La IA generativa está saturando los equipos: el desafío ya no es tener ideas, sino ejecutarlas

La paradoja de la IA: más ideas, menos ejecución

La inteligencia artificial generativa ha revolucionado el mundo del trabajo intelectual al reducir casi a cero el coste de crear ideas. Cualquier profesional con acceso a un chatbot puede desarrollar, antes del mediodía, una docena de estrategias plausibles, planes de marketing o conceptos de producto. Sin embargo, el coste de ejecutar esas ideas no ha caído al mismo ritmo. Lanzar incluso una sola propuesta puede requerir semanas, meses o años. El resultado es un escenario conocido en muchas empresas: equipos saturados de proyectos, herramientas sin dominar y prioridades imposibles de gestionar.

Los líderes siguen añadiendo nuevas tareas porque el coste de imaginarlas es mínimo, pero el de materializarlas sigue siendo elevado. Esto ha creado un nuevo reto de gestión: en un entorno laboral dominado por la IA, el cuello de botella ya no es la creatividad, sino la ejecución.

El caso del Broad Institute: menos es más

El Broad Institute, un centro de investigación biomédica vinculado al MIT y Harvard, enfrentó este mismo problema hace una década, pero en el ámbito de la secuenciación genómica. Cuando en 2003 se completó el primer genoma humano, el proceso costó más de 3.000 millones de dólares y tardó más de una década. Hoy, secuenciar un genoma humano cuesta menos de 200 dólares y se realiza en horas. Este avance tecnológico generó dos crisis en el instituto.

Primera crisis: la saturación operativa

Con la secuenciación acelerada, las muestras avanzaban más rápido de lo que los equipos downstream podían procesar. Se formaron cuellos de botella, se perdían muestras y la productividad se desplomó. La solución fue cambiar de un sistema de «push» —donde cada etapa enviaba trabajo al siguiente equipo lo más rápido posible— a un sistema de «pull», en el que cada fase solo aceptaba nuevas tareas cuando tenía capacidad disponible.

Segunda crisis: la explosión de ideas

Una vez que la secuenciación se volvió barata y rutinaria, el equipo de innovación del Broad se vio inundado de propuestas. Se iniciaban constantemente nuevos proyectos, pero pocos se completaban. Como señalaba un estudio de caso del MIT, el instituto estaba «perdiendo el liderazgo tecnológico que tanto esfuerzo le había costado ganar».

La solución fue aplicar la misma disciplina que habían usado para gestionar la operativa: priorizar. Crearon un mapa visual con notas adhesivas en una pared, donde registraban cada proyecto activo y su fase de desarrollo. El ejercicio reveló dos problemas clave: había proyectos redundantes y el número de iniciativas superaba en más del doble la capacidad real del equipo.

Implementaron un embudo de proyectos con un área de espera («hopper») donde las ideas se almacenaban hasta que hubiera capacidad disponible en el embudo principal. En solo dos años, redujeron a la mitad el número de proyectos activos y aumentaron el número de iniciativas finalizadas.

¿Por qué los líderes siguen añadiendo trabajo?

La solución del Broad Institute parece obvia en retrospectiva, pero rara vez se aplica en la práctica. Un estudio de Nature (2021), liderado por investigadores de la Universidad de Stanford, demostró que los humanos tenemos una tendencia innata a añadir en lugar de eliminar. Esta adicción a la innovación —impulsada por la creencia de que más opciones siempre son mejores— lleva a equipos y organizaciones a sobrecargarse de proyectos, herramientas y prioridades, hasta el punto de la ineficacia.

En un mundo donde la IA facilita la generación de ideas, la clave del éxito no está en tener más, sino en hacer menos, pero mejor. Como demostró el Broad Institute, la disciplina en la ejecución y la capacidad para decir «no» son habilidades críticas para cualquier organización que quiera destacar en la era de la inteligencia artificial.

«En un entorno laboral dominado por la IA, el cuello de botella ya no es la creatividad, sino la ejecución».