IA Generativa y Mandos Intermedios: qué cambia, qué se espera, qué se aprende
Hace poco, en una conversación con el CEO de una empresa manufacturera con décadas de historia, escuché una frase que se repite con frecuencia creciente:
“Mi equipo directivo dedica el 60% de su tiempo a tareas que una IA podría hacer mejor.”
No era una afirmación superficial ni un eslogan de consultora. Era un diagnóstico práctico, una observación basada en la experiencia directa de un líder que ha comenzado a notar algo esencial: gran parte del trabajo ejecutivo —incluso el más estratégico— se está desplazando hacia formas automatizadas de análisis, síntesis y ejecución. Pero hay una conclusión que suele extraerse con demasiada ligereza: que no seremos reemplazados por máquinas, sino por otros humanos que sepan utilizarlas mejor.
La frase tiene fuerza retórica, pero necesita ser examinada. ¿De verdad el futuro se reduce a una competencia entre quienes se familiarizan rápido con las herramientas y quienes no? ¿Es suficiente dominar los fundamentos de la IA para mantener la relevancia profesional? ¿No es esa afirmación, en el fondo, una nueva forma de obviar los cambios estructurales que se están produciendo?
En este texto propongo una lectura alternativa. Más que un llamado a “actualizarse o desaparecer”, se trata de comprender el lugar que ocupa el liderazgo intermedio en un entorno de automatización creciente. Cuáles son las competencias realmente relevantes. Qué riesgos emergen con el uso acelerado de IA. Y cómo podemos repensar el desarrollo del liderazgo más allá de las consignas habituales.
I. ¿Por qué importa el liderazgo intermedio?
Durante los últimos quince años he trabajado directamente con mandos intermedios en organizaciones de muy distinto tipo: empresas familiares, multinacionales, startups tecnológicas, instituciones públicas. En todos estos contextos, el rol de los mandos intermedios comparte una constante: se les exige operar con visión estratégica, pero sin abandonar la cercanía con la operación.
Este lugar intermedio no es solo geográfico dentro del organigrama; es una condición de tensión permanente. Los mandos intermedios deben traducir la estrategia en acciones concretas, garantizar que los objetivos se transformen en resultados, coordinar múltiples equipos y, al mismo tiempo, mantener la cohesión, la motivación y el ritmo de trabajo. Actúan como puentes —o amortiguadores— entre lo que se decide en los niveles altos y lo que ocurre en la realidad cotidiana.
Esa posición tiene ventajas. Quienes ocupan estos roles desarrollan una comprensión muy afinada del funcionamiento real de la organización. Saben qué decisiones funcionan, cuáles se diluyen y por qué. Entienden las dinámicas informales que no aparecen en los organigramas, pero que determinan buena parte de la efectividad organizacional. Su mirada es, en muchos casos, más útil que la de los propios altos directivos a la hora de detectar resistencias, ajustar prioridades o anticipar conflictos.
Pero también conlleva riesgos. En la última década, los mandos intermedios han visto cómo sus funciones se expanden sin que necesariamente se amplíen sus márgenes de decisión. A menudo son el punto de presión entre la urgencia operativa y la demanda estratégica. Gestionan personas, procesos, expectativas y tensiones, todo a la vez. Y ahora, además, se les exige adaptarse rápidamente a un entorno donde la tecnología no solo transforma tareas, sino que reconfigura las propias lógicas del liderazgo.
En este sentido, el discurso de que “la IA no te reemplazará, pero alguien que sepa usarla sí” es insuficiente. Porque el desafío no está solo en aprender a utilizar herramientas nuevas. Está en rediseñar el valor que aportan quienes están en el centro del sistema organizacional: aquellos que entienden tanto los límites de la operación como las aspiraciones de la estrategia.
Ignorar a los mandos intermedios en los procesos de transformación digital es un error frecuente y costoso. Si la dirección define la estrategia y la operación ejecuta tareas, es en este nivel donde realmente se decide si el cambio ocurre o no. Invertir en su desarrollo no es un gesto de equidad, es una decisión pragmática.
Lejos de ser prescindibles, estas funciones se han vuelto estructurales para la sostenibilidad de cualquier organización. De hecho, investigaciones recientes (McKinsey, 2023) los reconocen como “el mecanismo invisible del cambio organizativo”. El término no es casual: mientras los altos ejecutivos diseñan, y los operativos ejecutan, los mandos intermedios sostienen lo que conecta ambas esferas. Son traductores, mediadores, intérpretes de tensiones y oportunidades.
Pero esa centralidad viene con una fragilidad nueva. La presión por resultados, el agotamiento emocional, la creciente carga administrativa, y ahora la irrupción de la IA, han hecho que muchos de ellos se pregunten si su rol es sostenible. O peor aún, si es reemplazable.
En definitiva, el liderazgo intermedio importa no solo por lo que hace, sino por lo que conecta. Porque en tiempos de automatización, los procesos pueden acelerarse, pero la alineación entre intención y ejecución sigue dependiendo, inevitablemente, de las personas que traducen visión en acción.
II. Lo que realmente está cambiando (y lo que no)
El impacto de la inteligencia artificial en el mundo del trabajo ha sido descrito con frecuencia en términos de disrupción total. Sin embargo, al observar con más detenimiento lo que ocurre en organizaciones concretas, lo que emerge no es tanto un reemplazo abrupto como una reconfiguración gradual y desigual. La IA no transforma todo al mismo tiempo ni de la misma manera. Pero sí está alterando algunos fundamentos que antes dábamos por sentados.
En este contexto, uno de los errores más comunes es confundir automatización con transformación. Automatizar tareas no equivale a redefinir el liderazgo. La clave está en entender con precisión qué aspectos del trabajo se ven modificados, cuáles se potencian y cuáles siguen requiriendo, de forma ineludible, presencia humana.
a) Lo que se automatiza
La automatización generada por IA se concentra, por ahora, en funciones con un alto grado de repetición, estructura y bajo nivel de ambigüedad. Tareas como:
Redacción de borradores iniciales de correos, comunicados o actas.
Generación de resúmenes ejecutivos a partir de documentos extensos.
Elaboración de agendas de reunión, programación de citas y gestión de calendarios.
Análisis preliminar de datos y elaboración de informes descriptivos.
Seguimiento de tareas o actividades rutinarias.
Estas funciones representan una porción significativa del tiempo de trabajo de mandos intermedios. Al automatizarlas, la IA no solo libera capacidad operativa, sino que también reduce el desgaste asociado a labores administrativas poco gratificantes.
Ahora bien, esta automatización no está exenta de riesgos. Cuando se produce sin reflexión o sin rediseño de roles, puede generar desplazamientos internos mal gestionados, sensación de irrelevancia o pérdida de autonomía. La pregunta clave no es solo “¿qué automatizamos?”, sino “¿qué hacemos con el tiempo que liberamos?”.
b) Lo que se potencia
La IA no reemplaza la inteligencia humana, pero sí amplía su alcance. Especialmente en tres dimensiones relevantes para el liderazgo:
Capacidad analítica aumentada: la IA puede procesar grandes volúmenes de información en poco tiempo, identificar patrones no evidentes, contrastar variables y sugerir escenarios futuros. Esto permite a los líderes tomar decisiones con una base de evidencia más sólida y amplia.
Creatividad estructurada: aunque no es creativa en sentido humano, la IA puede generar múltiples versiones de una idea, proponer enfoques alternativos o servir como "sparring conceptual". Esto puede estimular procesos de innovación cuando se combina con juicio experto.
Velocidad en la exploración: en contextos de alta incertidumbre, la IA permite simular rápidamente consecuencias de ciertas decisiones, testear hipótesis o validar supuestos con datos disponibles.
En todos estos casos, la IA no sustituye la deliberación humana, sino que la acelera o la enriquece. El reto es que, al aumentar la velocidad, también exige mayor responsabilidad en la interpretación. Los líderes deben aprender a filtrar, contrastar y cuestionar lo que la IA produce, en lugar de asumirlo como verdad automática.
c) Lo que permanece (y se vuelve más valioso)
En un entorno donde la tecnología puede hacer más en menos tiempo, las habilidades que no pueden ser codificadas se convierten en diferenciales estratégicos. Algunas de ellas incluyen:
Empatía y comprensión emocional: entender lo que moviliza o bloquea a una persona no es una operación de datos. Supone presencia, escucha, contexto.
Gestión del conflicto: mediar en situaciones tensas, facilitar acuerdos duraderos o intervenir en dinámicas de equipo exige lectura relacional, intuición, diplomacia. No hay modelo predictivo que reemplace eso.
Inspiración y propósito: las personas no se movilizan solo por métricas. Necesitan sentido. Y ese sentido se transmite a través de relatos, valores y ejemplos encarnados por líderes reales, no por herramientas automatizadas.
Capacidad de contención en contextos de cambio: cuando la ambigüedad aumenta, los equipos buscan referentes. Ser un punto de anclaje requiere serenidad, claridad, y capacidad de sostener la complejidad sin simplificarla.
Estas competencias no se pueden delegar. Son el corazón del liderazgo. Lo interesante es que, al reducirse el tiempo invertido en tareas automáticas, los líderes tienen la oportunidad —y la obligación— de volcarse más intensamente a estas funciones humanas esenciales.
III. Las nuevas competencias del liderazgo intermedio
La irrupción de la inteligencia artificial en los entornos organizativos no está eliminando el liderazgo, pero sí está transformando las condiciones bajo las cuales se ejerce. Esta transformación exige una redefinición del perfil de competencias que los mandos intermedios deben desarrollar si quieren seguir siendo relevantes en contextos donde la automatización, la incertidumbre y la velocidad de cambio son la norma.
En lugar de pensar en un “nuevo tipo de líder”, más útil resulta hablar de una ampliación y reconfiguración de las capacidades existentes. Lo que cambia no es solo lo que un líder debe saber o hacer, sino cómo aprende, cómo actúa en red, y cómo integra la tecnología en su proceso de toma de decisiones sin perder el juicio ni la humanidad.
Presento aquí tres grandes bloques de competencias que se consolidan como pilares del liderazgo intermedio contemporáneo.
1. Alfabetización tecnológica aplicada
No se trata de convertir a los líderes en programadores o expertos en ciencia de datos. Pero sí deben adquirir una comprensión suficiente para tomar decisiones informadas, evaluar críticamente el uso de herramientas y participar activamente en su integración.
¿Qué implica esta competencia?
Comprensión funcional de la IA generativa: saber qué es, cómo funciona, cuáles son sus limitaciones y en qué áreas puede generar valor. Esto incluye familiaridad con conceptos como modelos de lenguaje, entrenamiento de datos, alucinaciones, sesgos algorítmicos y privacidad.
Capacidad de interactuar eficazmente con sistemas basados en IA: formular buenos prompts, interpretar resultados, refinar solicitudes, validar respuestas y combinar el output automatizado con juicio humano.
Evaluación crítica de herramientas tecnológicas: discernir cuándo una herramienta mejora un proceso y cuándo simplemente lo complica; cuándo empodera al equipo y cuándo genera dependencia o alienación.
Ejemplo práctico: un mando intermedio que lidera un equipo comercial debe poder usar la IA para generar resúmenes de comportamiento de clientes, pero también identificar cuándo las recomendaciones que ofrece la herramienta están desconectadas del contexto real de mercado.
2. Inteligencia emocional aumentada
A medida que las tareas técnicas se automatizan, las interacciones humanas cobran más peso. Las emociones, las narrativas compartidas y la construcción de confianza se convierten en factores clave para la coordinación y la legitimidad del liderazgo.
Esta competencia incluye:
Empatía activa en entornos digitales e híbridos: reconocer señales emocionales, incluso cuando se producen en plataformas asincrónicas o de baja riqueza comunicacional. Interpretar silencios, resistencias y sobrecargas con sensibilidad y precisión.
Comunicación clara y significativa sobre el cambio: explicar el porqué de las decisiones, abordar los miedos que genera la IA, desactivar el rumor con transparencia y generar narrativas que conecten el cambio tecnológico con aspiraciones colectivas.
Tolerancia a la ambigüedad y gestión de la ansiedad colectiva: sostener a los equipos cuando no hay respuestas claras ni caminos definidos, sin transmitir parálisis ni ansiedad innecesaria.
Práctica de la vulnerabilidad estratégica: mostrar que el aprendizaje no termina con el cargo, reconocer lo que no se sabe, pedir ayuda, y modelar la apertura a nuevas formas de trabajo.
Ejemplo práctico: una líder de proyecto que introduce una herramienta de IA en su equipo debe ser capaz no solo de capacitar técnicamente a las personas, sino de contener la incertidumbre que esa implementación genera, alinearla con el propósito del equipo y atender al impacto emocional que tiene la automatización en roles específicos.
3. Facilitación del aprendizaje organizacional
El liderazgo intermedio ya no consiste solamente en dirigir personas o cumplir objetivos. Su nueva responsabilidad es construir las condiciones para que otros aprendan, compartan, mejoren y se adapten de forma autónoma. En contextos complejos, nadie puede tener todas las respuestas. Pero los líderes deben ser arquitectos del aprendizaje colectivo.
Esta competencia abarca:
Creación de espacios seguros para la experimentación: permitir que los equipos prueben herramientas nuevas sin miedo al error, reconociendo el aprendizaje que se genera incluso en los intentos fallidos.
Facilitación de comunidades de práctica: identificar sinergias, conectar personas que enfrentan desafíos similares, estimular el intercambio horizontal de conocimiento y evitar los silos.
Refuerzo del pensamiento crítico y la autonomía: enseñar a cuestionar la salida de la IA, fomentar la verificación de fuentes, incentivar la argumentación basada en evidencia y defender la necesidad de mantener la deliberación humana.
Captura y circulación del conocimiento tácito: documentar lo que se aprende en la práctica, socializarlo de manera comprensible y contribuir a una memoria organizacional viva.
Ejemplo práctico: un jefe de operaciones que observa que varios equipos están empezando a usar ChatGPT para tareas diversas puede sistematizar esas experiencias, organizar una sesión de intercambio, invitar a compartir buenas prácticas y así convertir una iniciativa individual dispersa en un aprendizaje colectivo estructurado.
En resumen, las nuevas competencias del liderazgo intermedio no son solamente técnicas ni emocionales. Son capacidades integradoras, que permiten operar con lucidez en entornos donde la tecnología avanza más rápido que las reglas, donde la incertidumbre es estructural y donde el mayor valor de un líder ya no reside en tener todas las respuestas, sino en saber hacer las preguntas correctas, a tiempo, en comunidad.
IV. Más allá del “curso de liderazgo”: nuevos entornos de desarrollo
Durante décadas, el desarrollo del liderazgo ha estado dominado por una fórmula bastante predecible: programas presenciales o virtuales, contenidos estandarizados, sesiones periódicas con expertos y, eventualmente, una evaluación final. Esta estructura ha generado valor en muchos contextos, pero en el entorno actual empieza a mostrar síntomas de obsolescencia.
La razón es simple: los desafíos que enfrentan los líderes hoy ya no pueden abordarse con formación episódica y homogénea. La velocidad del cambio, la complejidad de los entornos híbridos, la presión por resultados inmediatos y la incorporación acelerada de tecnología obligan a replantear no solo qué se aprende, sino cómo, cuándo y en qué condiciones.
Los líderes intermedios, en particular, no tienen el privilegio de pausar su actividad para "ser formados". Necesitan entornos de aprendizaje que se integren con su día a día, que les permitan aprender mientras gestionan, y que les ofrezcan retroalimentación relevante y oportuna. Es aquí donde la IA generativa y otras tecnologías emergentes pueden jugar un papel catalizador, siempre que se utilicen con un diseño pedagógico riguroso y orientado a la práctica.
Aprendizaje adaptativo y continuo
Un entorno de desarrollo efectivo parte del reconocimiento de que cada líder tiene necesidades diferentes. Su experiencia, su estilo, los desafíos que enfrenta, su equipo, su cultura organizacional… todo ello configura un contexto único. Los sistemas de IA pueden aprovechar esos datos para ofrecer recorridos personalizados, identificar patrones de aprendizaje y ajustar los contenidos en función del progreso y la respuesta del usuario.
Ya no se trata de proponer un temario único para todos, sino de construir experiencias de desarrollo que respondan a necesidades reales. Esto requiere una lógica más cercana al coaching inteligente que a la formación tradicional.
Práctica deliberada en entornos seguros
Una de las barreras del aprendizaje en liderazgo es el riesgo percibido. Pocas personas se sienten cómodas ensayando una conversación difícil frente a colegas, y mucho menos en un entorno jerárquico. Las simulaciones basadas en IA ofrecen un espacio seguro para practicar con personajes virtuales que responden de manera realista, pero sin consecuencias sociales ni organizativas.
Ensayar un despido, una conversación de feedback, una negociación compleja o una dinámica de tensión con un equipo es más fácil cuando se cuenta con un entorno donde equivocarse no penaliza. La posibilidad de repetir, probar distintos enfoques y recibir retroalimentación inmediata convierte la simulación en una herramienta pedagógica de enorme valor.
Redes de aprendizaje distribuidas e inteligentes
El liderazgo no se construye en soledad. Parte fundamental del desarrollo es la posibilidad de compartir experiencias, contrastar enfoques y aprender de otros. Aquí también la tecnología puede facilitar el encuentro entre líderes que enfrentan desafíos similares, aunque estén en distintas unidades, países o industrias.
Los sistemas de IA pueden identificar nodos de aprendizaje potencial, sugerir contactos, proponer foros de discusión, generar comunidades de práctica emergentes. Esto descentraliza el aprendizaje, lo vuelve más ágil, y lo ancla en la realidad compartida de los participantes.
Retroalimentación significativa en tiempo real
La evaluación anual de desempeño es, en muchos casos, una fotografía tardía de un proceso ya cerrado. El desarrollo efectivo requiere retroalimentación frecuente, contextualizada y procesable. La IA puede analizar, por ejemplo, patrones de comunicación escrita, estilos de toma de decisión, formas de respuesta ante dilemas o consistencia en la gestión de personas.
Estos datos, tratados con criterios éticos y con consentimiento informado, pueden ofrecer un espejo de calidad para el líder. No como un mecanismo de control, sino como una forma de construir autoconciencia y responsabilidad profesional.
V. Riesgos y efectos secundarios de la integración de IA
Toda tecnología transformadora tiene una doble cara: lo que permite hacer mejor y más rápido, y lo que, inadvertidamente, puede deteriorar si no se gestiona con conciencia. En el caso de la inteligencia artificial, esta ambivalencia es especialmente visible. Sus beneficios —indiscutibles en muchos frentes— conviven con una serie de efectos colaterales que, si no se abordan desde el diseño organizativo y el liderazgo, pueden comprometer no solo la eficiencia, sino la integridad y la equidad del trabajo.
Estos riesgos no son hipotéticos ni lejanos. Ya se están manifestando en distintos sectores y funciones. Y aunque no es necesario detener la innovación por ellos, sí es urgente incorporarlos al análisis estratégico. Un liderazgo que pretenda incorporar IA de manera sostenible debe mirar más allá de las métricas de productividad y considerar estos factores en sus decisiones.
1. La falsa seguridad de lo convincente
Uno de los problemas más serios de los modelos generativos de lenguaje es su capacidad para producir respuestas con una estructura sintáctica impecable, tono profesional y vocabulario técnico… incluso cuando el contenido es falso o impreciso. Esto se conoce como "alucinaciones": la generación de datos incorrectos con apariencia de autoridad.
El riesgo se agrava cuando estas respuestas se utilizan como base para informes, análisis o presentaciones que influyen en decisiones importantes. He visto, por ejemplo, documentos estratégicos elaborados con IA que citaban fuentes inexistentes, confundían métricas o interpretaban correlaciones como causalidades.
El remedio no es desconfiar de la IA en bloque, sino establecer protocolos de validación rigurosos. Toda salida generada debe pasar por un filtro crítico humano, especialmente en contextos donde hay implicancias financieras, legales o de reputación.
2. Amplificación de sesgos estructurales
La IA aprende de datos. Y los datos —como la historia misma— están llenos de sesgos: de género, raza, clase, edad, origen cultural. Si no se diseña con cuidado, la IA no solo reproduce esos sesgos, sino que los consolida, los oculta bajo una pátina de objetividad algorítmica y los perpetúa.
En procesos de selección de personal, asignación de tareas o evaluación de desempeño, esto puede generar discriminaciones que no son visibles a primera vista, pero que deterioran la equidad interna y exponen a las organizaciones a riesgos éticos y legales.
Lo que se necesita aquí no es solo auditar los datos, sino construir mecanismos de supervisión humana que identifiquen patrones de sesgo y generen alertas tempranas. En muchos casos, esto requiere combinar herramientas tecnológicas con sensibilidades sociales que no se automatizan.
3. Atrofia progresiva de habilidades humanas
Una amenaza menos visible, pero igual de importante, es la pérdida gradual de capacidades clave cuando se delegan sistemáticamente en sistemas automatizados. La escritura clara, el pensamiento analítico, la síntesis argumentativa, la organización discursiva… todas estas son competencias que se fortalecen con el ejercicio y se debilitan con la omisión.
Si los líderes confían ciegamente en la IA para generar presentaciones, redactar informes, responder correos sensibles o diseñar narrativas, existe el riesgo de una dependencia intelectual que limita su autonomía, su claridad conceptual y su credibilidad.
Incorporar IA no debe significar externalizar el juicio. Al contrario: requiere fortalecerlo para poder usar la herramienta con criterio. Esto implica mantener espacios de práctica deliberada, revisar resultados, y, sobre todo, no aceptar la primera respuesta como definitiva.
4. Despersonalización del liderazgo
La promesa de eficiencia puede llevar a utilizar IA en ámbitos que exigen presencia humana: conversaciones difíciles, decisiones con impacto emocional, conflictos de equipo, momentos de reconocimiento o escucha activa.
Hay una diferencia sustancial entre liberar tiempo gracias a la tecnología y reemplazar interacciones significativas por respuestas automatizadas. El liderazgo no se ejerce solo desde la racionalidad funcional, sino desde la calidad de la relación, la empatía, el ejemplo y la disponibilidad real.
He visto organizaciones que automatizan flujos de retroalimentación, encuestas de clima o seguimientos de desempeño con herramientas que, si bien bienintencionadas, eliminan el valor simbólico del gesto personal. La consecuencia es una sensación creciente de distancia, anonimato y desinterés.
En resumen: la IA puede optimizar, pero no puede sustituir la autenticidad del vínculo. Usarla con criterio es una responsabilidad ética del liderazgo.
5. Fragilidad en la gestión de privacidad y confidencialidad
Muchas herramientas de IA se utilizan en la nube, con modelos abiertos que almacenan información para mejorar sus algoritmos. Esto supone una exposición de datos que no siempre es evidente para el usuario, pero que puede comprometer información sensible de la organización, sus clientes o sus empleados.
Enviar un borrador de contrato, una minuta de comité directivo o una descripción de conflicto interno a un modelo como ChatGPT o Copilot puede, sin saberlo, vulnerar normativas internas o legislaciones de protección de datos.
Por eso, antes de implementar IA generativa a gran escala, es imprescindible:
Delimitar qué información se puede compartir y cuál no.
Contar con entornos seguros (modelos cerrados o on-premise) para procesos críticos.
Formar a los líderes y sus equipos en prácticas seguras de uso de IA.
Establecer una gobernanza clara sobre qué se hace, cómo se evalúa y quién es responsable.
VI. Usos estratégicos de la IA en el liderazgo
Una de las claves para integrar la inteligencia artificial de forma efectiva en el ejercicio del liderazgo es dejar de verla como una solución genérica o como una moda técnica. La IA no es un fin en sí mismo. Su valor emerge cuando se alinea con las necesidades concretas de una organización y cuando potencia las capacidades que ya existen, en lugar de sustituirlas ciegamente.
En este sentido, los usos más relevantes no son necesariamente los más espectaculares, sino los más integrados con las dinámicas reales del trabajo cotidiano. La IA genera valor cuando resuelve problemas específicos, mejora la calidad de las decisiones o amplía la capacidad de aprendizaje de un equipo.
A continuación, se presentan algunas aplicaciones estratégicas que están siendo implementadas —con distintos grados de madurez— en organizaciones que avanzan con sentido crítico en este terreno.
1. Desarrollo de personas y equipos
a) Diagnóstico y personalización de planes de desarrollo
A través del análisis de datos de desempeño, feedback 360, perfiles de comportamiento y trayectorias profesionales, la IA puede ayudar a identificar brechas de habilidades, detectar patrones de desarrollo exitoso y sugerir rutas personalizadas de aprendizaje.
Esto no solo mejora la eficacia de los programas de formación, sino que permite asignar recursos de manera más precisa y aumentar la implicación de los colaboradores.
b) Simulaciones conversacionales para prácticas de liderazgo
Mediante interfaces conversacionales avanzadas, es posible crear simulaciones en las que los líderes practican interacciones complejas: dar feedback correctivo, abordar conflictos, sostener conversaciones de desarrollo profesional, entre otras. Estas simulaciones permiten practicar sin riesgos, recibir retroalimentación inmediata y repetir hasta mejorar.
c) Análisis de comentarios cualitativos
Evaluaciones de clima laboral, encuestas abiertas o comentarios de reuniones pueden ser procesados por modelos de IA para identificar sentimientos dominantes, temas emergentes o dinámicas disfuncionales. Esto permite detectar señales débiles antes de que se conviertan en problemas mayores.
2. Gestión operativa más inteligente
a) Preparación y diseño de reuniones de alto impacto
A partir de la agenda, los participantes y los temas previstos, la IA puede ayudar a construir estructuras más claras para reuniones estratégicas, sugerir preguntas clave, anticipar puntos de fricción o recomendar formatos de facilitación más adecuados.
Esto contribuye a reducir el desperdicio de tiempo y a aumentar el retorno real de los encuentros.
b) Automatización de resúmenes y síntesis
Una de las aplicaciones más valoradas por líderes que gestionan grandes volúmenes de información es la capacidad de sintetizar documentos complejos: informes de mercado, investigaciones sectoriales, actas de reuniones, notas de cliente. La IA puede reducir horas de lectura a minutos de comprensión útil.
c) Generación de comunicaciones estratégicas
Desde la redacción de emails importantes hasta comunicados internos o mensajes para redes profesionales, la IA puede servir como primer borrador que luego el líder adapta. Esto ahorra tiempo y permite centrarse en la intención comunicativa más que en la forma.
3. Apoyo a la toma de decisiones complejas
a) Generación de alternativas ante dilemas estratégicos
Cuando un líder se enfrenta a una decisión difícil —por ejemplo, una reestructuración, una inversión incierta o una política interna sensible—, la IA puede ayudar a mapear distintas opciones, considerar escenarios posibles, estimar riesgos asociados y explicitar supuestos implícitos.
Este proceso no reemplaza el juicio, pero amplía el marco para deliberar con más profundidad.
b) Análisis de riesgos e identificación de puntos ciegos
La IA puede analizar datos históricos, contextuales y de operación en tiempo real para detectar áreas con alta probabilidad de error o vulnerabilidad. También puede identificar relaciones no evidentes entre variables, que podrían afectar la viabilidad de una iniciativa.
c) Benchmarking dinámico y externo
Comparar las propias prácticas con referentes del sector es una práctica habitual en el liderazgo, pero muchas veces limitada por falta de datos actualizados o criterios comparables. La IA puede sistematizar información pública (por ejemplo, políticas de talento, innovación, ESG) y sugerir aprendizajes aplicables.
4. Desarrollo profesional y liderazgo reflexivo
a) Coaching virtual asistido por IA
En sesiones individuales o como apoyo autónomo, la IA puede desempeñar el rol de un “sparring” que ayuda al líder a preparar conversaciones clave, anticipar reacciones, practicar argumentos o examinar sus propios supuestos.
No sustituye a un coach profesional, pero puede complementar el proceso y reforzar la práctica deliberada.
b) Registro y análisis de experiencias clave
La IA puede ayudar a documentar experiencias críticas de liderazgo (por ejemplo, decisiones difíciles, crisis, éxitos relevantes), organizarlas por patrones y facilitar la reflexión sobre qué funcionó, qué no y qué se podría hacer diferente en el futuro.
Esto convierte la experiencia en conocimiento reutilizable y compartible.
c) Planificación estratégica de carrera
Mediante el análisis de trayectorias, cambios del mercado, evolución de roles y requerimientos emergentes, la IA puede ofrecer al líder una visión realista y personalizada de las oportunidades de desarrollo profesional, dentro y fuera de su organización.
VII. Un marco de implementación de 90 días
Basado en experiencias con organizaciones de distintos sectores, propongo un marco gradual para la integración de IA en el trabajo de liderazgo:
Fase 1 (Días 1–30): Exploración
Experimentar con herramientas como ChatGPT o Claude media hora diaria.
Realizar un curso breve sobre formulación de prompts.
Identificar tres tareas que podrían automatizarse.
Generar conversaciones internas sobre los aprendizajes iniciales.
Fase 2 (Días 31–60): Prototipado
Implementar IA en un proceso específico (ej.: elaboración de informes).
Diseñar una simulación de desarrollo con el equipo.
Medir impacto: tiempo ahorrado, calidad percibida, feedback del equipo.
Registrar lecciones aprendidas.
Fase 3 (Días 61–90): Expansión
Escalar el uso a otros procesos relevantes.
Capacitar al equipo en usos básicos.
Establecer protocolos de uso responsable y seguridad.
Compartir resultados con la dirección para promover su adopción estructural.
VIII. Una transformación que no es opcional
Lo que estamos presenciando no es una moda tecnológica, sino una reconfiguración profunda del trabajo del liderazgo. Las herramientas de IA no solo afectan lo que hacemos, sino cómo lo pensamos. No basta con usarlas. Hay que entenderlas, integrarlas y, sobre todo, contextualizarlas.
La idea de que “serás reemplazado por alguien que sepa usar IA” es una simplificación útil, pero peligrosa. Porque reduce la transformación a una cuestión de habilidad individual, y omite las dimensiones organizativas, culturales y éticas del cambio.
El verdadero desafío no está en aprender a operar con IA, sino en liderar en un entorno donde la tecnología modifica la forma en que entendemos el juicio, la confianza, la autoridad y la experiencia.
El liderazgo intermedio no desaparece. Pero ya no puede apoyarse en las prácticas heredadas. Requiere una reinvención sostenida, basada en pensamiento crítico, aprendizaje permanente y un sentido ético claro sobre cómo —y para qué— usamos las herramientas que tenemos a disposición.
Recursos en la web
Capgemini Research Institute
Ofrece informes sobre la IA generativa en el trabajo y las organizaciones, destacando el informe Gen AI at work: Shaping the future of organizations.
🔗 https://www.capgemini.com/insights/research-library/generative-ai-in-leadership/ osf.io+1unesdoc.unesco.org+1osf.io+7unesco.org+7unesco.org+7
McKinsey & Company
Publica estudios sobre el potencial económico de la IA generativa y su impacto en el trabajo. La serie La organización del futuro: Habilitada por la IA generativa, impulsada por las personas es especialmente relevante.
🔗 https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-of-the-future-enabled-by-gen-ai-driven-by-people
Harvard Business Review (HBR)
Ofrece investigaciones y análisis sobre liderazgo y habilidades humanas en la era de la IA, con enfoque en cómo estas capacidades complementan la tecnología.
🔗 https://hbr.org
Voxy
Publica artículos prácticos y ejemplos de prompts para aplicar IA generativa en educación corporativa.
🔗 https://voxy.com/es/blog/
Deloitte Insights
Contiene análisis sobre el futuro de la gestión y el impacto de la IA en los mandos intermedios.
🔗 https://www2.deloitte.com/us/en/misc/search.html?qr=AI%20and%20Leadership%20development
El poder de la redarquía
Blog enfocado en liderazgo, cultura y gestión del cambio en la era de la IA, con perspectiva sobre los mandos intermedios.
🔗 https://cabreramc.com/la-redarquia-en-la-practica-una-guia-para-la-transformacion-organizacional/
Referencias bibliográficas:
Alavi, M. (2024). How Different Fields Are Using GenAI to Redefine Roles. Harvard Business Review. Recuperado de https://hbr.org/2024/03/research-how-different-fields-are-using-genai-to-redefine-roles
Bock, T. & von der Oelsnitz, D. (2025). Leadership-competences in the era of artificial intelligence – a structured review. Strategy & Leadership, 53(3), 235-255. https://doi.org/10.1108/SL-09-2024-0100
Cámara de Comercio de Bogotá. (2023, mayo). El Futuro del Trabajo y la IA Generativa: Educación, Periodismo y Arte (Versión preliminar).
Capgemini. (s.f.). La IA generativa en el liderazgo - Gen AI en el trabajo: El futuro de las organizaciones. Recuperado de https://www.capgemini.com/es-es/investigacion/remodela-el-futuro-con-ia-generativa/
Carlos de Santiago. (2023, 12 de noviembre). 98. Estrategias de Liderazgo con Inteligencia Artificial | Carlos de Santiago [Archivo de video]. YouTube. Recuperado de
Codina, L. (2023). Cómo utilizar ChatGPT en el aula con perspectiva ética y pensamiento crítico: una proposición para docentes y educadores. Recuperado de https://www.lluiscodina.com/chatgpt-educadores/
Cornerstone. (s.f.). Facilitar el desarrollo del liderazgo: cómo la IA permite escalar y personalizar el crecimiento. Recuperado de https://www.cornerstoneondemand.com/resources/article/using-ai-to-scale-and-personalize-growth/
Das, S. (2023). The rise of generative AI in marketing: A practitioner's handbook.
Dell’Acqua, F., Candelon, F., Krayer, L., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Working Paper No. 24-013). Harvard Business School.
Díaz Montesdeoca, O., & Ribera, M. (coords.) (2023). ChatGPT y educación universitaria: posibilidades y límites de ChatGPT como herramienta docente. IDP/ICE.
Krishnan, S. (2024). Leadership in the Age of Artificial Intelligence (AI). SBSRC, 03. https://doi.org/10.70301/CONF.SBS-JABR.2024.1/1.3
Pitelis, C. N. (2023). Dynamic Capabilities and MNE Global Strategy: A Systematic Literature Review‐Based. Journal of Management Studies.
Sorin, S. (2024). La revolución inevitable: cómo la inteligencia artificial generativa está impactando los procesos de comunicación de las medianas y grandes empresas argentinas (Tesis de Licenciatura). Universidad de San Andrés.
TFG-J-469. (2024). Empresa 2030: Una mirada al futuro del trabajo con la Inteligencia Artificial. Facultad de Comercio, Universidad de Valladolid.
Tîmplaru, M. E., Costache, A., & Tîmplaru, O. L. (2025). The Impact of Artificial Intelligence on Human Resource Management in the Era of Digitalization. Review of International Comparative Management, 26(1), 168–180.