La pregunta "¿Quién posee la transformación en IA?" suele tener una respuesta oficial en los organigramas: el CDO, el CTO o un comité directivo recién creado. Sin embargo, la realidad operativa de las empresas que están escalando con éxito sus iniciativas de inteligencia artificial cuenta una historia distinta. Los avances significativos no surgen de los mandatos descendentes (*top-down*), sino de la fricción diaria de los empleados que están más cerca del problema.
Este fenómeno desmonta el mito del "héroe tecnológico" centralizado. Los Centros de Excelencia (CoE) y los equipos de ciencia de datos son indispensables para la arquitectura, la gobernanza y el *compliance*, pero carecen del conocimiento tácito (*tacit knowledge*) necesario para identificar *use cases* de alto valor en contabilidad, logística, atención al cliente o desarrollo de software. Un modelo predictivo perfecto técnicamente pero inútil para el operario de planta es un fracaso empresarial, no un éxito técnico.
La evidencia empírica apunta a un modelo federado o *hub-and-spoke*. La central (hub) provee la plataforma, la seguridad, los *guardrails* éticos y la infraestructura MLOps; las puntas (spokes), los equipos de negocio, poseen el dominio y la autonomía para experimentar. Empresas como Moderna o Shopify han demostrado que democratizar el acceso a herramientas *low-code/no-code* y LLMs mediante *internal prompt libraries* acelera la innovación exponencialmente frente al cuello de botella de un equipo central de IA saturado de peticiones.
Ignorar esta dinámica genera "IA en la sombra" (*Shadow AI*): empleados usando ChatGPT o Copilot por su cuenta con datos corporativos sensibles porque la vía oficial es demasiado lenta o rígida. Lejos de ser un riesgo de seguridad que hay que prohibir, el *Shadow AI* es una señal de mercado interno: la demanda de capacidades cognitivas supera la oferta burocrática. La respuesta no es el bloqueo, sino la habilitación segura: sandboxes gobernados, políticas de datos claras y formación en *prompt engineering* para no técnicos.
El cambio cultural es el verdadero cuello de botella. Requiere pasar de una cultura de "permiso" a una de "responsabilidad compartida". Esto implica rediseñar KPIs: no medir solo "modelos en producción", sino "problemas de negocio resueltos con IA". Exige seguridad psicológica para que un junior reporte que la IA alucina en su flujo de trabajo sin miedo a represalias, e incentivos para que los *domain experts* documenten sus *prompts* y flujos ganadores como activos de conocimiento corporativo.
Para los líderes tecnológicos hispanohablantes, la lección es clara: dejen de buscar el *unicornio* científico de datos que entienda su negocio mejor que ustedes. Inviertan en *AI literacy* masiva, construyan plataformas autoservicio robustas (*Internal Developer Platforms* para IA) y cedan el control de la experimentación. La transformación no es un proyecto de TI con fecha de fin; es una nueva capacidad organizativa distribuida. Quien intente poseerla centralmente, simplemente la frenará.
