El Imperativo de la Transformación de la IA

La revolución de la inteligencia artificial presenta desafíos y oportunidades sin precedentes para las organizaciones a nivel mundial, alterando fundamentalmente el panorama de la transformación empresarial de maneras que la distinguen de los cambios tecnológicos anteriores. 

Este artículo explora la entrevista que Elizabeth Bramson, CEO de la revista MIT Technology Review le hizo a Kevin Bolen, Director Principal y Jefe de Transformación IA en KPMG, durante el evento EmTech AI 2025 en el MIT Media Lab. Kevin aporta una perspectiva única a esta discusión, habiendo sido testigo de múltiples olas de disrupción tecnológica a lo largo de su carrera que abarca las iniciativas tempranas de internet de IBM, startups de procesamiento de lenguaje natural, las teorías de innovación disruptiva de Clayton Christensen, y ahora liderando la transformación IA en una firma de servicios profesionales de 125 años de antigüedad.

Cinco conclusiones clave emergen de este análisis integral: 

1. Primera, la transformación IA actual difiere fundamentalmente de las revoluciones tecnológicas anteriores debido a la ausencia de latencia dependiente de infraestructura, creando una capacidad inmediata y democratizada que abruma los enfoques tradicionales de gestión del cambio organizacional. 

2. Segunda, las organizaciones deben abandonar las mentalidades lineales de ahorro de costos y adoptar estrategias de generación de valor basadas en portafolios que abarquen reducciones de costos inmediatas, ahorros dependientes de transformación y oportunidades de creación de valor completamente nuevas. 

3. Tercera, la trayectoria tradicional de desarrollo profesional de nivel inicial enfrenta disrupción, requiriendo que las organizaciones reimaginen cómo cultivan futuros líderes cuando los roles de nivel junior se automatizan.

4. Cuarta, la integración de IA en sistemas embebidos y arquitecturas basadas en agentes plantea riesgos significativos para las capacidades de pensamiento crítico, necesitando nuevos marcos para mantener la supervisión humana y el rigor analítico. 

5. Quinta, las industrias de servicios profesionales deben reestructurar fundamentalmente sus propuestas de valor, moviéndose más allá de los modelos de facturación basados en tiempo hacia asociaciones de innovación colaborativa que aprovechen las capacidades transformacionales de la IA.

La Naturaleza Sin Precedentes de la Transformación IA

La revolución IA actual representa un cambio de paradigma que desafía los precedentes históricos en la adopción tecnológica y el impacto organizacional. A diferencia de las tecnologías transformacionales anteriores como internet, la computación móvil o la electricidad, que requerían desarrollo sustancial de infraestructura y penetración gradual del mercado, la IA generativa aprovecha la infraestructura digital global existente para entregar capacidades inmediatas y democratizadas. Esta diferencia fundamental elimina la ventana de latencia tradicional que anteriormente permitía a las organizaciones observar, planificar y adaptarse gradualmente al cambio tecnológico.

El análisis de Bolen revela que las transformaciones históricas eran "codependientes de otras transformaciones que ocurrían", creando amortiguadores naturales para la adaptación organizacional. Internet requería actualizaciones de infraestructura de telecomunicaciones, penetración de banda ancha y desarrollos complementarios de la revolución móvil antes de alcanzar su potencial transformacional completo. Estas dependencias proporcionaron a las organizaciones "un poco de tiempo de retraso donde no eras castigado por llegar demasiado tarde". La transformación IA contemporánea opera sin tales mecanismos protectores, montándose sobre la infraestructura establecida para entregar "una cantidad masiva de capacidad democratizada e innovadora en las manos de literalmente todos".

Esta aceleración crea un desajuste fundamental entre la capacidad tecnológica y la preparación organizacional. Los equipos de liderazgo se encuentran "mal equipados" para manejar "cambiar todo en todas partes al mismo tiempo" en lugar de los modelos de transformación lineal tradicionales. El paradigma de transformación convencional asume movimiento "de un estado estable a otro estado estable" con la transformación representando una fase intermedia. La implementación IA actual demanda reconocimiento de "evolución continua en una escala relativamente rápida de grandes partes de tu negocio", desafiando fundamentalmente las metodologías establecidas de gestión del cambio.

Más Allá de la Reducción de Costos: Creación de Valor Basada en Portafolios

La respuesta organizacional inicial a las capacidades de IA frecuentemente se centra en oportunidades de reducción de costos, un enfoque natural pero finalmente limitante que falla en capturar el potencial transformacional completo de la tecnología. La experiencia de Bolen revela el atractivo seductor de los cálculos de costos inmediatos: identificar ahorros de tiempo a través de las funciones organizacionales y traducir estos en beneficios financieros teóricos. Sin embargo, este enfoque encuentra desafíos significativos de implementación arraigados en la psicología humana y la inercia organizacional.

El fallo fundamental en las estrategias de reducción de costos yace en la dificultad de agregar ahorros de tiempo individuales en beneficios organizacionales significativos. Mientras que la IA podría ahorrar "17 minutos al día" para contribuidores individuales, "agregar eso en un verdadero ahorro de FTE resultó realmente difícil" debido a la inercia humana, limitaciones de mentalidad de liderazgo e incertidumbre sobre la utilización productiva del tiempo recuperado. Cuando los empleados aprenden que la IA podría eliminar el 15% de sus actividades diarias, la respuesta es a menudo ansiedad en lugar de entusiasmo: "¿entonces termino el trabajo a las 3:30? ¿Qué hago? ¿Cómo muestro valor?".

La realización efectiva del valor de IA requiere un enfoque sofisticado de portafolio que abarque tres categorías distintas de oportunidad. Los ahorros de costos inmediatos representan frutos al alcance donde la IA demuestra superar las capacidades humanas, como servicios de traducción y localización que pueden eliminar millones en gastos anuales. Los ahorros dependientes de transformación reconocen el valor potencial que requiere cambio organizacional significativo para realizarse, demandando evaluación realista de la complejidad de implementación. La creación de valor completamente nuevo representa la categoría más emocionante: oportunidades que anteriormente eran imposibles debido a limitaciones de costo-efectividad o capacidad analítica humana insuficiente.

El marco de portafolio demanda integración de perspectiva externa, reconociendo que los stakeholders internos pueden estar "institucionalizados" en enfoques existentes e incapaces de visualizar alternativas radicales. Mientras que los equipos internos se enfocan en mejoras incrementales del 10-20%, las perspectivas externas podrían cuestionar suposiciones fundamentales y proponer eliminación del 90% de procesos enteros. Esta entrada externa se vuelve crucial para organizaciones que buscan beneficios transformacionales en lugar de meramente incrementales.

Reimaginando el Desarrollo Profesional y el Cultivo del Liderazgo

La automatización de roles tradicionales de nivel inicial crea un desafío profundo para el desarrollo de talento organizacional, potencialmente disrumpiendo las trayectorias establecidas para cultivar capacidades de liderazgo futuro. Esta transformación es paralela a los cambios históricos en manufactura, donde los modelos de aprendizaje para soldadores se volvieron obsoletos con la automatización robótica, requiriendo conjuntos de habilidades completamente nuevos enfocados en programación de robots en lugar de técnicas de soldadura manual.

Las organizaciones de servicios profesionales enfrentan desafíos particulares en esta transición, habiendo dependido históricamente de personal junior realizando tareas analíticas rutinarias mientras desarrollaban habilidades de relación con clientes, capacidades de negociación y perspicacia de desarrollo de negocios. El modelo tradicional de "sentarse en una sala de conferencias haciendo mapas de procesos" mientras se aprenden habilidades más suaves se vuelve económicamente insostenible cuando la IA puede realizar tal análisis más eficientemente. Las organizaciones deben identificar "nuevas tareas de nivel inicial que agreguen valor al cliente por las que estén dispuestos a pagar" mientras sirven como ambientes de incubación efectivos para habilidades profesionales esenciales.

La solución requiere reconceptualización fundamental de roles profesionales y competencias requeridas. En lugar de traer metodologías predeterminadas a desafíos de clientes, los profesionales futuros deben demostrar "qué tan rápido puedes generar una solución completamente nueva a ese problema" a través del desarrollo y despliegue dinámico de agentes. Este cambio demanda identificación de candidatos que han "demostrado eso dentro de su trayectoria universitaria, su primer trabajo o dos" en lugar de depender de credenciales académicas tradicionales o evaluaciones de habilidades estandarizadas.

Las implicaciones se extienden más allá del desarrollo de carrera individual hacia la gestión del conocimiento organizacional y la preservación de la memoria institucional. Cuando el personal junior ya no realiza trabajo analítico rutinario, las organizaciones arriesgan perder el entendimiento detallado de procesos que emerge de la experiencia práctica con operaciones de negocio fundamentales. Mantener este conocimiento institucional mientras se aprovechan las capacidades de IA requiere diseño deliberado de roles híbridos que combinen la aumentación de IA con compromiso analítico humano significativo.

Preservación del Pensamiento Crítico en Ambientes Aumentados por IA

La integración de capacidades de IA en flujos de trabajo profesionales plantea preocupaciones significativas sobre la preservación y desarrollo de habilidades de pensamiento crítico, particularmente cuando la IA efectúa la transición de herramientas discretas a componentes de sistemas embebidos. Este desafío se manifiesta más claramente en ambientes educacionales donde los estudiantes dependen cada vez más de auto-completado potenciado por IA y asistencia de programación sin desarrollar las capacidades analíticas necesarias para evaluar la calidad del output o identificar errores potenciales.

El precedente histórico de la adopción de calculadoras mecánicas en contabilidad proporciona contexto instructivo para debates actuales sobre la dependencia de IA. Un memorando de hace un siglo de Marwick (la "M" en KPMG) advirtió contra el uso de las calculadoras, argumentando que los contables "perderían las habilidades matemáticas centrales requeridas para la profesión". Aunque esta preocupación parece ingenua en retrospectiva, resalta la tensión recurrente entre la adopción de herramientas y la preservación de habilidades a través de transiciones tecnológicas.

El desafío contemporáneo difiere significativamente en alcance y complejidad. La utilización actual de IA permanece en gran medida "centrada en prompts", permitiendo a los usuarios "elegir qué problemas traer a la IA" y "elegir cuánto de esa respuesta usar antes de ponerla en el entregable final". Este uso discrecional preserva oportunidades para evaluación crítica e implementación selectiva. Sin embargo, cuando la IA se vuelve cada vez más embebida en sistemas empresariales y las arquitecturas basadas en agentes eliminan la elección del usuario en la utilización de IA, "la visibilidad de la fuente de donde vino" disminuye significativamente.

El efecto compuesto de flujos de datos de IA a IA crea riesgos particulares para la detección y corrección de errores. Cuando "el sistema ERP está alimentando el sistema CRM, alimentando el sistema de reportes", identificar la fuente de errores analíticos requiere ingeniería inversa compleja a través de múltiples sistemas aumentados por IA. Esta complejidad arquitectónica demanda nuevos marcos para mantener el rigor analítico y las capacidades de detección de errores a través de ecosistemas de IA integrados.

La solución requiere desarrollo proactivo de alfabetización en IA y metodologías de evaluación crítica en lugar de estrategias de evitación de IA. Las organizaciones deben "enseñar a las personas cómo ser críticas en esta era versus asumir que esta era puede de alguna manera ser retrasada debido a ese riesgo". Este enfoque demanda entrenamiento explícito en reconocimiento de limitaciones de IA, técnicas de validación de output y enfoques sistemáticos para mantener supervisión analítica en ambientes cada vez más automatizados.

Transformación de Modelos de Negocio de Servicios Profesionales

La industria de servicios profesionales enfrenta disrupción fundamental de modelos de facturación tradicionales y marcos de propuesta de valor cuando las capacidades de IA remodelan las expectativas de clientes y metodologías de entrega de servicios. El modelo de hora facturable, durante mucho tiempo la base de servicios legales, contables y de consultoría, encuentra desafío directo de mejoras de eficiencia habilitadas por IA que los clientes pueden observar y medir a través de su propia experimentación con IA.

La sofisticación del cliente en la utilización de IA crea presiones de transparencia que las firmas de servicios profesionales no pueden ignorar. Como denota Bolen, los clientes "no están desafiando directamente nuestras tarifas porque reconocen que, para usar estas herramientas, estas herramientas son caras" y requieren inversión significativa para desarrollar y monetizar. Sin embargo, los clientes esperan cada vez más que "pasemos menos horas en estas tareas" basándose en sus propias experiencias con IA, creando presión para mejoras de eficiencia demostrables.

La respuesta estratégica requiere transparencia y colaboración en lugar de posicionamiento defensivo. Las firmas de servicios profesionales deben involucrarse en conversaciones explícitas sobre la utilización de IA "para ganancia mutua" o arriesgarse a parecer "ignorantes de lo que la tecnología puede hacer, lo cual no es un gran lugar para estar desde un punto de vista de asesoría". Esta transparencia habilita la creación de valor conjunto a través de capacidades que anteriormente eran imposibles o económicamente inviables.

El etiquetado farmacéutico proporciona un estudio de caso ejemplar en la creación de valor transformacional. Los procesos de etiquetado tradicionales representan "nada más que un retraso en su capacidad de capturar valor de mercado porque tienen la información, saben que ha sido aprobada, solo tienen que llevarla al mercado". A través del desarrollo colaborativo de agentes de IA, KPMG logró una reducción del 40-50% en el tiempo total del proceso con mejoras del 90% en componentes específicos. Esta transformación crea valor compartido que justifica precios premium mientras acelera la entrada al mercado del cliente.

La evolución hacia asociaciones de innovación colaborativa requiere cambios fundamentales en las capacidades de las firmas de servicios profesionales y el posicionamiento de mercado. En lugar de vender metodologías predeterminadas o experiencia establecida, las firmas deben demostrar capacidad para la generación rápida de soluciones y desarrollo de agentes personalizados adaptados a desafíos específicos de clientes. Esta transición demanda nuevos criterios de contratación, programas de entrenamiento y marcos de evaluación de desempeño que prioricen la adaptabilidad y la innovación sobre la experiencia tradicional en materias específicas.

Marco de Implementación Estratégica para la Transformación IA

La transformación IA exitosa requiere enfoques sofisticados de gestión del cambio que equilibren la capacidad tecnológica con la capacidad de adaptación humana. El marco debe reconocer que "la tecnología se está moviendo mucho más rápido que nuestra capacidad humana de absorber y utilizarla", necesitando "filosofía de gestión del cambio alrededor de esto que sea tanto compasiva para las personas que están pasando por esta transformación, pero también realista".

El principio de realismo compasivo reconoce que la transformación no puede ser diferida indefinidamente cuando la disrupción laboral se vuelve inevitable. Usando la analogía de manufactura, "si el soldador va a ser reemplazado por el robot, tienes que dejar que eso suceda y habilitar al soldador para que vaya a aprender las nuevas habilidades robóticas en el camino". Este enfoque requiere programas proactivos de re-entrenamiento, comunicación transparente sobre la evolución de roles y apoyo sistemático para los viajes de adaptación individual.

Las organizaciones deben desarrollar marcos de evaluación integral para evaluar su balance actual de portafolio de IA a través de ahorros inmediatos, oportunidades dependientes de transformación y creación de valor completamente nuevo. Esta evaluación debe identificar deficiencias en dominios específicos de portafolio y guiar la asignación de recursos hacia categorías de oportunidad subrepresentadas. El marco debe incorporar integración de perspectiva externa para desafiar suposiciones institucionales e identificar posibilidades de transformación radical.

La estrategia de implementación debe abordar el cambio fundamental de herramientas de IA discretas a sistemas de IA embebidos y agentes autónomos. Esta transición requiere nuevos marcos de gobernanza, protocolos de gestión de riesgos y metodologías de aseguramiento de calidad que mantengan la supervisión humana mientras aprovechan las capacidades de IA. Las organizaciones deben desarrollar enfoques sistemáticos para el desarrollo de alfabetización en IA, asegurando que el personal pueda colaborar efectivamente con sistemas de IA mientras mantiene capacidades analíticas críticas.

El éxito en la transformación IA finalmente depende de abrazar el potencial transformacional de la tecnología mientras se mantienen expectativas realistas sobre la complejidad de implementación y los requerimientos de adaptación humana. Las organizaciones que logren este equilibrio capturarán ventajas competitivas significativas, mientras que aquellas que resistan la adopción o persigan cronogramas de implementación irrealistas arriesgan desventaja estratégica en un ambiente de negocio cada vez más aumentado por IA. La clave yace en mantener optimismo "alcista" sobre el potencial de la IA mientras se permanece "pragmático sobre el valor y el ritmo hacia el valor" y "compasivo sobre la transformación humana" requerida para una implementación exitosa.