Publicado originalmente en LinkedIn el 6 de julio de 2026. Esta es la traducción al español de la edición del sitio web.
«Dedicamos el último siglo a aprender cómo hacer más eficientes a las organizaciones. Dedicamos un tiempo sorprendentemente escaso a preguntarnos qué las hace inteligentes».
La inteligencia artificial ha desencadenado uno de los cambios tecnológicos más importantes de la empresa moderna. Sin embargo, cuanto más he leído durante los últimos meses sobre teoría de la gestión, ciencia cognitiva y la práctica emergente del trabajo apoyado por IA, más vuelvo a una pregunta que la mayoría de las conversaciones sobre IA parece pasar por alto.
No: ¿cómo puede la IA hacer más inteligentes a las organizaciones?
Sino: ¿qué hace inteligente a una organización, para empezar?
Cuanto más buscaba una respuesta, más llamativo resultaba el vacío. Un siglo de ciencia de la gestión ha producido miles de libros que explican cómo mejorar el desempeño organizacional. Muchos menos intentan explicar qué es realmente la inteligencia organizacional. Pregunte a un grupo de ejecutivos experimentados y obtendrá una docena de respuestas: adaptativa, basada en datos, innovadora, orientada al aprendizaje. Todas son propiedades valiosas. Ninguna es una definición. Esa ausencia puede ser más importante de lo que parece, porque la IA está haciendo que sus consecuencias puedan medirse económicamente.
La evidencia que está a la vista
Las plantas de Toyota y las de varios de sus competidores más cercanos utilizan hoy muchas de las mismas clases de herramientas de IA: visión artificial para inspeccionar la calidad, mantenimiento predictivo y detección de anomalías mediante sensores. La brecha tecnológica entre ellas es pequeña. La brecha en resultados no lo es.
En 2022, la Oficina de Transformación Digital de Producción de Toyota construyó una plataforma interna de IA sobre infraestructura de Google Cloud, diseñada específicamente para poner el aprendizaje automático en manos del personal de planta, con independencia de su formación técnica. Para 2024, esos trabajadores habían creado 10.000 modelos de IA personalizados, con un ahorro de más de 10.000 horas de trabajo al año en la red de fabricación de Toyota en Japón.¹
La plataforma en sí no era excepcional. Lo excepcional era la organización que la recibió: siete décadas de cultura kaizen, el principio jidoka de incorporar el criterio humano a los sistemas automatizados y una filosofía de gestión que situaba la resolución de problemas donde se realiza el trabajo, no en la cima de la jerarquía. Cuando llegó la IA, encontró una organización ya estructurada para absorberla.
Los competidores que desplegaron herramientas comparables sin esa arquitectura subyacente encontraron algo que los profesionales de la excelencia operativa han descrito con una precisión poco habitual: terminaron digitalizando el desperdicio en lugar de eliminarlo.² La IA estaba presente. La estructura organizacional capaz de actuar sobre lo que esta revelaba, no.
Jason Ballard, vicepresidente de Innovaciones Digitales de Toyota, expresó la diferencia con claridad en una entrevista de 2025: «Lo que marca la diferencia no es quién tiene el mejor algoritmo».³
Este patrón va mucho más allá de la fabricación. El McKinsey Global Institute ha documentado diferencias importantes en el valor que las organizaciones capturan al implementar IA; diferencias que a menudo superan lo que permitirían prever por sí solas las mejoras de capacidad de los modelos. El factor limitante, al parecer, rara vez es la tecnología.
Una pregunta sorprendentemente antigua
Lo llamativo es que la pregunta no es nueva: simplemente se ha descuidado.
En 1967, Harold Wilensky sostuvo en Organizational Intelligence que las organizaciones podían comprenderse a través de su capacidad para recopilar, procesar y utilizar información, e identificó las razones estructurales por las que la mayoría lo hace mal. Décadas después, Karl Weick, Ikujiro Nonaka y otros describieron cómo circula el conocimiento por las organizaciones, cómo la construcción colectiva de significado determina incluso lo que una organización puede percibir y por qué la misma información produce resultados distintos en estructuras diferentes. Más recientemente, Ethan Mollick ha mostrado empíricamente que el desempeño de la IA depende al menos tanto del contexto organizacional que rodea a la tecnología como de las capacidades del propio modelo.
Son fragmentos de un rompecabezas que nadie ha terminado de ensamblar, quizá porque antes parecían manejables las consecuencias de dejarlo incompleto. Ya no lo son.
El supuesto que nadie cuestionó
El pensamiento de gestión siempre ha situado la inteligencia en las personas. Contratar mejor talento. Desarrollar mejores líderes. La conversación sobre IA solo ha desplazado ese marco: construir mejores modelos, desplegar más copilotos, automatizar más decisiones. Ambos enfoques suponen lo mismo: que la inteligencia pertenece fundamentalmente a agentes individuales, humanos o artificiales.
Pero las organizaciones no son ni lo uno ni lo otro. Perciben simultáneamente a través de miles de empleados, clientes, sensores y sistemas. Recuerdan mediante documentos, rutinas, software y conocimiento institucional que ninguna persona posee por completo. Aprenden mediante ciclos de retroalimentación que abarcan años. Se adaptan, o no, a ritmos que ninguna persona controla.
Si la inteligencia surge de la interacción de todas estas capacidades, y no de una sola mente, quizá las organizaciones merezcan estudiarse como sistemas cognitivos por derecho propio. No como metáfora. Como realidad operativa.
La IA como amplificador
Ese cambio de enfoque modifica lo que realmente es la IA.
Si las organizaciones poseen una arquitectura cognitiva organizacional propia, la IA no les da inteligencia: amplifica las capacidades cognitivas que ya existen en ellas. Una organización con gran capacidad de percepción, ciclos de retroalimentación ricos y decisiones distribuidas utiliza la IA para percibir con mayor rapidez y precisión. Una organización con poca capacidad de percepción la utiliza para automatizar el ruido con más eficiencia. Por eso los retornos de la IA no siguen una distribución normal. Las organizaciones con arquitecturas cognitivas subyacentes más sólidas extraen un valor desproporcionado del mismo incremento tecnológico.
El enfoque del amplificador no es solo descriptivo. Es predictivo. Y, si se sostiene, la decisión más importante que un equipo directivo puede tomar sobre IA no consiste en elegir un modelo: consiste en comprender la arquitectura cognitiva que lo utilizará.
Una hipótesis de trabajo
A lo largo de esta serie exploraré una proposición concreta: las organizaciones poseen capacidades cognitivas emergentes, patrones de percepción, memoria, aprendizaje y coordinación que operan en el sistema, no en el individuo; pueden estudiarse empíricamente y diseñarse y amplificarse deliberadamente. La interacción entre estas capacidades organizacionales y la inteligencia artificial produce algo nuevo: no máquinas más inteligentes dentro de las organizaciones, sino una clase distinta de inteligencia que no pertenece exclusivamente ni a los seres humanos ni a las máquinas.
Por ahora, lo llamo co-inteligencia organizacional, u OCI por sus siglas en inglés. El nombre puede cambiar. Lo que no cambiará es la intención: someter la idea a pruebas rigurosas, seguir la evidencia adonde conduzca y resistir la tentación de presentar una conclusión predeterminada como investigación.
Las buenas teorías rara vez empiezan con respuestas rotundas. Empiezan con preguntas mejores. Si esta serie cumple su propósito, no será porque introduce un término nuevo. Será porque nos ayuda a plantear, con cierta precisión y cierta evidencia, una pregunta que la gestión ha pasado por alto durante décadas.
¿Qué hace verdaderamente inteligente a una organización?
Esa pregunta merece una investigación seria. Aquí comienza la mía.
¹ Google Cloud Blog, How Toyota is revolutionizing manufacturing with AI
² Aicadium, Lean to AI: What Toyota's Transformation Looks Like Today (April 2026)
³ Jason Ballard, VP Digital Innovations, Toyota — Deloitte Insights (December 2025)
Explorar la serie OCI
Siguiente: Por qué las organizaciones necesitan inteligencia
Conversemos sobre la co-inteligencia en su organización.
Publicado originalmente en LinkedIn el 6 de julio de 2026. Esta es la traducción al español de la edición del sitio web.
«Dedicamos el último siglo a aprender cómo hacer más eficientes a las organizaciones. Dedicamos un tiempo sorprendentemente escaso a preguntarnos qué las hace inteligentes».
La inteligencia artificial ha desencadenado uno de los cambios tecnológicos más importantes de la empresa moderna. Sin embargo, cuanto más he leído durante los últimos meses sobre teoría de la gestión, ciencia cognitiva y la práctica emergente del trabajo apoyado por IA, más vuelvo a una pregunta que la mayoría de las conversaciones sobre IA parece pasar por alto.
No: ¿cómo puede la IA hacer más inteligentes a las organizaciones?
Sino: ¿qué hace inteligente a una organización, para empezar?
Cuanto más buscaba una respuesta, más llamativo resultaba el vacío. Un siglo de ciencia de la gestión ha producido miles de libros que explican cómo mejorar el desempeño organizacional. Muchos menos intentan explicar qué es realmente la inteligencia organizacional. Pregunte a un grupo de ejecutivos experimentados y obtendrá una docena de respuestas: adaptativa, basada en datos, innovadora, orientada al aprendizaje. Todas son propiedades valiosas. Ninguna es una definición. Esa ausencia puede ser más importante de lo que parece, porque la IA está haciendo que sus consecuencias puedan medirse económicamente.
La evidencia que está a la vista
Las plantas de Toyota y las de varios de sus competidores más cercanos utilizan hoy muchas de las mismas clases de herramientas de IA: visión artificial para inspeccionar la calidad, mantenimiento predictivo y detección de anomalías mediante sensores. La brecha tecnológica entre ellas es pequeña. La brecha en resultados no lo es.
En 2022, la Oficina de Transformación Digital de Producción de Toyota construyó una plataforma interna de IA sobre infraestructura de Google Cloud, diseñada específicamente para poner el aprendizaje automático en manos del personal de planta, con independencia de su formación técnica. Para 2024, esos trabajadores habían creado 10.000 modelos de IA personalizados, con un ahorro de más de 10.000 horas de trabajo al año en la red de fabricación de Toyota en Japón.¹
La plataforma en sí no era excepcional. Lo excepcional era la organización que la recibió: siete décadas de cultura kaizen, el principio jidoka de incorporar el criterio humano a los sistemas automatizados y una filosofía de gestión que situaba la resolución de problemas donde se realiza el trabajo, no en la cima de la jerarquía. Cuando llegó la IA, encontró una organización ya estructurada para absorberla.
Los competidores que desplegaron herramientas comparables sin esa arquitectura subyacente encontraron algo que los profesionales de la excelencia operativa han descrito con una precisión poco habitual: terminaron digitalizando el desperdicio en lugar de eliminarlo.² La IA estaba presente. La estructura organizacional capaz de actuar sobre lo que esta revelaba, no.
Jason Ballard, vicepresidente de Innovaciones Digitales de Toyota, expresó la diferencia con claridad en una entrevista de 2025: «Lo que marca la diferencia no es quién tiene el mejor algoritmo».³
Este patrón va mucho más allá de la fabricación. El McKinsey Global Institute ha documentado diferencias importantes en el valor que las organizaciones capturan al implementar IA; diferencias que a menudo superan lo que permitirían prever por sí solas las mejoras de capacidad de los modelos. El factor limitante, al parecer, rara vez es la tecnología.
Una pregunta sorprendentemente antigua
Lo llamativo es que la pregunta no es nueva: simplemente se ha descuidado.
En 1967, Harold Wilensky sostuvo en Organizational Intelligence que las organizaciones podían comprenderse a través de su capacidad para recopilar, procesar y utilizar información, e identificó las razones estructurales por las que la mayoría lo hace mal. Décadas después, Karl Weick, Ikujiro Nonaka y otros describieron cómo circula el conocimiento por las organizaciones, cómo la construcción colectiva de significado determina incluso lo que una organización puede percibir y por qué la misma información produce resultados distintos en estructuras diferentes. Más recientemente, Ethan Mollick ha mostrado empíricamente que el desempeño de la IA depende al menos tanto del contexto organizacional que rodea a la tecnología como de las capacidades del propio modelo.
Son fragmentos de un rompecabezas que nadie ha terminado de ensamblar, quizá porque antes parecían manejables las consecuencias de dejarlo incompleto. Ya no lo son.
El supuesto que nadie cuestionó
El pensamiento de gestión siempre ha situado la inteligencia en las personas. Contratar mejor talento. Desarrollar mejores líderes. La conversación sobre IA solo ha desplazado ese marco: construir mejores modelos, desplegar más copilotos, automatizar más decisiones. Ambos enfoques suponen lo mismo: que la inteligencia pertenece fundamentalmente a agentes individuales, humanos o artificiales.
Pero las organizaciones no son ni lo uno ni lo otro. Perciben simultáneamente a través de miles de empleados, clientes, sensores y sistemas. Recuerdan mediante documentos, rutinas, software y conocimiento institucional que ninguna persona posee por completo. Aprenden mediante ciclos de retroalimentación que abarcan años. Se adaptan, o no, a ritmos que ninguna persona controla.
Si la inteligencia surge de la interacción de todas estas capacidades, y no de una sola mente, quizá las organizaciones merezcan estudiarse como sistemas cognitivos por derecho propio. No como metáfora. Como realidad operativa.
La IA como amplificador
Ese cambio de enfoque modifica lo que realmente es la IA.
Si las organizaciones poseen una arquitectura cognitiva organizacional propia, la IA no les da inteligencia: amplifica las capacidades cognitivas que ya existen en ellas. Una organización con gran capacidad de percepción, ciclos de retroalimentación ricos y decisiones distribuidas utiliza la IA para percibir con mayor rapidez y precisión. Una organización con poca capacidad de percepción la utiliza para automatizar el ruido con más eficiencia. Por eso los retornos de la IA no siguen una distribución normal. Las organizaciones con arquitecturas cognitivas subyacentes más sólidas extraen un valor desproporcionado del mismo incremento tecnológico.
El enfoque del amplificador no es solo descriptivo. Es predictivo. Y, si se sostiene, la decisión más importante que un equipo directivo puede tomar sobre IA no consiste en elegir un modelo: consiste en comprender la arquitectura cognitiva que lo utilizará.
Una hipótesis de trabajo
A lo largo de esta serie exploraré una proposición concreta: las organizaciones poseen capacidades cognitivas emergentes, patrones de percepción, memoria, aprendizaje y coordinación que operan en el sistema, no en el individuo; pueden estudiarse empíricamente y diseñarse y amplificarse deliberadamente. La interacción entre estas capacidades organizacionales y la inteligencia artificial produce algo nuevo: no máquinas más inteligentes dentro de las organizaciones, sino una clase distinta de inteligencia que no pertenece exclusivamente ni a los seres humanos ni a las máquinas.
Por ahora, lo llamo co-inteligencia organizacional, u OCI por sus siglas en inglés. El nombre puede cambiar. Lo que no cambiará es la intención: someter la idea a pruebas rigurosas, seguir la evidencia adonde conduzca y resistir la tentación de presentar una conclusión predeterminada como investigación.
Las buenas teorías rara vez empiezan con respuestas rotundas. Empiezan con preguntas mejores. Si esta serie cumple su propósito, no será porque introduce un término nuevo. Será porque nos ayuda a plantear, con cierta precisión y cierta evidencia, una pregunta que la gestión ha pasado por alto durante décadas.
¿Qué hace verdaderamente inteligente a una organización?
Esa pregunta merece una investigación seria. Aquí comienza la mía.
¹ Google Cloud Blog, How Toyota is revolutionizing manufacturing with AI
² Aicadium, Lean to AI: What Toyota's Transformation Looks Like Today (April 2026)
³ Jason Ballard, VP Digital Innovations, Toyota — Deloitte Insights (December 2025)
Explorar la serie OCI
Siguiente: Por qué las organizaciones necesitan inteligencia
Conversemos sobre la co-inteligencia en su organización.