Liderar en la era de los copilots: cómo dirigir equipos que ya trabajan con IA

Imagine una escena que empieza a repetirse en distintas empresas peruanas: un vendedor recibe una lista de clientes priorizada automáticamente, un analista de contabilidad revisa un reporte que un asistente de IA generó en minutos, y un coordinador de logística ajusta una ruta que un algoritmo sugirió esa misma mañana. Ninguno de ellos trabaja solo. Todos trabajan, todos los días, junto a una herramienta que resuelve una parte del problema por ellos.

El gerente que dirige a ese equipo enfrenta una pregunta nueva: ¿cómo se lidera a personas que ya no solo reportan resultados propios, sino que también supervisan lo que produce una máquina?

Durante años, liderar significó asignar tareas, revisar avances y tomar decisiones con la información que el equipo alcanzaba a recopilar. Hoy esa información llega más rápido, más completa y, muchas veces, ya procesada por un sistema. Eso cambia el trabajo del líder, aunque no cambia su responsabilidad principal: seguir siendo quien pone el criterio final.

A continuación, cinco principios para dirigir equipos que ya incorporaron la IA en su trabajo diario, sin perder el control ni la cercanía con las personas.

Cuando una herramienta de IA empieza a sugerir acciones —una oferta, una ruta, un reporte financiero—, muchas empresas no se detienen a definir algo esencial: qué decisiones puede tomar la herramienta de forma directa y cuáles siempre requieren la revisión de una persona.

Sin esa definición, el equipo termina improvisando. Algunos colaboradores confían demasiado en la sugerencia automática; otros la ignoran por completo, incluso cuando es acertada.

Cuando una IA se implementa de un día para otro y sin explicación, el equipo la percibe como una amenaza o como un capricho de la gerencia. Cuando se muestra con casos concretos —cuánto tiempo ahorra, qué errores evita, en qué momento conviene ignorar su sugerencia—, la confianza se construye de forma natural.

Esa construcción de confianza toma tiempo, y no ocurre en una sola reunión. Requiere revisar juntos los primeros resultados, reconocer cuando la herramienta se equivoca y ajustar el proceso sin dramatismo. Un equipo que ve a su líder tratar los errores de la IA con la misma calma con la que trata los propios, aprende a usarla con criterio en lugar de con desconfianza o con dependencia excesiva.

No toda decisión pesa lo mismo. Aprobar una plantilla de correo automático no es lo mismo que definir una política de precios o resolver el reclamo de un cliente importante.

La IA puede acelerar el análisis de cualquiera de estos casos, pero el criterio final sobre las decisiones de mayor impacto —las que afectan ingresos, relaciones comerciales o la reputación de la empresa— debe seguir en manos de una persona con experiencia y contexto.

Muchos colaboradores no rechazan la inteligencia artificial por resistencia al cambio, sino porque nadie les explicó cómo aprovecharla en su función específica. Un vendedor necesita saber qué preguntas hacerle a una herramienta de análisis de clientes; un analista necesita entender qué datos revisar antes de confiar en un reporte automatizado.

Invertir en capacitación práctica, y no en charlas generales sobre inteligencia artificial, es lo que realmente cierra esa brecha. Un equipo capacitado usa la IA como una extensión de su criterio. Un equipo sin capacitación la usa a ciegas o, simplemente, la evita.

Es común que una empresa celebre haber implementado IA en tal o cual proceso, como si esa fuera la meta final. La pregunta que realmente importa es otra: ¿mejoró el resultado que esa herramienta debía mejorar?

Un gerente enfocado en el resultado revisa si las ventas cerraron más rápido, si los reportes tienen menos errores o si los clientes esperan menos tiempo por una respuesta. Un gerente enfocado solo en la herramienta se conforma con que el equipo la use, sin verificar si el negocio realmente avanzó.

Esta distinción importa especialmente en empresas medianas peruanas, donde cada nueva herramienta compite por presupuesto y por tiempo de implementación. Antes de ampliar el uso de la IA a un segundo o tercer proceso, conviene confirmar que el primero ya entregó un resultado medible. Escalar sin esa validación multiplica el gasto sin multiplicar el beneficio.

Dirigir personas siempre fue el trabajo más exigente de un gerente. Ahora, además, hay que dirigir el trabajo conjunto entre personas y máquinas, y esa combinación solo funciona bien cuando alguien asume la responsabilidad de guiarla.