¿Por qué tu empresa todavía utiliza la estructura organizativa del siglo pasado para hacer negocios en la era de la inteligencia artificial?

Escribiendo: Círculo de Reflexión Profunda

Hace unos días, vi en X un largo tuit de Freda Duan, quien investigó la implementación de IA en empresas grandes y pequeñas y descubrió: cada una está insertando herramientas de IA en sus procesos existentes, pero casi nadie pregunta por qué ese proceso tiene esa estructura en primer lugar.

Un escenario típico: la empresa compra Copilot, otorga licencias a todos los empleados, y el CTO en la reunión general dice “debemos abrazar la IA”. Tres meses después, al hacer una revisión—el código generado es mucho más rápido, la documentación fluye mejor, las actas de reuniones se automatizan, pero el ROI realmente no ha sido demostrado. ¿Por qué? Porque la estructura organizacional actual limita la IA a pequeñas capacidades, y el verdadero ROI requiere reestructurar la organización.

La función real de los niveles jerárquicos

La definición clásica de estructura organizacional es la de un esquema de poder—quién reporta a quién, quién tiene autoridad de aprobación. Pero eso es solo la superficie. La verdadera función de los niveles jerárquicos es la de enrutamiento de información.

Una empresa de cierto tamaño no puede permitir que todos vean el panorama completo. Por eso, se instalan capas de gerentes que hacen dos cosas: recopilar señales de la primera línea, refinar juicios y transmitir hacia arriba; y traducir las intenciones estratégicas de los altos directivos en acciones ejecutables que se distribuyen hacia abajo. Reuniones semanales, reuniones diarias, QBR, comité directivo, reuniones de alineación interdepartamental—todo son mecanismos de enrutamiento de información.

Pero aquí hay una paradoja estructural poco discutida: la existencia de departamentos y niveles es para resolver la limitación de habilidades y capacidades individuales—una persona no puede hacerlo todo, por eso se divide el trabajo. Pero la división del trabajo y los niveles en sí mismos generan nuevos cuellos de botella. La información se atenúa cada vez que pasa por un nivel de gestión, y la cultura se diluye al cruzar fronteras departamentales. Cuanto mayor es la organización, más severa es la atenuación, por lo que se necesitan más reuniones, más procesos, más capas intermedias para compensar esa pérdida. Y esas capas intermedias generan aún más atenuación. No es un problema de gestión, sino un ciclo vicioso en la arquitectura.

En las últimas décadas, toda innovación en gestión—ágil, OKR, estructuras planas, matrices—en esencia han sido optimizaciones parciales en este ciclo vicioso. Pero ninguno lo ha roto realmente.

La IA rompe ese ciclo en sí mismo. Cuando el costo de enrutamiento de información se acerca a cero, las estructuras organizacionales que existen para compensar la pérdida de información dejan de tener sentido.

El verdadero cuello de botella es el costo de traducción

Veamos el proceso de entrega de funciones de un producto de tamaño medio: el PM tarda dos o tres semanas en escribir un PRD. El diseñador recibe el PRD, comprende la intención del PM y lo traduce en bocetos visuales. El ingeniero recibe los bocetos, entiende la intención del diseño y los traduce en código, estimando “ocho semanas”. Luego cambian los requisitos, se reescribe el PRD. Dos o tres meses de desarrollo. QA recibe el código, comprende el comportamiento esperado y crea casos de prueba. GTM prepara materiales de lanzamiento y capacita ventas. Todo esto lleva de tres a seis meses de principio a fin.

El cuello de botella aparente es la velocidad. Pero en realidad, el cuello de botella es el costo de traducción. La idea en la cabeza del PM se codifica en un documento, el diseñador lo decodifica y vuelve a codificar en lenguaje visual, el ingeniero lo decodifica y vuelve a codificar en código, y QA lo decodifica y vuelve a codificar en lógica de pruebas. Cada traducción pierde fidelidad, cada traducción requiere reuniones de alineación, y cada traducción genera tiempos de espera. No es que las personas sean lentas, sino que convertir la comprensión de una persona en un formato consumible por otra es extremadamente difícil.

La IA está comprimiendo esas capas de traducción. El PM puede usar IA para crear prototipos interactivos en un día, y la capa de traducción entre PM y ingeniería se acerca a cero. La IA genera pruebas en paralelo al código, eliminando la necesidad de transferencias entre desarrollo y QA. Una capa inteligente que integra en tiempo real señales del cliente y métricas de negocio, reemplazando a los gerentes intermedios que antes recopilaban esa información manualmente. No es que cada rol sea más rápido, sino que los espacios entre roles—las capas de traducción, las colas de transferencia, las reuniones de alineación—se están evaporando.

El cambio real sucede en el nivel del flujo de trabajo: no se trata solo de acelerar cada etapa, sino de reestructurar toda la cadena de extremo a extremo. La diferencia no es solo en grado, sino en paradigma.

Recientemente, un fundador de startup me describió una reacción en cadena muy interesante. Su equipo de desarrollo usó IA para reducir un proceso de tres meses a dos semanas. La primera reacción fue entusiasmo. La segunda fue que la revisión de QA, que antes tomaba dos semanas, se convirtió en un cuello de botella igual de largo que el desarrollo—por lo que QA fue eliminado y las pruebas se integraron en el desarrollo. Luego, el proceso de revisión y aprobación de un mes entre PM y diseño se convirtió en un nuevo cuello de