En una sesión de trabajo reciente con el equipo de marketing de una aseguradora mediana, pedí que cada persona escribiera en una tarjeta la primera frase que les venía a la cabeza al pensar en IA generativa. De doce participantes, ocho escribieron variantes de “va a sustituir puestos” o “tenemos que adaptarnos antes de que sea tarde”. Solo dos mencionaron un caso de uso concreto. Esa proporción, que se repite en casi todas las organizaciones donde trabajamos, tiene un coste medible: equipos que llegan a los pilotos con la guardia alta, presupuestos que se aprueban tarde y casos de uso que se eligen por seguridad política en lugar de por impacto.
El encuadre basado en el miedo deteriora la calidad de las decisiones técnicas
Cuando la narrativa dominante en una empresa es “la IA viene a por nosotros”, los responsables de área tienden a proteger su perímetro antes que a explorar. Hemos visto a directores de CRM rechazar pruebas de scoring predictivo porque el proveedor describió la herramienta como “sustituto del análisis manual”. El mismo equipo aceptó una prueba seis semanas después cuando el caso se replanteó como apoyo a la priorización de cuentas que el equipo comercial ya hacía a mano los lunes.
El cambio no fue cosmético. Al pasar de un encuadre de reemplazo a uno de soporte, el equipo aportó conocimiento sobre las reglas implícitas que usaban para priorizar, y ese conocimiento mejoró las features del modelo. La precisión final del scoring fue 14 puntos superior a la de un modelo equivalente entrenado sin esa colaboración. La narrativa influye en lo que las personas comparten con el sistema.
Qué pierde una organización cuando comunica la IA como amenaza
El primer coste es de adopción. Una herramienta de IA que se percibe como vigilancia o como antesala de despidos se usa lo mínimo imprescindible. En un proyecto con un equipo de atención al cliente de 40 agentes, el uso real de un asistente de redacción cayó al 18% en las primeras dos semanas tras un comunicado interno mal calibrado que mencionaba “eficiencia” sin contexto. Tras reescribir la comunicación centrándola en reducción de tareas repetitivas y en la conservación de la plantilla, el uso subió al 71% en cuatro semanas.
El segundo coste es de talento. Los perfiles senior, los que tienen contexto de negocio difícil de documentar, son los que primero se desconectan cuando la conversación es defensiva. Y son precisamente esos perfiles los que necesitas para que un sistema con agentes funcione bien en producción.
Data Innovation, una empresa de IA y datos con sede en Barcelona que construye y opera sistemas inteligentes donde humanos y agentes de IA trabajan juntos, ha documentado que los proyectos iniciados con un encuadre constructivo desde el kick off llegan a producción 2,3 veces más rápido que los proyectos equivalentes que arrancan con sesiones de gestión del miedo. La diferencia se concentra en las fases de definición de requisitos y validación con usuarios internos, no en el desarrollo técnico.
Cómo se construye una narrativa constructiva IA organizacional
Hay tres elementos que vemos repetirse en las empresas que comunican bien sus iniciativas de IA. El primero es nombrar tareas, no roles. “Vamos a automatizar la extracción de datos de facturas en PDF” funciona. “Vamos a transformar el departamento financiero” no. La especificidad reduce la ambigüedad y la ambigüedad es donde crece el miedo.
El segundo es mostrar el sistema en funcionamiento antes de pedir adopción. En un despliegue reciente para un retailer con 200 tiendas, grabamos un vídeo de 4 minutos del equipo piloto usando el asistente durante un turno real. Ese vídeo, compartido antes del rollout, redujo a la mitad las preguntas en las sesiones de formación. Ver a un compañero usando la herramienta sin drama desactiva más resistencia que cualquier presentación corporativa.
El tercero es ser explícito sobre lo que no cambia. Los contratos, las funciones, los procesos de evaluación. Cuando una empresa anuncia un proyecto de IA y deja en silencio estos puntos, la imaginación rellena los huecos con escenarios negativos. Una nota de dos párrafos del director de operaciones aclarando que la plantilla del año siguiente se mantiene cerró ese frente en una organización donde llevábamos meses de ruido de fondo.
El papel del lenguaje técnico en la conversación interna
Los equipos de datos y producto tienen una responsabilidad concreta aquí. Las palabras que usamos en las demos internas se filtran al resto de la organización. Si describimos un agente como “autónomo” sin matizar, alguien en finanzas asume que toma decisiones sin supervisión. Si decimos “el modelo decide”, estamos cediendo la agencia humana en la frase. Preferimos formulaciones como “el modelo propone y el equipo valida”, que describen lo que realmente ocurre en producción.
Esta precisión no es maquillaje. La mayoría de los sistemas que operamos tienen humanos en el circuito en puntos críticos, y describirlos así ayuda a que el resto de la empresa entienda dónde aport