Transformación digital: 42% ve la cultura como reto clave

La inversión tecnológica no basta: el trabajo también hay que rediseñarlo

El 88% de las organizaciones ya utiliza inteligencia artificial, pero solo el 39% reporta un impacto en sus resultados financieros, según cifras de McKinsey presentadas por la especialista Ariana Bucio en la Universidad Iberoamericana Ciudad de México y recogidas por el medio Petróleo y Energía. Ese diferencial entre adopción y resultados resume el problema que aborda el análisis publicado por El Financiero: la ventaja competitiva no depende de incorporar tecnología, sino de rediseñar el trabajo para aprovecharla.

Para las empresas en México, el reto es conectar la transformación tecnológica con la capacidad de ejecutar la estrategia. Cuando la automatización, la analítica y la IA llegan sin cambios en los procesos, los roles, las capacidades y la toma de decisiones, la organización moderniza sus herramientas pero no transforma su desempeño.

¿Por qué la adopción de IA no se traduce en resultados de negocio?

Los números del mercado mexicano confirman esa brecha. El Informe de Madurez Digital en México (IMD 2026), elaborado por Needed Education y KIO IT Services con EY, AmCham y Fleet, y difundido por Diario TI, ubicó la madurez digital de las empresas participantes en 47%, un avance de 6 puntos frente al 41% de 2025, pero todavía 22 puntos por debajo del nivel ideal de mercado (70%).

El propio informe describe la etapa actual como una «adopción extendida de IA» donde conviven el uso básico con el experimental, con mejoras puntuales que no alcanzan a transformar el negocio de fondo. Y documenta que donde la IA se implementa con rigor aparecen reducciones de entre 40% y 80% en tiempos de proceso y la duplicación de la capacidad operativa con el mismo equipo.

El problema es que esa productividad no siempre se convierte en impacto financiero trazable. Según datos de S&P citados en el IMD 2026, el 42% de las empresas abandonó la mayoría de sus iniciativas de IA en 2025, frente al 17% en 2024.

Bucio lo resume con una frase incómoda: «Automatizar un mal proceso solo nos hace que falle más rápido». El caso que puso como ejemplo fue el de una empresa del sector pesquero del norte de México que quería incorporar IA mientras buena parte de sus registros seguía en papel. Antes de cualquier algoritmo hubo que digitalizar la información y cambiar los mecanismos de captura de datos.

¿Qué pasa cuando la tecnología avanza y el modelo de trabajo no?

El análisis de El Financiero lo plantea sin rodeos: cuando la tecnología cambia pero el modelo de trabajo permanece intacto, las organizaciones limitan el valor de sus inversiones y deterioran la experiencia de las personas. La rotación de perfiles clave puede ser una señal de esas fricciones, aunque no debe atribuirse a una sola causa: la compensación y los beneficios siguen siendo relevantes, pero no sustituyen un entorno que permita aportar valor.

La cultura organizacional forma parte de esa conversación estratégica. De acuerdo con el estudio Desafíos y tendencias de las empresas en México y Latinoamérica 2026, elaborado por EY, el 42% de las empresas encuestadas en México identifica el desarrollo y fortalecimiento de la cultura organizacional como un desafío central en materia de cultura y experiencia del trabajador.

Para la alta dirección, eso implica traducir la cultura en comportamientos, incentivos y formas de decidir que apoyen la ejecución del negocio, no en declaraciones de principios.

El riesgo de ignorar esta capa no es teórico. Bucio repasó tres casos internacionales: Zillow, con una iniciativa de negocio basada en pronósticos algorítmicos que no resistió la incertidumbre del mercado; McDonald's, con un proyecto de automatización de pedidos por voz desarrollado con IBM cuyas diferencias entre las pruebas y las interacciones reales evidenciaron límites de desempeño; y Air Canada, donde un chatbot dio información incorrecta a un pasajero sobre una situación relacionada con el fallecimiento de un familiar y el caso derivó en una controversia legal. La lección es la misma en los tres: la tecnología no sustituye la estrategia empresarial, la capacidad operativa ni la responsabilidad humana.

Las cuatro decisiones que conectan tecnología y valor de negocio

El análisis propone una agenda de cuatro decisiones encadenadas, no iniciativas aisladas de talento o tecnología:

• Rediseñar el trabajo antes de incorporar herramientas. Revisar los procesos de principio a fin, eliminar actividades que no aportan valor y aclarar responsabilidades y mecanismos de decisión.
• Reconfigurar roles y capacidades según la estrategia. El upskilling debe responder a las capacidades que el negocio necesita, no a un catálogo de cursos desconectado de la operación. Vincular aprendizaje, movilidad y desarrollo con la evolución de los roles permite que las personas incorporen la automatización y apliquen su juicio en actividades de mayor valor.
• Alinear liderazgo y cultura con la forma de trabajar que requiere el negocio. Comportamientos, incentivos y mecanismos de control deben favorecer la colaboración y la adopción tecnológica. Poner a las personas al centro y exigir resultados no son objetivos contrapuestos: claridad de prioridades, cargas sostenibles y oportunidades de crecimiento son condiciones de desempeño.
• Medir la transformación con perspectiva de negocio. Además de los indicadores de talento, evaluar el efecto en productividad, calidad, tiempos de respuesta y experiencia del cliente. Solo así se distingue entre incorporar herramientas, cambiar la forma de trabajar y generar valor.

¿Qué significa esto para tu startup?

En una startup con equipo reducido, cada licencia de IA que no se traduce en horas liberadas es caja quemada. Estas son las acciones que se desprenden del análisis y del research:

• Mapea el proceso antes de comprar la herramienta. Elige un proceso crítico (atención al cliente, facturación, onboarding) y recórrelo de punta a punta. Si encuentras pasos que existen solo por inercia, elimínalos primero: automatizarlos multiplica el error.
• Define dos o tres indicadores de negocio antes de implementar. Tiempo de respuesta, costo por transacción, tasa de error u horas de retrabajo. Sin línea base no podrás distinguir entre «usamos IA» y «mejoramos el negocio».
• Ata la capacitación a roles concretos. En lugar de un plan genérico de formación, identifica qué tarea específica cambia para cada persona cuando entra la automatización y entrena para eso.
• Asigna un responsable y reglas de uso. Bucio recomienda políticas de uso ético, procedimientos para identificar riesgos y responsabilidades definidas; menciona como referencia la norma ISO/IEC 42001, enfocada en sistemas de gestión de IA. En equipos pequeños, un responsable claro evita que la IA quede huérfana.

Un dato de contexto global refuerza la urgencia: el analista Michael McGrath advierte que el retorno exigido a la inversión mundial en infraestructura de IA —que puede superar el billón de dólares anual— podría obligar a recortes de costos laborales cercanos al 25% en Estados Unidos en un escenario extremo, según recogió Bolsamania. La presión por demostrar retorno no va a bajar.

Conclusión

El IMD 2026 lo dice con claridad: México está entre tres y cinco años detrás de los mercados líderes en adopción real de IA, con un presupuesto de IT destinado a IA de entre 2% y 10%, frente al 20%-30% de Estados Unidos. Ese rezago no se cierra comprando más herramientas, sino rediseñando cómo se trabaja con ellas.

Las organizaciones que conecten procesos, capacidades, liderazgo y experiencia de las personas estarán mejor posicionadas para convertir la transformación en resultados sostenibles. Para un founder, la pregunta útil no es qué modelo contratar, sino qué parte de su operación va a funcionar distinto el próximo trimestre.

Fuentes

• El Financiero (fuente original)
• Petróleo y Energía
• Diario TI
• Bolsamania