Mandatos de IA: ¿Éxito o Fracaso? Líderes Lo Cuentan Todo
Los mandatos de IA están por todas partes en este momento. Algunos se susurran como expectativas culturales, otros están escritos en los OKR y en las evaluaciones de desempeño. Pero, ¿realmente funcionan?
Preguntamos a líderes que emitieron mandatos de IA, y a las personas que trabajaron bajo ellos, cuál era realmente el mandato, cómo se medía el éxito y qué ocurrió después. Sus respuestas apuntan a una línea divisoria sorprendentemente consistente, y no es si existía o no el mandato. Es qué medía el mandato.
Cómo eran realmente los mandatos
La palabra "mandato" sugiere un memorando, pero las versiones en el mundo real variaron desde simples requisitos de capacitación hasta estrictas cuotas de ingeniería. En el extremo menos estricto se encuentra Aniket Ghonge, Senior Supply Chain Manager en Amazon, donde no existe ningún tipo de cuota de uso. "No hay medición sobre cuánto hago [con IA]", comenta.
Desbloquea Gratis
Crea una cuenta gratuita para terminar de leer este contenido y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, manuales y conocimientos para prosperar en la era de la IA.
Have an account? Log In
Lo que sí exige Amazon, en todos los niveles de la organización, es capacitación en IA: "Tenemos que terminar la capacitación en IA. De lo contrario, puede escalarse", dice, llamándolo "una práctica estándar en Amazon". Sin embargo, esa expectativa de bajo impacto no lo frenó: Ghonge terminó programando con vibecoding una herramienta para su equipo que ahorró tiempo significativamente.
No hay medición sobre cuánto hago [con IA]. Pero, sí tenemos que terminar la capacitación en IA.
En el extremo opuesto, Liu Peng, Fundador y Líder Técnico en ReelPulse y Quartz, impuso una norma interna estricta: "El 100% de los pull requests para los pipelines de extracción de datos y los scripts de localización deben utilizar generación de código asistida por IA, y cada ingeniero debe registrar sus flujos de trabajo diarios con prompts en el LLM durante las retrospectivas del sprint".
La mayoría adoptó un punto intermedio, acotando la IA a etapas específicas del trabajo en lugar de exigir su uso constante. Neal J. McLeod, Fundador de CTK Industries, trazó la línea cuidadosamente: "La regla no era 'usar IA a diario'. La regla era 'usarla donde reduzca trabajo manual de bajo valor sin eliminar la revisión humana en pasos sensibles a la confianza'". Bogdan Condurache, CPO y cofundador de Brizy, adoptó un enfoque similar en el área de producto: "Nuestro mandato de IA era que cada nueva función debía explorarse con IA antes de comenzar el trabajo".
Cuándo funcionaron los mandatos
Las historias de éxito comparten un patrón: los líderes midieron los resultados finales, mantuvieron a las personas en el circuito de revisión y dejaron espacio para el criterio propio. Rick Elmore, CEO y Fundador de Simply Noted, exigió que cada miembro del equipo incorporara IA en su flujo de trabajo semanal a partir del Q1 2025, pero lo monitoreó según resultados, preguntando, "¿tardaron menos las propuestas? ¿Los tickets de soporte se cerraron más rápido? ¿Los borradores de marketing necesitaron menos rondas de revisión?". El resultado: "Nuestra producción de marketing aproximadamente se duplicó en volumen sin aumentar el personal".
Nuestra producción de marketing aproximadamente se duplicó en volumen sin aumentar el personal.
Carlos Rios, Fundador de Tabula, observó ganancias similares tras hacer de la IA la forma predeterminada de trabajo de su equipo. "Aproximadamente el 95% de nuestro contenido de blog ahora comienza con un borrador asistido por IA. Un post que antes tardaba una semana en escribirse ahora toma cerca de una hora de prompts y edición antes de estar listo para revisar", dice, con el matiz de que cada pieza sigue pasando por su revisión antes de publicarse.
Las cifras también se mantuvieron en entornos técnicos. Chongwei Chen, presidente y CEO de DataNumen, vinculó su mandato a un OKR del Q1 de lograr que el 30% de los tickets fueran asistidos por IA. "El tiempo medio de resolución de casos de recuperación bajó de 4,2 días a 2,8 días. La satisfacción del cliente respecto a los tickets aumentó de 4,1 a 4,6", informa.
El tiempo medio de resolución de casos de recuperación bajó de 4,2 días a 2,8 días. La satisfacción del cliente respecto a los tickets aumentó de 4,1 a 4,6.
No todas las victorias se debieron a la velocidad. Kristiyan Yankov, cofundador y responsable de crecimiento en Above Apex, encontró la recompensa en otro aspecto: "No redujimos repentinamente a la mitad nuestra carga de trabajo. Lo que cambió fue la consistencia". Condurache quedó igualmente sorprendido. "La mayor sorpresa fue que la IA ayudó más en la colaboración que en la productividad. Producto, diseño e ingeniería empezaron todos desde el mismo borrador en vez de documentos separados", afirma.
Cuando los mandatos salieron mal
Los fracasos también comparten un patrón, que es la imagen inversa de los éxitos. Ankita Pathak de OneMetrik vivió el caso más claro como advertencia: la dirección exigía el uso diario de ChatGPT, comprobado mediante capturas de pantalla subidas a un canal de Slack antes de las 4 de la tarde. Funcionó durante unas semanas, pero pronto se torció. "Al segundo mes, salió el tiro por la culata. La gente lo usaba a diario solo para cumplir el requisito, y empezaron a usarlo para cosas para las que no servía," cuenta. La agencia abandonó el mandato después de ocho semanas. Su conclusión: "obligar al uso diario de la IA no crea mejores hábitos, solo crea cumplimiento."
Incluso los mandatos que dieron resultados acarreados tenían costes ocultos. La cuota de pull-requests de Peng duplicó la velocidad de entrega de su equipo en 60 días, hasta que llegó la factura, lo que él llama el "Impuesto de Revisión de la IA". Como lo describe, "Los desarrolladores junior aceptaban a ciegas consultas ORM complejas generadas por IA y analizadores de regex sin comprobar los casos límite. Esto condujo a fugas de memoria silenciosas durante los extractos de datos de video de alta concurrencia, lo que disparó nuestros costes de cómputo en la nube en un 22% en un mes." Desde entonces ha cambiado de un mandato de uso a un mandato de gobernanza, defendiendo que "los mandatos de IA solo funcionan cuando tratas a los desarrolladores como 'Directores de Intención' que son dueños de la arquitectura, y no como mecanógrafos pasivos."
Creó lo que llamo el Impuesto de Retrabajo de la IA. Esto llevó a fugas de memoria silenciosas durante extracciones de datos de video de alta concurrencia, disparando nuestros costes de cómputo en la nube en un 22% en un mes.
Andrea Sommer, fundadora y CEO de Hive Founders, ha presenciado el mismo fallo desde la posición de fundadora. "Los mandatos que fracasan son los que se miden por actividad. 'Todos usan Copilot a diario' o 'X por ciento de los tickets tocados por IA' termina siendo gente manipulando una métrica en vez de trabajando mejor," sostiene. McLeod lo dice igual de claramente: "los mandatos fallan cuando premian el uso visible en lugar de una mejora operativa medible."
Lo que sorprendió a los líderes
Más allá de los resultados destacados, los líderes con los que hablamos seguían encontrando los mismos efectos secundarios, pocos de los cuales aparecían en los planes iniciales de implementación.
El obstáculo no es el miedo; es la costumbre. Elmore esperaba resistencia y se encontró con algo más sutil: "El mayor obstáculo no era el miedo a la IA, era la inercia de los hábitos." Su solución sería estructural, acompañando cualquier futuro mandato con una serie de aprendizaje de 30 días, porque "el mandato sin andamiaje es solo presión."
La IA es una radiografía de procesos. McLeod descubrió que el resultado más revelador de la IA era sobre sus propias operaciones: "si la entrada era ambigua o los procedimientos poco claros, la IA hacía que la inconsistencia apareciese más rápido. En ese sentido, la IA exponía más los problemas de proceso que los solucionaba."
El juicio sénior se revaloriza. Barnett observó que "las personas que más se beneficiaron no fueron las que más usaron la IA. Fueron quienes supieron cuándo dejar de depender de la IA y aplicar su propio criterio."
Y el entusiasmo tiene un límite. Rion Haber, cofundador y director de estrategia en Catalyst Marketing Agency, que impuso un experimento abierto de IA de seis meses en su equipo directivo, lanzó una advertencia a quien espere que el mandato por sí solo transforme el negocio: "la idea de que basta un prompt para multiplicar por diez tu inversión es una estafa."
La paradoja del mandato de IA
Aquí está la paradoja presente en todas estas historias: los mandatos de IA tienen éxito en la medida en que realmente mandatan poco sobre la IA. Los lanzamientos que funcionaron exigieron resultados, puntos de revisión y aprendizaje; la herramienta en sí era casi incidental, utilizada intensamente por algunos y apenas por otros. Los que fallaron impusieron la herramienta y lograron exactamente lo que midieron: capturas en un canal de Slack, casillas marcadas, prompts registrados. Un mandato medido en prompts produce prompts. Un mandato medido en resultados produce resultados, y, de paso, también la adopción de IA.
¿Quieres más ideas como estas? Crea una cuenta gratuita en DPM para escuchar a más expertos como estos.