El desajuste productivo: por qué tu organización no necesita 'madurez digital'
Hay una idea que circula por las consultorías, los planes de digitalización y las convocatorias públicas: que adoptar inteligencia artificial es un proceso lineal. Diagnóstico, piloto, implementación, escala. Como subir una escalera. Si te paras en el tercer peldaño, has fracasado.
Un estudio reciente publicado en Information Systems Management (Amanollahnejad et al., 2026) desmonta esta ficción con datos. Me lo pasó Samuel Barco, de SOKIO, que además de ser amigo tiene el buen hábito de compartir lo que lee cuando sabe que te va a remover algo. Los investigadores entrevistaron a 27 directivos de pymes del norte de Inglaterra durante un año y encontraron algo que cualquiera que trabaje con organizaciones pequeñas reconoce: la adopción de IA no es una escalera. Es un bucle.
Los que trabajamos en esto lo vemos cada semana. Lo que dice el paper, lo confirma el terreno.
El mito de la madurez
Los modelos de madurez digital tratan la transformación como una lista de ingredientes. Tienes liderazgo, tienes presupuesto, tienes datos: avanzas. Te falta algo: te bloqueas. Resuelves eso: avanzas otra vez.
El problema es que esto no se parece a nada de lo que ocurre en una organización real.
Un directivo de manufactura del estudio lo resume así: “Estamos produciendo con sistemas que no han cambiado en una década. Intentar poner IA encima significa mucha exportación manual y tecleo repetitivo. Pierdes la fe en los datos rápido.”
Hace poco trabajé con una empresa de ingeniería de unos 200 empleados. Quince terabytes de archivo activo. Casi cuatro millones de ficheros. Un millón y medio de fotografías de campo sin metadatos. Su ERP lleva más de una década funcionando y no se va a ir a ningún sitio. Cuando sentamos a hablar de IA, la conversación no fue “qué herramienta elegimos” sino “cómo hacemos que la IA funcione encima de lo que ya tenemos sin romper nada”. No es un obstáculo transitorio. Es el estado natural de las cosas.
Tres realidades que los modelos ignoran
La improvisación es el sistema
Las pymes no tienen problemas técnicos que resolver para después avanzar. La improvisación técnica (los scripts a medida, las integraciones parciales, las hojas de cálculo que hacen de puente) es el modo operativo permanente. No es un parche provisional. Es la arquitectura real.
“Cada integración requiere trabajo custom. Los proveedores no quieren construir para pymes. Tenemos que ser creativos, o renunciar a ciertas funcionalidades.”
El mercado de la IA está diseñado para empresas que pueden permitirse proyectos de seis cifras. Las pymes acaban pagando “casi lo mismo por adaptar una solución de estantería que por construirla desde cero”.
Esto lo veo con frecuencia en organizaciones del tercer sector. Gestión de proyectos internacionales con un software propietario que nadie más usa, financiado hace años por una subvención y mantenido con alambres. Contabilidad en un sistema, justificaciones en otro, seguimiento de beneficiarios en hojas de cálculo. Cuando propones integrar IA, la primera pregunta no es “cuál” sino “¿en cuál de nuestros cinco sistemas?”. La respuesta suele ser: en ninguno de forma limpia, en todos de forma parcial.
El progreso depende de una persona
El hallazgo más potente del estudio: el avance digital en pymes no depende de capacidades institucionalizadas sino de personas concretas. Un directivo que impulsa, un técnico que entiende, alguien que traduce entre el mundo del software y el del trabajo cotidiano.
“Si yo no hubiera impulsado esto personalmente, aún estaríamos discutiendo el ROI de una web, no digamos de IA.”
Y cuando esa persona se va:
“Cuando nuestro último director general se fue, el proyecto de IA se paró de la noche a la mañana. La junta perdió interés y los mandos intermedios no lo tocaron.”
Los investigadores llaman a esto alineación episódica: el progreso no es continuo sino que funciona por episodios, explosiones de innovación ligadas a la presencia activa de alguien que empuja, seguidas de inercia o reversión cuando esa persona desaparece.
He visto este patrón tantas veces que ya lo doy por hecho al empezar un proyecto. En una cooperativa de servicios con la que trabajé, montamos juntos un sistema de gestión de conocimiento con IA integrada: pilotos pequeños, tres herramientas, todo construido con el equipo. Funcionaba. Pero la pregunta que me hacía al cerrar el trabajo era incómoda: ¿quién mantiene esto cuando yo me vaya? ¿Quién recuerda por qué se hizo así? Si la persona que empujó el proyecto dentro de la cooperativa cambia de prioridades, ¿queda alguien que lo sostenga?
En organizaciones grandes he visto lo mismo con más claridad aún. Un responsable de innovación impulsa la digitalización durante dos años, instala sistemas, forma equipos, genera inercia. Cuando esa persona sale (por la razón que sea) el avance no se frena: se evapora. Los mandos intermedios no lo tocan. La junta pierde interés. Lo que parecía un proceso irreversible resulta ser tan contingente como la persona que lo empujaba.
El entorno amplifica el problema
La presión del mercado empuja a hablar de IA incluso cuando no se tiene ni la infraestructura ni el conocimiento para usarla de verdad. “Los clientes esperan que hablemos de IA aunque seamos diez personas. Hay una sensación de ‘adoptar o quedarse atrás’.”
La financiación pública existe pero entenderla es un trabajo a jornada completa. He acompañado a empresas pequeñas en procesos de solicitud de ayudas para digitalización. El tiempo que dedican a entender las bases, reunir documentación, cumplir requisitos formales y justificar después, a veces supera el tiempo que habrían dedicado simplemente a pagar la herramienta de su bolsillo. La burocracia del acceso consume la energía que debería ir a la adopción.
Y los referentes disponibles no ayudan. “Intentamos copiar una IA de planificación de una empresa más grande, pero nuestros flujos son lo suficientemente distintos como para que causara más confusión que mejora.” En los asesoramientos, esto aparece constantemente: organizaciones que leen un caso de éxito de una consultora de 500 personas e intentan replicarlo con un equipo de 15. No funciona. Los flujos son distintos, las decisiones se toman de otra manera, la cultura es otra. Lo que para la grande fue un proyecto de implantación, para la pequeña es un cuerpo extraño.
El desajuste productivo
Aquí está lo que hace valioso este estudio: los investigadores no solo documentan los problemas. Proponen que el desajuste entre tecnología, personas y contexto no es un obstáculo a superar sino un motor de aprendizaje.
Una organización que usa IA solo para una tarea no ha “fracasado en escalar”. Está priorizando dónde el valor es claro. Un equipo que mantiene procesos manuales junto a la herramienta automatizada no “se resiste al cambio”. Está protegiendo conocimiento tácito que el algoritmo no tiene. Un piloto que no escala no es un proyecto fallido. Es una señal de tensiones organizativas que la tecnología sola no resuelve.
Los autores lo llaman desajuste productivo (productive misalignment).
Recuerdo una sesión de formación en una organización donde, al llegar al módulo de estrategia, propuse un ejercicio: rediseñar un proceso de trabajo integrando IA. Una persona del equipo levantó la mano y dijo, con cierto escepticismo: “Aquí la mayoría de decisiones se toman tomando café, no con dashboards”. No era resistencia. Era información. Estaba diciendo: nuestro sistema funciona porque es relacional e informal. Si lo formalizas con un algoritmo, pierdes eso. El paper cita frases casi idénticas de sus entrevistados.
Lo que esa persona estaba haciendo (sin saberlo) era señalar una fricción productiva. El valor diferencial de muchas organizaciones pequeñas es precisamente su capacidad de decisión informal, rápida, basada en confianza. La IA puede complementar eso, pero no puede sustituirlo. Y cuando lo intenta, la resistencia no es un problema. Es el sistema inmunitario de la organización funcionando.
Qué significa esto para una empresa pequeña
Significa que la transformación digital no es una carrera hacia un destino llamado “madurez”. Es una práctica de adaptación continua. Y eso cambia radicalmente lo que tiene sentido hacer:
Micro-pilotos, no grandes planes. En los mejores proyectos que he acompañado, el avance llegó cuando dejamos de planificar y empezamos a probar cosas pequeñas con feedback rápido. Con una empresa de ingeniería, en lugar de un gran plan de IA, montamos tres herramientas concretas que el equipo podía usar desde el primer día. Ninguna de las tres era transformadora por sí sola. Pero las tres juntas cambiaron la conversación de “la IA es para los grandes” a “esto me ahorra dos horas por informe”.
Grupos de aprendizaje, no un champion solitario. Si todo el progreso depende de una persona, la organización tiene un punto de fallo crítico. En una cooperativa con la que trabajé, repartimos la responsabilidad entre tres personas del equipo, cada una con su herramienta, su pequeño dominio. No era lo más eficiente, pero era lo más resistente. Cuando una de ellas se fue de vacaciones, las otras dos mantuvieron el sistema vivo.
Co-diseño, no implementación. Las soluciones que funcionan no se instalan desde fuera. Se construyen con las personas que van a usarlas. La resistencia al cambio es, casi siempre, información valiosa disfrazada de problema.
Acompañamiento sostenido, no proyecto cerrado. Si la adaptación es continua, la relación con quien te ayuda también tiene que serlo. Un proyecto de tres meses con entrega final y adiós no responde a un proceso que, por naturaleza, es recursivo e inacabable.
Lo que no dice el estudio
El estudio tiene limitaciones que vale la pena nombrar. Son 27 pymes del norte de Inglaterra, un contexto específico. Los datos son de 2023-2024, antes de la explosión de herramientas de IA generativa que están cambiando muchas de las barreras técnicas que describen. Y hay una dimensión de poder que los investigadores invocan en la bibliografía pero no aplican: la “resistencia” de los trabajadores es también autodefensa legítima frente a una tecnología que puede redefinir sus puestos. Eso merece más que una nota metodológica.
Pero las tensiones que describen (la improvisación permanente, la dependencia personal, la presión performativa del mercado) son universales. Las reconoce cualquiera que trabaje con organizaciones reales, no con modelos teóricos de adopción. Las reconozco en cada proyecto que acompaño.
En La Boteca trabajamos desde esta premisa: la IA no es una escalera que se sube, sino un proceso que se acompaña. Por eso nuestro modelo es de mantenimiento evolutivo, no de proyecto cerrado. No vendemos madurez digital. Ayudamos a navegar el desajuste productivo.
Fuente: Amanollahnejad, A., Fosso-Wamba, S., Shabbir, M. S. & Pakseresht, A. (2026). Aligning Socio-Technical Systems: Rethinking AI Adoption and Digital Transformation in SMEs. Information Systems Management. DOI: 10.1080/10580530.2025.2612175.
