Procesos de diseño para evolucionar con la tecnología emergente

Durante décadas, las empresas han estado atrapadas en un ciclo de cambios dolorosos y episódicos, lanzando proyectos de reingeniería a gran escala e invirtiendo en nuevos sistemas de IT, solo para descubrir que el metabolismo fundamental de sus organizaciones sigue siendo lento. Los enormes costes de transacción —la fricción que supone coordinar a las personas, gestionar la información y armonizar trabajos complejos— han hecho que una transformación profunda y continua resulte prohibitivamente cara y arriesgada. Según nuestro reciente análisis inédito, más de cuatro de cada diez horas de trabajo están relacionadas con este tipo de transacciones dentro de los procesos empresariales. Ahora, un nuevo marco para la reinvención está a punto de reducir estos costes combinando tres fuerzas: 1) visibilidad radical de los procesos, 2) experimentación de bajo riesgo dentro de un gemelo digital y 3) ejecución autónoma impulsada por agentes de IA. Juntas, transforman la reinvención de los procesos de un proyecto disruptivo a una capacidad básica y continua. Ese futuro se está desarrollando ahora mismo. En una encuesta realizada en 2025 a más de 3000 altos directivos, casi 9 de cada 10 (87 %) coincidieron en que la IA agencial está marcando el comienzo de una nueva era de transformación de procesos. Dos de cada diez (20 %) de esos directivos afirman que su organización está rediseñando los procesos con la IA como eje central. Sin embargo, casi tres de cada diez (29 %) de esos directivos están adoptando un enfoque gradual, mejorando los procesos existentes con la IA paso a paso. Mientras tanto, los líderes del sector están sentando las bases de un nuevo modelo operativo que hace posible la reinvención continua y ofrece una hoja de ruta para un diseño de procesos verdaderamente evolutivo. Visibilidad radical El modelo mental que la dirección tiene de un proceso a menudo simplifica en exceso la realidad. Por ejemplo, un solo proceso de cuentas por pagar en el sector sanitario puede tener millones y millones de puntos de contacto que ningún directivo podría comprender. Cualquier iniciativa de mejora basada en un modelo defectuoso resuelve inevitablemente el problema equivocado, de ahí la alta tasa de fracaso de los programas de transformación tradicionales. Por eso, el primer paso esencial en la reinvención de procesos es codificar las operaciones en un modelo dinámico y computable: un plano en tiempo real del estado actual de cómo se desarrolla realmente el trabajo. Alcanzar este nivel de visibilidad de los procesos se convierte en el catalizador fundamental para todas las transformaciones posteriores, sentando las bases para la creación de un gemelo digital. Consideremos el deseo de la empresa minera Boliden de optimizar el control del proceso de trituración del cobre en su mina de Aitik, en Suecia. La trituración desempeña un papel fundamental en la extracción de metales valiosos de los yacimientos minerales y sigue siendo el principal cuello de botella operativo de la planta. Incluso pequeñas mejoras en el rendimiento y la estabilidad del proceso pueden reportar grandes beneficios económicos. En colaboración con la multinacional ABB, la empresa creó un modelo muy preciso de la situación actual, es decir, una planta virtual. Lo codificaron creando una copia directa del proceso real del sistema de control distribuido (DCS) de la planta, incluida su lógica personalizada, para garantizar una réplica realista de la capa base de control. A continuación, este modelo de sistema de control se conectó a una simulación de procesos que albergaba la dinámica de procesos de la planta física. Las «huellas digitales» analizadas fueron los protocolos de comunicación en tiempo real que compartían datos entre la capa de control base y la simulación del proceso, reflejando el flujo de datos real «tal cual» de la planta física. Este modelo computable, con su visibilidad radical del proceso, proporcionó el entorno no disruptivo de un gemelo digital necesario para probar nuevas estrategias de control frente al estado actual. El mero hecho de crear el nuevo modelo obligó a la empresa a reconocer que su antiguo modelo ya no representaba con precisión el estado actual del proceso. Como señalan los ejecutivos de ABB y Boliden, «es fundamental disponer de una simulación que describa el estado actual del proceso... Encontrar e implementar este tipo de información es una parte clave de la creación de un entorno virtual para el desarrollo del control». Experimentación continua en el gemelo digital La mejora continua requiere una experimentación continua. Durante la era puntocom de finales de la década de 1990, por ejemplo, la aparición de las sencillas pruebas A/B transformó la toma de decisiones al sustituir la intuición de los ejecutivos por pruebas fehacientes. En lugar de adivinar qué diseño funcionaba mejor, las empresas mostraban diferentes versiones de los diseños de sus sitios web a grupos aleatorios de usuarios y dejaban que métricas como los clics y las compras decidieran. En 2012, un ingeniero tuvo la sencilla idea de alargar los titulares de los anuncios combinando dos líneas de texto. Los ejecutivos rechazaron la idea hasta que una prueba A/B demostró que aumentaría los ingresos en un 12 %. La experimentación dentro de un gemelo digital extiende ese principio al núcleo de las operaciones de una empresa. Las organizaciones pueden simular y validar procesos completamente nuevos desde cero en un entorno simulado sin riesgos, que asume que los agentes de IA se encargarán de la coordinación. Esta capacidad sustituye los cambios de procesos episódicos y de alto riesgo por un ciclo continuo de reinvención de bajo riesgo. La «fábrica virtual» del Grupo BMW ilustra este cambio. La empresa ha construido un gemelo digital completo de sus plantas de producción, que vincula los datos de los edificios, los datos de los equipos, la información logística e incluso simulaciones en 3D de los procesos de trabajo manuales. Este gemelo virtual también simulará avatares de trabajadores humanos que cogen piezas y herramientas y montan componentes, con el fin de encontrar el mejor procedimiento, minimizar los problemas ergonómicos e identificar el número óptimo de trabajadores para cada tarea. Ahora, los ingenieros pueden simular y validar la integración de nuevos modelos de vehículos de forma virtual, reduciendo un costoso proceso de validación física de cuatro semanas a un proceso de tres días. De cara al futuro, se espera que la fábrica virtual del Grupo BMW reduzca los costes de planificación de la producción hasta en un 30 %. El proceso de validación anterior de BMW para un nuevo modelo de vehículo requería guiar manualmente una carrocería física a través de la línea de producción durante varios fines de semana. En el taller de pintura, este proceso podía requerir el vaciado y la limpieza de todos los tanques de recubrimiento por inmersión, lo que suponía unos costes enormes y un tiempo de inactividad de la producción. El nuevo proceso de validación permite a los planificadores ejecutar situaciones/escenarios posibles, como la optimización de la disposición de las líneas para los nuevos modelos en un entorno virtual, sin generar disrupción en la producción en directo. Unilever aplica el mismo enfoque al embalaje sostenible en su fábrica de Tinsukia, India. Su gemelo digital de mejora simula virtualmente nuevos materiales de embalaje, lo que reduce los tiempos de prueba en un 84 % y aumenta el número de experimentos de dos a treinta al año. Al simular, probar y supervisar virtualmente el rendimiento de los nuevos materiales de embalaje, los equipos pueden identificar las opciones más prometedoras antes de comprometerse con la producción física, lo que acelera el progreso hacia los objetivos de sostenibilidad de la empresa. Las ventajas de trabajar con gemelos digitales van más allá del ahorro directo de costes y tiempo. Para BMW, acelerar el ciclo de validación, de cuatro semanas a tres días, facilita la planificación de más de 40 modelos de vehículos nuevos o actualizados en toda su red global para 2027. Para Unilever, aumentar su volumen de experimentos de dos a treinta ensayos al año impulsa directamente los objetivos estratégicos de sostenibilidad: la planta de Tinsukia ya ha logrado una reducción del 21 % en el uso de plástico virgen. Ejecución y adaptación impulsadas por agentes Hoy en día, aproximadamente un tercio de las tareas de los procesos pueden reinventarse de forma fundamental mediante el uso eficaz de agentes, según nuestro análisis económico. Los gerentes ahora tienen una visibilidad sin precedentes de sus operaciones y pueden utilizar gemelos digitales para simular cómo podrían funcionar en la práctica las intervenciones de los agentes de IA en los procesos. Estos entornos virtuales proporcionan entornos de pruebas de bajo riesgo en los que los agentes de IA pueden calibrar y desarrollar procesos y, a continuación, pasar a operaciones en vivo con un rendimiento probado. Una vez implementados, estos agentes coordinan procesos complejos en tiempo real, lo que reduce drásticamente los costes de transacción que durante mucho tiempo han limitado la agilidad de las empresas. El sistema de conducción totalmente autónomo de Waymo ofrece un atisbo de este futuro. El proceso central de la empresa —conducir un vehículo de forma segura y eficiente por entornos urbanos complejos, dinámicos e impredecibles— ilustra cómo la ejecución impulsada por agentes evoluciona a través de la validación en el mundo real en las calles de la ciudad, en lugar de mediante modelos abstractos. Esta tarea es uno de los retos más formidables de la inteligencia artificial: el sistema debe interpretar su entorno, predecir cómo se comportarán los demás usuarios de la vía pública y actuar en consecuencia en milésimas de segundo. El agente debe interactuar de forma segura con innumerables factores incontrolables —conductores humanos, peatones, ciclistas y mucho más— en un entorno infinitamente variable, y anticipar las posibles trayectorias futuras de todos los demás usuarios de la vía pública para tomar decisiones de conducción proactivas, defensivas y socialmente inteligentes. Waymo entrena su sistema con miles de millones de kilómetros de datos de conducción en el mundo real, incluyendo más de 160 000 kilómetros de conducción humana experta en entornos urbanos complejos. Esto permite a la IA establecer una base sólida, similar a la humana, para navegar por situaciones de conducción comunes con coherencia, previsibilidad y conciencia social. Sin embargo, los datos del mundo real son inherentemente escasos cuando se trata de eventos de seguridad poco frecuentes pero críticos. Para cerrar esta brecha, Waymo emplea el aprendizaje por refuerzo en un entorno de simulación masivo y de alta fidelidad. En este mundo virtual, los agentes se enfrentan y resuelven repetidamente millones de situaciones difíciles y peligrosas —coches que se saltan semáforos en rojo, peatones que se lanzan repentinamente a la carretera— que serían imposibles y peligrosas de practicar en la realidad. Este ciclo continuo de experimentación con datos del mundo real y experiencias simuladas permite al sistema manejar una gama más amplia de situaciones con mayor fiabilidad a lo largo del tiempo. La programación del coche va mucho más allá del simple cumplimiento de las normas de tráfico estáticas. Se trata de desarrollar y perfeccionar un proceso capaz de responder de forma inteligente a las complejidades del mundo real, utilizando un completo conjunto de herramientas (lidar, radar, cámaras y receptores de audio externos) para percibir el entorno dinámico y a los usuarios de la vía pública, predecir su comportamiento y planificar y navegar un trayecto de A a B en tiempo real. Con los avances en los modelos de lenguaje grandes (LLM) y los modelos de visión-lenguaje (VLM), los modelos de IA de próxima generación de Waymo combinarán la experiencia de conducción de Waymo y los avances en IA agencial específica para vehículos autónomos con el «conocimiento del mundo» y las capacidades de razonamiento de los LLM/VLM para crear modelos específicamente aplicables al contexto de la conducción. Incorporar ese nivel de agilidad directamente en las operaciones en vivo de una empresa requiere agentes de IA autónomos con capacidad para ejecutar, gestionar y adaptar flujos de trabajo completos. Se trata de un salto significativo más allá de la simple automatización robótica de procesos (RPA), que normalmente se centra en tareas discretas y repetitivas. Los agentes de IA avanzados pueden coordinar procesos de varios pasos que requieren criterio profesional y gestionar los traspasos entre sistemas y personas. Al automatizar estas capas de coordinación, las empresas pueden reducir significativamente los costes de transacción de la coordinación que durante mucho tiempo han obstaculizado la agilidad empresarial y acelerar la adopción de procesos rediseñados desde cero para nuevas capacidades técnicas y comportamientos humanos. Lejos de hacer que los seres humanos queden obsoletos, estos modelos impulsados por agentes elevan su contribución. Mientras que la IA coordina y ejecuta flujos de trabajo complejos, los empleados se centran en funciones nuevas y más valiosas. Aunque la IA puede mapear flujos de trabajo explícitos, no puede capturar todo el conocimiento profundo, no escrito y contextual que poseen los empleados experimentados, como el conocimiento tácito de los trabajadores de BMW sobre la estética implícita del fabricante de automóviles. A medida que los procesos se automatizan y se autoadaptan cada vez más, los empleados se convierten en administradores de procesos que garantizan que las operaciones impulsadas por agentes se ajusten a las normas éticas, las obligaciones reglamentarias y los objetivos estratégicos de la empresa. . . . Líderes del sector como ABB, BMW, Unilever y Waymo demuestran que la visión de una empresa en continua evolución e impulsada por agentes no es un futuro lejano, sino una realidad emergente. Para los ejecutivos, el objetivo ya no es gestionar el cambio incremental en el sentido tradicional y episódico, sino institucionalizar un ciclo continuo de rediseño de procesos desde cero. Esto requiere la creación de un sistema evolutivo en el que la innovación de procesos se convierta en una capacidad organizativa fundamental, en lugar de una disrupción periódica. A medida que las máquinas se encargan de la coordinación, las organizaciones más exitosas rediseñarán las funciones y elevarán las capacidades distintivamente humanas, como la resolución creativa de problemas, el juicio innovador, la supervisión ética y la dirección estratégica, para guiar los sistemas que cada vez más dirigen sus operaciones. Cuando los procesos se vuelven transparentes, comprobables y adaptables, las empresas adquieren un ritmo operativo que evoluciona a medida que cambian las condiciones. Este cambio reduce los costes de transacción internos, acelera la innovación y alinea la creatividad humana con la precisión impulsada por las máquinas. El resultado es un nuevo tipo de organización diseñada para la reinvención perpetua y capaz de evolucionar sus procesos tan rápido como el mundo que la rodea.

Procesos de diseño para evolucionar con la tecnología emergente

Resumen.

Partner Center