Toda gran empresa quiere ser la próxima Amazon. O al menos eso es lo que dicen en el informe anual. En la práctica, la mayoría de las empresas ejecutan varios pilotos, publican un comunicado de prensa sobre la “transformación digital” y luego observan silenciosamente cómo todo se estanca en algún lugar entre el laboratorio de innovación y la implementación real. Este artículo trata sobre por qué existe esa brecha y por qué es mucho más difícil cerrarla de lo que la mayoría de los ejecutivos quieren admitir.
Consulte nuestro último blog enRevisión de TechsSlaash: ¿Techsslaash.com realmente está "superando los límites" en 2026?
El modelo operativo suele ser el verdadero problema
Existe la tentación de culpar del fracaso a la elección de tecnología equivocada, al proveedor equivocado o a un equipo que simplemente no "lo entendió". Pero si dejamos de lado los detalles, el mismo problema aparece casi siempre: la organización en sí no fue creada para absorber cosas nuevas rápidamente.
Piense en cómo funcionan realmente la mayoría de las grandes empresas. Los ciclos presupuestarios son anuales. Las decisiones sobre el personal toman trimestres. Una nueva herramienta de software necesita aprobar adquisiciones, revisiones de seguridad, aspectos legales y de cumplimiento, a veces los cuatro ejecutándose en secuencia, no en paralelo. Ese proceso fue diseñado para gestionar el riesgo en un entorno estable. Nunca fue diseñado para convertir un prototipo de aprendizaje automático de prueba de concepto a producción en 6 meses.
Las empresas que realmente resuelven esto, no sólo hablan de solucionarlo, suelen hacer primero una cosa incómoda. Examinan detenidamente su estructura operativa interna y admiten que está rota para este propósito. Esa es también exactamente la razón por la que las empresas que se toman en serio la solución del problema utilizan externosconsultoría de eficiencia operativaen algún momento, no para subcontratar el pensamiento, sino porque los equipos internos han pasado años adaptándose a procesos disfuncionales y realmente ya no pueden verlos con claridad. Ojos nuevos captan cosas que han sido invisibles durante una década.
Consulte nuestro último blog enveganovtrichy.com: tráfico de búsqueda, clasificaciones y vínculos de retroceso
Qué significa "modelo operativo" cuando se despega
No es un documento de estrategia. Un modelo operativo es la mecánica real del día a día: quién puede aprobar qué, qué tan rápido se mueve el dinero y quién es el dueño de una decisión cuando cruza las líneas departamentales. En la mayoría de las empresas, esas mecánicas fueron examinadas seriamente por última vez antes de que existiera el iPhone.
Entonces, cuando un equipo de IA construye algo realmente útil y luego choca contra un muro al intentar ponerlo en producción, ese muro es el modelo operativo. No es un problema de personas. Es un problema de arquitectura.
Lo que realmente se está construyendo ahora mismo
Antes de analizar por qué fallan las cosas, vale la pena nombrar qué están probando realmente las empresas. Porque el aspecto tecnológico de esto es legítimamente interesante en este momento.
Las tecnologías que hacen ruido
La lista de tecnologías que las empresas están probando activamente en este momento es realmente larga. Esto no es una especulación; es visible en ofertas de trabajo, llamadas sobre resultados y agendas de conferencias.
- IA generativa en operaciones.Empresas como JPMorgan Chase y Goldman Sachs han dejado de “explorar” la IA generativa. La plataforma COIN de JPMorgan ha estado procesando documentos legales a la velocidad de una máquina durante años. Lo más nuevo es la aplicación de los LLM a la gestión interna del conocimiento, la revisión de códigos y la clasificación del servicio al cliente, los cuales se encuentran en implementación activa en las principales empresas.
- Gemelos digitales.Siemens, BMW y Lockheed Martin están ejecutando entornos gemelos digitales completos para fábricas y cadenas de suministro. El objetivo no es sólo la simulación, sino el apoyo a la toma de decisiones en tiempo real. Cuando se produce una interrupción del suministro, un gemelo digital puede modelar 50 escenarios de enrutamiento alternativos en el tiempo que solía llevar convocar una reunión.
- Computación perimetral para IoT industrial.Empresas como Honeywell y Rockwell Automation están implementando inteligencia de punta directamente en los equipos de fabricación. La promesa: latencia reducida, toma de decisiones local y menos dependencia de la conectividad centralizada en la nube.
- Flujos de trabajo de IA agentes.Este es un territorio genuinamente nuevo. Sistemas como Copilot Studio de Microsoft y Agentforce de Salesforce están permitiendo a las empresas implementar “agentes” de IA que completan tareas de varios pasos de forma autónoma, reservando, enviando correos electrónicos, actualizando registros y activando flujos de trabajo, sin intervención humana en cada paso. Aún se está probando en producción si esto escala de manera confiable.
Prototipos haciendo ruido
Varios proyectos merecen mención porque están dando forma a cómo se construye realmente la próxima ola de innovación empresarial:
- Proyecto Astra de Googlees un prototipo de asistente de IA multimodal capaz de razonar a través de texto, imágenes y objetos del mundo real. Los casos de uso empresarial que se están explorando incluyen inspección de calidad en tiempo real y soporte técnico de campo.
- Omniverse de NVIDIA para simulación industrialToyota y Ericsson lo utilizan para crear conjuntos de datos sintéticos y probar configuraciones robóticas antes de tocar una sola máquina física.
- Watsonx de IBMes la plataforma de inteligencia artificial reposicionada de IBM, que los clientes empresariales están utilizando para ajustar modelos propietarios sobre datos internos mientras mantienen esos datos dentro de su propio perímetro de infraestructura. Relevante para industrias reguladas.
- Modelos de clase operador de OpenAIson el cambio hacia modelos que pueden tomar acciones en entornos de software, no solo generar texto, y esto es algo que las empresas de logística, finanzas y atención médica están observandog de cerca.
Los prototipos son reales. En la mayoría de las empresas, no existe la infraestructura necesaria para ponerlos en funcionamiento a escala.
Las tres formas en que las empresas realmente acaban con la innovación a escala
Trampa uno: pilotos que nunca debieron enviarse
Un piloto que no se convierte en producto es sólo un experimento costoso. Y, sinceramente, muchas empresas diseñan inconscientemente a sus pilotos para que permanezcan como pilotos, porque un piloto es seguro. Vive en una caja de arena. No es necesario que cumpla con los requisitos de SLA, pase una auditoría de seguridad o se integre con el sistema ERP de veinte años de antigüedad que ya nadie entiende completamente.
¿El decir? Más de tres “laboratorios de innovación” con menos de dos productos vivos entre ellos. Un Centro de Excelencia que produce principalmente presentaciones de discursos y presentaciones de liderazgo intelectual. Ingenieros que llevan cinco meses “en descubrimiento”. Los proveedores han sido descritos como “en evaluación” desde antes de las últimas elecciones estadounidenses.
Este patrón tiene un nombre, purgatorio piloto y no es casual. Los proyectos piloto se financian con cargo a presupuestos de innovación. El escalamiento requiere presupuestos operativos. Los propietarios de esos presupuestos operativos quieren un retorno de la inversión predecible de los sistemas probados. Ésa es una posición legítima. Pero crea una brecha estructural que nadie está formalmente asignado para salvar, por lo que la mayoría de los pilotos nunca la cruzan.
Trampa dos: comprar software antes de arreglar el proceso
Éste es casi vergonzosamente común. Una empresa compra una nueva herramienta de inteligencia artificial, una nueva plataforma de datos o una nueva suite de automatización y la implementa en un proceso subyacente roto. El resultado es un proceso roto más rápido.
Workday, SAP y Salesforce han experimentado esto con sus propios clientes. No porque los productos no funcionen. Porque los clientes los implementan como un proyecto técnico en lugar de un proyecto de rediseño de procesos. El costo de implementación se dispara. Se omite la gestión de cambios. Las métricas de adopción son terribles. Se culpa al vendedor.
El orden correcto es: comprender el proceso que intenta mejorar, rediseñarlo y luego elegir la tecnología que respalde el nuevo diseño. Casi nadie lo hace en ese orden porque rediseñar los procesos requiere involucrar a personas que se sentirán amenazadas por los cambios, y esa es una conversación más difícil que elegir un proveedor de software.
Trampa tres: Aplicar el plazo de medición incorrecto
Pedir un retorno de la inversión de 90 días en una tecnología que tarda 18 meses en implementarse y otro año en generar datos significativos es simplemente una mala matemática. Pero ese es el criterio que aplican la mayoría de los equipos financieros, porque es el que aplican a todo.
Entonces, ¿qué pasa? Una iniciativa de IA se encuentra en las tres cuartas partes del camino de un ciclo de rentabilidad de dos años cuando llega un mal trimestre de ingresos. El director financiero analiza el presupuesto de innovación. El proyecto aún no ha demostrado retorno. Se corta. El equipo se disuelve. El conocimiento institucional de lo aprendido en esos tres cuartos se va con ellos. Y el próximo director ejecutivo que quiera reiniciar la iniciativa tendrá que empezar desde cero y cometer muchos de los mismos errores.
Lo cultural es real, no sólo un cartel motivacional
La cultura recibe un nombre en cada conversación sobre innovación y luego se trata como algo que se solucionará por sí solo una vez que la estrategia sea la correcta. No lo hará.
Las normas de comportamiento que realmente dirigen una organización, no los valoressitio web, las normas reales, son infraestructura. Y en la mayoría de las empresas, esa infraestructura tiene un retraso en el mantenimiento más largo que su deuda técnica.
Los patrones específicos que causan el mayor daño:
- La aversión al riesgo vestida de rigor.“Hagamos otra revisión” como forma de evitar realizar una llamada. Esto no es precaución. Es negación.
- Ambigüedad de propiedad.Cuando algo sale mal, a alguien se le asigna la culpa. Cuando algo va bien, el crédito se distribuye ampliamente. La gente no es estúpida. Ellos notan esta asimetría y ajustan su comportamiento en consecuencia.
- El problema de HiPPO.Opinión de la persona mejor pagada. La investigación del Proyecto Aristóteles de Google documentó esto bien: los equipos donde la opinión de la persona de mayor rango dominaba automáticamente mostraron resultados consistentemente peores que los equipos donde los miembros más jóvenes se sentían seguros al no estar de acuerdo. Los datos dicen desafío hacia arriba. Los incentivos organizacionales dicen que no.
- Penalizaciones por velocidad.Moverse rápido significa tomar atajos. Los atajos crean incidentes. Los incidentes se analizan post mortem. Las autopsias se centran en lo que hizo mal el que se movió rápidamente. Entonces la gente deja de moverse rápido. El ritmo gravita hacia el interesado más cauteloso.
Nada de esto se soluciona con un esfuerzo conjunto por adoptar una “cultura de innovación”. Se soluciona cambiando lo que se recompensa y lo que se castiga, lo cual es un proceso más largo y político de lo que la mayoría de los equipos de liderazgo desean.
Lo que realmente cambia las cosas: patrones reales de empresas reales
La regla de Amazon de equipos de dos pizzas, mantener los equipos lo suficientemente pequeños como para que dos pizzas puedan alimentarlos, no es sólo una anécdota de gestión peculiar. Es una elección arquitectónica deliberada para evitar que los gastos generales de coordinación ralenticen la ejecución. Los equipos pequeños con una propiedad clara se envían más rápido. Eso no es filosofía; eso se puede observar en la cadencia de producción.
La infame plataforma cultural de Netflix (la que Sheryl Sandberg llamó posiblemente el documento más importante surgido de Silicon Valley) tenía como objetivo fundamental eliminar los gastos generales del proceso a favor de contratar personas capaces de tomar buenas decisiones de forma independiente. El resultado: una empresa que pasó del DVD por correo al streaming y a la producción de contenido original en menos de una década.
El modelo de equipo de Spotify, equipos autónomos organizados en torno a los resultados del cliente en lugar de departamentos funcionales, se convirtió en un modelo que decenas de empresas intentaron copiar, con resultados mixtos. Los que fracasaron en su mayoría copiaron el organigrama sin copiar el modelo de autoridad subyacente. Los equipos necesitan un poder real de toma de decisiones para funcionar. Sin eso, son sólo comités con una mejor marca.
El patrón en todos los casos exitosos es el mismo: la autoridad se acerca al trabajo. No “empoderamos a nuestros equipos” en el sentido de una estrategia. Literalmente: la persona que identifica un problema es la autorizada para solucionarlo, sin tener que escalar a través de cuatro niveles de gestión.
El liderazgo realmente tiene que renunciar a algo
Esta es la parte que no aparece en la nota clave.
Escalar la innovación requiere que los ejecutivos cedan el control de maneras que parezcan genuinamente riesgosas, porque lo son. Delegar la toma de decisiones real significa que algunas decisiones serán equivocadas. Descentralizar los presupuestos significa que se gastará algo de dinero en cosas que fracasan. Avanzar rápido significa que las cosas se estropearán en la producción. No como costos hipotéticos. Como costos garantizados de operar de manera diferente a un competidor que se mueve más lentamente.
La mayoría de los líderes empresariales entienden esto intelectualmente. Muy pocos están estructuralmente preparados para aceptarlo. Las evaluaciones de desempeño premian la estabilidad. Las conversaciones de la junta premian la previsibilidad. Las estructuras de compensación están ligadas a métricas que la innovación altera en el corto plazo.
Ése no es un defecto de carácter de ningún ejecutivo individual. Es un sistema que produce exactamente el comportamiento que exigen los incentivos. Cambiarlo requiere cambiar los incentivos, lo que requiere que la junta se preocupe por los resultados de la innovación a largo plazo de la misma manera que se preocupa por las cifras trimestrales. Se trata de una conversación política lenta y, francamente, la mayoría de las empresas no la tendrán hasta que un competidor las obligue a hacerlo.
Entonces, ¿dónde nos deja esto?
Las empresas que realmente están escalando la innovación en este momento, sin realizar pruebas piloto, sin publicar comunicados de prensa, sino implementando cosas a escala, comparten un conjunto reconocible de características. Rediseñaron deliberadamente sus modelos operativos, no sólo los parchearon. Financian la ampliación como una línea presupuestaria separada de la fase piloto. Miden la innovación en el marco temporal adecuado, incluso cuando las finanzas la odian. Y han realizado al menos un trabajo parcial para alinear los incentivos de liderazgo con resultados que tardan más de una cuarta parte en materializarse.
Nada de eso es teóricamente complicado. Todo esto requiere hacer cosas incómodas dentro de organizaciones construidas para resistir la incomodidad.
Los obstáculos son identificables. Las soluciones son conocidas. La pregunta siempre ha sido si hay suficiente voluntad organizacional para ejecutarlas y si el liderazgo está realmente dispuesto a cambiar algo de control y previsibilidad por velocidad. La mayoría no lo es. Los que lo son tienden a alejarse de la competencia de maneras que resultan muy difíciles de cerrar.