Inicio·Perspectivas·El modelo operativo en la era de la AI: qué cambia más allá de las herramientas
Las empresas compran las herramientas y esperan. Los resultados se quedan en el modelo operativo en el que se introdujeron — sin cambios, y así se queda.
La capa visible de un programa de AI son las herramientas: las licencias, los asistentes, los paneles, los pilotos. Los resultados, sin embargo, se encuentran una capa más abajo, en el modelo operativo: la forma en que se divide el trabajo, se enrutan las decisiones, se almacena y reutiliza la experiencia, y se gestionan las excepciones. Una empresa puede instalar todas las herramientas del mercado en un modelo operativo construido para un mundo sin ellas, y el modelo metabolizará con calma las herramientas adoptando la forma anterior: los asistentes redactan, los humanos reescriben desde cero «para estar seguros», la base de conocimiento se llena de documentos que nadie recupera y la tercera transformación en cinco años se une a las primeras dos en el cajón de las lecciones costosas.
Cuatro partes del modelo operativo deciden si la capacidad de AI se convierte en resultados, y las cuatro son candidatas al cambio antes llegan las herramientas.La división del trabajo. Las herramientas cambian el costo de las tareas, y una división de tareas diseñada para los costos anteriores sigue pagando a las personas para que hagan lo que las máquinas ahora hacen a bajo costo, mientras priva de recursos al trabajo que las máquinas no pueden hacer: juicio, relaciones, diseño. La división debe rediseñarse en torno a los nuevos costos, no heredarse de los anteriores.El enrutamiento de excepciones. Toda organización tiene un flujo en la sombra: las preguntas que la gente realmente se hace mutuamente, las excepciones que nadie puso por escrito. La AI amplifica cualquier flujo al que se dirija; dirigida al proceso oficial, acelera el proceso oficial mientras el real sigue funcionando sin cambios en el pasillo. El flujo de excepciones debe hacerse visible y asignarse antes de poder automatizarlo.Dónde vive el conocimiento. La AI es, en el fondo, una máquina de recuperación de conocimiento, y se debilita con la misma dieta con la que la organización ya se debilitaba: experiencia atrapada en cabezas y bandejas de entrada individuales. La cuestión de preparación es de carácter organizativo antes que técnico; la experiencia debe volverse colectiva antes de que cualquier herramienta pueda reutilizarla.La unidad de rendición de cuentas. Cuando el tiempo de ciclo de una tarea se reduce de días a minutos, el ritmo circundante del trabajo debe reducirse con él; las cadencias de revisión, las cadenas de aprobación y las transferencias diseñadas para la velocidad anterior se convierten en el nuevo cuello de botella. La estructura de rendición de cuentas, y no la herramienta, decide si la velocidad es real o se encuentra en cola detrás de las firmas.
Ninguno de estos cuatro elementos es visible en una demostración de proveedor, lo cual es precisamente la razón por la que se omiten: la demostración muestra la herramienta reemplazando una tarea, y el comprador extrapola a toda la organización. La extrapolación falla porque la organización no es una colección de tareas, sino un sistema de enrutamiento; y herramientas ociosas no debido a una falta de capacidad, sino porque el sistema que las rodea se construyó para funcionar sin ellas. Esta es también la razón por la cual el trabajo del modelo operativo debe abordarse pronto: cambiar la división del trabajo o el flujo de excepciones mientras se planifica un programa es diseño; cambiarlo después de dos años de herramientas inactivas es cirugía sobre tejido cicatricial. Y esto explica el patrón que las empresas confunden con un fallo tecnológico: las herramientas estaban bien, el piloto lo demostró, la economía eran reales, pero el modelo operativo, sin cambios, convirtió cada ganancia de vuelta en la forma anterior de la empresa.
La AI no transforma a las empresas. Multiplica todo lo que el modelo operativo ya hace, incluidos los hábitos que hicieron necesaria la transformación.
Rediseñar los cuatro elementos —división del trabajo, enrutamiento de excepciones, conocimiento, rendición de cuentas— antes del lanzamiento de una herramienta es un trabajo continuo en la práctica de transformación con IA, y representa la diferencia entre comprar capacidad y ser capaz de gastarla.
Utilizamos cookies para analizar el tráfico y mejorar el sitio. El análisis solo se habilita con su consentimiento.Política de Cookies