Arquitectura del talento

La Dirección de Inteligencias Múltiples

Cuando la IA deja de ser herramienta y pasa a ser compañero, la pregunta deja de ser tecnológica: es de arquitectura del talento. Quién hace qué, quién decide, quién responde.

Artículo·Por Jaime Nardiz·5 de febrero de 2026 · actualizado el 25 de julio de 2026·13 min de lectura

La irrupción de la IA generativa introdujo un cambio silencioso pero profundo: los usuarios ya no usan una única herramienta, sino que comparan modelos y eligen cuál responde mejor. Por primera vez, elegir «quién piensa mejor» se ha convertido en un hábito cotidiano. Y esa lógica terminará trasladándose a la empresa y a la gestión del talento. Su consecuencia natural es una nueva función directiva: la Dirección de Inteligencias Múltiples.

De la inteligencia única a las inteligencias diversas

A comienzos del siglo XX, Charles Spearman defendía que la capacidad intelectual dependía de un único factor general, el factor g. Décadas después, Howard Gardner rompió ese paradigma en Frames of Mind (1983): existen múltiples inteligencias relativamente independientes —musical, espacial, interpersonal, intrapersonal—. Hoy convivimos con múltiples modelos de IA generativa, cada uno entrenado con enfoques y datos distintos. Y del mismo modo que elegimos qué IA nos resulta más útil, empezaremos a comparar el rendimiento de inteligencias humanas y artificiales para cada tarea.

La IA ya no es una herramienta: es un compañero

No es una intuición, es un dato. En el estudio anual de MIT Sloan Management Review y Boston Consulting Group (2025, sobre más de 2.100 directivos en 116 países), el 76% afirma ver la IA agéntica más como un compañero que como una herramienta. Su adopción va más rápida que la de la propia IA generativa — y, sobre todo, más rápida de lo que los líderes tardan en rediseñar procesos, asignar derechos de decisión y repensar la plantilla.

Y el reparto del poder de decisión se está reescribiendo: hoy solo el 10% de las compañías permite que un agente de IA tome decisiones por sí mismo, pero esperan que esa proporción se multiplique hasta el 35% en tres años. La pregunta de quién decide qué ya no tiene solo respuestas humanas.

La adopción corre; el valor, todavía no

El contraste de estos dos años es incómodo: la IA está en todas partes y el valor, en casi ninguna. El 88% de las organizaciones ya la usa, pero solo el 39% declara impacto alguno en resultados, y apenas un 6% consigue atribuirle mejoras significativas de beneficio (McKinsey, 2025). Un estudio del MIT (Proyecto NANDA) lo formuló más crudo: en torno al 95% de los pilotos corporativos de IA generativa no genera retorno medible. Y la causa no es la calidad del modelo: es que la herramienta mejora la productividad de la persona sin integrarse en el flujo de trabajo crítico. La tarea mejora; el proceso, no.

La misma investigación señala que el rediseño de los flujos es la variable que más correlaciona con ver impacto en la cuenta de resultados, y BCG lo resume en su regla 10-20-70: el 10% del reto son los algoritmos; el 20%, la tecnología y los datos; el 70%, las personas y los procesos. Mientras tanto, el uso real corre por delante: en el uso empresarial de la IA vía API, más de tres cuartas partes de las interacciones ya son delegación completa de una tarea, no asistencia (Anthropic Economic Index). Esta brecha entre la tarea que mejora y el resultado que no se mueve tiene, además, teoría: es la curva J de las tecnologías de propósito general (Brynjolfsson) — el valor no aflora hasta que se hacen las inversiones complementarias, y la principal es rediseñar la organización.

Pavimentar el camino de las vacas

Nada de esto es nuevo. En 1990, en plena ola de informatización, Michael Hammer lo escribió en Harvard Business Review con una imagen que ha envejecido demasiado bien: «es hora de dejar de pavimentar los caminos de las vacas». Automatizar un proceso obsoleto no lo transforma: lo consolida — más rápido y en silicio. Treinta y cinco años después, el informe MIT-BCG sobre la empresa agéntica recupera la misma tensión con otros nombres, retrofit o reingeniería, y propone cambiar la pregunta: no «¿dónde podemos automatizar un paso?», sino «¿qué procesos deberían reconstruirse alrededor de la colaboración humano-IA?».

Lo que enseñan los que ya lo han hecho

Klarna presumió de que su asistente hacía el trabajo de 700 agentes y resolvía en dos minutos lo que antes llevaba once; quince meses después estaba volviendo a contratar personas para su atención al cliente. Su CEO lo admitió sin rodeos: el coste había pesado demasiado como criterio al organizarlo, y lo que se obtiene así es menor calidad. Automatizar mirando solo el coste degrada el valor que el cliente percibe.

El contraste lo pone IKEA: su asistente virtual absorbió cerca de la mitad de las consultas del call center — y la compañía recualificó a 8.500 agentes como asesores de diseño de interiores en remoto. La misma tecnología, dos filosofías: recortar el trabajo o redesplegarlo hacia donde aporta más valor. Salesforce redujo su soporte de 9.000 a unas 5.000 personas con agentes resolviendo la mitad de las interacciones — según sus propias cifras — y recolocó a cientos de ingenieros en áreas en crecimiento. Y Moderna hizo el movimiento organizativo más elocuente: fusionó Recursos Humanos y Tecnología bajo una misma dirección, porque diseñar el flujo de trabajo de personas e IA ya es un único problema.

Por eso es un problema de arquitectura del talento, no de tecnología

El mismo informe lo deja claro: la ventaja competitiva no vendrá del acceso temprano a la tecnología, sino del diseño organizativo que la rodea. Y eso —diseño organizativo— es exactamente arquitectura del talento: claridad de rol, derechos de decisión, diseño de procesos y cultura de accountability. Cuando la IA entra como un compañero con autonomía, las preguntas son las de siempre —¿quién hace qué?, ¿quién decide?, ¿quién responde?—, solo que ahora algunos «quién» no son humanos.

El Director de Inteligencias Múltiples decide quién —humano o IA— realiza cada tarea, pero también qué tareas deben seguir siendo humanas porque aportan valor diferencial. No es una cuestión de coste o eficiencia, sino de criterio, contexto y creatividad. Como Steve Jobs incorporaba músicos, artistas e historiadores al desarrollo del Macintosh para combinar tecnología y sensibilidad, esta dirección amplía el concepto de diversidad: no solo entre personas, sino entre tipos de inteligencia.

Del reto a la acción: empieza por mapear el trabajo

Abordar esto no empieza comprando agentes: empieza viendo el trabajo como es. La vía es descomponer el flujo de cada puesto en tareas y clasificar cada una en dos ejes. El primero es el valor: ¿cuánto aporta esta tarea, y a quién? Es la pregunta que casi todos los proyectos de IA se saltan — y la que ordena todo lo demás, porque no todo el trabajo merece ser automatizado: hay trabajo que merece, simplemente, desaparecer.

El segundo eje es la inteligencia: cuál ejecuta hoy cada tarea — y cuál debería ejecutarla tras el rediseño.

Del cruce salen los tres números que dirigen la transformación: el headroom de rediseño (qué porcentaje del flujo cambia de manos), el núcleo humano protegido (qué porcentaje no se toca, por valor, carga emocional o riesgo — el argumento honesto frente a la lectura de «lista de despidos») y el mapa de derechos de decisión humano-IA: para cada tarea reasignada, quién propone, quién valida y quién responde.

No es automatizar, es reingeniería del proceso

El error caro es colocar un agente encima del proceso de siempre — y conviene entender por qué es caro. Todo proceso heredado se diseñó bajo restricciones humanas: la gente es lenta y se cansa, el trabajo se agrupa en lotes, cada traspaso exige una validación, el informe se hace una vez al trimestre porque hacerlo cada semana era carísimo. Esas restricciones dieron forma a la secuencia. Cuando la IA las hace desaparecer y la secuencia sigue igual, el ahorro se lo comen los traspasos, las aprobaciones y la revisión que sigue estando donde estaba. Automatizar un paso no es rediseñar la secuencia.

Un ejemplo de nuestro terreno: un informe de clima. Se lanza la encuesta, se cierra el campo, alguien limpia los datos, cruza las tablas, redacta los hallazgos, monta la presentación — y el comité lo ve seis semanas después. Si metes IA en «redactar hallazgos», ahorras dos días de un ciclo de seis semanas: beneficio modesto. El rediseño de verdad hace otras preguntas: si el análisis cuesta casi cero, ¿por qué se mide una vez al año y no continuamente? ¿Por qué el hallazgo lo recibe RRHH y no directamente el manager de ese equipo? ¿Y qué hace entonces el consultor — analizar, o sentarse con el manager a decidir qué hacer? Eso cambia quién hace qué, cuándo y para quién. Eso es rediseñar lo que hacen los humanos.

Zapier, que obliga a cada uno de sus once departamentos a entregar una forma nueva de trabajar con IA cada trimestre, lo formula como tesis operativa: «no puedes conseguir mejoras significativas en eficiencia y calidad sin rediseñar lo que hacen los humanos»; superponer la IA al trabajo tal como siempre se ha hecho «da un beneficio modesto». Hay incluso un efecto perverso documentado: la IA superpuesta genera más volumen que alguien tiene que revisar —HBR lo ha bautizado workslop— y puedes acabar en productividad negativa: no eliminaste carga, la trasladaste aguas abajo. De aquí sale la consecuencia más incómoda para la planificación: si no rediseñas la secuencia, no puedes saber qué capacidad humana necesitas de verdad — solo puedes estimar cuánta gente necesitaba el proceso viejo, restarle un porcentaje y llamarlo transformación. El workforce planning pregunta cuánta gente hace falta para el trabajo tal como está; el work planning pregunta primero cómo debería estar el trabajo. El headcount es el resultado del diseño, no su punto de partida. La IA propone; el humano decide. Quien gane no será quien antes compre la tecnología, sino quien antes rediseñe la organización a su alrededor.

El cuarto verbo: redesplegar

La capacidad que la IA libera no es ahorro hasta que alguien decide qué hacer con ella. La economía del trabajo lo llama efecto reinstalación (Acemoglu y Restrepo): la tecnología desplaza tareas, pero el valor neto aparece cuando se crean las nuevas — las de más criterio, más relación, más juicio. IKEA convirtió horas de call center en horas de asesoría de diseño; Salesforce, en ingeniería. Sin ese cuarto verbo — eliminar, automatizar, aumentar y, al final, redesplegar — la productividad ganada en la tarea se evapora antes de llegar a la cuenta de resultados.

¿Qué espacio queda para el talento humano?

Tres ámbitos. Primero, criterio y creatividad: la IA ha democratizado el acceso al conocimiento, pero esa abundancia genera superficialidad — el criterio experto seguirá distinguiendo lo relevante de lo trivial. (Y lo que en la IA llamamos «alucinaciones», en el humano se llama creatividad.) Segundo, compromiso y responsabilidad: cada vez menos profesionales quieren asumir la gestión de equipos; escasea quien asume riesgos y decide. Tercero, convertir el error en aprendizaje: detectar cuándo un fallo es en realidad una oportunidad sigue siendo profundamente humano.

Con una advertencia empírica: la frontera de lo que la IA hace bien es irregular. En el experimento de Harvard Business School con 758 consultores de BCG, la IA mejoró en torno a un 40% la calidad del trabajo en las tareas dentro de su frontera — y redujo 19 puntos porcentuales la tasa de acierto cuando la tarea caía justo fuera. Saber de qué lado de la frontera está cada tarea es, precisamente, criterio humano. Otra razón por la que el mapa se construye con las personas, no sobre ellas.

Cuando una herramienta falla, es un defecto. Cuando un compañero se equivoca, es una oportunidad de aprendizaje.

Una revolución se gana con gente comprometida

Rediseñar un flujo no es un ejercicio de hoja de cálculo: es un cambio, y el cambio se sostiene sobre la capacidad de adaptación de la organización — que a su vez se sostiene sobre el compromiso de las personas. Estamos en un momento de revolución, y precisamente en la turbulencia el compromiso pesa más: el meta-análisis de Gallup muestra que la relación entre compromiso y resultados de negocio es más fuerte en años de recesión y disrupción que en años tranquilos. Una organización desenganchada no se reinventa, se resiste; una comprometida absorbe el cambio y se adapta más rápido.

Conviene no maquillarlo: cualquier reingeniería convive con la sombra del despido, y negarlo sería deshonesto. Pero la alternativa —no rediseñar el proceso— deja a la empresa fuera de juego para competir. La salida no es elegir entre las personas y la IA: es rediseñar el trabajo con las personas, protegiendo el núcleo humano (criterio, responsabilidad, relación) y llevándolas con compromiso a través del cambio. La reingeniería sin compromiso fracasa; el compromiso sin reingeniería no compite.

Esto vive en el Bloque 1: la arquitectura del talento

En SauceBi trabajamos la cultura como arquitectura del rendimiento, con un marco de cuatro bloques: tres de activación —equipos que Disfrutan, que se Desarrollan y que Desempeñan— sobre uno fundacional, la arquitectura del talento: qué talento pide la estrategia, cómo se organiza, quién decide qué. La Dirección de Inteligencias Múltiples vive exactamente ahí, porque es la misma pregunta fundacional con un actor nuevo: el equipo que hay que arquitectar ya no es solo de personas, sino de personas e inteligencias artificiales trabajando juntas. Microsoft habla ya de la «ratio humano-agente» como métrica de dotación de los próximos años; sin Bloque 1, esa ratio se decide por inercia — es decir, se decide sola.

Cómo te ayudamos a aterrizarlo

Nuestro Perfilado de roles captura, tarea a tarea y con las personas que hacen el trabajo, la categoría de valor, la inteligencia que la ejecuta hoy y la asignación objetivo. Con ese mapa entregamos cuatro cosas: la matriz de asignación (el blueprint humano-IA de tu flujo), el headroom de rediseño, el núcleo humano protegido y el mapa de derechos de decisión — quién propone, quién valida, quién responde. Y trabajamos embebidos en tus rutinas, no desde fuera con un informe. Si quieres saber cuánto de tu flujo de trabajo está listo para rediseñarse —y cuánto debe seguir siendo humano—, empieza por el mapa, no por la compra de licencias: escríbenos.

La pregunta no será qué trabajos sobreviven, sino qué capacidades humanas diseñamos —en la estructura— para que la organización prospere.

Referencias

Fuente: Adaptado y ampliado de un artículo de Jaime Nardiz (SauceBi). Actualizado en julio de 2026 con la investigación referenciada.