El triatleta de IA y el problema que nadie quiere nombrar en la sala de dirección
Hay una frase que se repite en casi todas las reuniones de comité ejecutivo donde se revisan proyectos de inteligencia artificial: "el piloto fue exitoso." Y después, silencio. Nadie pregunta por qué el piloto nunca se convirtió en otra cosa. La organización celebra el experimento, archiva los aprendizajes y, tres meses después, lanza otro piloto. El ciclo se reinicia sin que nadie haya resuelto la pregunta de fondo: quién es el responsable de que esto escale.
Ese es el verdadero problema que identifica un artículo publicado recientemente en Forbes Technology Council bajo la firma de Anna Drobakha, directora global de transformación digital e IA en Groupe SEB. El argumento central no gira alrededor de tecnología ni de presupuesto. Gira alrededor de arquitectura de liderazgo. Y esa distinción importa más de lo que la mayoría de los comités de dirección están dispuestos a aceptar.
La propuesta de Drobakha es concreta: las organizaciones que fracasan en la transformación con IA no lo hacen por falta de estrategia, ni por falta de talento técnico, ni por falta de inversión. Lo hacen porque distribuyen las tres disciplinas que requiere esa transformación —claridad estratégica, integración de capacidades y responsabilidad de ejecución— en personas, funciones y capas organizativas distintas, sin que nadie sea dueño de lo que ocurre en los espacios entre ellas. La metáfora que usa es precisa: un triatlón no son tres carreras separadas. Es un esfuerzo continuo en el que las transiciones entre disciplinas son tan exigentes como las disciplinas mismas.
Por qué los pilotos no escalan
El diagnóstico de Drobakha no es nuevo, pero la mayoría de las organizaciones lo tratan como si lo fuera. Cada cierto tiempo aparece una nueva nomenclatura para el mismo problema: brecha de implementación, deuda de cambio, vacío de adopción. Cambia el nombre, persiste la fractura.
Lo que el artículo pone sobre la mesa con inusual claridad es que esa fractura no es técnica ni presupuestaria. Es una fractura de responsabilidad. En la mayoría de las organizaciones grandes, el estratega que diseña la hoja de ruta de IA no controla los recursos de datos. El arquitecto de capacidades que construye la plataforma no gobierna los flujos de trabajo operativos. El operador que intenta implementar el cambio no tiene autoridad sobre la agenda del comité que aprueba qué se escala y qué se descontinúa. Cada uno hace su parte con rigor. Nadie es dueño de lo que ocurre entre las partes.
Esto no es una disfunción menor. Es el mecanismo exacto por el que la mayoría de las iniciativas de IA corporativa mueren de una muerte lenta y decorosa, sin fracasar con suficiente estridencia como para generar urgencia de corrección. El piloto "fue exitoso." La adopción "está en progreso." La escala "requiere más alineación." Y la organización sigue invirtiendo en tecnología mientras el verdadero cuello de botella —la coherencia del liderazgo entre estrategia, capacidad y ejecución— permanece sin intervención.
Lo que Drobakha llama "el triatleta de IA" no es un perfil de contratación ni un título nuevo para el organigrama. Es una descripción de la capacidad que las organizaciones necesitan desarrollar en sus equipos directivos completos: la habilidad de sostener las tres disciplinas en movimiento simultáneo, leer las señales en una y tomar decisiones operativas en otra sin perder coherencia de sistema. Esa capacidad no se delega en un Chief AI Officer y se da por resuelta. Se construye o no se construye en el colectivo de liderazgo. No hay atajo estructural.
La transición como unidad de medida
Hay un detalle en el argumento de Drobakha que merece más atención de la que habitualmente recibe en los análisis de transformación: la idea de que las transiciones entre disciplinas son donde se ganan o se pierden las iniciativas. No en el sprint estratégico inicial. No en la fase de ejecución. En el paso entre una y otra.
Esto tiene implicaciones concretas para cómo las organizaciones deberían medir la madurez de su transformación con IA. La mayoría de los marcos actuales miden capacidades: ¿tienen datos de calidad? ¿tienen modelos desplegados? ¿tienen talento de ciencia de datos? Son preguntas legítimas, pero incompletas. Lo que no miden es la calidad de la transición entre diagnóstico estratégico y rediseño operativo, o entre rediseño operativo y adopción a escala. Ahí es exactamente donde el trabajo acumulado se disipa o se consolida.
Un equipo directivo puede tener claridad estratégica impecable sobre dónde la IA genera valor para su negocio, construir una plataforma técnica sólida y aun así ver cómo la adopción se estanca porque nadie diseñó con rigor el paso entre la lógica de construcción y la lógica de movilización organizacional. Son disciplinas distintas. Requieren atención distinta. Y en la mayoría de las organizaciones, ese paso se da por supuesto o se delega en gestión de cambio como si fuera un proceso administrativo separado del núcleo estratégico.
Drobakha lo plantea de forma más rigurosa: los líderes que sostienen la transformación no reaccionan a cada transición. Gestionan el sistema de forma continua, anticipando dónde la energía se va a disipar antes de que ocurra y redirigiendo recursos hacia ahí. Eso no es gestión de proyectos. Es pensamiento de sistema aplicado a la arquitectura de liderazgo.
La diferencia entre ambas capacidades no es trivial. Un gestor de proyectos ejecuta el plan. Un pensador de sistema modifica el plan cuando detecta que las condiciones que lo justificaban han cambiado, y lo hace sin esperar a que el fracaso lo obligue. En la práctica, las organizaciones que escalan IA de forma sostenida tienen al menos algunos líderes de este segundo tipo operando con visibilidad y autoridad suficientes para ajustar el sistema mientras avanza. Las que no los tienen acumulan pilotos exitosos.
El problema estructural que la metáfora no resuelve
El artículo de Drobakha es riguroso en el diagnóstico y honesto en la complejidad del problema. Sin embargo, hay un punto donde el argumento requiere mayor tensión para ser útil como instrumento de decisión ejecutiva.
Afirmar que las organizaciones deben desarrollar la capacidad del "triatleta de IA" en todo el equipo directivo —que cada líder funcional debe operar con coherencia entre estrategia, capacidad y ejecución en IA— es correcto como descripción del estado objetivo. Pero omite la pregunta de cómo se financia esa capacidad sin disolver el foco funcional que hace valiosa a cada posición directiva en primer lugar.
Un CFO que dedica energía cognitiva significativa a modelar el impacto de IA en estructura de costos mientras gestiona un ciclo de deuda complejo y un proceso de cierre fiscal no está siendo estratégicamente irresponsable al priorizar. Está eligiendo. Y esa elección tiene un costo de oportunidad visible. La propuesta del triatleta asume que la capacidad de operar en tres disciplinas simultáneamente es acumulable sin un costo equivalente en profundidad funcional. Esa suposición merece ser cuestionada antes de convertirse en expectativa organizacional.
Lo que distingue a las organizaciones que están resolviendo esto de forma más duradera no es que cada líder sea igualmente competente en las tres disciplinas. Es que tienen suficiente densidad de liderazgo en los puntos de transición —personas con autoridad real, no solo visibilidad— para que ninguna de las brechas entre disciplinas quede sin dueño. Eso puede lograrse con triatletas individuales. También puede lograrse con equipos directivos donde la superposición deliberada de responsabilidades cubre los espacios entre las funciones.
La distinción importa porque define qué busca una organización cuando contrata o desarrolla líderes. Buscar triatletas completos es una apuesta concentrada en perfiles raros. Diseñar equipos con superposición estratégica deliberada en los puntos de transición es un problema de arquitectura organizacional más accesible y, en muchos contextos, más robusto ante la rotación de talento.
La renuncia que el artículo no nombra
Hay algo que el argumento de Drobakha deja implícito pero que merece ser explicitado, porque es donde la mayoría de las organizaciones no llega: escalar IA de forma sostenida requiere que el equipo directivo acepte descontinuar iniciativas con el mismo rigor con el que las lanza.
El problema de los pilotos que no escalan no es solo que nadie sea dueño de la transición. Es también que las organizaciones rara vez tienen la disciplina para cerrar lo que no funciona antes de lanzar lo siguiente. El resultado es una acumulación de iniciativas activas que compiten por los mismos recursos de datos, el mismo talento técnico y la misma capacidad de atención del liderazgo, sin que ninguna tenga la masa crítica para llegar a escala.
Drobakha menciona de pasada que la ejecución requiere "gobierno disciplinado sobre qué probar, qué detener y qué escalar." Esa frase merece ser el centro del análisis, no una cláusula subordinada. Porque la capacidad de detener es, en la práctica, la más escasa. Detener un piloto visible que fue lanzado con respaldo político del CEO tiene un costo organizacional real. Requiere que alguien con autoridad suficiente lo ejecute, lo justifique y absorba el costo relacional de hacerlo. Esa decisión es, en rigor, la más exigente de las tres disciplinas del triatleta. No la más técnica. No la más estratégica. La más humana.
Las organizaciones que están ganando terreno en IA no son necesariamente las que más invierten ni las que tienen los modelos más sofisticados. Son las que han desarrollado la capacidad institucional de comprometerse con menos cosas y sostener ese compromiso cuando la presión por demostrar amplitud de agenda se hace sentir desde el consejo. Esa es la renuncia que define si la arquitectura de liderazgo descrita en el artículo es un marco operativo o una aspiración bien redactada.
El triatleta de IA, en la versión más útil del concepto, no es el líder que sabe de todo. Es el que sabe qué dejar ir para que lo demás llegue a algún lugar.
