Psicoanálisis corporativo: cómo lograr que la IA funcione en tu empresa

Cierto, es un titular ambicioso, pero llevamos años viendo triunfar y fracasar proyectos de transformación digital y en muchas ocasiones sin saber muy bien la razón. Es un patrón que los análisis de Boston Consulting Group que ya hemos señalado anteriormente en MuyComputerPro llevan años señalando, con solo tres de cada diez proyectos cumpliendo sus metas declaradas. La paradoja se acentúa ahora, cuando las organizaciones invierten cantidades sin precedentes en inteligencia artificial (en ocasiones con importantes recortes en plantilla asociados) y, aun así, siguen teniendo dificultades para convertir ese gasto en resultados operativos sostenibles.

Este patrón suele traducirse en fatiga organizativa ante el cambio. Cada proyecto fallido deja una capa adicional de escepticismo interno y un peligroso deterioro progresivo de la capacidad de cambio. Las empresas con mayor historial de transformaciones frustradas suelen ser, precisamente, las que más necesitan cambiar y las que llegan con menor margen operativo y emocional para lograrlo. Es una dinámica que muchos cuadros de mando tecnológicos no acaban de capturar. Se ha hablado mucho de los márgenes operativos, de la cultura de empresa y de la forma de aplicar la tecnología al cambio pero no se habla lo suficiente de un componente fundamental: el coste psicológico y emocional de ese cambio por parte de los trabajadores.

El nuevo libro «How Change Really Works» (Harvard Business Review Press), firmado por los expertos de BCG Julia Dhar, Kristy R. Ellmer y Philip Jameson, aporta una explicación útil para este momento. Su tesis es clara: muchos procesos de cambio fallan también porque los líderes no siempre comprenden cómo cambian realmente las personas dentro de una organización.

La IA exige otro enfoque de adopción

Tratar la IA como una implantación tecnológica convencional puede llevar a infravalorar su impacto organizativo. Desplegar un sistema de gestión de clientes o de planificación de recursos afecta a procesos concretos, pero rara vez cuestiona la identidad profesional de los empleados. La inteligencia artificial interviene en cuestiones más sensibles: qué significa ser experto, qué aporta cada rol y cómo se toman las decisiones relevantes dentro de la organización. Por eso, la adopción de IA debe abordarse como un cambio de comportamiento y de roles que tiene que ser gestionado con cuidado y que acompaña a la actualización de herramientas.

La «Shadow AI» es un problema de ciberseguridad, pero también una señal de que la estrategia cultural de adopción no está funcionando. La consecuencia más visible de este desajuste es lo que denominamos en un artículo anterior el fenómeno de los dos mundos paralelos: la dirección percibe la IA como un recurso funcional para el equipo, mientras una parte de la plantilla o bien la utiliza a escondidas con los múltiples problemas que conlleva o la evita. Esta brecha exige algo más que comunicación interna o cursos de adopción digital. Requiere entender por qué los empleados confían, dudan o se protegen frente a estas herramientas.

La investigación académica sobre la aversión al algoritmo ayuda a explicar este mecanismo: los usuarios tienden a perder antes la confianza en un sistema algorítmico que en una persona cuando ambos cometen errores comparables. La confianza en la tecnología puede deteriorarse con rapidez cuando el primer contacto genera frustración o fallos visibles. Por eso, el diseño de la adopción debe contemplar la precisión del sistema, pero también cómo se explican sus límites y cómo se gestionan sus errores. Pero hay otras reacciones psicológicas que también hay que tener en cuenta a la hora de planificar correctamente la adopción de herramientas IA y otras transformaciones digitales de la empresa.

Cuando el empleado siente que ejecuta órdenes del algoritmo

El concepto de «centauro inverso» ayuda a entender por qué algunas implementaciones de IA generativa generan rechazo pese a estar bien resueltas desde el punto de vista técnico y estratégico para la evolución digital de la empresa. La consultora especializada en neurociencia aplicada Neurofied identifica dos sesgos cognitivos relevantes para este fenómeno. El primero es el sesgo de statu quo: cualquier cambio percibido como innecesario activa una resistencia proporcional a la comodidad del estado actual. El segundo es el rechazo al modelo del centauro inverso: los profesionales aceptan usar la IA como copiloto que amplifica sus capacidades, pero muestran más resistencia cuando sienten que el algoritmo marca el criterio y ellos se limitan a ejecutar.

Esta distinción puede influir de forma decisiva en la adopción. La IA se integra con más facilidad cuando los profesionales perciben que refuerza su criterio, reduce tareas de bajo valor y les permite tomar mejores decisiones. En cambio, la adopción se resiente cuando la herramienta se presenta como un mecanismo de supervisión o sustitución encubierta. Informar sobre la hoja de ruta de IA resulta insuficiente si los empleados no perciben capacidad real de influencia sobre su uso o no están bien informados de su papel dentro de esa hoja de ruta. McKinsey and Company ha utilizado el concepto de «superagencia» para describir el estado mental que impulsa la adopción efectiva. Los empleados integran la IA con más facilidad cuando sienten que les aporta capacidades ampliadas y control sobre sus resultados.

Este es uno de los puntos críticos en los que fallan muchos proyectos de adopción de la IA. El primer paso es conocer bien el lugar de cada persona que trabaja en la empresa y su papel concreto, un estudio no solamente funcional sino de cultura de empresa comprendiendo también aportaciones menos tangibles como el enfoque creativo de las tareas, la interacción con otros departamentos, la voluntad de formarse… Una vez tengamos el cuadro completo el diseño de la implementación debe partir de una pregunta concreta: ¿Qué capacidad adicional obtiene cada perfil de usuario con la herramienta que les vamos a proporcionar? ¿En qué va a mejorar no solamente su desempeño sino la calidad de vida reduciendo por ejemplo las tareas más burocráticas y repetitivas?

Eliminar la fricción cognitiva

Otro paso más es el de analizar las potenciales dificultades de nuestros equipos para adoptar la nueva herramienta. Si usar la IA resulta más complicado que mantener el proceso anterior, la adopción se resiente incluso cuando la herramienta funciona técnicamente bien. El principio es de arquitectura de decisión y el comportamiento que se desea fomentar debe ser el camino de menor resistencia. Una posibilidad es la de integrar los modelos directamente en las herramientas que los empleados ya utilizan a diario para reducir la fricción inicial y evitar que la IA se convierta en una capa adicional de complejidad.

El estudio del BCG añade a esto la importancia de los rituales estructurados que consisten en revisiones breves y periódicas que normalizan el uso de la IA en la rutina del equipo y reducen la fatiga cognitiva asociada a cualquier cambio de hábito significativo a escala organizativa. La repetición, cuando está bien diseñada, ayuda a que la adopción deje de depender del entusiasmo inicial y pase a formar parte del funcionamiento habitual del equipo. Mecánicas que puedan integrarse de forma natural y que no interfieran con el funcionamiento anterior de los equipos conservando los roles de sus miembros pero potenciando sus capacidades.

Finalmente y teniendo en cuenta todo esto, cuando llega el momento de medir la eficacia de la adopción de herramientas de Inteligencia Artificial no podemos obviar una parte fundamental. Las métricas de uso y ahorro de costes ofrecen una visión incompleta de la adopción. Las empresas que logran transformaciones sostenibles también miden de forma continua la confianza, el miedo percibido y la mejora en la capacidad autopercibida de su plantilla. Estos indicadores permiten detectar resistencias antes de que aparezcan. El retorno de la inversión en IA rara vez se materializa de forma inmediata en el trimestre del despliegue. Se construye durante los primeros meses de uso real, cuando las personas deciden si incorporan la herramienta a su forma de trabajar o si la relegan a una prueba más dentro del histórico de proyectos corporativos fallidos o parcialmente fallidos.

El termómetro de la IA en España

El escenario español combina señales contradictorias que merecen reflexión. Por un lado, el 43% de las empresas en España está acelerando su adopción de IA, impulsadas principalmente por el argumento de la eficiencia operativa. La presión competitiva y la disponibilidad de herramientas accesibles están comprimiendo los plazos de decisión en los comités de dirección, con aprobaciones de proyectos que hace tres años habrían requerido más ciclos de validación pero sobre todo una reflexión estratégica más profunda.

Los datos del terreno muestran una realidad compleja. El 71% de las empresas españolas identifica la resistencia al cambio como su principal obstáculo, y un 45% de los propios directivos reconoce formar parte activa de esa resistencia. El C-Level que impulsa la adopción de IA en los documentos estratégicos puede ser, al mismo tiempo, quien frena los cambios de proceso que harían viable su implementación real. Esta contradicción ayuda a explicar la distancia entre presupuesto comprometido y valor generado.

La encuesta EBAE del Banco de España completa el diagnóstico: la IA avanza en sectores de servicios, pero el aprovechamiento real permanece concentrado en tareas básicas y en aplicaciones de marketing, lejos todavía de la transformación operativa profunda que justificaría buena parte de las inversiones declaradas. El diagnóstico apunta a una combinación de factores: falta de capacidades internas, costes de implantación, problemas de datos y una cultura de innovación todavía insuficiente en muchas organizaciones. La capacitación sigue siendo una pieza central para que la IA deje de concentrarse en usos básicos y empiece a transformar procesos de mayor valor.

El despliegue de la inteligencia artificial en la empresa exige pues una combinación de tecnología, psicología organizacional y liderazgo. La velocidad de implantación de las herramientas obliga a las organizaciones a gestionar el cambio con más rigor, porque la disponibilidad técnica por sí sola resulta insuficiente para lograr adopción real. Las compañías que aborden la IA como una transformación de procesos, capacidades y hábitos tendrán más opciones de convertir la inversión en ventaja competitiva. Las que limiten el proyecto a la compra de herramientas o a la automatización de tareas con exigencias forzadas de adopción a las plantillas corren el riesgo de repetir patrones de fracaso ya conocidos en otras oleadas de transformación digital.