#TheExecutionGap
LOS BUENOS INDICADORES PUEDEN OCULTAR UNA MALA GOBERNANZA.
El 88% de las empresas usa IA.
Menos del 6% ve mover su EBIT.
La encuesta State of AI 2025 de McKinsey lo explica: el 39% reporta algún efecto en EBIT, y menos del 6% lo considera significativo.
Desplegar IA es sencillo.
Conservar la autoridad para cuestionarla, no.
Este es el segundo post de la capa de Transformación Digital dedicado a esa pregunta: el primero (2.1) mostró que la ventaja tecnológica puede estar a la vista y aun así no activarse, porque nadie con autoridad la trató como urgente.
Este post va un paso más allá: ¿cómo se detecta, con señales concretas y verificables, que una organización está confundiendo actividad de IA con transformación real?
✅El shadow AI no es un fallo de seguridad. Es el estado por defecto de la adopción.
En 2023, varios ingenieros de Samsung subieron código fuente sensible a ChatGPT, en tres ocasiones distintas a lo largo de veinte días.
La empresa prohibió el uso de IA generativa en dispositivos corporativos en menos de una semana, una respuesta rápida, pero reactiva.
Lo revelador no es el incidente en sí, sino lo que confirmó después el Work Trend Index de Microsoft y LinkedIn: el 78% de los usuarios de IA lleva sus propias herramientas al trabajo sin pasar por el visto bueno de TI, cifra que sube al 85% entre empleados de la Generación Z.
Eso convierte el caso Samsung de anécdota en norma estadística.
La herramienta no se escondió. Simplemente fue más rápida que el proceso de aprobación interno, y ese es exactamente el patrón que se repite en la mayoría de organizaciones hoy, tengan o no un incidente público que lo haga visible.
Check: nombra una herramienta de IA que tu equipo ya usa y que nadie ha autorizado formalmente. Si no se te ocurre ninguna en los primeros diez segundos, es una señal en sí misma.
✅Un piloto que nunca se cierra no es prudencia. Es deriva organizacional.
McDonald's probó un sistema de pedidos por voz con IA, desarrollado junto a IBM, en más de 100 restaurantes drive-thru a partir de 2021.
Durante tres años, la iniciativa nunca llegó a escalar más allá de una fracción mínima de sus más de 13.000 restaurantes en Estados Unidos, ni tampoco se canceló.
Se mantuvo en ese limbo, ni fracaso declarado ni éxito escalado, hasta que en 2024 decenas de vídeos virales mostraron al sistema añadiendo 260 nuggets de pollo a un pedido, o nueve tés helados a otro.
McDonald's cerró la alianza ese mismo junio, sin haber tomado nunca, durante los tres años anteriores, una decisión explícita de escalar o cancelar.
La decisión, cuando por fin llegó, la tomó la opinión pública viral, no un comité de gobernanza interno.
El Project NANDA del MIT confirmó en 2025 que este no es un caso aislado: el 95% de los pilotos empresariales de IA generativa nunca alcanza un impacto medible en el resultado de la empresa.
La diferencia entre el 5% que sí lo logra y el 95% restante rara vez es la calidad del modelo.
Es si alguien tenía la responsabilidad explícita de decidir, con fecha límite, si el piloto vivía o moría.
Check: nombra el piloto de tu organización que lleva más de un año sin una decisión clara de escalar o cerrar.
Si existe, pregúntate quién debería haber tomado esa decisión y por qué no lo hizo.
✅Esta es la misma señal que ya nombramos en la capa universal de esta serie, la adopción falsa. Aquí tiene su propia evidencia.
En febrero de 2024, Klarna anunció que su asistente de IA hacía el trabajo equivalente a 700 agentes humanos, reduciendo el tiempo medio de resolución de 11 minutos a menos de 2.
La cifra dio la vuelta al mundo como el ejemplo de referencia del éxito de la IA en atención al cliente, citada en cientos de artículos y presentaciones.
En mayo de 2025, su CEO admitió públicamente algo que rara vez se dice en voz alta: que el coste había pesado más que la calidad en el diseño de esa transición.
Para 2026, Klarna estaba recontratando personal humano, esta vez bajo un modelo de gig workers, y redefiniendo el servicio humano como algo casi premium, reservado para los casos que de verdad lo requieren.
Lo interesante de este caso no es que la métrica fuera falsa. Es que era completamente real, y aun así ocultó durante más de un año que la calidad se estaba erosionando.
Una métrica perfecta y una transformación fallida pueden convivir sin contradicción aparente, hasta que alguien se toma el trabajo de medir lo que la métrica original no estaba midiendo.
Check: elige tu mejor métrica de IA ahora mismo y nombra la calidad que dejó de medir en el camino. Si no puedes nombrarla, probablemente nadie la está vigilando.
✅La ambigüedad de gobernanza no es ausencia de control. A veces el control se desactiva a propósito.
El algoritmo de compraventa de vivienda de Zillow operaba bajo el nombre interno de Project Ketchup.
Como parte de ese proyecto, la empresa prohibió explícitamente a sus propios expertos en pricing cuestionar o corregir las valoraciones que generaba el algoritmo, e incluso llegó a subir manualmente sus ofertas por encima del precio calculado para ganar más operaciones, una práctica conocida internamente como "calibración de oferta" (offer calibration).
Los tres casos anteriores fueron deriva. Este fue diseño.
En la práctica, nadie sostenía lo que en el mundo de la auditoría se conoce como la segunda línea de defensa: una capa de supervisión independiente del equipo que opera el sistema, cuya única función es cuestionar su output antes de que ese output se traduzca en dinero real comprometido.
No es una idea nueva ni exclusiva de la IA, el estándar Three Lines of Defense lleva más de una década de uso en banca y auditoría, precisamente para evitar que la misma persona que opera un sistema sea también la única que decide si ese sistema tiene razón.
Zillow terminó registrando pérdidas superiores a 500 millones de dólares y despidió a una cuarta parte de su plantilla antes de cerrar por completo la unidad, en noviembre de 2021.
Check: nombra quién en tu organización tiene autoridad real, no solo teórica, para anular tu modelo de mejor rendimiento, y cuándo fue la última vez que lo hizo.
Ninguno de estos cuatro sistemas falló por falta de capacidad técnica.
Samsung, McDonald's, Klarna y Zillow tenían modelos que funcionaban razonablemente bien en lo que fueron diseñados para hacer.
Los cuatro fallaron exactamente en el mismo punto: el momento en que alguien necesitaba autoridad real para decir que el sistema se estaba equivocando, y esa autoridad no existía, o existía solo sobre el papel.
La adopción no es la señal.
La señal es quién todavía conserva la autoridad para decir que el sistema se equivoca.
#TheExecutionGap · Capa 2, Transformación Digital · 2.2, Cómo detectarlo