La Agenda de AI del CEO en 18 Meses

La mayoría de los documentos de estrategia de AI tienen 80 diapositivas, tres consultores colaboradores, cinco meses de ciclos de revisión y ningún responsable nombrado para ningún hito. Describen cómo se ve una organización transformada. No le dicen qué hacer el lunes. La investigación de McKinsey sobre cómo los mejores CEOs están enfrentando el momento de la AI es directa: "Los CEOs que se sientan a esperar. Sus empresas no van a prosperar. Es así de binario en términos de importancia."

La Cadencia de AI en 6 Trimestres

Un framework estructurado para secuenciar la transformación con AI a lo largo de seis trimestres calendario. Trimestre 1: Evaluar y Gobernar (auditoría de madurez, política, selección de casos de uso, nombramiento del responsable de AI). Trimestre 2: Infraestructura y Alfabetización (capa de datos para el caso de uso prioritario, capacitación en alfabetización de AI al 20%, diseño de piloto con líneas base capturadas). Trimestre 3: Pilotos en Ejecución (2-3 pilotos en ejecución, revisión de gobernanza al mes 6, seguimiento de línea base frente a resultados reales). Trimestre 4: Evaluar y Decidir (post-mortems de pilotos, decisiones de escalar/cerrar por piloto, preparación para despliegue en producción de los ganadores). Trimestre 5: Primeros Despliegues en Producción (al menos un workflow completo en producción, objetivo de alfabetización del 60%, decisión sobre modelo operativo). Trimestre 6: Institucionalizar (estructura organizacional permanente de AI, roadmap del próximo horizonte, presentación al consejo sobre ROI y próximo ciclo de inversión). La Cadencia de 6 Trimestres está diseñada de modo que los entregables de cada trimestre son prerrequisitos para el siguiente. Saltar el T1 hace que los pilotos del T2 corran sobre datos sin gobernanza y de baja calidad. Saltar la revisión de gobernanza del T3 permite que el riesgo se acumule hacia el T4.

Esto es diferente. Son 18 meses de decisiones, responsables e hitos que un CEO puede firmar y hacer responsable a la organización. El trabajo es específico. Los responsables están nombrados. Los criterios de éxito son medibles. Y la responsabilidad personal del CEO está separada de lo que se delega.

Si su esfuerzo de transformación con AI va a pasar de la conversación con el consejo al despliegue en producción en 18 meses, este es aproximadamente el arco que siguen los programas exitosos.

"La diferencia entre un CEO que lidera la transformación con AI y uno que la delega es medible: 68% de éxito con participación sostenida versus 11% sin ella. Eso no es un error de redondeo. Es un multiplicador de 6 veces en la probabilidad de éxito, impulsado por una sola variable." (Rework, basado en McKinsey 2025)

Lo que esta agenda asume

Datos Clave: Agenda de AI del CEO

• El 85% de las empresas persigue actualmente iniciativas de AI, pero el 70-85% no cumple los resultados esperados, con la brecha entre intención y ejecución más amplia en organizaciones donde el rol del CEO fue "establecer el mandato en el lanzamiento y revisar trimestralmente" (investigación de la industria, 2025-2026)
• Los proyectos de transformación con AI con participación sostenida del CEO logran tasas de éxito del 68% versus el 11% de aquellos que pierden el patrocinio activo del C-suite dentro de los 6 meses del lanzamiento (McKinsey, 2025)
• Las empresas estructuraron sus presupuestos de roadmap de AI en: 30% talento, 25% infraestructura, 20% software/herramientas, 15% preparación de datos y 10% gestión del cambio, mientras la guía de McKinsey prescribe el 70% de inversión en personas y procesos para los de alto rendimiento (referencias 2026)

Antes de que comience la agenda, tres cosas deben ser verdad:

Primero, el CEO ha leído e internalizado la definición de transformación con AI. No la versión del comunicado de prensa. La versión que incluye el panorama honesto de dónde se encuentran la mayoría de las empresas en 2026 (Etapas 1-2 del modelo de madurez), lo que la transformación realmente requiere a nivel de negocio, y por qué esto es una decisión de asignación de capital, no una iniciativa de IT.

Segundo, el consejo ha sido informado y ha aprobado el mandato de transformación. No una línea de presupuesto para "exploración de AI." Una decisión explícita a nivel de consejo de que la transformación con AI es una prioridad estratégica con implicaciones de inversión plurianuales. Este encuadre importa porque la transformación con AI entrará en conflicto con los objetivos trimestrales en múltiples puntos durante los próximos 18 meses. Sin respaldo a nivel de consejo, perderá esos conflictos.

Tercero, el CFO ha visto el modelo honesto de costos. El presupuesto que habilita esta agenda no es una línea de ítem para licencias de herramientas. Incluye infraestructura de datos, ingeniería de integración, gestión del cambio y gobernanza. Para la mayoría de las empresas del mercado medio, esta es una inversión de $700.000 a $1,7 millones en 18 meses antes de que aparezca un ROI significativo.

Si estas tres condiciones no están en su lugar, haga ese trabajo primero. La agenda a continuación fallará si se ejecuta con un presupuesto insuficiente, sin respaldo del consejo, o con un CEO que no entiende a qué se está comprometiendo realmente.

Fase 1 (Meses 1-3): Evaluar y Gobernar

Esta fase no es glamorosa. No produce productos de AI ni capacidades visibles. Produce los cimientos sin los cuales todo lo demás fracasa. La mayoría de los programas de transformación omiten o abrevian esta fase. Por eso fracasan la mayoría de los programas de transformación.

Tarea 1.1: Encargar la auditoría de madurez de AI

Responsable: Reporte directo del CEO (Chief AI and Innovation Officer, CIO, o líder de transformación) Entregable: Evaluación escrita de la etapa de madurez de AI actual por unidad de negocio, estado de la infraestructura de datos, uso actual de herramientas de AI (sancionadas y no sancionadas), y brechas entre el estado actual y los requisitos para los tres casos de uso objetivo Criterios de éxito: Auditoría completa, CEO y equipo de liderazgo informados, clasificación de etapa documentada para cada unidad de negocio

La auditoría no es un compromiso con proveedores. Es una evaluación interna. ¿Quién está usando qué herramientas de AI hoy? ¿Qué datos tiene cada unidad de negocio y en qué estado? ¿Dónde están los datos fragmentados, duplicados o inaccesibles? ¿Dónde están los casos de uso de AI de mayor valor en relación con el modelo de negocio?

Esta auditoría revelará dos descubrimientos incómodos. Primero, los empleados ya están usando herramientas de AI que la empresa no ha aprobado. Segundo, la infraestructura de datos tiene más problemas de los que el CIO ha reportado al consejo. Ambos son normales. Ambos deben abordarse. Para un framework sobre cómo evaluar su etapa actual, consulte Las 5 Etapas de Madurez de AI.

Tarea 1.2: Establecer la política de uso de AI

Responsable: CIO o Asesor Legal, con respaldo del CEO Entregable: Política escrita de uso de AI comunicada a todos los empleados, que cubra: herramientas aprobadas, reglas de manejo de datos, usos prohibidos, estructura de responsabilidad y proceso de escalamiento para preguntas Criterios de éxito: Política publicada, todos los empleados han confirmado recepción, las violaciones de uso de AI tienen un proceso claro

La política no necesita ser exhaustiva. Necesita responder las tres preguntas que cada empleado tiene actualmente: ¿Puedo usar ChatGPT para el trabajo? ¿Qué puedo pegar en él? ¿Qué sucede si no estoy seguro?

Sin una política, la empresa no tiene ni protección contra el uso indebido ni una base para la gobernanza deliberada. La investigación de gobernanza del consejo de McKinsey encontró que la mayoría de las organizaciones todavía carecen de una visión clara de cómo encaja la AI en su estrategia, y que sin claridad de gobernanza, ninguna de las otras acciones de transformación importa. Para la estructura detallada de la política, Construyendo su Política de Uso de AI cubre los componentes y las brechas comunes.

Tarea 1.3: Identificar los tres principales casos de uso

Responsable: CEO + líderes de unidades de negocio Entregable: Tres casos de uso clasificados por impacto empresarial y factibilidad, cada uno con: el problema de negocio específico, la métrica de línea base medible, la capacidad de AI requerida, el ROI estimado si tiene éxito, y la evaluación de preparación de datos Criterios de éxito: Los casos de uso son suficientemente específicos para diseñar un piloto. "Mejorar la productividad de ventas con AI" no califica. "Reducir el tiempo de preparación de revisiones trimestrales de 4 horas a 45 minutos para cuentas con más de $50K ARR, liberando 2,5 horas por representante por cuenta" sí califica.

Los criterios de selección son: (1) el problema tiene un signo de dólar, (2) los datos requeridos para que la AI funcione están disponibles o pueden estar disponibles en 3-6 meses, y (3) el equipo afectado tiene un campeón a nivel gerencial que quiere que esto se resuelva.

Tarea 1.4: Nombrar al responsable de AI

Responsable: CEO Entregable: Individuo nombrado (Chief AI and Innovation Officer, Director de AI, líder de transformación de AI, o CAIO fraccionario contratado) con autoridad y responsabilidad explícitas para impulsar la agenda de AI Criterios de éxito: Rol cubierto, estructura de reporte clara, objetivos de los primeros 90 días acordados

Esta persona no necesita ser el más técnicamente sofisticado del equipo. Necesita poder mantener la responsabilidad interfuncional, traducir entre partes interesadas técnicas y de negocio, y escalar al CEO cuando la transformación esté siendo desprioritizada por presiones operativas. Sin este responsable, la agenda perderá impulso cada vez que los objetivos trimestrales compitan por la atención del liderazgo.

Fase 2 (Meses 4-9): Pilotar y Demostrar

Esta fase genera la base de evidencia que justifica el escalado. Dos o tres pilotos acotados, ejecutados con criterios de éxito claros, producen los datos que el CFO necesita para aprobar el próximo ciclo presupuestario y la evidencia operativa que el COO necesita para comprometerse con un rediseño más amplio de los workflows.

Tarea 2.1: Lanzar 2-3 pilotos con hipótesis explícitas de ROI

Responsable: Responsable de AI + líderes de unidades de negocio Entregable por piloto: Declaración del problema, línea base medible capturada antes de que comience el piloto, diseño del piloto con alcance y cronograma definidos, criterios de éxito con objetivos cuantificados, revisiones de la semana 4 y semana 8 programadas Criterios de éxito: Los tres pilotos en ejecución para el mes 6, líneas base capturadas para los tres

Lo más importante de esta tarea es la captura de la línea base. Antes de que comience el piloto, mida el estado actual. La métrica que se supone que la AI debe mejorar: escriba cuál es hoy. Esto suena obvio. Se omite en la mayoría de los pilotos. Sin la línea base, no puede demostrar el resultado, y sin prueba del resultado, no puede justificar la siguiente fase de inversión.

Tarea 2.2: Construir la infraestructura de datos para el caso de uso de mayor prioridad

Responsable: CIO o líder de ingeniería de datos Entregable: Capa de datos limpia y accesible para los requisitos de AI del piloto de mayor prioridad, con estándares de calidad de datos documentados y proceso de mantenimiento Criterios de éxito: La herramienta de AI para el piloto prioritario puede ingestar y analizar datos correctamente sin corrección manual en más del 10% de los inputs

Esta es la inversión en infraestructura que la auditoría de madurez identificó como una brecha. No es opcional. El piloto que intenta correr sobre datos desordenados producirá resultados inconsistentes, y el líder de la unidad de negocio cuyo equipo experimenta outputs deficientes de AI concluirá que "la AI no funciona", no que la capa de datos necesitaba inversión primero. Preparación de Datos: El Prerrequisito que la Mayoría de los Proyectos de AI Saltan proporciona la lista de verificación previa al piloto.

Tarea 2.3: Capacitar al primer cohorte en alfabetización de AI

Responsable: CHRO o función de aprendizaje y desarrollo Entregable: El 20% de la fuerza laboral (prioridad: equipo de liderazgo + equipos directamente afectados por los pilotos) completó la capacitación de alfabetización fundamental de AI Criterios de éxito: El equipo de liderazgo puede articular qué hace y no hace la AI, el vocabulario del ACE Framework se está usando correctamente en las conversaciones internas, los equipos piloto entienden cómo se ve el éxito y el fracaso para su herramienta de AI específica

La capacitación en alfabetización de AI no es un programa único para todos. El CEO necesita un tipo diferente de alfabetización que el representante de ventas que usa el asistente de AI. Los directivos necesitan el modelo conceptual (qué puede y no puede razonar la AI, cómo se ve la responsabilidad de gobernanza, cuáles son los modos de falla). Los colaboradores individuales necesitan capacitación práctica sobre las herramientas específicas que están usando y qué hacer cuando el output parece incorrecto.

Tarea 2.4: Ejecutar la primera revisión de gobernanza

Responsable: Responsable de AI + Asesor Legal Momento: Mes 6 Entregable: Evaluación del uso de herramientas de AI contra la política establecida en la Fase 1, identificación de cualquier brecha o violación de la política, política actualizada si es necesario, informe al consejo sobre el estado del programa de AI Criterios de éxito: Ningún despliegue de AI de alto riesgo en producción sin revisión, brechas de política documentadas y abordadas

El mes 6 es una verificación temprana. La transformación todavía está en modo piloto. Pero la revisión de gobernanza en el mes 6 detecta los casos donde los equipos han salido del alcance aprobado del piloto, donde el manejo de datos es inconsistente con la política, o donde un piloto está produciendo outputs que plantean preguntas de riesgo que nadie anticipó.

Fase 3 (Meses 10-18): Escalar e Integrar

Para el mes 10, debe tener evidencia. Uno o dos pilotos que funcionaron, medidos contra sus líneas base originales. Si no tiene esa evidencia, la Fase 3 no comienza. Ejecuta un post-mortem sobre por qué los pilotos no produjeron resultados medibles y corrige la causa raíz antes de escalar cualquier cosa.

Asumiendo que la evidencia está presente, la Fase 3 pasa de la prueba a la producción.

Tarea 3.1: Mover al menos un piloto a despliegue completo en producción

Responsable: Responsable de AI + COO Entregable: Un workflow habilitado por AI desplegado para el equipo completo afectado (no el subconjunto del piloto), con monitoreo en su lugar, SLAs definidos y un plan de reversión si el sistema falla Criterios de éxito: Todo el equipo usando el sistema, métricas de rendimiento rastreadas semanalmente, mejora medible sobre la línea base establecida en la Fase 2

El despliegue en producción es diferente del piloto en un aspecto importante: requiere el compromiso del COO de rediseñar el workflow, no solo agregar una herramienta de AI al proceso existente. Un sistema de AI que se superpone a un workflow sin cambios produce eficiencia. Un sistema de AI integrado en un workflow rediseñado cambia lo que el equipo puede lograr. La distinción entre esos dos resultados es la diferencia entre "la AI nos ayudó" y "la AI transformó esta función."

Tarea 3.2: Ampliar la alfabetización de AI al 60% de la fuerza laboral

Responsable: CHRO Entregable: Capacitación en alfabetización de AI completada para todos los equipos cuyos workflows se ven afectados por los despliegues de AI en producción, más un segundo cohorte de gerentes adyacentes al liderazgo y colaboradores individuales Criterios de éxito: La encuesta a la fuerza laboral muestra que el 60%+ puede describir correctamente qué hacen los sistemas de AI de producción de la empresa y cuál es su responsabilidad cuando los outputs de AI requieren revisión

La alfabetización sin despliegue es preparación. El despliegue sin alfabetización es fracaso de adopción. Estas dos tareas deben mantenerse cercanas en tiempo.

Tarea 3.3: Establecer el modelo operativo para la gobernanza de AI

Responsable: Responsable de AI + CIO Entregable: Decisión entre Center of Excellence (CoE) (equipo de AI centralizado) vs. modelo integrado (líderes de AI dentro de las unidades de negocio) vs. modelo federado (CoE + integrado). Decisión documentada, implicaciones de dotación de personal claras, presupuesto para el próximo año fiscal desarrollado. Criterios de éxito: Estructura organizacional decidida, roles definidos, propuesta de presupuesto de AI para el próximo año completa

Para el mes 12-15, la empresa necesita una estructura operativa permanente para AI, no un equipo de proyecto de transformación. El proyecto de transformación tiene un inicio y un fin. La capacidad operativa para evaluar, desplegar y gobernar continuamente las herramientas de AI necesita ser una capacidad organizacional permanente.

Tarea 3.4: Reevaluar la etapa de madurez y establecer el próximo horizonte

Responsable: CEO Entregable: Evaluación de madurez actualizada contra el modelo de 5 Etapas de Madurez de AI, roadmap de 18 meses para la próxima fase, presentación al consejo sobre el progreso de la transformación y el próximo ciclo de inversión Criterios de éxito: El consejo aprueba el próximo ciclo de inversión, el CEO puede articular claramente qué etapa ha logrado la empresa y qué requiere la Etapa 3 o 4

Este es el momento en que la agenda de 18 meses se convierte en un programa sostenido. Los primeros 18 meses construyen los cimientos. A partir del mes 18 se escala. La presentación al consejo en el mes 18 es el CEO demostrando responsabilidad fiduciaria: aquí está lo que gastamos, aquí está el retorno medible, aquí está el caso para el próximo ciclo de inversión.

Lo que el CEO posee personalmente vs. lo que delega

Esta distinción importa porque es donde los programas de transformación difuminan la responsabilidad.

El CEO posee personalmente:

• El caso de negocio: por qué la transformación con AI es una prioridad estratégica para el posicionamiento competitivo de la empresa
• El mandato: establecer el sentido de urgencia de la organización y sostenerlo a través de los conflictos con los objetivos trimestrales
• El presupuesto: aprobar el modelo total de inversión, no solo firmar los contratos de licencias
• Los informes al consejo: presentar el progreso de la transformación y el caso de inversión al consejo en el mes 6 y el mes 18
• El responsable de AI: contratar o nombrar al líder de AI y hacerlo responsable

El CEO no necesita entender la arquitectura técnica. No necesita estar en las reuniones de selección de herramientas. No necesita estar en la revisión de gobernanza a menos que esta revele algo que suba al nivel de atención del CEO. Esas cosas se delegan.

Delegado al CIO:

• Decisiones de arquitectura e infraestructura de datos
• Evaluación y selección de proveedores
• Ingeniería de integración
• Herramientas de seguridad y gobernanza de AI

Delegado al COO:

• Rediseño de workflows para cada despliegue en producción
• Seguimiento y reporte de adopción
• Ejecución del programa de gestión del cambio
• Evaluación de éxito/fracaso de pilotos

Delegado al CHRO:

• Diseño y entrega del programa de capacitación en alfabetización de AI
• Conversaciones sobre evolución de roles con los equipos afectados
• Encuesta a la fuerza laboral y métricas de adopción

Delegado al responsable de AI:

• Coordinación interfuncional en las tres fases
• Seguimiento de hitos y escalamiento al CEO
• Actualizaciones de política y ejecución de revisiones de gobernanza
• Evaluación de casos de uso y diseño de pilotos

Trampas comunes que matan programas bien financiados

Empezar con la tecnología. Los equipos que comienzan evaluando herramientas, seleccionando proveedores y desplegando antes de completar la Fase 1 pasan los meses 1-6 construyendo sobre una base sin evaluar y descubren las brechas de gobernanza e infraestructura de datos en el mes 9, cuando un despliegue en producción falla.

Saltarse la gobernanza. La política de uso de AI se siente como burocracia en el mes 2. Se siente como una obligación fiduciaria después del incidente en el mes 11. Haga la Tarea 1.2 antes de la Tarea 2.1. Cuando ocurran incidentes, el playbook de respuesta a incidentes de AI es lo que deseará que existiera.

Hitos vagos. "Explorar casos de uso de AI" no es un hito. "Encargar auditoría de madurez, completa para [fecha], entregada al CEO y el equipo de liderazgo" es un hito. Los hitos vagos son la manera en que los programas de transformación derivan durante 18 meses sin producir nada medible.

Sin protocolo de fracaso de pilotos. Algunos pilotos fracasarán. Eso no es un fracaso del programa. Es el programa funcionando correctamente: probando hipótesis antes de escalarlas. Incluya criterios de fracaso explícitos antes de que comiencen los pilotos ("si no vemos una mejora de X para el mes 8, cerramos esto") y respételos.

Análisis de Rework: Basado en patrones de implementación de AI empresarial, la Cadencia de AI en 6 Trimestres falla más a menudo no en el T3 (pilotos) sino en el límite T1/T2. Las organizaciones completan la auditoría de madurez y la política de AI en el T1, luego lanzan pilotos en el T2 antes de completar la infraestructura de datos para el caso de uso prioritario, porque "los pilotos no pueden esperar." El resultado: los pilotos corren sobre datos incompletos, producen outputs inconsistentes y pierden la confianza de los gerentes de línea. Un retraso de 6-8 semanas para completar la Tarea 2.2 (infraestructura de datos) antes de comenzar los pilotos produce consistentemente cronogramas netos más rápidos porque los pilotos tienen éxito en el primer intento en lugar de requerir reinicios en el T4.

La agenda de 18 meses anterior es un punto de partida, no un roadmap completo. Los detalles variarán según el tamaño de la empresa, el sector y la etapa de madurez inicial. La Agenda de Tecnología Global de McKinsey 2026 confirma que los CIOs con visión de futuro están invirtiendo en automatización agéntica para cambiar cómo se hacen los negocios y en la productización de datos para generar flujos de ingresos completamente nuevos. Pero la estructura: evaluar y gobernar, luego pilotar y demostrar, luego escalar e integrar, y el modelo de responsabilidad (el CEO posee el mandato y el caso de negocio, todo lo demás se delega) se transfiere a casi todos los programas de transformación serios.

El modelo de costos para la inversión que requiere esta agenda vive en El Costo Honesto de la Transformación con AI. El diagnóstico de dónde se encuentra su organización en el modelo de madurez está en Las 5 Etapas de Madurez de AI.

Vea también:

• Por Qué Fracasan la Mayoría de las Transformaciones con AI: las cinco trampas que esta agenda está diseñada para evitar
• Transformación con AI vs. Transformación Digital: por qué los modelos mentales de la última transformación no se trasladan
• Qué Es un Operador de Ventas con AI: 4 Patrones Trabajando Juntos: un ejemplo práctico de cómo se ve la selección de pilotos de la Fase 2 para una función de ingresos

Resumen de fases