¿Tu organización está adoptando IA o aprendiendo con IA? La Quinta Disciplina explica por qué.
- Agile Quest
- hace 2 días
- 7 min de lectura
Actualizado: hace 7 horas
El MIT lo confirmó en 2025: 95% de los pilotos de IA generativa en empresas no genera retorno medible. Más del 80% de las organizaciones ya probó ChatGPT o algo parecido. Casi ninguna lo tradujo en resultado de negocio.
¿El problema es la tecnología, o que llevamos treinta años saltándonos la parte incómoda del aprendizaje organizacional para ir directo a la herramienta nueva?
La verdad es más simple de lo que el hype quiere admitir: casi nadie tiene un problema de IA. Tiene un problema de sistema.
No es un dato aislado
El MIT no es el único que lo dice, y eso importa — porque un dato suelto se puede discutir, pero cuatro reportes de fuentes distintas apuntando al mismo patrón ya no es casualidad, es un diagnóstico.
Gartner lo había anticipado desde 2024: calculó que 30% de los proyectos de IA generativa se abandonaría después de la prueba de concepto, antes de llegar a producción. No por falta de presupuesto — por falta de un caso de negocio claro desde el inicio.
BCG midió algo todavía más revelador en septiembre de 2025: dividió a las empresas en tres grupos. Solo 5% son "future-built" — organizaciones que ya capturan valor sustancial con IA. 35% son "scalers", en crecimiento pero admiten que podrían ir más rápido. El otro 60% son rezagadas, con ganancias mínimas y sin las capacidades para cambiar eso pronto.
La diferencia entre esos grupos no es cosmética. Las líderes crecen sus ingresos al doble de velocidad que las rezagadas, ahorran 40% más en costos, y entregan 3.6 veces más retorno a sus accionistas en tres años. Invierten, además, más del doble en IA que las rezagadas — no porque tengan más presupuesto sobrante, sino porque ya saben dónde apuntarlo.
Y en LATAM el panorama es más duro
Si el dato global ya incomoda, el regional pega más cerca. Un white paper del World Economic Forum junto con McKinsey, publicado en enero de 2026, midió el estado real de la adopción de IA en América Latina: solo 23% de las organizaciones genera algún valor económico con IA. De ese grupo, apenas 6% reporta creación de valor significativo.
El 60% de las pequeñas y medianas empresas de la región directamente no genera valor medible con IA — mientras que las grandes empresas sí logran capturarlo, lo que abre una brecha adicional entre quién puede permitirse aprender rápido y quién no.
El mismo reporte calcula el costo de no resolverlo: acelerar la adopción de IA en LATAM podría sumar entre 1.9% y 2.3% de productividad anual, entre 1.1 y 1.7 billones de dólares en valor económico adicional cada año. El potencial está identificado. La captura, no.
En el post anterior hablamos de La Quinta Disciplina de Peter Senge y de cómo los OKR les dan piso operativo. Esto es lo que pasa cuando eso se pone a prueba con IA, no con un lanzamiento de producto.
El caso: cómo se ve esto en una organización
El contexto
La organización — la llamaremos así, porque el caso es real pero preferimos no exponer al cliente — opera en cuatro países de LATAM: México, Guatemala, Colombia y Perú. Para mediados de 2025 ya tenía IA generativa corriendo en los cuatro, pero cada país había llegado ahí por su cuenta.
Colombia llevaba nueve meses con un copiloto de código para desarrollo. Guatemala acababa de aprobar un asistente de atención al cliente. Perú no tenía nada formal, pero varios equipos usaban ChatGPT por su lado, México tenia a equipos aislados usando Copilot sin que nadie lo supiera oficialmente.
Los cuatro países podían mostrar una diapositiva de "adopción de IA" en su reporte trimestral. Ninguno podía mostrar qué había cambiado para el cliente, para el negocio o para el equipo. Exactamente la brecha que describe el MIT: alta adopción, baja transformación.
El diagnóstico incómodo
Antes de aprobar un caso de uso más, sentamos a los líderes de los cuatro países en conferencia — literal, no una llamada — y les pedimos que completaran una frase: "Adoptar IA en nuestro país significa ___".
Colombia completó: que los developers entreguen más rápido. Guatemala: que el cliente espere menos. Perú: que dejemos de perder gente que se va a competidores que "sí usan IA". México aprovechemos el poder de la IA sin que expongamos datos sensibles.
Cuatro respuestas razonables. Cuatro definiciones de éxito completamente distintas. Ninguna medía lo mismo que las otras dos — y llevaban un año invirtiendo sin acuerdo sobre qué significaba de verdad tener éxito.
Ese ejercicio, incómodo porque expuso justo eso, es examinar modelos mentales en el sentido literal de Senge. No cambia nada por sí solo. Cambia qué preguntas se hacen después.
La visión, traducida a números
La visión regional decía, en el documento de estrategia: "ser una organización que aprende y se adapta más rápido con IA". Bonita. Inaccionable — nadie podía decir si la estaban logrando o no.
Codiseñamos a un Objetivo trimestral: que la IA reduzca fricción real en la experiencia del cliente, no que sume herramientas sueltas por país. Y en vez de un Resultado Clave distinto por país — que hubiera perpetuado el problema — se definió uno solo, compartido: reducir el tiempo de resolución de consultas de cliente en 30%, medido igual en los cuatro países.
Antes, cada país reportaba "porcentaje de equipos usando IA": un número que subía solo, sin decir nada del negocio. Después, un solo tablero de tiempo de resolución, visible para los tres países, actualizado semana a semana.
La cadencia
Los check-ins quincenales dejaron de preguntar "¿qué IA están probando?" y empezaron a preguntar "¿qué caso de uso movió el KR esta semana, y cuál no?". La revisión trimestral sirvió para apagar dos pilotos que no tocaban el número: uno de generación de contenido en México que nadie usaba después del primer mes, y una automatización interna en Perú que ahorraba tiempo a un equipo pequeño pero nunca llegaba al cliente.
El resultado, trimestre a trimestre
En el primer trimestre bajo este esquema, el tiempo de resolución bajó 9%. No fue la IA sola — fue que, por primera vez, los cuatro países estaban resolviendo el mismo problema en vez de cuatro problemas distintos con la misma etiqueta.
Para el segundo trimestre, con dos casos de uso apagados y los recursos concentrados en los que sí movían el número, el tiempo de resolución había bajado 30% respecto a la línea base. Menos herramientas activas. Más impacto medible en cada una.
No fue magia. Fue disciplina, literalmente — la misma que describe Senge, aplicada a IA en vez de a un lanzamiento de producto.
Lo que separa a las que sí capturan valor
BCG identificó cinco prácticas que distinguen a sus "future-built" del resto. Puestas junto a las disciplinas de Senge, el parecido no es casualidad — son la misma disciplina organizacional descrita con otro vocabulario:
Práctica que mide BCG en las líderes | Disciplina de Senge detrás |
Liderazgo ejecutivo con ambición clara y sostenida | Visión compartida |
Priorización por valor, con seguimiento riguroso | Pensamiento sistémico (el corazón de un buen OKR) |
Modelo de augmentación humano-máquina, no reemplazo | Aprendizaje en equipo |
Anticipación de talento y reentrenamiento continuo | Dominio personal |
Arquitectura de datos y tecnología como base, no como parche | Modelos mentales actualizados sobre lo que la organización realmente necesita |
Ninguna de las cinco es una funcionalidad que se compra. Todas son una capacidad que se cultiva con cadencia — la misma cadencia que ya tenías si tu organización opera con OKR en serio. Es, básicamente, lo que hizo la organización del caso: no compró una capacidad nueva, cultivó una que ya tenía.
¿Tu organización está adoptando IA, o está aprendiendo con IA? No son lo mismo — y entre el MIT, Gartner, BCG y el WEF ya tenemos suficientes cifras de cuántas organizaciones confunden una cosa con la otra.
Preguntas Frecuentes: La Quinta Disciplina
¿Por qué fracasan la mayoría de los pilotos de IA en las empresas?
Según un reporte del MIT de 2025, el 95% de los pilotos de IA generativa en empresas no genera retorno medible. Gartner calculó que 30% se abandona después de la prueba de concepto. La causa principal no es la tecnología: es que la adopción se queda en productividad individual sin integrarse al flujo de trabajo ni traducirse en un resultado de negocio medible.
¿Qué porcentaje de empresas sí genera valor real con IA?
Según BCG (septiembre 2025), solo 5% de las empresas globales son "future-built" y capturan valor sustancial con IA; 35% están en camino ("scalers") y 60% son rezagadas. En América Latina el panorama es más ajustado: según un white paper del World Economic Forum y McKinsey (enero 2026), solo 23% de las organizaciones genera algún valor con IA, y apenas 6% reporta valor significativo.
¿Qué tiene que ver la Quinta Disciplina de Peter Senge con la adopción de IA?
La Quinta Disciplina es el pensamiento sistémico: ver la organización como un sistema interconectado en vez de eventos aislados. El patrón que describen el MIT y BCG —alta adopción individual, baja transformación del sistema— es exactamente el problema que Senge identificó hace más de 30 años, ahora aplicado a IA.
¿Cómo se usan los OKR para que la adopción de IA sí genere resultado?
Definiendo el Objetivo en términos del sistema (ej. "reducir fricción en la experiencia del cliente") y el Resultado Clave en términos de impacto real (ej. "tiempo de resolución"), no de actividad (ej. "porcentaje de gente usando la herramienta"). La cadencia de revisión de OKR sirve además para decidir qué casos de uso de IA escalar y cuáles apagar.
Fuentes
Boston Consulting Group. (2025, 30 de septiembre). AI leaders outpace laggards with double the revenue growth and 40% more cost savings
Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025). The GenAI divide: State of AI in business 2025. MIT NANDA (Project NANDA).
Gartner. (2024, 29 de julio). Gartner predicts 30% of generative AI projects will be abandoned after proof of concept by end of 2025
Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday/Currency.
Senge, P. M. (2005). La quinta disciplina: El arte y la práctica de la organización abierta al aprendizaje (trad.). Granica. (Trabajo original publicado en 1990)
World Economic Forum, & McKinsey & Company. (2026, enero). Latin America in the intelligent age: A new path for growth
Próximo Evento
Desde nuestro AQI Lab.
Comentarios