente. Evoluciona constantemente y cambia con cada nuevo use case, cada regulación y cada actualización. Un proyecto estático difícilmente puede adaptarse a esta dinámica.

Por eso, una estrategia de IA centrada en las personas apuesta por un enfoque continuo y cíclico, directamente alineado con el flujo de trabajo real. Este lifecycle asegura que la IA no termine como un experimento a corto plazo, sino que se convierta en un componente vivo dentro de la organización.

Identificar: descubrir oportunidades donde ocurre el trabajo

El primer paso no comienza en el laboratorio, sino en la rutina diaria de los equipos. ¿Qué tareas consumen tiempo? ¿Dónde surgen cuellos de botella? ¿Qué decisiones se pueden preparar y qué información se puede obtener más rápidamente?

A través de talleres, sesiones de shadowing o simples observaciones de procesos, es posible identificar use cases relevantes de manera mucho más efectiva que mediante listas top-down.

Aquí surge el primer valor añadido: las personas se sienten vistas e involucradas, lo que fortalece la confianza.

Prototipar: probar rápido, evaluar con seguridad

Pequeños prototipos permiten obtener conocimientos rápidamente y con poco esfuerzo. Muestran si un use case es aplicable en la práctica, qué datos se necesitan y dónde existen riesgos. Esta fase genera claridad antes de invertir tiempo y presupuesto en desarrollos extensos.

Un buen prototipo responde preguntas como:

• ¿Funciona el escenario en el contexto real?
• ¿Cómo interactúan las personas con él?
• ¿Qué mecanismos de validación son necesarios?

Así surgen soluciones que funcionan en la práctica, no solo sobre el papel.

Escalar: integrar la IA en el flujo de trabajo, no en un universo paralelo

Aquí se decide si un use case se convierte en un verdadero impulsor de productividad. Las soluciones exitosas se integran en los sistemas que los equipos ya utilizan, idealmente con la menor fricción posible: directamente en la herramienta, en el proceso o en el flujo de trabajo.

Escalar no significa solo despliegue técnico, sino sobre todo:

• Contextualización: rol correcto, entorno correcto, momento correcto.
• Acompañamiento: nudges, coaching, micro-learning.
• El rollout se realiza en oleadas, alineadas con riesgo y aporte de valor.

Aquí es donde fallan la mayoría de los pilotos, ya que nunca llegan al “flow of work”.

Comunicar: la visibilidad genera aceptación

Solo cuando los empleados saben que existen nuevas posibilidades y por qué les ayudan, la IA gana tracción. Una comunicación breve y clara, ejemplos prácticos y consejos concretos de uso facilitan la consolidación.

Una pregunta útil: ¿Cómo se entera una persona en el momento adecuado de que la IA puede apoyarla de manera útil?

Si la respuesta no está clara, la IA permanecerá invisible.

Actualizar: comprender el uso y pensar más allá

La verdadera transformación surge del aprendizaje en operación continua. Los datos de uso, retroalimentación, errores frecuentes o nuevos requerimientos proporcionan indicaciones sobre cómo mejorar un use case.

Esta fase genera dinamismo: la IA no se detiene, sino que evoluciona con cada observación.

Mejorar: del feedback al impacto

La última fase cierra el ciclo. Los conocimientos se incorporan en nuevas versiones y el ciclo comienza de nuevo, de manera ligera, continua y confiable.

Esto genera un ritmo que no sobrecarga a los equipos, sino que los acompaña. El ciclo de vida se convierte en rutina. La IA pasa a ser una herramienta que apoya a las personas en su trabajo diario, en lugar de un proyecto separado que demanda atención.

La experiencia de innumerables pilotos de IA muestra un patrón claro: la tecnología por sí sola no genera impacto. Su verdadero potencial se despliega únicamente cuando las personas la entienden, confían en ella e integran su uso de manera natural en su trabajo diario. Aquí es donde entra en juego una estrategia de IA centrada en las personas, creando un marco en el que la IA pasa de ser un experimento a convertirse en un verdadero alivio operativo.

Una estrategia de este tipo desarrolla habilidades en lugar de generar sobrecarga. Lleva la IA al lugar donde ocurre el trabajo, en lugar de crear nuevos portales o universos paralelos. Establece reglas claras y comprensibles que brindan seguridad. Y convierte a las personas en co-creadoras de la transformación, no en meros usuarios de soluciones ya hechas.

Cuando la IA se implementa con esta filosofía, cambia la naturaleza de la tecnología. Se convierte en una herramienta que reduce tareas repetitivas, prepara decisiones y libera tiempo para lo que las personas hacen mejor: evaluar, diseñar, colaborar y generar soluciones creativas.

El paso del uso de la tecnología a su verdadero valor siempre comienza con las personas. Cuando se logra este paso, se crea un entorno laboral en el que la IA no reemplaza, sino que fortalece; un entorno en el que la IA no domina, sino que apoya; un entorno en el que la IA genera confianza en lugar de incertidumbre.

La IA se convierte entonces en lo que debe ser: una herramienta al servicio de las personas y un motor de progreso continuo.