Etiqueta: Cambio en las organizaciones

  • Más allá del radar: cómo la IA transforma los puntos ciegos del Mercado en tu próxima gran victoria

    Introducción: ¿Estás Caminando a Ciegas?

    Imaginate que tus competidores están jugando al escondite y vos tenés un mapa secreto, uno que revela oportunidades que ellos ni siquiera saben que existen. Eso es lo que la IA hace por los puntos ciegos del mercado.

    Vamos a desentrañar esos “puntos ciegos” — debilidades no reconocidas, oportunidades ocultas o amenazas ignoradas — y cómo la IA no solo los ilumina, sino que te da la ventaja para actuar primero. No se trata de reaccionar, sino de predecir y dominar. Olvidate de los ciclos de datos obsoletos; estamos hablando de una estrategia quirúrgica.

    1. Desvelando los Puntos Ciegos: La Verdad Incómoda del Mercado

    • ¿Qué Son Realmente? No son errores de principiante; son esas cosas que nadie ve: suposiciones anticuadas sobre tus clientes, cambios tecnológicos que se desestiman o realidades competitivas ignoradas.
    • La Perspectiva Histórica (y la Frustración Humana):
      • ¿Por qué los tenemos? Se debe a la “racionalidad limitada” (no somos superordenadores), la “asimetría de la información” (algunos saben más) y sesgos cognitivos como el de confirmación o el exceso de confianza.
      • Casos Históricos Emblemáticos: Michael Porter y Benjamin Gilad popularizaron el término, pero la historia está llena de ejemplos. Pensá en Blockbuster asumiendo que la gente prefería la tienda a Netflix, o Kodak inventando la fotografía digital pero enterrándola para proteger su negocio de película. ¡Esos son puntos ciegos en acción!

    2. La Evolución de la Observación de Mercado: Del Clip a los Algoritmos

    • Antes de los Bits y Bytes (Pre-1970s): Todo era intuición. Encuestas puerta a puerta, gráficos dibujados a mano, y decisiones basadas en “olfato”. Predicciones estáticas, actualizadas cada trimestre.
    • La Era del Backlog (1980s-2010s): Con los ordenadores y Excel, los datos crecieron. El problema no era la falta de datos, sino el “cuello de botella de insights” — teníamos demasiada información para procesar manualmente. Las empresas usaban marcos como MoSCoW, pero aún eran retrospectivos.
    • Big Data y el Cambio Estadístico (2010s-2020): La explosión online nos dio una “muestra” de millones de usuarios. Surgieron herramientas de análisis y un “qué” y “por qué” basado en algoritmos.
    • La IA Como Tu Bola de Cristal (2020-Presente): Ahora, la IA ha reemplazado al “priorizador” humano. No preguntamos “qué pasó”, sino “qué va a pasar“. La IA monitorea miles de millones de puntos de datos para predecir movimientos de mercado en milisegundos, convirtiendo datos caóticos en golpes estratégicos precisos.

    3. El Arsenal de la IA: Cómo Encontramos lo Que Nadie Más Ve

    • Más Allá de las Métricas Superficiales: Tus competidores ven promedios. Nosotros vemos el espacio entre los promedios.
    • El “Motor de Espacio en Blanco” (Vector Embeddings): La IA mapea miles de productos y opiniones en un “espacio matemático” multidimensional. Donde hay “baja densidad” de productos, pero alta “intención” del cliente, ¡hay un nicho esperando!
      • Ejemplo Práctico: Clientes discutiendo “irritación post-gimnasio” y “sérums de lujo”. La IA identifica un hueco para un “sérum de recuperación atlética de alta gama” que los informes tradicionales pasarían por alto.
    • Buscando “Agujeros” en los Datos (Análisis Topológico de Datos): Esta es la alta cocina de la IA. Busca la “forma de los datos” para encontrar literalmente “agujeros” donde el mercado se descompone, revelando necesidades o estados de liquidez no cubiertos.
    • Detectando lo “Extraño” (Detección de Anomalías): Mientras la investigación tradicional filtra los “valores atípicos”, la IA se enfoca en ellos. Un comportamiento “bizarro” o frustrado de un grupo de usuarios es una señal de un “proto-mercado” — ¡tan insatisfechos que ni siquiera encajan en los modelos actuales!

    4. ¿Demasiado Poder? La Controversia de la “IA como Arma”

    • Opiniones Actuales y el Lado Oscuro: La “luna de miel de la IA” ha terminado. En 2026, no es solo “cómo la usamos”, sino “cómo la gobernamos”.
    • Tácticas de “Armamento” (¡Polémicas!):
      • Envenenamiento de Datos: Alimentar los modelos de IA de un rival (como chatbots) con información engañosa para desviar clientes o dar mala información.
      • Desinformación Estratégica: Usar Large Language Models (LLMs) para generar y difundir rumores sobre un competidor a una escala imparable.
      • Control Excluyente de Plataformas: Gigantes tecnológicos usando IA para “ralentizar” o “estrangular” la visibilidad de los competidores en sus propias plataformas.
    • Controversias Éticas: Los “Cuatro Grandes” Dilemas:
      • Privacidad y Vigilancia: ¿Es ético que la IA infiera el lanzamiento secreto de un producto de tu rival analizando sus patrones de contratación de ingenieros?
      • Sesgos Algorítmicos: Si la IA se entrena con datos históricos sesgados, puede perpetuar injusticias en nuevas decisiones estratégicas.
      • Transparencia vs. Engaño: La IA puede operar anónimamente (mystery shopping), ¿viola esto los principios de transparencia del CMI tradicional?
      • Rendición de Cuentas: Si un bot autónomo de IA inicia una guerra de precios que desestabiliza una economía local, ¿quién es el culpable?
    • Desarrollos Futuros (y Necesarios): Las regulaciones existentes son “vagas” para la IA. Se necesitan “Cartas de Derechos de la IA” o códigos específicos actualizados para evitar una “carrera armamentista del engaño”.

    5. Historias de Éxito: Cuando la IA ilumina el Camino

    • Moda Rápida (Target y Zara): Olvidate de planificar temporadas. La IA de Target predijo que los lunares serían tendencia, permitiéndoles rotar el inventario el doble de rápido. Zara detecta picos de “blusas con mangas abullonadas” en Madrid y las tiene en tienda en dos semanas, capturando micro-tendencias.
    • Dónde Abrir la Próxima Tienda (Datategy y Locatium): La IA analiza el tráfico, la competencia y el “riesgo de canibalización” para encontrar “desiertos” de alto potencial, logrando un 25% más de cuota de mercado en comparación con métodos tradicionales.
    • Datos Alternativos para Predicción (Orbital Insight y Foursquare): Contar coches en los parkings de Walmart desde satélites para predecir sus ventas antes de los informes oficiales. Foursquare predijo la caída de ventas de Chipotle tras un brote de E.coli, permitiendo a los competidores lanzar campañas de seguridad en las zonas exactas.
    • El Famoso “Modelo de Embarazo” de Target: La IA analizó 25 productos para predecir embarazos y enviar cupones de bebé antes que los competidores. ¡Lealtad de por vida!
    • Innovación de Productos (Coca-Cola): Las máquinas Freestyle con IA rastrearon las mezclas de sabores. ¿El descubrimiento? Una demanda masiva y no satisfecha de Cherry Sprite, que lanzaron como producto embotellado. ¡Un éxito probado sin un solo focus group!

    6. Tu Plan de Acción 2026: Convertite en un Visionario del Mercado con IA

    • El Marco “Señal-a-Solución”: No solo mires lo que existe, usá la IA para encontrar vacíos donde el deseo existe pero no hay producto.
    • Pasos Prácticos para Incorporar la IA Hoy:
      • Exploración de Sentimientos a Gran Escala: Usá herramientas de IA (MonkeyLearn, Brandwatch) para analizar miles de reseñas negativas de competidores. Buscá “frustraciones recurrentes” que la IA pueda agrupar.
      • Benchmarking Competitivo Automatizado: Herramientas de IA (Crayon, Kompyte) para rastrear actualizaciones de productos y cambios web de rivales. Identificá “vacíos de características” (ej., todos van por “Enterprise”, nadie por “Prosumer”).
      • Descubrir “Gaps de Búsqueda” (Análisis de Intención): Usá la IA de herramientas SEO (Ahrefs, AnswerThePublic) para encontrar preguntas de alto volumen sin “respuesta” accesible.
      • Validación de Tendencias con IA: Antes de actuar, verificá si el gap es una tendencia creciente con herramientas como Glimpse o Exploding Topics.
      • Pruebas con Personas Sintéticas (LLMs): Usá un LLM (Claude 3.5, GPT-4o) para “simular” cómo un cliente reaccionaría a tu solución propuesta, refinando tu propuesta de valor antes de construir.
    • Tu Kit de Herramientas IA Esencial: Perplexity AI, Brandwatch, Crayon, Exploding Topics, Semrush. Estos son tus ojos y oídos en el mercado invisible.
    • Desarrollos Futuros y tu Pivot Estratégico para 2026:
      • De “Presupuesto de IA” a “P de Modelo”: Los CFOs quieren ver el “Valor Neto” y la “Velocidad de Decisión” que genera tu IA.
      • “Human-on-the-Loop” (HOTL): La IA actúa, el humano tiene un margen limitado para “vetar”. Menos fatiga, más velocidad.
      • Financiar la “Gobernanza de Datos” sobre la “Ingeniería de Prompts”: El verdadero activo es tu pipeline de datos, no el modelo de IA. Rediseñá flujos para que la IA sea el sistema operativo.

    Conclusión: El Futuro es Ahora (y Tiene un Algoritmo)

    • La IA ya no es una opción; es tu sistema operativo para la dominación del mercado.
    • Los ganadores de 2026 no son los “AI-First”, sino los “Process-First“: aquellos que han rediseñado sus flujos de trabajo para que los algoritmos predictivos sean el núcleo de su estrategia, no solo asesores.
    • ¿Listo para dejar de adivinar y empezar a predecir? La próxima gran oportunidad está ahí fuera, esperando a que vos y tu IA la revelen.

    Agendá un diagnóstico gratuito con Incuba

    Te proponemos una reunión breve, sin costo, para hacer un diagnóstico de tu situación actual.

    Como resultado te llevás:

    • un estudio de la situación actual
    • un conjunto de accionables potenciales
    • una propuesta para acompañarte a ejecutar iniciativas en modo de proyecto

    Agendá tu reunión acá: https://outlook.office.com/book/ReuninIncuba@incubaconsultores.com.ar/

  • Innovación Disruptiva en Modelos de Negocio: Claves para la Adaptación

    Innovación Disruptiva en Modelos de Negocio: Claves para la Adaptación

    Introducción

    La innovación disruptiva puede transformar industrias enteras y desplazar líderes consolidados. Empresas tradicionales como Blockbuster desaparecieron ante la irrupción de modelos innovadores como Netflix. ¿Está tu empresa lista para enfrentar estos cambios? En este artículo exploramos las claves de la disrupción, con ejemplos reales y estrategias concretas para adaptarse a un entorno en constante evolución.

    ¿Qué es la Innovación Disruptiva?

    La innovación disruptiva ocurre cuando un nuevo enfoque transforma un mercado, desplazando a los modelos tradicionales. No se trata solo de tecnología, sino de cambiar la forma en que se crean, entregan y capturan valor.

    Ejemplo: Netflix comenzó alquilando DVDs por correo y evolucionó hacia el streaming, revolucionando la industria del entretenimiento. Blockbuster, al no adaptarse a tiempo, desapareció.

    Señales de que tu Modelo de Negocio Necesita una Transformación

    • Clientes que buscan opciones más accesibles o flexibles.
    • Competidores que ofrecen soluciones digitales más ágiles.
    • Procesos internos lentos que impiden escalar.
    • Nuevos jugadores con propuestas económicas y eficientes.

    Ejemplo: La banca tradicional frente a las fintech. Bancos tradicionales vieron cómo plataformas como Revolut o Nubank capturaron rápidamente mercado ofreciendo soluciones más rápidas y eficientes.

    Cómo Adaptarse y No Quedar Atrás

    1. Cuestionar la Propuesta de Valor

    • ¿Sigues resolviendo el problema clave de tus clientes?
    • ¿Qué barreras tienen tus nuevos competidores y cómo reducirlas?

    2. Adopta Tecnología de Manera Inteligente

    • Automatización, datos e inteligencia artificial ya no son opcionales.
    • La implementación de herramientas de low-code/no-code permite innovar rápido y sin grandes inversiones.

    3. Pensar como una Startup

    • Fomenta una cultura de experimentación y aprendizaje constante.
    • Lanza productos en ciclos cortos para validar ideas antes de grandes inversiones.

    Ejemplo: LEGO estuvo al borde de la quiebra, pero logró revitalizarse diversificando su propuesta con experiencias digitales y alianzas estratégicas con marcas de entretenimiento.

    ¿Cómo Ayuda INcumate en Este Proceso?

    • Identificamos oportunidades específicas de disrupción para tu industria.
    • Ayudamos a implementar modelos ágiles y escalables.
    • Guiamos la integración de nuevas tecnologías alineadas a tus objetivos de negocio.

    Conclusión

    La innovación disruptiva representa una oportunidad, no una amenaza. Las empresas que entienden esto y actúan antes que su competencia lideran el futuro.

    ¿Está tu empresa preparada para enfrentar la disrupción en su mercado?

    Agenda una consulta con INcumate y diseñemos juntos el futuro de tu negocio.

  • Inteligencia artificial, aprendizaje automático y aprendizaje profundo: ¿cuál es la diferencia?

    El software inteligente actual se basa en todo tipo de tecnologías. Por ejemplo, ¿sabes la diferencia entre inteligencia artificial, aprendizaje automático y aprendizaje profundo? ¿Y de qué se trata el big data? ¿Y qué hace exactamente un científico de datos? En este artículo, explicamos todos estos términos y lo que pueden significar para su organización.

    Inteligencia artificial

    La inteligencia artificial (IA) es simplemente lo que dice el término: el mismo tipo de inteligencia que conocemos de humanos y animales, pero que luego se recrea con computadoras. Sin embargo, detrás de este simple término se esconde una gran complejidad, porque los científicos y los filósofos aún no han descubierto qué es la inteligencia, y mucho menos cómo crear una forma artificial del fenómeno.

    Todavía estamos muy lejos de copiar la inteligencia general, pero podemos dividir la inteligencia en varios subdominios. Razonamiento, resolución de problemas, planificación, aprendizaje, uso del lenguaje, visualización ; todas estas son formas de inteligencia. Y para cada una de estas formas también hay un dominio dentro de la IA destinado a integrar las capacidades humanas en una computadora.

    Aprendizaje automático

    Un dominio grande, y probablemente el más conocido, dentro de la IA es el aprendizaje automático. Este dominio tiene como objetivo reproducir la capacidad de aprendizaje de los seres humanos . Como seres humanos, constantemente aprendemos de las situaciones de nuestra vida diaria. Por ejemplo, si un niño mira un gato y los padres del niño dicen ‘gato’, repitiéndolo una y otra vez, incluso con otros gatos, el niño aprenderá a reconocer gatos con el tiempo.

    Las técnicas de aprendizaje automático funcionan de la misma manera, basadas en ejemplos. Le das a dicho sistema numerosos ejemplos de imágenes de gatos con la descripción ‘gato’ y, a partir de ese entrenamiento, el sistema aprende qué tienen en común todas esas imágenes. Si luego le muestra al sistema una imagen de un gato que aún no ha visto, también reconocerá al gato en esta imagen.

    En su propio negocio, por supuesto, probablemente no buscará reconocer a los gatos. Pero hay innumerables cosas que puede aprender automáticamente . Por ejemplo, puede desarrollar un modelo predictivo para la probabilidad de una compra o la próxima compra . Esto clasificará a los prospectos en función de la probabilidad de que vuelvan a comprar. Esto le permitirá dar un gran impulso a la tasa de éxito de sus argumentos de venta.

    Aprendizaje profundo

    Las redes neuronales (artificiales) son un enfoque importante para el aprendizaje automático. Como sugiere su nombre, este enfoque está inspirado en el funcionamiento del cerebro humano. Después de todo, el cerebro humano consta de una red de neuronas conectadas, las células cerebrales, que se transmiten impulsos eléctricos entre sí. De manera similar, una red neuronal artificial consta de neuronas artificiales, que pueden recibir información de otras neuronas y pasar la información a otras neuronas.

    Por lo general, estas neuronas se construyen en capas en una red neuronal artificial. Luego tiene una capa de entrada, una o más capas intermedias (ocultas) y una capa de salida:

    red neuronal

    Hablamos de aprendizaje profundo cuando la red tiene una gran cantidad de capas ocultas. El aprendizaje profundo ha dado lugar a importantes avances en IA durante la última década en áreas como el reconocimiento de objetos, el reconocimiento de voz, el control de calidad, la detección de fraudes e incluso el diagnóstico médico .

    Grandes datos

    El aprendizaje profundo es por tanto una técnica específica de aprendizaje automático, como otras que existen. Y el aprendizaje automático es uno de los dominios de la inteligencia artificial. Visualmente, podemos representarlo así:

    diagrama de Venn

    Esta representación también contiene otros dos conceptos: big data y ciencia de datos. Comencemos con el primero.

    Hablamos de big data cuando hablamos de una recopilación de datos que es demasiado grande o demasiado compleja para procesar con un sistema de gestión de base de datos tradicional . Un problema en el aprendizaje automático, donde tienes que analizar cientos de miles de fotos, por ejemplo, es el big data. El aprendizaje profundo se presta perfectamente para abordar problemas de big data.

    En la práctica, cambia a técnicas de big data en el momento en que ya no puede ejecutar el sistema de aprendizaje automático en una PC. A menudo, se encontrará con limitaciones como muy poca memoria o muy poca potencia de procesador para la gran cantidad de datos de entrenamiento. Entonces, la solución es ejecutar el software de aprendizaje profundo en grupos de computadoras en un centro de datos. Luego, la tarea se divide y se ejecuta en paralelo en varias computadoras.

    Ciencia de los datos

    Entonces, ¿qué es la ciencia de datos? Este es un campo interdisciplinario que utiliza métodos científicos y algoritmos para recopilar conocimiento a partir de grandes colecciones de datos con el fin de resolver problemas en todo tipo de áreas de aplicación.

    En la imagen de arriba, puede ver que la ciencia de datos es parte de la IA, especialmente el aprendizaje automático. La ciencia de datos incluye el campo de big data y parte del aprendizaje profundo. Pero la ciencia de datos también incluye aspectos que quedan fuera del dominio de la IA.

    ¿Qué hace un científico de datos?

    Exactamente cuáles son estos aspectos de la ciencia de datos fuera de la IA se vuelve más claro cuando analizamos lo que hace un científico de datos. Las habilidades de un científico de datos se dividen en cuatro áreas:

    • IA: conocimiento de aprendizaje automático y técnicas relacionadas, así como modelos estadísticos y matemáticas relacionadas.
    • Informática: conocimiento de lenguajes de programación como Python y R, bases de datos como SQL y NoSQL y despliegues en la nube.
    • Conocimiento del dominio: conocimiento del contexto empresarial de las aplicaciones en las que la IA resuelve problemas.
    • Comunicación: las habilidades para explicar y visualizar información basada en datos.
    Científico de datos

    Ejemplo: Detección de presencia de impurezas

    Un ejemplo ayudará a aclarar las cosas. Una empresa de gestión de residuos desea utilizar una cámara basada en IA a lo largo de las cintas transportadoras para detectar impurezas. El científico de datos utiliza su conocimiento de dominio del negocio para traducir la asignación de la empresa en un problema algorítmico. Se basa en su conocimiento de la IA para usar el aprendizaje profundo para entrenar a un modelo con fotos de flujos de plástico puros e impuros. Para lograrlo, ella escribe código en Python que él ejecuta en una plataforma en la nube. Visualiza los resultados usando sus habilidades de comunicación.

    De los datos a la acción

    Por supuesto, las empresas han podido extraer información de los datos durante algún tiempo. Esto a menudo se denomina Business Intelligence (BI), con informes y paneles interactivos como herramientas.

    Sin embargo, por lo general, los conocimientos de BI se limitan a mirar hacia atrás: ¿Qué sucedió y por qué? También hay bastantes procesos manuales involucrados y los usuarios todavía tienen que tomar muchas decisiones en estos procesos por sí mismos.

    La analítica avanzada y especialmente la IA van un paso más allá y te permiten mirar hacia adelante. Los resultados son predicciones (¿Qué pasará?) y recomendaciones (¿Qué debo hacer?). Además, solo se necesitan decisiones y procesos manuales mínimos para tomar medidas.

    Las formas más avanzadas de IA también automatizan estos últimos pasos humanos. Esto permite que el sistema realice acciones de forma totalmente automática sobre la base de los datos.

    Diferencia entre BI e IA

    Primeros pasos con la ciencia de datos

    ¿Quiere mejorar los resultados de su negocio mediante el uso de tecnologías de datos avanzadas como IA, aprendizaje automático, aprendizaje profundo y big data? ¿Pero no sabes cómo empezar?

    Te invitamos a explorar más artículos relacionados en nuestro blog.

    Nuestro enfoque integral de trabajo te asegurará una incursión en las tecnologías emergentes que enfocan tanto en las herramientas como en la gente. Te invitamos a conocer más.

    Queremos ayudarte ¡GRATIS!

    Conecta con nuestro equipo, vamos a profundizar en el tema para ayudarte a encontrar cómo aplicar estos conceptos en tu negocio. Y vamos a asesorarte totalmente gratis. 

    ¡Agenda una reunión con nosotros en https://tinyurl.com/2phesrng y comenzamos!

    ¿Dudas antes de agendar? Podemos atender tus consultas en info@incubaconsultores.com.ar

  • El desafío de cambiar durante el proceso de cambio

    Si bien sabemos que la Gestión del Cambio es una disciplina joven en el campo de estudio organizacional, las vertiginosas transformaciones que se producen tanto en el contexto externo como dentro de las organizaciones, nos llevan a empezar a replantearnos la vigencia de algunas exitosas metodologías.

    John P. Kotterha sido uno de los pioneros en abordar la temática de Cambio Organizacional, brindando un modelo de aplicación basado en 8 pasos a cumplir para lograr una transformación efectiva.

    1. Establecer un Sentido de Urgencia

    2. Formar una Coalición de Guía Poderosa

    3. Crear una Visión

    4. Comunicar la Visión

    5. Facultar a los demás para Actuar sobre la Visión

    6. Planificar para, y Crear Ganancias a Corto Plazo

    7. Consolidar las mejoras y Producir aún más Cambios

    8. Institucionalizar nuevos Métodos

    Muchas técnicas se han sustentado en su famoso check list, planificando programas de cambio que podrían haber llevado hasta 2 años de duración, desde su etapa de inicial de conciencia y entendimiento hasta su internalización.

    Sin embargo, en los últimos años ha sucedido que mientras intentábamos avanzar firmes sobre esta metodología teníamos nuevos cambios acechando y volviendo obsoleto e inadecuados nuestro plan de acción.  ¿Qué hacemos entonces frente a este nuevo contexto?

    En primer lugar, probablemente debamos replantearnos la concepción de aquellos extensos programas, que si bien han sido sumamente eficientes para la implantación exitosa de transformaciones organizacionales, en la actualidad podrían resultar inaplicables.

    Con esto no queremos decir que el planteo de Kotter sea incorrecto, por el contrario, creemos indispensable considerar y ejecutar cada una de las instancias planteadas, pero deberíamos pensar en nuevas esquemas, probablemente más acotados o solapados.

    Complementario a este pensamiento, como segundo aspecto podríamos considerar la aplicación de enfoques más ágiles. Esto significa que podríamos diseñar una metodología más genérica y amplia, sin rigurosos y detallados planes de acción (que muy probablemente vayan a cambiar sobre la marcha), para luego redireccionar y reajustar el plan a medida que nos vamos encontrando con las nuevas modificaciones en el contexto que surgen día a día. Aquí, podríamos exponer el solapamiento de etapas que planteamos anteriormente en un breve ejemplo. Al poco tiempo de haber iniciado la etapa de ejecuciónde un proyecto de cambio (y con mucho por implementar aún), podemos rápidamente aplicar una acción de monitoreo y volver a replanificar la etapa de ejecución.

    Oportunamente asignábamos un tiempo considerable en analizar y desarrollar un programa minucioso. Hoy lo podríamos visualizar como tiempo perdido ó desaprovechado. Además, solíamos plantear y visualizar a las etapas del proceso como bloques estancos, cuyo requisito indispensable para el inicio de cada una de ellas era la finalización de la etapa anterior.

    Sin duda, la implementación de este nuevo enfoque exige trabajar con mayor flexibilidad sobre lo planteado y agilidad sobre lo nuevo. Redundantemente nos obliga a ir cambiando sobre el programa de cambio. Es un método que requiere mayor esfuerzo y desafío, pero permite una ejecución más acorde y eficaz en nuestros tiempos.

    Fuentes:

    ·         “Liderando el cambio”, John Kotter, 1996

    ·         Material de estudio del HR Executive Program – Universidad Torcuato Di Tella

  • Pilares para implementar el cambio con fuerza y éxito

    Ante distintas situaciones que atraviesan las empresas, como por ejemplo, actualización de tecnología, reestructuración de áreas, nuevas campañas de marketing, cambios en el manejo de la cadena de aprovisionamiento, la gestión efectiva del cambio puede ser clave para dar sustentabilidad a la operación de una empresa en su contexto.

    En estos casos es importante asignar un “Change Manager” que lidere y administre las herramientas de Gestión del Cambio.

    La figura de “Change Manager” tiene responsabilidad en cuanto a:

    ·         Detectar tendencias en el macroambiente, identificar cambios e iniciar programas de acción.

    ·         Estimar el impacto sobre los patrones de comportamiento de los empleados, procesos de trabajo, requerimientos tecnológicos y la motivación.

    ·         Desde un punto de vista actitudinal, debe ser la persona capaz de instar al cambio a todos aquellos que creen que el mismo no es necesario, y sostener activa y creativamente la idea que justifica la necesidad de cambiar.

    ·         Crear una sensación de urgencia en la compañía, es decir generar conciencia en la organización sobre la importancia de realizar los cambios de manera oportuna.

    La metodología a utilizar se base en las responsabilidades técnicas y actitudinales del Change Manager quien deberá convocar a un equipo llamado “Coalición Directiva o del Cambio”, el cual, generalmente está conformado por personas de la organización y de diferentes sectores que deben administrar las resistencias, las críticas, las dilaciones y las desviaciones; en este punto el Change Manager cumple un rol de motivador y gestor de herramientas de cambio de manera interna para lograr el compromiso de los integrantes del grupo, reflejado en la prioridad que establezcan los mismos en cuanto las actividades a realizarse.

    En resumen, se destacan dos tipos de Pilares importante: Los pilares Básicos y los pilares actitudinales, los cuales describimos a continuación.

    Pilares Básicos: son aquellos que marcan los cimientos, una guía para que el Change Manager pueda comenzar.

    ·         Crear una sensación de urgencia.

    ·         Formar una poderosa coalición directiva.

    ·  &n
    bsp;      Crear una visión que otorgue sentido al cambio.

    ·         Comunicar la visión activa y estratégicamente.

    ·         Potenciar a otros para poner en práctica la visión.

    ·         Planificar la obtención de éxitos a corto plazo.

    ·         Consolidar las mejoras y producir más cambios.

    ·         Institucionalizar nuevos métodos.

    Pilares actitudinales: Se refiere a lo innato o aprendido, lo que el Manager tiene que hacer para sostener el proceso o los procesos de cambio organizacional:

    ·         Creer en lo nuevo, amar el cambio y asociarlo a la productividad y el negocio.

    ·         Tener la voluntad firme de influir en los otros y dejar una marca en su tiempo (lo que Kovadloff llama “ser contemporáneo”).

    ·         Crear equipo, sostenerse en equipos, valorar la importancia de que haya al menos dos o más personas dispuestas a sostener el cambio cuando la resistencia aparezca.

    ·         Transmitir el sentido del cambio (Por qué y para qué cambiar).

    ·         Delegar y generar en otros la responsabilidad de implementación que uno sólo o unos pocos no pueden realizar.

    ·         Premiar y reforzar las conductas asociadas al cambio y desalentar todo aquello que distancie del objetivo de cambiar.

    ·         Lograr grados crecientes de documentación, metodologías y todo aquello que contribuya a sedimentar nuevas prácticas.

    Actualmente la mayoría de las organizaciones no cuentan con una figura formal que represente las acciones de Gestión del Cambio, pero vale la pena destacar que por las características de estas actividades, generalmente, recaen sobre las gerencias de RR.HH.

    Fuente:

    ·         http://www.mindtools.com/pages/article/newPPM_82.htm

    ·         http://www.sht.com.ar/archivo/Management/change.htm

    ·         http://estratega.org/site/change-management/

  • 10 cualidades de un buen Project Manager

    10 Cualidades Fundamentales de un Project Manager

    Un Project Manager (PM) exitoso necesita mucho más que conocimientos técnicos. La gestión de proyectos implica dirigir personas, manejar expectativas, anticipar problemas y tomar decisiones bajo presión. A continuación, se presentan las diez cualidades esenciales que todo buen PM debe dominar, según el artículo consultado.

    1. Comunicación

    La comunicación es considerada la habilidad más importante del PM. Implica:

    • Expresar información de forma clara, completa y precisa.
    • Adaptar el estilo según el tipo de stakeholder.
    • Comunicar tanto buenas como malas noticias de manera honesta y oportuna.
    • Mantener un flujo comunicacional constante en todas las direcciones: hacia arriba, abajo y lateralmente.

    Un PM pasa aproximadamente el 90% del tiempo comunicando, por lo que esta habilidad define directamente el éxito del proyecto.

    2. Gestión del Tiempo

    El PM administra no solo su propio tiempo, sino también el de todo el equipo. Un buen manejo del tiempo implica:

    • Priorizar correctamente.
    • Delegar cuando es necesario.
    • Cumplir y hacer cumplir los cronogramas.
    • Evitar la procrastinación y fomentar hábitos productivos.

    Dominar técnicas de gestión del tiempo permite entregar proyectos dentro de los plazos y con eficiencia.

    3. Gestión de Riesgos

    Un PM debe anticipar problemas antes de que ocurran. Esto comprende:

    • Identificar riesgos potenciales (conocidos y desconocidos).
    • Evaluar impacto y probabilidad.
    • Preparar planes de contingencia.
    • Implementar estrategias de mitigación adecuadas.

    Cuando las cosas salen mal, se espera que el PM haya previsto escenarios alternativos.

    4. Liderazgo

    Liderar no es mandar: es inspirar, guiar y orientar al equipo. Un líder efectivo:

    • Alinea los objetivos individuales con los del proyecto.
    • Atrae y retiene talento.
    • Mantiene la claridad de la visión y del propósito.
    • Adapta su estilo según la etapa del proyecto y el contexto.

    El liderazgo es clave especialmente en proyectos complejos o globales.

    5. Negociación

    El PM negocia constantemente: tiempos, presupuestos, recursos, alcance, prioridades. Un buen negociador:

    • Escucha a todas las partes.
    • Llega a acuerdos justos sin tomar partido.
    • Busca siempre un equilibrio “ganar‑ganar”.
    • Entiende los intereses y motivaciones de cada stakeholder.

    Negociar bien evita conflictos, refuerza relaciones y mantiene el proyecto avanzando.

    6. Gestión del Presupuesto

    El control de costos es crítico para el éxito del proyecto. Esta cualidad implica:

    • Estimar correctamente los costos.
    • Administrar los fondos asignados.
    • Revisar periódicamente desvíos.
    • Entender cotizaciones, órdenes de compra, facturación y gastos.

    Un PM debe garantizar que el proyecto se complete dentro del presupuesto aprobado.

    7. Influencia

    Influir significa lograr resultados a través de otros, incluso sin autoridad directa. Un PM influyente:

    • Convence con hechos, no con imposición.
    • Construye confianza mediante el ejemplo.
    • Comprende estructuras formales e informales.
    • Utiliza poder y política organizacional de manera ética.

    La capacidad de influencia es esencial en entornos matriciales o con múltiples áreas involucradas.

    8. Gestión de Conflictos

    Los conflictos son inevitables. Un PM competente:

    • Identifica causas (técnicas, personales, administrativas).
    • Facilita la resolución entre las partes implicadas.
    • Comunica expectativas y roles para evitar fricciones.
    • Enfoca la solución en hechos, no en emociones.

    Si se manejan bien, los conflictos pueden fortalecer al equipo y mejorar el rendimiento.

    9. Creación de Equipo y Motivación

    Un PM debe fomentar la cohesión del equipo mediante:

    • Reconocimiento del esfuerzo.
    • Claridad en los roles.
    • Oportunidades de crecimiento.
    • Adaptación a lo que motiva a cada persona (reconocimiento, dinero, desafío, autonomía).

    Un equipo motivado rinde mejor, es más creativo y resiste mejor la presión.

    10. Toma de Decisiones

    Quizás la competencia más clave: decidir bien y a tiempo. Esto implica:

    • Definir el problema con claridad.
    • Evaluar alternativas.
    • Considerar calidad, aceptación, confianza y tiempo.
    • Elegir la mejor opción disponible.
    • Ejecutar y luego revisar lecciones aprendidas.

    La indecisión paraliza proyectos; una mala decisión puede comprometerlo todo.

    Conclusión

    Un Project Manager exitoso combina habilidades técnicas con una serie de capacidades blandas que determinan su efectividad. Estas diez cualidades —comunicación, tiempo, riesgos, liderazgo, negociación, presupuesto, influencia, conflictos, motivación y toma de decisiones— forman el núcleo de la profesión y permiten conducir los proyectos a buen puerto.

  • BPM centrado en las personas: detrás de los procesos hay personas

    Mucho se ha escrito acerca de los elementos de los procesos,  sus beneficios, la forma de esquematizarlos, las herramientas que lo soportan. Sin embargo en ocasiones olvidamos que el componente fundamental de los procesos eficientes somos los seres humanos. De hecho, somos nosotros los que desempeñamos acciones, los que tomamos decisiones, los que generamos resultados que repercuten en la cadena.

    Entonces, para poder formar parte de procesos de valor, es necesario generar un horizonte de conocimiento que implique:

    • Entender el proceso del que formamos parte de manera integral: ¿cuál es el resultado del proceso macro? ¿es un proceso core o soporte?
    • Entender cuál es nuestro lugar dentro del proceso: ¿somos el punto de partida? ¿formamos parte del camino crítico? ¿somos el último eslabón de la cadena?
    • Entender en qué consiste nuestra tarea: ¿cuál es el objetivo? ¿conocemos los pasos necesarios para realizarla?
    • Entender qué valor agregamos: ¿es posible hacer la tarea de una manera que nos permita obtener mayores beneficios que el estándar? ¿detectamos puntos de mejora en nuestras actividades? ¿qué se valora en nuestros deliveries?
    • Entender a quiénes nos anteceden y preceden en la cadena: ¿de qué tipo de clientes se trata? ¿qué dudas se les pueden plantear? ¿con qué herramientas cuentan para comprender nuestro producto?

    El internalizar estas cuestiones nos dará una idea más clara de qué es lo que se espera de nosotros y cómo podemos contribuir a mejorar las actividades en las que estamos inmersos.

    Trabajemos fuertemente en una visión global e integradora que nos permita desarrollarnos al máximo desde el lugar que ocupamos, sea cual fuere. Porque sin personas, no hay procesos.

    Te invitamos a conocer nuestro servicio de People, pensado para ajustar todas las dinámicas propias del capital humano en las organizaciones, así como también nuestro entendimiento de la transformación de procesos, un servicio con metodología aplicada para obtener respuestas a las semanas de iniciar.

    Agendá un diagnóstico con nosotros, de manera gratuita vamos a darte un primer análisis de situación, un potencial camino a seguir y nuestra propuesta de acción para acompañarte.