El 70 % del éxito de los agentes de IA es organizativo, no técnico. Esto es en lo que fallan la mayoría de las empresas.

Las empresas invirtieron 2,52 billones de dólares en IA en 2026. Un incremento del 44% respecto al año anterior. Los modelos son mejores que nunca. Las herramientas son más accesibles. La infraestructura es madura.

Y sin embargo, Forrester predice que las empresas pospondrán el 25% del gasto planificado en IA para 2027 debido a la imposibilidad de demostrar el ROI. Solo 1 de cada 10 pilotos de agentes de IA llega a fase de producción. El 73% de los CIO se arrepiente de una decisión importante sobre proveedores de IA tomada en los últimos 18 meses.

La tecnología no es el problema. La investigación más reciente de BCG lo expresa con precisión: el 10% del éxito de la IA proviene de los modelos, el 20% de los datos y de la infraestructura técnica, y el 70% del diseño organizativo, los flujos de trabajo y la adopción cultural.

El setenta por ciento. Esto significa que la mayoría de los proyectos de IA fallidos no tuvieron nada que ver con la IA en sí. Tuvo que ver con la organización que intentaba asimilarla.

El marco 10/20/70: dónde tiene éxito y dónde falla realmente la IA

El informe «Reinvention of the CHRO» de BCG, publicado en febrero de 2026, introdujo un marco que todo líder empresarial debe interiorizar.

El 10% es el modelo. Qué modelo de lenguaje de gran tamaño (LLM) se utiliza, cómo se ajusta, qué capacidades tiene. Aquí es donde se centra la atención de la mayoría de las empresas. Es el factor que menos impacto tiene.

El 20% son los datos y la infraestructura técnica. Calidad de los datos, integración de sistemas, arquitectura de API, recursos de computación. Es importante, pero tiene solución si se realiza la inversión de ingeniería adecuada.

El 70% es organizativo. Rediseño de funciones. Reestructuración de flujos de trabajo. Gestión del cambio. Adopción cultural. Formación y capacitación. Métricas de rendimiento. Trayectorias profesionales. Aquí es donde los proyectos de IA viven o mueren, y es donde la mayoría de las empresas invierten menos.

La implicación es incómoda pero clara: si su estrategia de IA es principalmente un ejercicio de adquisición de tecnología, está optimizando el 10% ignorando el 70%. Y los datos muestran lo que sucede a continuación: pilotos estancados, un ROI decepcionante y el eventual recorte presupuestario.

Cómo se materializa realmente ese 70%

La preparación organizativa para los agentes de IA no es un concepto abstracto. Es un conjunto de decisiones concretas sobre cómo estructurar el trabajo, cómo evolucionan las funciones y cómo evaluar el éxito.

Las funciones cambian: de la ejecución a la dirección

Cuando los agentes de IA se encargan de la ejecución, las funciones humanas pasan de realizar el trabajo a dirigirlo y supervisarlo. Un reclutador deja de filtrar currículums y pasa a evaluar preselecciones de candidatos optimizadas por el agente. Un analista financiero deja de crear hojas de cálculo y pasa a interpretar análisis generados por el agente. Un agente de soporte al cliente deja de responder preguntas rutinarias y pasa a resolver incidencias complejas.

Esto no es un ajuste menor. Exige reescribir las descripciones de los puestos, reformular los programas de formación y redefinir qué se considera un «buen rendimiento» en cada función afectada. Las empresas que abordan esto como un proyecto de gestión del cambio triunfan. Las empresas que introducen agentes de IA en las estructuras de funciones existentes sin ajustar las expectativas generan confusión, resistencia y rotación de personal.

Los flujos de trabajo exigen rediseño, no automatización

El error más común es utilizar agentes de IA para automatizar flujos de trabajo existentes sin rediseñarlos. Automatizar un mal proceso solo produce malos resultados con mayor rapidez.

Las empresas que están logrando resultados reales están rediseñando sus flujos de trabajo en función de lo que los agentes pueden hacer. En lugar de «el agente realiza el paso 3 de un proceso existente de 10 pasos», la lógica pasa a ser «el agente gestiona del paso 1 al 7 de forma autónoma y un humano se encarga de los pasos 8 al 10». Es un flujo de trabajo fundamentalmente distinto que requiere replantear desde cero los puntos de transferencia, los controles de calidad y los criterios de derivación.

Las métricas deben evolucionar

Si evalúa a un equipo optimizado con IA con métricas previas a la IA, obtendrá resultados engañosos. Un equipo de soporte que resuelve un 50% menos de tickets no está rindiendo por debajo de lo esperado si el agente resuelve el otro 50% de forma autónoma y los tickets restantes son tres veces más complejos.

Las empresas que están teniendo éxito con los agentes de IA están diseñando nuevas métricas: tasa de resolución del agente, frecuencia de intervención humana, tiempo de derivación o precisión del agente por tipo de tarea. Estas métricas reflejan la realidad de la colaboración entre humanos e IA en lugar de fingir que el antiguo modelo operativo sigue vigente.

Evidencias de esta semana: el cambio de modelo operativo ya está aquí

El marco teórico de BCG se está validando mediante movimientos organizativos reales que están ocurriendo en este momento.

Accenture: los ascensos ahora requieren la adopción de IA

Accenture anunció esta semana que los ascensos a puestos de alta dirección requerirán la «adopción regular» de herramientas de IA. Se está realizando un seguimiento de los inicios de sesión semanales en dos plataformas internas de IA, incluidas AI Refinery (desarrollada con Nvidia) y SynOps. La empresa ya ha capacitado a 550 000 trabajadores en IA generativa.

Se trata de un cambio de modelo operativo, no de despliegue tecnológico. Accenture no se limita a proporcionar herramientas de IA. Está reestructurando los incentivos para que el avance profesional dependa de la integración de la IA. Eso es el 70% en acción: transformar la conducta de las personas, cómo se las evalúa y qué capacidades importan para su desarrollo.

Frontier Alliance de OpenAI: la brecha de implantación se hace patente

Cuando OpenAI se asoció con McKinsey, BCG, Accenture y Capgemini el 23 de febrero para impulsar su plataforma de agentes Frontier en las empresas, la estructura del acuerdo fue reveladora.

McKinsey y BCG gestionan la estrategia, el diseño del modelo operativo y la gestión del cambio. Accenture y Capgemini se encargan de la implementación técnica y el soporte del ciclo de vida. El hecho de que el principal laboratorio de IA del mundo haya asignado la mitad de la alianza al cambio organizativo, y no a la tecnología, es un reconocimiento directo de que el problema del 70% es real.

OpenAI podría haber desarrollado mejores herramientas de despliegue. En su lugar, contrató a las firmas de gestión del cambio más grandes del mundo. Eso indica claramente dónde se encuentra el verdadero cuello de botella.

El «Gran rediseño» de Deloitte: el cambio estructural

El informe Tech Trends 2026 de Deloitte describe lo que denominan el «Gran rediseño», un escenario donde la IA está reestructurando las empresas tecnológicas para ser más ágiles, rápidas e integrando IA en cada capa. Las funciones de tecnología están pasando de la prestación de servicios al liderazgo estratégico. Plataformas modulares, basadas en API y de autoservicio están sustituyendo a los sistemas monolíticos.

Su conclusión: «Cada organización estudiada está descubriendo la misma verdad. Lo que las trajo hasta aquí no las llevará hacia el futuro».

Eso es el 70% resumido en una frase. Las estructuras organizativas, los procesos y los modelos operativos que construyeron la empresa actual no son los que operarán la empresa optimizada por IA. Rediseñarlos es la tarea prioritaria.

Dónde sienten la presión los CIO

El reto organizativo está generando una presión cuantificable sobre el liderazgo empresarial.

Una encuesta de Dataiku/Harris Poll a 600 CIO publicada en febrero reveló que el 85% afirma que su retribución está ligada directamente a resultados medibles de IA. Cuando los incentivos personales se alinean con la entrega de IA, la brecha de preparación organizativa se convierte en algo personal.

La misma encuesta reveló que el 73% de los encuestados lamenta haber tomado una decisión importante sobre proveedores o plataformas de IA en los últimos 18 meses. El arrepentimiento no se debe a la tecnología que eligieron, sino a haber subestimado la inversión organizativa requerida para que esa tecnología fuera productiva.

Y el 71% cree que su presupuesto de IA sufrirá recortes o se congelará si no se cumplen los objetivos de ROI para mediados de 2026. Esto activa una cuenta atrás: demostrar la preparación organizativa y los resultados de producción en cuestión de meses, o perder la financiación para continuar.

Cinco acciones para abordar el 70%

Las empresas que superan con éxito este reto comparten un patrón: invierten tan decididamente en el cambio organizativo como en la tecnología.

1. Designar a un responsable del modelo operativo de IA

Alguien en la organización debe asumir el liderazgo del cambio de modelo operativo, no de la selección de tecnología. No es el trabajo del CTO (quien gestiona el 20%). Se trata de una función multifuncional que coordina recursos humanos, operaciones y tecnología para rediseñar cómo se trabaja.

La investigación de BCG sitúa al CHRO como el líder idóneo de esta agenda, definiéndolos como «arquitectos de una plantilla híbrida» que integran al equipo humano con los agentes de IA. Tanto si se trata del CHRO como de otro ejecutivo, la función requiere autoridad explícita sobre el rediseño de flujos de trabajo, la evolución de puestos de trabajo y las métricas de adopción.

2. Rediseñar las funciones antes de implementar agentes

No despliegue agentes de IA para luego descifrar cómo cambian los puestos de trabajo. Defina primero el modelo operativo de destino. ¿Qué hace el humano? ¿De qué se encarga el agente? ¿Dónde están los puntos de entrega? ¿Qué nuevas competencias necesita el equipo humano? Resuelva estas preguntas antes de que el agente empiece a operar.

3. Desarrollar nuevas métricas de rendimiento

Construya métricas que reflejen el modelo operativo optimizado por IA. Tasa de resolución del agente, frecuencia de intervención humana, calidad de resolución o tiempo de puesta en producción de nuevas capacidades del agente. Estas métricas ofrecen a la dirección visibilidad sobre si el cambio organizativo funciona, más allá de vigilar que la tecnología esté en marcha.

4. Invertir en capacitación funcional, no solo técnica

Existe una diferencia entre enseñar a alguien a utilizar una nueva herramienta (capacitación técnica) y formarle para que trabaje de una manera fundamentalmente distinta (capacitación funcional). La implantación de agentes de IA exige una capacitación funcional amplia: enseñar a las personas a dirigir agentes, evaluar sus resultados, diseñar sus flujos de trabajo y tomar decisiones estratégicas que queden fuera del alcance de la IA.

El programa de capacitación técnica de Accenture de 550 000 empleados es un punto de partida. Pero monitorizar los inicios de sesión semanales es una métrica técnica. La métrica de capacitación funcional reside en si esos profesionales pueden diseñar, dirigir y mejorar de forma autónoma los flujos de trabajo de los agentes de IA.

5. Elegir plataformas que reduzcan la fricción organizativa

La tecnología elegida determina el nivel de cambio organizativo necesario. Una plataforma que requiere un desarrollo a medida intensivo exige un mayor esfuerzo organizativo que una solución que ofrece capacidades de agentes preconfiguradas con gobernanza empresarial integrada.

Las organizaciones que entran en fase de producción con mayor rapidez son aquellas que eligen plataformas que minimizan la carga técnica (el 20%), lo que les permite concentrar recursos en la transformación organizativa (el 70%).

La verdadera estrategia de IA es una estrategia de modelo operativo

Las empresas que definirán la próxima era de adopción de la IA no serán las que dispongan de los modelos más avanzados o de los mayores presupuestos. Serán aquellas que transformen radicalmente la forma de trabajar de sus organizaciones.

El marco 10/20/70 define con claridad la prioridad. Dedique el 10% de su atención estratégica a la selección de modelos. Dedique el 20% a los datos y la infraestructura. Invierta el 70% en el diseño organizativo: nuevas funciones, nuevos flujos de trabajo, nuevas métricas, nuevos incentivos y nuevos planes de carrera profesionales.

Todo líder empresarial que se pregunte «¿qué IA debemos comprar?» se equivoca de pregunta. La verdadera cuestión es: «¿Cómo debe cambiar nuestra organización para que cualquier IA resulte productiva?»

La tecnología está lista. Las organizaciones, en su mayoría, todavía no. Cerrar esa brecha es el desafío clave de 2026, y las empresas que logren cerrarla primero obtendrán ventajas competitivas exponenciales y muy difíciles de alcanzar por sus competidores.