….Artículo inspirado en la colaboracionen  de Gregg Kober (January 24, 2025) en harvardbusiness.

En los últimos años, el término inteligencia artificial ha cruzado la barrera técnica y paso a conversaciones en los comités directivos, en los planes de transformación, incluso en las conversaciones de pasillo. Y sin embargo, en muchas empresas ocurre algo curioso: se habla mucho de AI, pero se entiende poco lo que realmente implica adoptarla.

Porque adoptar AI no es subirse a una moda ni llenar presentaciones con términos como «automatización», «machine learning» o «modelos predictivos». Adoptar AI es entrar a donde se tomas las decisiones, ya no se toman solo con intuición, donde los procesos se redibujan y donde los equipos enfrentan algo que genera gran interés … pero también ansiedad y dudas.

Y aquí es donde hablamos de un concepto que vale la pena poner sobre la mesa: anchor skills.
No es un término técnico. No es una metodología. Es un recordatorio: si la organización va a navegar las aguas de la AI, necesita anclas. No para quedarse quieta, sino para no perderse en el intentó y darle herramientas a todo las personas involucradas en el proceso..

Estas anchor skills, no se enseñan en tutoriales. No vienen en el contrato del proveedor,  tampoco están en el roadmap tecnológico pero definen, de forma importante, quién logrará integrar la AI de forma responsable, efectiva y valiosa para el área o empresa en general… y quién solo la probará un rato antes de volver al punto de partida y frustarse..

A continuación pongo sobre la mesa, 7 habilidades directivas, que permiten liderar la adopción de AI de una mejor manera:

  1. Pensamiento crítico basado en datos y evidencias..
  2. Resolución estructurada de problemas.
  3. Comunicación clara y efectiva.
  4. Liderazgo adaptativo.
  5. Observabilidad de la AI.
  6. Visión estratégica y toma de decisiones basada en datos.
  7. Liderazgo ético y responsable.

Todo parte de algo básico y poderoso: la capacidad de pensar críticamente.
No aceptar lo que el modelo dice solo porque lo dice con confianza y es AI. Cuestionar los datos que lo alimentan, observar a quién dejan fuera, identificar qué supuestos se están asumiendo sin evidencia.

¿Te ha pasado que en una reunión alguien muestra un dashboard y todos se sientan sin hacer preguntas? o dicen sí a todo… Ese silencio y/o complacencia, son el caldo de cultivo para decisiones no muy acertadas. Un líder con pensamiento crítico se atreve a frenar la conversación: “¿Cómo definimos esta métrica?”, “¿Qué datos quedaron fuera?”, “¿Y si el modelo se equivoca?”.

Otra habilidad clave: saber estructurar problemas antes de correr a resolverlos.
Una empresa que empieza su adopción de AI diciendo «queremos automatizar procesos» probablemente está empezando por el final. En cambio, la pregunta suele ser más simple y más incómoda: “¿Dónde estamos perdiendo tiempo o dinero por tomar decisiones mal informadas?, ¿ Cómo podemos ser más ágiles?, Ser más eficientes que la competencia, etc…. La respuesta a eso guía si se necesita realmente automatización o simplemente un cambio de proceso.

Antes de automatizar el proceso de atención al cliente, una directora mapea dónde se producen demoras, qué decisiones toman los agentes y cuáles dependen de juicio humano. Un gerente identifica que su modelo necesita solo cinco variables que explican el 80 % del fenómeno, en lugar de 20 variables que complican la interpretación.

Algunos ejemplos de cómo desarrollarla y llevarla a la práctica, aunque hay muchas técnicas de “Problem Solving”  que se pueden implementa:

He visto comités muy eficientes, detener un proyecto solo por reformular bien el problema. Y lo interesante es que cuando el problema está bien planteado, la solución se vuelve casi obvia.

Ahora, nada de esto sirve si no se sabe comunicar.

Y aquí no hablamos de presentaciones bonitas. Hablamos de líderes capaces de explicar claramente los objetivos, cual el mejor modelo operativo a evaluar, qué no hace, cómo se usará y qué impacto se espera, los resultados de una solución, entre otras… con palabras normales, nada rimbombantes, sin esconderse detrás de lo técnico, más es menos y con mucha claridad para todos.

Porque si hay algo que genera ruido en los equipos son los vacíos y falta de claridad en lo que se busca. No entender qué hace la AI puede provocar resistencia o peor, miedo. Pero un líder que comunica con claridad baja esa tensión, alinea a todos y facilita que el cambio ocurra.

He visto a directores explicar una solución de AI usando la analogía de un copiloto: “La AI, no maneja por ti, pero te avisa si viene un carro en un punto ciego que te puede chocar y genérate muchos problemas”. Esa simpleza abre puertas que un Power Point  jamás haría, para evaluar hay que conocer… La AI malmente de convierte en pasajero y no demos permitirlo, de ser un copiloto que nos permita llegar a buen puerto.

llegamos el momento donde todo se mueve.

Nuevas tareas, roles que se transforman, procesos que antes requerían juicio humano y ahora están mediados por un modelo. Aquí es donde el liderazgo adaptativo hace toda la diferencia, cambiar para mejorar y enfocar los esfuerzo del equipo en tareas menos repetitivas y más enfocada a generar valor para la empresa y el cliente.

Porque no se trata de controlar cada decisión, sino de permitir que el equipo experimente. De aceptar que habrá errores, de crear espacios donde decir “esto no funcionó” hay que mejorar, no debería ser motivo de castigo, sino de ajuste. La AI requiere líderes que acompañen, no que impongan. Que guíen sin asfixiar.

Un equipo que se siente seguro para probar, fallar y ajustar es un equipo que aprende más rápido. Y en entornos de alta incertidumbre, eso es oro.

Pero ojo, porque no basta con implementar AI y esperar que funcione eternamente.

Los modelos no son estáticos. Se degradan. Pierden precisión. Se sesgan sin que nadie lo note. Aquí entra una habilidad que muchos líderes subestiman: la observabilidad.

Un buen líder de AI no solo lanza un modelo y se va. Lo observa. Pide señales de alerta. Pregunta si hay drift, si el modelo sigue siendo congruentes, si las decisiones que genera siguen teniendo sentido y están acordes a las reglas del negocios actuales. Y si algo se tuerce, actúa, cambia o mejora la solución.

El modelo no se cuida solo. Y los líderes no pueden delegar esa responsabilidad por completo al equipo técnico. No se trata de saber programar, sino de saber leer señales.

Con todo esto en juego, uno podría pensar que la parte estratégica es la primera. Y sí, lo es. Pero necesita todo lo anterior para funcionar.

Porque tener visión estratégica no es hablar del futuro hipotético. Es saber priorizar proyectos, decidir qué vale la pena escalar y qué no, separar el entusiasmo de la utilidad. Es tomar decisiones informadas, no impulsivas. Y hacerlo con foco en valor, no en apariencia.

He visto empresas pausar proyectos que “sonaban bien” porque no soluciona ningún problema urgente. Esa capacidad de decir “no ahora” es una muestra de madurez. Y sin madurez, la AI se vuelve decoración.

Y entonces, ahora sí, hablamos de ética empresarial y calidad humana.

Pero no como discurso. Como práctica. Como parte de la operación.
Porque una vez que el líder sabe cuestionar, comunicar, observar y decidir, está listo para preguntarse si lo que está haciendo es justo, explicable, seguro y alineado con los valores de su organización.

¿El modelo afecta más a un grupo que a otro? ¿Se puede auditar la decisión? ¿Hay trazabilidad? ¿Se podría explicar esto en público sin temor?
Esas preguntas solo tienen valor si se responden con honestidad… y si hay poder para actuar en consecuencia, al final las personas están en medio de todos los procesos que generan valor en una empresa tanto empleados como clientes..

Todo esto, claro, no vive aislado de la parte financiera.
Y aquí también es fácil equivocarse.

He visto modelos implementados solo porque “había presupuesto este trimestre”. También he visto proyectos que nunca escalaron porque nadie supo justificar el valor con números reales.
La clave es aprender a estimar bien, desde el inicio: qué se espera lograr, cuánto costará mantenerlo, qué impacto real tiene comparado con “hacer nada”.

Pero también saber ajustar el modelo financiero a medida que se aprende. Porque una buena adopción de AI no es lineal. Cambia, mejora, se afina. Y si los números no reflejan eso, se toma la decisión equivocada.

https://www.nominal.so/blog/ai-implementation?utm_source=chatgpt.com

Entonces, ¿qué queda?

Una verdad sencilla: adoptar AI no es instalar software. Es transformar la forma en que se decide, se lidera y se construye el futuro.

Y eso no depende de tener el mejor modelo. Depende de tener líderes con las habilidades adecuadas para pensar, cuestionar, comunicar, adaptarse, observar, decidir y actuar con responsabilidad.

Esas son las anchor skills.

Y no se enseñan, se entrenan. No se memorizan, se viven. No se compran, se construyen.

Si tu empresa está por entrar (o ya está) en esta ruta, hazte una pregunta simple:
¿Ya tenemos a las personas correctas anclando esta transformación?

Y si no, ¿qué estamos esperando para empezar a prepararlas?

#AnchorSkills, #LiderazgoEnIA, #TransformaciónEmpresarial, #IAConCriterio, #EstrategiaDigital