¿Qué pueden hacer los líderes cuando un proyecto piloto prometedor de IA no ha supuesto ningún cambio en el trabajo diario?

Un proyecto piloto de IA puede parecer prometedor en el momento de su puesta en marcha. Algunas personas le encuentran aplicaciones útiles, la asistencia a los cursos de formación es buena y las herramientas están disponibles. Sin embargo, unas semanas más tarde, la mayor parte de la organización sigue trabajando prácticamente igual que antes. Entonces, ¿qué deben hacer a continuación los líderes cuando se enfrentan a retos en la adopción de la IA?

En el primer episodio del podcast «Experiments in Artificial Intelligence» de The Gen AI Academy (22 de enero de 2026), la experta en IA y gestión del cambio Karrie Sullivan conversó con Dave Birss, cofundador de The Gen AI Academy y presentador del podcast, sobre el aspecto humano de la adopción de la IA. Su mensaje principal es que los primeros usuarios de un proyecto piloto y el resto de la plantilla suelen necesitar diferentes tipos de apoyo. La tarea de los líderes hoy en día consiste en convertir los experimentos aislados en mejores formas de trabajar y, a continuación, evaluar si esos cambios aportan valor.

Escucha la conversación completa

Una implementación de la IA que realmente funciona: adaptarse a las necesidades de las personas

Experimentos en inteligencia artificial, episodio 1: «Acercarse a las personas tal y como son: una adopción de la IA que realmente funciona» — Dave Birss con Karrie Sullivan.

¿Por qué se ralentiza la adopción de la IA tras una fase piloto?

Karrie afirma que, en muchos proyectos piloto en los que ha trabajado, solo entre el 15 % y el 25 % de los participantes siguen utilizando la tecnología tras los primeros días o semanas. Se trata de una observación que ha extraído de la práctica organizativa, no de una tasa universal ni de un objetivo de referencia que todas las empresas deban aspirar a alcanzar. La cuestión importante es por qué el resto de empleados no ha encontrado una forma útil y viable de adoptarla.

Los directivos han observado problemas similares con la implantación de sistemas ERP y CRM: la adquisición de un sistema no cambia los hábitos por sí sola. La inteligencia artificial plantea un reto adicional, ya que sus aplicaciones están menos definidas. Los equipos deben decidir cómo se adapta a sus clientes, a sus tareas y a sus estándares de calidad. Una demostración de lo que una herramienta es capaz de hacer aún no se considera una forma de trabajar consensuada.

Los primeros usuarios no constituyen un grupo homogéneo. A algunos les gusta explorar herramientas desconocidas. Otros buscan una ventaja práctica en su puesto de trabajo. Otros quieren saber si la IA podría afectar a su trabajo. Su uso continuado indica a los responsables en qué aspectos deben investigar, pero no demuestra que el mismo enfoque vaya a funcionar para todos los demás.

Ofrecer a los distintos grupos el apoyo que necesitan

No interpretes las dudas como una falta de capacidad. Un empleado que hace muchas preguntas puede estar intentando aclarar sus dudas sobre las expectativas, la seguridad, la calidad o su futuro puesto. Animarle más a «experimentar» puede que no resuelva ninguna de esas preocupaciones.

La secuencia que sugiere comienza con las personas que están preparadas: utilizar el trabajo real para desarrollar y probar aplicaciones específicas y, a continuación, mostrar a los compañeros qué ha cambiado. Para el resto de la plantilla, hay que plasmar esas lecciones en diagramas de procesos específicos para cada puesto, listas de comprobación, ejemplos e indicaciones reutilizables. Hay que explicar cuándo es adecuado utilizar la IA, cómo debe ser un resultado satisfactorio y quién se encarga de verificarlo. La clave está en hacer que una práctica útil sea repetible, en lugar de esperar que cada empleado la invente desde cero.

Es también aquí donde los líderes pueden plantear una pregunta más productiva que «¿Por qué se resisten las personas?»: ¿qué parte del nuevo flujo de trabajo propuesto resulta poco clara, difícil o carece de apoyo?

Apoya a los responsables para que el cambio funcione

Los mandos intermedios suelen ser responsables de la fiabilidad en la entrega, la atención al cliente y el cumplimiento normativo. Karrie sostiene que las organizaciones pueden llegar a pedir a esos mismos mandos que lideren una transformación incierta sin modificar los criterios con los que se les evalúa ni ofrecerles una forma clara de gestionar los riesgos.

Si el equipo directivo desea que se generalice el uso de la inteligencia artificial, los responsables necesitan tiempo y orientación para decidir qué tareas son adecuadas, cómo se supervisará el trabajo, qué debe hacer el personal cuando un resultado sea erróneo y cómo afecta el nuevo enfoque a las responsabilidades actuales. De lo contrario, las presiones para una adopción rápida pueden entrar en conflicto con el deber de los responsables de mantener la estabilidad de las operaciones.

Evaluar el trabajo realizado y sus resultados

Los inicios de sesión y la finalización de cursos reflejan la participación. No indican si un equipo realiza un trabajo más fiable, atiende mejor a los clientes o ha reducido una carga de trabajo evitable. Vincula la adopción a la estrategia de la empresa y realiza un seguimiento de resultados como la carga de trabajo, la calidad de la entrega, la experiencia de los empleados y los clientes, y la retención. Las métricas útiles dependerán del flujo de trabajo que se esté modificando.

A medida que se generaliza su uso, el riesgo también puede variar. Sullivan describe una fase posterior en la que las personas pueden aceptar con demasiada facilidad los resultados de la IA. Su ejemplo es una propuesta para un cliente que suena convincente, pero que promete algo que la organización no puede cumplir. Tanto si un equipo se encuentra en las primeras fases de adopción como si ya utiliza la IA de forma habitual, sigue siendo necesario que alguien asuma la responsabilidad de la decisión, verifique el trabajo y comprenda sus consecuencias.

Dave describe un cambio similar en el trabajo con clientes de The Gen AI Academy: las organizaciones suelen empezar pidiendo conocimientos sobre la creación de prompts, pero luego se dan cuenta de que necesitan ayuda para seleccionar flujos de trabajo y desarrollar el criterio necesario para utilizar la IA en ellos. La cuestión práctica para el liderazgo no es simplemente cuántas personas han utilizado una herramienta, sino qué tareas han cambiado, qué ha mejorado y quién sigue siendo responsable.

¿Qué debería hacer ahora un líder?

Si tu proyecto piloto cuenta con un grupo activo reducido y un alcance algo más amplio, empieza con tres preguntas:

• ¿Qué tareas concretas han mejorado los primeros usuarios y cómo lo sabes?
• ¿Qué necesitan los demás empleados y sus responsables para aplicar esos métodos de forma segura y coherente?
• ¿Qué resultados y controles de calidad te permitirían determinar que el nuevo flujo de trabajo es mejor?

Las respuestas pueden indicar medidas distintas para cada equipo. Además, ofrecen una base más clara para decidir si conviene ampliar el proyecto piloto, rediseñar un flujo de trabajo o invertir en un apoyo más específico.

Descubre el episodio y cómo te ayuda la Gen AI Academy

Para las organizaciones que pasan de una fase inicial de experimentación a una mayor capacidad, el Programa de Adopción de la IA comienza con una evaluación de la organización, para a continuación desarrollar el liderazgo y las capacidades internas y revisar los avances. En este episodio se explica por qué ese trabajo debe partir de las personas y de sus formas de trabajar actuales.

El curso «Estrategias basadas en la psicología para la adopción de la IA», de Karrie Sullivan, y el taller «Adopción de la IA para líderes» profundizan en su enfoque. Añade enlaces verificados al curso, al taller y al perfil de experta de Karrie antes de la publicación.

Escucha la conversación completa más arriba para conocer las reflexiones de Sullivan sobre la cultura empresarial, los prejuicios, las preocupaciones de los empleados y el futuro de la toma de decisiones.

Lecturas recomendadas

La IA tiene un problema con los «trofeos de participación »: Helena McAleer explica por qué la asistencia a los cursos de formación y los comentarios positivos pueden no suponer ningún cambio en el trabajo diario. Este artículo analiza qué pueden hacer los líderes cuando una prueba piloto llega a ese punto.

«AI-First» podría ser el peor enfoque para la IA: Dave Birss analiza las decisiones de los responsables a la hora de implantar la IA y explica por qué las licencias o los objetivos de uso, por sí solos, no constituyen una estrategia.

Ampliar la colaboración entre personas e IA genética: el recurso de Karrie Sullivan analiza la psicología del cambio y cómo abordar a los distintos grupos de una organización.