Soy quien más utiliza la inteligencia artificial dentro de mi equipo. No lo digo como una medalla, sino porque esa diferencia empieza a plantearme una pregunta que no consigo resolver solamente aprendiendo a usar mejor las herramientas.
Estamos haciendo cosas que me entusiasman de verdad. Un agente de consulta sobre contratos de clientes permite recuperar y organizar información de las bases disponibles. Los One Page de facturación, flujo de caja y resultados consolidados reúnen mucha información y la presentan de una manera más visual, comprensible y útil para conversar sobre el negocio.
También estamos empezando a utilizar, en modo piloto, un Radar de Cobranza. La intención es cambiar la forma de mirar la cartera: pasar de una especie de autopsia, que explica lo ocurrido después del cierre, a un radar que permita identificar situaciones y actuar cuando todavía existe margen para intervenir, incluso antes de un cierre mensual.
Por eso, mi entusiasmo ya no viene solamente de imaginar lo que la IA podría hacer. Viene de ver lo que estamos consiguiendo construir con ella, aunque algunas aplicaciones todavía necesiten pruebas, ajustes y aprendizaje.
Al mismo tiempo, muchas veces siento que sigo siendo casi el único que insiste en explorar estas posibilidades, encontrar nuevas aplicaciones y mantener el tema en movimiento. Esa sensación produce cierta frustración: si el valor empieza a ser visible, ¿por qué el impulso todavía parece depender tanto de mí?
No tengo una respuesta completa. Pero sospecho que una parte del problema está en esperar que lo que ya resulta evidente para mí también lo sea para todos los demás.
Las condiciones existen; la adopción no es automática
En mi caso, esta reflexión no parte de una empresa que ignore el tema o deje a las personas sin recursos. TOTVS incentiva mucho el uso de la inteligencia artificial, ofrece cursos muy actualizados y pone a nuestra disposición numerosas herramientas relevantes, con licencias que permiten una amplitud de uso considerable. Existe un esfuerzo concreto para que podamos aprender y aplicar estas posibilidades en el trabajo.
Por eso, la pregunta que me hago no es solamente cómo conseguir acceso. Es cómo convertir ese incentivo, esa formación y esas herramientas en una práctica cotidiana dentro del equipo.
Mi sensación de estar empujando casi solo merece atención, pero no me permite concluir que los demás carezcan de interés. Tampoco que quien usa menos IA sea necesariamente menos capaz o menos comprometido.
Algunas personas quizá todavía no encuentran una aplicación clara para sus responsabilidades. Otras pueden necesitar más confianza para revisar una respuesta, comprender los límites de una herramienta o incorporar una forma distinta de trabajar sin descuidar las entregas del día.
No sé cuánto pesa cada una de esas razones en mi equipo. Necesito escucharlas antes de convertir mi percepción en un diagnóstico. Que existan recursos disponibles no significa que todas las personas hayan encontrado todavía cómo aprovecharlos.
Decir “usen más IA” trata esas situaciones como si fueran iguales. A quien no sabe por dónde empezar le falta un punto de entrada. A quien teme equivocarse le hacen falta criterios de revisión. A quien no encuentra espacio en la agenda le hace falta una decisión sobre prioridades, no otra actividad agregada a la lista.
También debo revisar mi propia referencia. Mi interés me lleva a dedicar atención a estas herramientas y a seguir buscando posibilidades. No puedo convertir ese entusiasmo personal en una exigencia de que todos tengan la misma curiosidad, ni esperar que el aprendizaje ocurra fuera de la jornada. Sí puedo esperar disposición para aprender y mejorar el trabajo, pero esa expectativa necesita condiciones concretas.
Ver el resultado no es aprender a producirlo
Recibir un informe claro no equivale a saber construirlo. Consultar una respuesta tampoco significa comprender cómo se organizaron las fuentes, qué límites tiene la herramienta o qué debe revisarse antes de utilizar esa información.
En los One Page, lo visible es el resultado: información consolidada y una presentación que ayuda a entender lo importante. Pero detrás hay decisiones sobre qué incluir, qué comparar y cómo evitar que una simplificación termine distorsionando la realidad. Un flujo de caja, por ejemplo, necesita conservar diferencias que una presentación demasiado resumida podría esconder.
Algo parecido ocurre con el agente de contratos. Formular una pregunta es solo una parte del trabajo. También importa saber qué información está disponible, si está actualizada y si la respuesta realmente corresponde a lo que necesitamos conocer. Una respuesta bien presentada sigue necesitando revisión.
Ya había reflexionado sobre la distancia entre disponer de información y conseguir convertirla en conocimiento útil. Ahora aparece otra: la que existe entre beneficiarse de una solución y tener autonomía para utilizarla, cuestionarla o mejorarla.
Si comparto solamente el resultado final, puedo despertar interés. Para desarrollar capacidad en otras personas, probablemente necesite compartir también el recorrido, incluidas las preguntas que no funcionaron y las correcciones que fueron necesarias.
Mostrar únicamente lo que salió bien puede hacer que el trabajo parezca más sencillo de lo que fue. Y cuando otra persona no obtiene un resultado parecido en su primer intento, podría interpretar esa dificultad como una incapacidad propia, cuando quizá forma parte del aprendizaje.
No quiero confundir uso con productividad
Cuando una persona aprende a resolver determinadas tareas con IA y otra continúa haciéndolas de la manera anterior, puede aparecer una diferencia importante en tiempos y capacidad de respuesta. Sin embargo, no sería serio atribuir toda diferencia de productividad al uso de una herramienta.
Las responsabilidades no son idénticas. Tampoco lo son la complejidad de los casos, la calidad de las fuentes o el trabajo de revisión que requiere cada entrega. Un resultado rápido puede esconder errores que otra persona tendrá que corregir después.
Por eso, no me interesa convertir el número de consultas a una IA en un indicador de desempeño. Me interesa saber si conseguimos responder mejor, reducir trabajo repetitivo, detectar inconsistencias y dedicar más atención a lo que exige criterio.
Existe, además, una diferencia menos visible: quien experimenta va aprendiendo a reconocer nuevas oportunidades de uso. Quien todavía no empezó puede seguir viendo cada problema desde las mismas alternativas de siempre. La distancia deja de estar solamente en cuánto tarda una tarea y empieza a aparecer en las soluciones que cada persona consigue imaginar.
Esa es una brecha que el liderazgo debería ayudar a reducir, sin clasificar al equipo entre “avanzados” y “rezagados”. También sería injusto reconocer solamente a quien produce la solución más vistosa y no a quien conoce el proceso lo suficiente para identificar una respuesta equivocada.
El riesgo de convertirme en el intermediario de la IA
Hay una contradicción que me toca de cerca. Si cada nueva posibilidad necesita que yo la identifique, la pruebe y la convierta en una solución, podemos obtener buenos resultados y, aun así, mantener una dependencia importante.
En ese escenario, la IA amplía mi capacidad, pero no necesariamente la del equipo. El camino hacia la herramienta sigue pasando por mí.
Esto conecta con algo que ya exploré al escribir sobre la cómoda prisión de ser indispensable: resolver personalmente puede ser útil en el momento y, al mismo tiempo, dificultar que aparezcan otras referencias.
No quiero asumir que eso explica todo lo que está pasando. Pero sí necesito considerar la posibilidad de que mi facilidad para avanzar termine ocupando el espacio en el que alguien más podría aprender.
Para evitarlo, no bastaría con entregar instrucciones. Tendría que permitir que otras personas formularan sus propias preguntas, probaran caminos distintos y asumieran parte de la construcción. Incluso cuando acompañar ese proceso fuera más lento que resolverlo directamente.
Es una decisión de liderazgo que también me exige cambiar. No puedo pedir autonomía y, al mismo tiempo, conservar para mí todas las oportunidades de experimentar.
El Radar de Cobranza como proyecto compartido
Mi plan es utilizar el Radar de Cobranza como nuestro primer proyecto de IA de mayor alcance. Ya estamos comenzando a usarlo en modo piloto, y quiero que su desarrollo sirva también para ampliar la participación del equipo.
La ambición es que pueda responder las preguntas relacionadas con la situación de las carteras, los compromisos de pago, la provisión para créditos de dudoso cobro, que internamente llamamos PCLD, y los demás elementos necesarios para entender dónde estamos y qué requiere atención. Ese es el horizonte del proyecto, no una capacidad que debamos dar por resuelta desde ahora.
No se trata solamente de reunir información en una pantalla. Quiero que podamos preguntar qué está cambiando, qué compromisos necesitan seguimiento y qué situaciones podrían afectar el cierre si no actuamos antes. Un compromiso registrado no equivale a un pago recibido, y una proyección de deterioro de la cartera no es una certeza sobre el comportamiento de un cliente. El radar necesita conservar esas diferencias para orientar una acción responsable.
Este proyecto me parece una oportunidad para que la adopción deje de depender exclusivamente de mi entusiasmo. Quienes trabajan con la cartera conocen preguntas, excepciones y dificultades que deben formar parte de su construcción. Me gustaría que participaran definiendo qué necesitamos saber, contrastando las respuestas con las fuentes y señalando lo que todavía falta.
Mi papel sería ayudar a organizar ese trabajo, dar espacio para aprender y mantener claros los criterios de calidad. No quisiera que el equipo se limitara a recibir un radar construido por mí, sino que pudiera apropiarse de él y contribuir a mejorarlo.
Podríamos empezar con un conjunto acotado de preguntas relevantes y comprobar si las respuestas son correctas, comprensibles y útiles para actuar. A partir de ahí, ampliar el alcance.
Querer responder todas las preguntas de la cartera es una dirección de trabajo; no debería convertirse en una promesa que nos impida reconocer lo que todavía no sabemos responder.
El piloto también debería permitirnos evaluar si encontramos información a tiempo y si ayuda a decidir qué hacer. No bastaría con que el resultado fuera visualmente atractivo o respondiera con rapidez. Y consultar el radar no debería confundirse con autorizar automáticamente una acción: las decisiones seguirían necesitando responsables y criterios claros.
Si conseguimos avanzar de esa manera, el proyecto podría desarrollar dos capacidades al mismo tiempo: una mejor lectura de la cobranza y un equipo con mayor autonomía para trabajar con IA. Todavía es un camino por recorrer, pero es el que quiero intentar.
Acompañar también implica pedir movimiento
Comprender las dificultades no significa dejar el aprendizaje indefinidamente a la voluntad de cada uno. Si encontramos una aplicación pertinente, existe acceso autorizado y ofrecemos tiempo y acompañamiento, también es razonable esperar un esfuerzo por incorporarla.
La diferencia está en qué pedimos. No se trata de exigir entusiasmo ni de usar IA en todo. Se trata de aprender a evaluar una posibilidad, probarla con responsabilidad y explicar qué mejora o por qué no conviene.
También habría que reconocer el aporte de quien detecta un error o decide que una aplicación no es adecuada. El conocimiento del proceso no pierde valor porque aparezca una herramienta nueva. Puede ser justamente lo que permite utilizarla sin aceptar una respuesta equivocada.
Para mí, IH+IA también significa eso: no todos necesitan construir agentes, pero sí necesitamos combinar experiencia, preguntas y capacidad de revisión. La contribución de una persona no se limita a su destreza para interactuar con la tecnología.
Sigo entusiasmado con lo que estamos construyendo. También sigo sintiendo, en algunos momentos, que empujo demasiado solo. No escribo esto desde una transformación de equipo ya conseguida, sino desde una pregunta que forma parte de mi propio trabajo como líder.
Quiero seguir descubriendo lo que podemos hacer con IA. Pero necesito prestar la misma atención a cómo otras personas pueden apropiarse de esas posibilidades. Me gustaría que la próxima mejora no dependiera de que yo la hubiera imaginado primero, y que el equipo pudiera desarrollarla, cuestionarla y sostenerla con autonomía.