La Pregunta se Movió de "Cómo Usamos la IA" a "Quién Corre el Trabajo"

Muchas conversaciones ejecutivas a las que entro en este momento siguen planteadas de la misma manera. Alguien en la cima de la casa pregunta: "cómo usamos la IA". Se lee una lista de herramientas. Alguien menciona Copilot. Otro menciona el piloto de ChatGPT Enterprise que tres departamentos están corriendo en paralelo sin saber unos de otros. Aparece un deck de consultoría con seis casos de uso. La reunión termina sin una decisión y todos acuerdan "seguir acelerando".

Ese encuadre ya está un año atrasado. No lo digo para marcar un punto. Lo digo porque el costo de quedarse en ese marco por otros seis meses es medible, y lo he visto aparecer en portafolios reales.

La pregunta se movió. Ya no es "cómo usamos la IA". Es "quién corre realmente el trabajo, una vez que los agentes pueden hacer la mayoría de él". Esa es una conversación diferente, y aterriza en una parte diferente de la organización. No es una pregunta de herramientas para que IT la dimensione. Es una pregunta de modelo operativo para que el CEO y el COO sean dueños, con el CFO en la sala preguntando de dónde salen los ahorros y el CHRO en la sala preguntando qué pasa con la gente que solía hacer el trabajo.

Déjenme intentar ser concreto sobre lo que quiero decir.

En el marco viejo, la IA es una herramienta de productividad. Compras una licencia, un trabajador del conocimiento tiene un copiloto al lado de su email, y la teoría del valor es que hace el mismo trabajo un poco más rápido. Es aditivo. Nada estructural cambia. El organigrama sigue funcionando. Los roles siguen teniendo sentido. La línea de presupuesto parece software.

En el marco nuevo, la IA es una capa de ejecución. Un agente toma una solicitud, descifra los pasos, actúa entre sistemas, produce un resultado y cierra el ciclo. El humano sigue en la imagen, pero está supervisando, aprobando y manejando excepciones. No es la persona que hace clic a través de dieciocho pantallas para reconciliar una factura. Ese trabajo lo está haciendo el agente. A escala, en toda una empresa, esto no es aditivo. Es estructural. El organigrama no funciona de la misma manera. Las descripciones de roles no coinciden con lo que la gente realmente está haciendo. La línea de presupuesto deja de parecer software y empieza a parecer trabajo.

Cuando te sentás con ese cambio por un minuto, tres cosas caen de él.

La primera es que el stack de SaaS que compraste la década pasada está a punto de partirse en dos. Una mitad será absorbida por la capa de agentes. Las partes que son solo plomería de datos, reporting, workflow liviano, y formularios, van a ser sustratos commodity sobre los cuales los agentes operan. El logo del proveedor seguirá ahí, pero la captura de valor se moverá a quien sea dueño del agente que haga el trabajo encima. La otra mitad del stack, la parte que es dueña de los datos, el sistema transaccional de registro, el proceso regulado, esa mantiene su valor. Quizás más valor. Porque ahora los agentes la necesitan correcta, actual y auditable.

No sé exactamente dónde aterriza cada proveedor en esa división. He visto suficientes transiciones de plataforma para saber que el medio del stack es el más expuesto. Los sistemas pesados en la base y la capa de interfaz arriba son usualmente los sobrevivientes. Todo lo que está en el medio está en juego, que es por qué cada proveedor de aplicaciones de repente está lanzando un agente propio. Pueden sentir lo mismo que estoy describiendo, y están tratando de subir en el stack antes de quedar comprimidos fuera de él.

La segunda es que tu modelo operativo fue diseñado para humanos haciendo el trabajo. Tenés cadenas de aprobación, puntos de traspaso, segregación de funciones, y ciclos de revisión que se construyeron cuando lo que se revisaba era una decisión humana hecha por una persona en un escritorio. Cuando lo que se revisa es una decisión de agente hecha por un modelo en un runtime, la mayoría de esos controles o no aplican o aplican de una manera que crea la fricción equivocada. Las cadenas de aprobación diseñadas para prevenir fraude por un solo empleado no mapean limpiamente a agentes que pueden ejecutar mil acciones por minuto. La segregación de funciones no significa lo mismo cuando un agente puede tocar tres sistemas en un solo paso de razonamiento. El modelo operativo necesita ser rediseñado, no parchado.

La tercera es sobre responsabilidad, que es la parte que la mayoría de los equipos quieren saltar. Si un agente ejecuta una acción y algo sale mal, quién es responsable. No en el sentido legal, aunque eso importa. En el sentido operativo. Quién recibe el aviso. Quién escribe el postmortem. Qué evaluación de desempeño refleja el resultado. Si la respuesta es "el modelo" o "el proveedor" o "el equipo de plataforma", no tenés un modelo operativo, tenés una difusión de responsabilidad. Los programas que he visto funcionar son aquellos donde un humano con nombre es dueño del output del agente, de la misma manera que un gerente es dueño del output de un equipo. Ese es un pequeño cambio en cómo la gente habla del trabajo, y hace que todo lo que sigue sea más difícil y más sano.

Esta es la forma de la conversación real que creo que los equipos de liderazgo empresarial deberían estar teniendo en 2026. No "cómo usamos la IA". No "qué herramienta deberíamos comprar". Algo más cercano a: quién en nuestra organización corre el trabajo una vez que los agentes hacen la mayoría del hacer, cuál es nuestro modelo operativo para ese mundo, y cuál es la secuencia en la que vamos a llegar ahí sin destruir la confianza en el camino.

Cuando fui Head de IA en Restaurant Brands International, esta fue la conversación a la que seguí tratando de llevar a la gente. Es incómoda porque no es una conversación de herramientas. Es una conversación de diseño organizacional, lo que significa que tiene ganadores y perdedores y decisiones reales. Pero las empresas que la tienen honestamente en 2026 son las que van a estar en una posición fuerte en 2028. Las que se queden atascadas en el marco de herramientas por otro año se van a encontrar con un presupuesto de IA más grande, una pila de pilotos superpuestos, y ninguna respuesta a la pregunta que importa.

Si tu equipo sigue preguntando cómo usar la IA, está bien como línea de partida. Solo no la confundas con la llegada. La pregunta que realmente necesitas responder es quién corre el trabajo, y cuanto antes nombres a esa persona, ese equipo y ese modelo operativo, menos doloroso serán los próximos dos años.