Repensar cómo trabajamos es el nuevo desafío
La inteligencia artificial está cambiando algo más profundo que la velocidad con la que hacemos una tarea. Está empezando a modificar cómo se organiza el trabajo: qué hacemos las personas, qué puede resolver un sistema, qué decisiones necesitan nuestra intervención y cómo se conectan las distintas etapas de un proceso.
Por eso, el desafío ya no pasa solamente por automatizar. Pasa por preguntarnos si la manera en que trabajamos sigue teniendo sentido cuando existen nuevas capacidades disponibles.
Durante años, hablar de automatización significó identificar tareas repetitivas y buscar la manera de ejecutarlas sin intervención humana. Un formulario podía disparar un email, una compra podía actualizar un registro o un contacto podía ingresar automáticamente a una base de datos. La lógica era clara: si sucede A, hacer B.
La inteligencia artificial está introduciendo una lógica diferente. Ahora podemos plantear un objetivo y permitir que un sistema determine qué pasos necesita para alcanzarlo, qué herramientas debe utilizar y en qué momentos necesita la intervención de una persona.
La pregunta deja de ser solamente qué podemos automatizar. Empieza a ser: ¿cómo debería funcionar este proceso si pudiéramos diseñarlo nuevamente con IA desde el principio?
Diseñar procesos con IA: el desafío está en cómo trabajamos
Automatizar una tarea permite ahorrar tiempo.
Rediseñar un proceso puede cambiar la manera en que trabaja una organización.
Imaginemos un proceso comercial sencillo. Una persona completa un formulario; alguien recibe la consulta, revisa la información, responde, agenda una reunión, prepara una propuesta y luego hace seguimiento. Es posible automatizar algunos de esos pasos, pero todavía estamos pensando el proceso como una sucesión de tareas humanas a las que agregamos automatizaciones.
Con agentes de IA, la lógica puede ser otra.
El sistema puede interpretar la consulta, identificar qué tipo de oportunidad representa, buscar información relevante, preparar una respuesta, proponer una reunión y actualizar registros. En lugar de sumar automatizaciones sobre un proceso existente, podemos empezar a diseñar procesos con IA desde el objetivo que queremos alcanzar.
No se trata de reemplazar cada tarea, sino de replantear el recorrido completo.
Esta diferencia es importante porque el beneficio de la IA no parece distribuirse de la misma manera entre productividad individual y resultados empresariales.
Una investigación de McKinsey publicada en septiembre de 2026 encontró que el 80% de las personas encuestadas afirma que la IA mejoró su productividad individual, pero solo el 37% atribuye algún impacto en el EBIT de su organización. La diferencia apunta a una cuestión central: trabajar más rápido no necesariamente significa que el negocio esté funcionando mejor. (McKinsey)
El desafío aparece entonces en la coordinación: en los traspasos entre personas y equipos, en las esperas, en la información que pasa de una herramienta a otra y en las decisiones que requieren contexto. Son pequeños espacios dentro de un proceso que, acumulados, pueden convertirse en una parte importante del costo operativo.
Cuando la unidad de trabajo deja de ser una tarea
Un asistente de IA responde; un agente puede actuar. Y cuando varios agentes trabajan coordinadamente, la unidad de trabajo deja de ser una tarea y empieza a parecerse mucho más a un proceso.
Esta es una de las ideas detrás de la evolución hacia los sistemas de IA agéntica: sistemas capaces de interpretar objetivos, planificar acciones, utilizar herramientas y ejecutar diferentes pasos con cierto grado de autonomía.
La diferencia con un chatbot tradicional no está solamente en que "haga más cosas", sino en que puede participar de un flujo. Un agente de marketing puede detectar una oportunidad, investigar información, preparar una campaña y dejarla lista para aprobación.
Uno dedicado a clientes puede identificar una consulta, clasificarla, buscar antecedentes y preparar una respuesta. Otro puede analizar información financiera, detectar algo fuera de lo habitual y generar una alerta.
El punto interesante no está en cada agente por separado, sino en cómo se conectan entre sí y qué proceso pueden hacer posible cuando trabajan coordinadamente.
Un caso que muestra hacia dónde se mueve esta lógica
Wix Symphony es un buen ejemplo para observar este cambio, aunque el fenómeno excede ampliamente a Wix.
Symphony se presenta como una plataforma de agentes de IA que reúne distintos especialistas y los coordina mediante un orquestador. Los agentes pueden conectarse con herramientas que el negocio ya utiliza y trabajar sobre diferentes partes de la operación. (Wix Symphony)
La idea resulta interesante porque cambia la interfaz. En lugar de entrar a diferentes aplicaciones para ejecutar distintas tareas, la persona puede plantear una necesidad desde una conversación y dejar que un orquestador distribuya el trabajo entre agentes especializados.
Por ejemplo, una empresa podría plantear:
“Necesitamos recuperar las consultas que quedaron sin seguimiento esta semana”.
Eso ya no describe una tarea. Describe un objetivo.
Para resolverlo, un sistema podría necesitar revisar contactos, identificar cuáles quedaron pendientes, analizar la información disponible, preparar comunicaciones, actualizar registros y solicitar aprobación antes de ejecutar determinadas acciones.
En Symphony, esa lógica se articula alrededor de un orquestador llamado Maestro, que recibe el objetivo, coordina a los agentes adecuados y permite supervisar el trabajo. La propia documentación de Wix sobre Symphony explica que el usuario puede compartir un objetivo y dejar que Maestro asigne el trabajo a los agentes correspondientes.
Además, los agentes pueden trabajar en segundo plano y ejecutar tareas de varios pasos, mientras que las acciones que requieren intervención permanecen bajo aprobación humana. (Wix Help Center)
Ahí es donde la conversación deja de ser solamente sobre asistentes y empieza a ser sobre infraestructura operativa.
El verdadero desafío no es implementar IA
Es entender qué proceso vale la pena transformar.
Una empresa puede incorporar cinco herramientas de IA y seguir trabajando exactamente igual. También puede automatizar veinte tareas y terminar con veinte automatizaciones desconectadas entre sí.
La tecnología, por sí sola, no ordena un proceso desordenado. De hecho, puede amplificarlo.
Si una empresa no sabe quién debe tomar una decisión, qué información necesita esa persona o qué debería suceder después, agregar IA no necesariamente resuelve el problema.
La pregunta importante, entonces, no es solamente qué proceso podemos automatizar, sino qué parte de nuestra forma actual de trabajar merece ser repensada.
Por eso conviene mirar el recorrido completo: qué inicia el proceso, qué información entra, dónde se producen esperas, qué tareas se repiten, dónde se copia información de una herramienta a otra y qué decisiones requieren criterio humano. También es necesario definir qué puede delegarse, en qué momentos debería intervenir una persona y qué debería suceder después de cada decisión.
Estas preguntas parecen operativas, pero tienen una dimensión estratégica. Diseñar procesos con IA obliga a una empresa a explicitar cómo funciona realmente.
La IA también está cambiando la organización
Este cambio no afecta solamente a las herramientas. También modifica los roles.
Cuando una persona deja de dedicar parte de su jornada a recopilar información, copiar datos o hacer seguimientos manuales, su trabajo puede desplazarse hacia la supervisión, el análisis y la toma de decisiones. Eso exige nuevas capacidades, que no necesariamente tienen que ver con saber programar, sino con entender procesos, datos, contexto, criterios de aprobación y límites de autonomía.
En Latinoamérica, el impacto potencial es especialmente relevante. Un estudio de McKinsey publicado en julio de 2026 estima que más de la mitad de las horas de trabajo actuales de la región podrían ser técnicamente automatizables mediante IA y otras tecnologías existentes. El mismo análisis estima un potencial económico de alrededor de US$450.000 millones anuales hacia 2030, aunque aclara que se trata de una estimación de factibilidad técnica y que su materialización dependerá, entre otros factores, de la adopción y de la preparación organizacional. (McKinsey — Latinoamérica)
La última parte es quizás la más importante: la tecnología puede estar disponible, pero la organización tiene que estar preparada para utilizarla.
Diseñar antes de automatizar
Hay una idea que empieza a ganar peso en esta nueva etapa:
AI-first no significa poner IA en todas partes.
Significa preguntarse si el proceso actual sigue teniendo sentido.
A veces la respuesta será automatizar una tarea. En otros casos, integrar dos herramientas o eliminar un paso que ya no aporta valor. Y en algunos procesos, diseñar una nueva forma de trabajar en la que humanos y agentes de IA tengan roles diferentes.
Esto conecta con algo que ya venimos observando en la evolución de los ecosistemas digitales.
En una nota anterior hablamos de cómo una web puede dejar de ser una pieza aislada para convertirse en un punto de encuentro dentro del ecosistema digital de una empresa. También vimos que conectar herramientas y acciones permite construir un ecosistema digital que funciona, en lugar de acumular canales y herramientas que trabajan por separado.
La IA lleva esa misma lógica un paso más adelante. Ya no se trata solamente de conectar sistemas, sino de que algunos sistemas puedan entender qué está pasando y actuar en consecuencia.
Y eso cambia la conversación sobre automatización.
El nuevo mapa de trabajo
Durante mucho tiempo pensamos la transformación digital como una acumulación de herramientas: una web, un CRM, una plataforma de email, un sistema de pagos, una herramienta de analítica y diferentes automatizaciones.
Ahora aparece una posibilidad diferente: que todas esas piezas formen parte de un proceso coordinado y que determinados agentes puedan operar sobre ellas.
El resultado no debería ser una empresa con más tecnología, sino una empresa con menos fricción: menos información duplicada, menos tareas manuales, menos esperas entre equipos y menos procesos que dependen de que alguien recuerde hacer algo.
Eso puede liberar tiempo para aquello que realmente necesita criterio, creatividad, conocimiento del negocio y relación humana.
Por eso, el próximo desafío de la IA probablemente no sea aprender a utilizar más herramientas. Será aprender a repensar cómo trabajamos.
La pregunta ya no es solamente qué tarea puede hacer la inteligencia artificial por nosotros. Es qué cambiaría en nuestra manera de trabajar si pudiéramos diseñar nuevamente nuestros procesos teniendo en cuenta todo lo que la IA puede hacer hoy.
Porque quizás la transformación más importante no ocurra cuando una empresa incorpora una nueva herramienta, sino cuando se anima a cuestionar un proceso que durante años funcionó de una determinada manera.
