Cómo trabajamos en la práctica.
Tres situaciones representativas de los engagements que abordamos. Contextos, desafíos, metodología aplicada e impacto generado en la organización.
Una empresa de retail que adoptó IA pero no veía cambios en productividad.
Una compañía de retail con presencia en tres países de LATAM, 350 empleados y dos años desde sus primeras inversiones en IA generativa, llegó al engagement con un problema concreto: la inversión acumulada en licencias y capacitaciones rondaba los seis dígitos en dólares y los indicadores de productividad por área no mostraban cambio significativo. El comité ejecutivo requería evidencia analítica antes de aprobar el siguiente ciclo presupuestario.
El diagnóstico arrancó con un mapeo de procesos críticos por área: comercial, marketing, operaciones, tecnología y finanzas. Se aplicó el AI Fluency Score a una muestra estratificada de 35 personas. El resultado fue revelador: el score organizacional promedio se ubicó en nivel Integrador, lo que parecía positivo, pero la distribución mostraba una realidad distinta. Tecnología y Marketing concentraban casi todo el dominio organizacional, mientras Operaciones y Finanzas se ubicaban dos niveles por debajo. La organización no había transformado su forma de trabajar, había transformado la de algunos equipos mientras el resto observaba.
El blueprint identificó dos gaps simultáneos: capacidades faltantes en Operaciones que requerían reskilling estructurado, y dos perfiles de liderazgo nuevos que no existían en la estructura actual. Específicamente, un Head de Procesos con AI Fluency comprobada para liderar la integración en Operaciones, y un perfil senior de análisis de datos con criterio estratégico para Finanzas.
El engagement de Consulting derivó directamente en una búsqueda de talento ejecutada por nuestra línea de Talent, con el AI Fluency Score como filtro de evaluación. Ambos perfiles se cubrieron en seis y nueve semanas respectivamente. El reskilling de Operaciones quedó definido como fase siguiente, ejecutada por el cliente con un partner especializado.
Impacto
La discusión presupuestaria del siguiente ciclo se reformuló por completo: del debate genérico sobre inversión en IA a la asignación específica de recursos por área según gaps medidos. La decisión final se fundamentó en evidencia organizacional, no en expectativas.
Un banco mid-market que necesitaba un punto de vista externo antes de definir estrategia de IA.
Un banco de tamaño medio con 1.200 empleados en Argentina contrató el engagement antes de definir su estrategia de IA para los próximos tres años. La hipótesis interna era ambiciosa: la dirección buscaba posicionar al banco como referente regional en aplicación de IA en servicios financieros. Antes de comprometer la inversión, el directorio requería una lectura externa del estado actual.
El diagnóstico se diseñó con alcance transversal: 22 entrevistas que cruzaron C-level, heads de negocio, riesgo, tecnología y operaciones, y aplicación del AI Fluency Score a 45 personas distribuidas por área y seniority. La complejidad regulatoria del sector hizo que la dimensión de Ética y Responsabilidad (D5) fuera particularmente relevante en el análisis.
El hallazgo central fue un desajuste entre ambición declarada y capacidades instaladas. El banco contaba con equipos de tecnología fuertes en adopción de herramientas, pero el resto de la organización presentaba scores bajos en Pensamiento Estratégico con IA (D4) y Evaluación Crítica de Outputs (D2). En un sector donde un output mal evaluado puede tener consecuencias regulatorias, ese gap representaba un riesgo concreto. La aspiración a posición regional requería primero un piso organizacional que el banco aún no había construido.
El roadmap entregado priorizó la construcción de capacidades transversales antes de las inversiones tecnológicas, con secuenciación de 12 meses y métricas de seguimiento por dimensión. La dirección ajustó la narrativa estratégica al directorio: el banco no aspiraba a ser referente en IA, aspiraba a construir las bases que en tres años podrían sostener esa posición.
Impacto
Una decisión estratégica que iba a tomarse sobre expectativas pasó a fundamentarse en evidencia organizacional. El ajuste en la narrativa al directorio reflejó mayor rigor analítico, no menor ambición estratégica.
Una compañía SaaS que evaluaba liderazgo interno versus contratación externa.
Una compañía SaaS B2B con presencia en cuatro países llegó al engagement con una decisión específica trabada: el área de Producto requería liderazgo nuevo. La opción interna consistía en promover a un Director con cinco años en la compañía y reputación sólida. La opción externa, contratar un VP con experiencia probada en compañías más grandes. La discusión interna llevaba tres meses sin resolución.
El sponsor del proyecto, CEO de la compañía, planteó el problema en términos de AI Fluency: en los próximos dos años, el área de Producto operaría con IA integrada en diseño, research, decisiones de roadmap y comunicación con clientes. La pregunta de fondo no era cuál candidato tenía más experiencia, sino cuál estaba mejor preparado para liderar un área que iba a transformar su forma de trabajar.
El engagement aplicó el AI Fluency Score a ambos candidatos y al equipo actual del área (12 personas). El resultado mostró que el candidato interno se ubicaba en nivel Estratégico (74), mientras el candidato externo alcanzaba nivel Integrador (61) con foco fuerte en herramientas pero gap en Pensamiento Estratégico con IA. El equipo actual presentaba distribución amplia: 4 personas en nivel Integrador, 6 en Funcional, 2 en Explorador.
El factor crítico no fue el resultado individual sino la combinación. Promover al candidato interno significaba liderazgo con AI Fluency alta operando sobre un equipo en mayoría Funcional, con riesgo de aislamiento del líder respecto a su equipo. Contratar al externo significaba liderazgo con AI Fluency menor pero con experiencia gerencial y red para acelerar capacidades del equipo. La decisión que se derivó: promover al candidato interno y, en paralelo, ejecutar un programa intensivo de upskilling para el equipo existente con timeline definido.
Impacto
Una decisión planteada como dilema binario entre dos candidatos se reformuló como diseño organizacional integrado: liderazgo, equipo y plan de capacidades como sistema. El AI Fluency Score redefinió el marco de la decisión, no solo su resultado.
¿Tu situación no encaja exactamente con estos casos?
Cada organización tiene un contexto propio. La conversación inicial nos permite entender el tuyo y proponer el alcance que tendría sentido aplicar.