Cómo ayudar a los clientes a cambiar su forma de trabajar con IA

Por Brian Tr · Actualizado el 7 de octubre de 2026

Un producto de IA solo se consolida cuando las personas que lo compran cambian su forma de trabajar. Firmar el contrato es la parte fácil. Si el equipo de soporte sigue respondiendo los tickets como antes, o los analistas siguen rehaciendo el reporte a mano «por si acaso», el producto está instalado pero sin usar, y el software sin usar se cancela en la renovación.

Esta página explica ese problema a través de cinco modelos publicados y muy conocidos de cambio y adopción: el ADKAR de Prosci, los ocho pasos de Kotter, la difusión de innovaciones de Rogers, el Modelo de Aceptación de Tecnología de Davis y el abismo de Moore. Ninguno fue escrito pensando en la IA. Todos describen por qué las personas se resisten a una nueva forma de trabajar, la posponen o la adoptan, que es exactamente a lo que se enfrenta un proveedor de IA. Para las métricas que muestran si la adopción está ocurriendo, consulte métricas de adopción de productos de IA. Para saber qué pasa cuando no ocurre, consulte por qué los productos de IA sufren churn.

Por qué el cambio es el verdadero cuello de botella

Es raro el software que automatiza una tarea que nadie vigilaba. La mayoría de los productos de IA tocan un trabajo que las personas sienten suyo, por el que las miden y en torno al cual tienen hábitos arraigados. Encender la herramienta no enciende los hábitos.

La evidencia de que la brecha está en las organizaciones y no en los modelos es consistente. El informe «The GenAI Divide» de MIT NANDA de 2025, según lo describe Fortune, concluyó que la IA empresarial tiene dificultades principalmente por una integración deficiente y una «brecha de aprendizaje», no por la calidad del modelo. Fortune informa que la investigación se basó en 150 entrevistas con líderes, una encuesta a 350 empleados y un análisis de 300 despliegues públicos de IA, y que encontró que las herramientas compradas externamente tuvieron éxito aproximadamente el doble de veces que las construidas internamente (cerca de 67 por ciento frente a 33 por ciento). El titular de que 95 por ciento de los pilotos mostró poco impacto medible en el P&L se cita mucho. La muestra es modesta y el listón es severo, así que úselo como una dirección, no como una tasa precisa. Llegamos a los hallazgos mediante la cobertura de prensa, no mediante el informe en sí.

Los empleados también adoptan más rápido que las empresas. El Work Trend Index 2024 de Microsoft encuestó a 31 000 trabajadores del conocimiento en 31 mercados en febrero y marzo de 2024 y encontró que 75 por ciento ya usaba IA generativa en el trabajo. De esos usuarios, 78 por ciento llevó sus propias herramientas de IA en lugar de usar las que ofrece la empresa. Es una adopción individual que va por delante de la adopción organizacional, un problema distinto del que debe resolver un proveedor que vende a una empresa.

Juntos, estos datos apuntan a lo mismo. Las personas probarán la IA por su cuenta. Lograr que un equipo cambie un proceso compartido en torno a su producto es un trabajo aparte y más difícil.

Cinco modelos, cinco lecciones para un proveedor

Cada modelo responde una pregunta ligeramente distinta. Juntos forman una lista de verificación utilizable.

ADKAR: cambiar a una persona a la vez

El modelo ADKAR de Prosci describe cinco resultados que una persona debe alcanzar para que un cambio se consolide: Awareness (comprender por qué es necesario el cambio), Desire (elegir participar y apoyarlo), Knowledge (saber cómo cambiar y qué requiere el éxito), Ability (poner en práctica las nuevas habilidades y comportamientos) y Reinforcement (sostener la nueva forma y evitar el retroceso).

La propiedad útil de ADKAR es que los elementos están ordenados y cada uno puede fallar de forma independiente. Un usuario que sabe cómo usar su asistente de IA pero no ve por qué debería hacerlo (Desire bajo) no lo usará. Un usuario que quiere usarlo pero nunca ha visto cómo encaja en sus tareas reales (Knowledge o Ability bajos) lo probará dos veces y lo dejará.

Para un proveedor, ADKAR es un diagnóstico para una cuenta estancada. Pregunte dónde está la barrera. Las brechas de Awareness necesitan un caso de negocio claro, que es el trabajo de construir un caso de negocio de ROI para IA. Las brechas de Desire suelen significar que el usuario teme que la herramienta lo reemplace, o simplemente que añade pasos. Las brechas de Knowledge y Ability se resuelven con capacitación y guía dentro del flujo de trabajo. El Reinforcement es donde la mayoría de los despliegues de IA fallan en silencio: nadie revisa el uso después del lanzamiento y los viejos hábitos regresan.

Kotter: cambiar la organización, no solo al usuario

ADKAR funciona en el nivel del individuo. Los ocho pasos de Kotter funcionan en el nivel de la organización: crear un sentido de urgencia, formar una coalición guía, definir una visión estratégica, reclutar un ejército de voluntarios, habilitar la acción eliminando barreras, generar victorias a corto plazo, sostener la aceleración e instituir el cambio. Kotter expuso la secuencia en el libro Leading Change, y el modelo se ha revisado desde entonces.

Tres de esos pasos se corresponden directamente con el comportamiento del proveedor.

Coalición guía. Un despliegue de IA impulsado solo por la persona que lo compró es frágil. Una coalición significa un dueño del negocio, alguien de TI o seguridad y usuarios respetados del equipo que va a cambiar. El comité de compra que aprobó la compra es el punto de partida natural, pero a menudo se disuelve después de firmar el contrato. Vuelva a convocarlo.

Victorias a corto plazo. El valor de la IA puede tardar meses en verse en un P&L. Esperar tanto invita a la duda. Un proveedor puede ayudar al cliente a elegir un flujo de trabajo, un equipo y un resultado medible que pueda demostrarse en semanas, y difundirlo internamente.

Eliminar barreras. Las barreras suelen ser prácticas: una configuración de permisos que bloquea los datos que la IA necesita, una revisión de cumplimiento que nadie programó, un gerente que todavía exige el formato de reporte antiguo. Un proveedor que trata esto como un problema del cliente verá cómo el uso se queda plano. Un proveedor que ayuda a despejarlas suele ver que la adopción se mueve.

Rogers: la adopción se propaga a través de las personas, no de los anuncios

Diffusion of Innovations de Everett Rogers, publicado por primera vez en 1962, sintetizó cientos de estudios anteriores. Clasifica a los adoptantes en innovadores, adoptantes tempranos, mayoría temprana, mayoría tardía y rezagados, y nombra cinco atributos que determinan la rapidez con que se propaga una innovación: ventaja relativa, compatibilidad, complejidad, posibilidad de prueba y observabilidad.

Leídos como una lista de verificación para un producto de IA, los atributos son prácticos.

• Ventaja relativa: ¿es claramente mejor que la forma actual, para esta tarea?
• Compatibilidad: ¿encaja con las herramientas, los valores y los hábitos existentes, o exige una forma de trabajar nueva?
• Complejidad: ¿qué tan difícil es entenderlo y usarlo?
• Posibilidad de prueba: ¿puede una persona probarlo con trabajo real sin comprometerse?
• Observabilidad: ¿pueden los colegas ver a otra persona obtener un resultado?

La observabilidad es la que los proveedores aprovechan menos. Las personas copian lo que ven funcionar. Un dashboard compartido del tiempo ahorrado, un canal de equipo donde se publican buenos prompts o un antes y después visible en un solo proceso hacen más que otro webinar de capacitación.

Davis: la utilidad va antes que la facilidad

El Modelo de Aceptación de Tecnología de Fred Davis, presentado en un artículo de 1989 en MIS Quarterly (volumen 13, número 3, páginas 319 a 340), propone que dos creencias determinan si una persona adopta una tecnología: la utilidad percibida, es decir, el grado en que cree que mejorará su desempeño laboral, y la facilidad de uso percibida, es decir, el grado en que cree que estará libre de esfuerzo. (Davis, 1989)

Dos puntos importan para la IA. Primero, la utilidad es una creencia sobre el propio trabajo de la persona, no una lista de funciones. Un usuario que no ve cómo la herramienta ayuda con las tareas por las que lo miden no la adoptará, por limpia que sea la interfaz. Segundo, la IA introduce una tercera preocupación que el modelo original no pone en el centro: si se puede confiar en el resultado. Investigaciones posteriores ampliaron el TAM en muchas direcciones, pero la conclusión para el proveedor es simple. Si los usuarios no confían en las respuestas, la utilidad percibida cae, porque tienen que verificar todo. Por eso la confianza y la evaluación son un tema de adopción, no solo de seguridad.

Moore: el abismo entre los entusiastas y el mercado masivo

Crossing the Chasm de Geoffrey Moore, publicado por primera vez en 1991, sostiene que existe una brecha entre los adoptantes tempranos (visionarios que compran por el potencial) y la mayoría temprana pragmática (que compra por resultados probados y referencias). El libro recomienda concentrarse en un segmento, construir una solución completa para su problema específico y usar ese segmento como base para el siguiente.

Los proveedores de IA se topan con una versión de esto dentro de un solo cliente. Un equipo piloto de entusiastas adopta con gusto. El departamento más amplio, que es pragmático y está ocupado, quiere pruebas de que funciona en su tipo de caso, un colega con nombre que lo avale y soporte cuando falle. Trate a cada equipo como su propio pequeño abismo. No suponga que el entusiasmo del grupo piloto se transfiere. La lección del problema del piloto al contrato también se aplica después de la venta.

Lo que suman los modelos: un playbook para el proveedor

Si reduce los cinco modelos a sus coincidencias, queda una lista corta de prácticas.

1. Identifique champions temprano y equípelos. Los líderes de opinión de Rogers y la coalición de Kotter son las mismas personas con otras palabras. Un champion necesita materiales, acceso a su equipo y algo que mostrar a sus pares.
2. Rediseñe el flujo de trabajo, no solo la tarea. Añadir un paso de IA a un proceso sin cambios suele sumar trabajo. Acuerde con el cliente qué pasos desaparecen, cuáles se mueven y quién es dueño de la nueva versión. La compatibilidad (Rogers) y la facilidad de uso (Davis) dependen de ello.
3. Capacite dentro del trabajo. El Knowledge y la Ability de ADKAR surgen de la práctica en tareas reales, no de presentaciones. Los ejemplos breves y específicos por rol superan a los recorridos generales. Para la versión general del SaaS, consulte onboarding y tiempo hasta el valor.
4. Construya confianza de forma deliberada. Muestre de dónde viene el resultado, dónde es probable que se equivoque y cómo puede corregirlo una persona. Muéstrelo temprano, antes de la primera respuesta errónea, no después.
5. Mida el comportamiento, no los inicios de sesión. El refuerzo significa comprobar si la nueva forma se está usando realmente en el proceso real. Un conteo de inicios de sesión es una evidencia débil. La proporción del flujo de trabajo objetivo que se completa a través del producto es mejor.
6. Permanezca después del lanzamiento. El refuerzo es el paso que más se omite. Los seguimientos proactivos son la forma en que un proveedor detecta el retroceso antes de la conversación de renovación. Para ver cómo funciona esto específicamente en los productos de IA, consulte customer success para productos de IA.

Datos clave

• Dónde está la brecha: el estudio MIT NANDA de 2025, según informa Fortune, atribuye la IA empresarial estancada principalmente a la integración y a una brecha de aprendizaje, no a la calidad del modelo. La cifra de 95 por ciento, muy citada, se apoya en 150 entrevistas, una encuesta a 350 empleados y 300 despliegues públicos, así que tómela como orientativa.
• Los individuos se mueven primero: el Work Trend Index 2024 (31 000 trabajadores del conocimiento, 31 mercados) encontró que 75 por ciento usaba IA generativa en el trabajo y que 78 por ciento de esos usuarios llevó sus propias herramientas.
• ADKAR: los cinco elementos de Prosci son Awareness, Desire, Knowledge, Ability y Reinforcement.
• Kotter: ocho pasos, desde crear urgencia hasta instituir el cambio.
• TAM: Davis (1989) nombra la utilidad percibida y la facilidad de uso percibida como los dos factores de la aceptación.
• Prueba práctica: si un usuario no puede decir qué hace la herramienta por su propio trabajo, o no confía en su resultado, la adopción se estancará sin importar la calidad de la interfaz.