El nuevo desafío del liderazgo en TI: enseñar a pensar con la máquina, no por causa de ella
El nuevo desafío del liderazgo en TI: enseñar a pensar con la máquina, no por causa de ella
Recientemente, estaba conversando con el VP de Operaciones de un cliente y, en determinado momento, el tema naturalmente derivó en inteligencia artificial.
Comenté que, dentro de mi área de tecnología, puse a disposición del equipo no solo una, sino tres herramientas diferentes de IA para el uso del día a día. Él se mostró visiblemente sorprendido. La reacción me llamó la atención —como si fuera algo audaz, casi experimental.
Pero, en la práctica, ya no hay nada de experimental en eso. La inteligencia artificial ya está profundamente integrada a nuestro flujo de trabajo. Lo que aún es novedad —y quizá el verdadero desafío— es el cambio cultural que viene junto con esa integración.
Tres herramientas, tres propósitos — y un solo objetivo: aprender junto con la IA
Cuando empezamos a probar herramientas de IA, la idea inicial era simple: descubrir qué realmente funciona para nuestro tipo de trabajo. Con el tiempo, quedó claro que cada herramienta tiene una personalidad propia, y que el valor está en entender cómo se complementan.
Hoy usamos, por ejemplo:
- GitHub Co-Pilot, que brinda soporte directo en acciones y comandos de CI/CD, ayuda a acelerar los pipelines y su integración con nuestra IDE de desarrollo ayuda bastante cuando —todavía— necesitamos poner las manos directamente en el código.
- Anthropic / Claude, que es el compañero preferido para el desarrollo de código, con excelentes resultados en tareas más estructuradas.
- Gemini, que apoya al equipo en el diseño funcional de soluciones, análisis de datos y generación de informes.
- Memex, una solución de mercado que integra algunas de esas herramientas - especialmente Anthropic / Claude - en una consola única ejecutada localmente en el equipo, más amigable y organizada —algo que permite el uso de “vibe-coding”, una forma más fluida y colaborativa de desarrollar.
Imponer una única herramienta sería lo mismo que pedirle a todo el mundo que escriba con el mismo bolígrafo. Lo importante es que el texto —o, en nuestro caso, el resultado— salga mejor.
Lo que más me interesa: quién no usa
Periódicamente, extraigo informes sobre el uso de las herramientas de IA. Pero, al contrario de lo que muchos imaginan, no hago eso para premiar a quien más las usa. Lo hago para entender quién aún no las usa —y por qué. Esa es, tal vez, la métrica más reveladora de la cultura digital de un equipo.
Cuando alguien no utiliza la IA, hoy, no es por falta de acceso. Es por inseguridad, miedo, escepticismo o simplemente desconocimiento. Y cada uno de esos motivos dice mucho sobre dónde todavía debemos evolucionar.
Al conversar con quien evita usarla, escucho patrones recurrentes:
- “Tengo miedo de volverme prescindible y/o irrelevante y ser sustituido.”
- “Esto va a equivocarse mucho y voy a perder tiempo corrigiendo.”
- “No sé hacer el prompt correcto.”
Pero, detrás de todo, hay una cuestión cultural. Trabajar con IA exige un tipo de razonamiento diferente —más literal, más declarativo, más explícito. Ya no se puede confiar en “esto ya debería estar sobreentendido”. La máquina solo entiende lo que eres capaz de explicar con claridad.
Jose porto
Y, en ese punto, la IA acaba exponiendo no solo el nivel técnico, sino la calidad del pensamiento de sus usuarios. Personalmente no creo que esa característica humana vaya a ser reemplazada tan pronto…
Cuando lo imposible se vuelve ejemplo
En el primer semestre de 2025, tuvimos un desafío que parecía fuera de alcance: montar desde cero una nueva solución para tratamiento de archivos entrantes. El equipo me dijo que era algo prácticamente inviable, que exigiría un equipo grande y meses de trabajo. Las estimaciones más optimistas apuntaban a 1.200 horas de desarrollo.
Además, siendo bien pragmático, el equipo ya estaba al 100% de asignación con otras demandas. Para demostrar lo contrario, decidí hacer un experimento. Asumí el desafío para mí —solo— y utilicé Memex como base para el desarrollo. Al final, entregué el concepto funcional completo en aproximadamente 240 horas de trabajo.
No hice eso para competir con el equipo, sino para mostrar lo que es posible cuando se aprende a trabajar con la IA, y no solo a usarla.
Ese ejemplo real rompió una barrera enorme. La resistencia comenzó a disminuir. Y, curiosamente, quienes más empezaron a involucrarse después de eso no fueron los principiantes, sino los profesionales más experimentados —aquellos que antes tenían más escepticismo.
A veces, lo que un equipo necesita no es otra capacitación.
Es un ejemplo que rompa lo imposible
La paradoja de la resistencia
Un punto que me intriga —y conversando con mis pares lo veo en casi toda organización— es que los más resistentes a la IA suelen ser los más talentosos. Son personas con profundos conocimientos técnicos, años de experiencia, capacidad analítica aguda.
Pero es precisamente por eso que resisten. Porque saben lo que sale mal. Porque sienten orgullo de lo que dominan. Y porque, en el fondo, perciben que la IA no está tocando sus tareas, sino su zona de confort cognitiva.
La verdad es que la IA no va a sustituir a quien es bueno.
Va a sustituir a quien dejó de aprender.
Y esa es la provocación que más repito a mi equipo. Lo que diferencia al profesional relevante del obsoleto, hoy, no es el conocimiento acumulado —es la disposición a reaprender y adaptarse.
Los resultados que realmente importan
Las ganancias de productividad son evidentes: entregas más rápidas, informes de mejor calidad, menos retrabajo. Pero el impacto más profundo va más allá de eso.
Hoy, usuarios de otras áreas de la empresa —sin background técnico— están empezando a crear sus propios informes, dashboards y modelos. Sin depender del equipo de TI. Eso libera al equipo de tecnología para concentrarse en innovación de producto y en desafíos estratégicos.
Pero hay un efecto colateral aún más poderoso: el sentido de autonomía. Ver a personas que antes decían “esto no es para mí” ahora percibiendo que “yo puedo hacer esto” es transformador.
De carbono a silicio
Siempre comparo las herramientas de IA con programadores junior recién egresados: llenos de entusiasmo, buen conocimiento teórico, pero todavía inexpertos. Se equivocan. Alucinan. Repiten errores antiguos. Intentan seguir —muchas veces con una obstinación que dan ganas de matar— caminos que no siempre son los mejores.
Es decir —nada nuevo en el frente. La diferencia es que ahora lidiamos con aprendices de silicio, no de carbono.
El papel del liderazgo no es sustituir a esos “junior artificiales”, sino enseñar a los humanos a supervisarlos con inteligencia. La IA también se va a equivocar. Pero falla rápido —y eso es excelente, siempre que haya alguien capaz de aprender del error aún más rápido— y ayudar a corregirlo.
En la práctica, lo que cambió no fue el tipo de error, sino el tipo y perfil del aprendiz. Seguimos formando talentos —solo que ahora no necesariamente aprenden con sus propios errores, sino con los errores de los demás.
Liderar por la curiosidad, no por el control hasta aqui: check
El verdadero desafío del liderazgo en tecnología hoy es cultural. No se trata solo de adoptar herramientas nuevas, sino de formar mentes curiosas, dispuestas a explorar y a reinventarse junto con la IA.
Medir quién usa bien una herramienta es importante. Pero, al menos para mí, lo que fue aún más revelador fue preguntar:
“Quien todavía no cree, ¿por qué no cree —y qué puedo hacer para cambiar eso?”
El liderazgo moderno en TI no trata de controlar la adopción de tecnología. Se trata de crear un ambiente donde pensar con la máquina sea natural, colaborativo y, principalmente, humano.
Y, al fin y al cabo, eso es lo que más nos enseña la IA: que la tecnología no sustituye a las personas —solo revela quién sigue dispuesto a evolucionar.
8 min.
