El 69,9 % de los líderes del mid-market afirma que su plantilla ya tiene las competencias necesarias para el éxito futuro. En la misma encuesta, entre las mismas 722 organizaciones, en el mismo mes, el 20,2 % reporta un impacto altamente positivo de sus inversiones en IA y tecnología (CLA, 2026).
Coloque esas dos cifras una junto a otra, porque la mayoría de los presupuestos de IA se construyen sobre el supuesto de que se mueven juntas.
No lo hacen. Y la dirección de la inversión importa más que su tamaño: la población estudiada ha descartado, por su propia declaración, el déficit de competencias. No son analistas diagnosticando el mid-market desde fuera. Son las personas que firman las facturas, diciéndole que su equipo es capaz — y diciéndole después que la inversión, en su mayor parte, no dio resultado.
Lo que significa que la cuestión de la preparación de la plantilla para la IA, tal como la han planteado la mayoría de los equipos de operaciones del mid-market durante dos años, está zanjada — y no compró el retorno que todos daban por supuesto.
Qué encontró realmente el CLA Heartbeat Index
El CLA Heartbeat Index, publicado el 18 de agosto de 2026, encuesta a pequeñas y medianas empresas, emprendedores, organizaciones sin ánimo de lucro y entidades cívicas de Estados Unidos. Esta oleada: 722 encuestados. Se realiza tres veces al año, lo que lo convierte en uno de los pocos instrumentos en los que la muestra es el mid-market, en lugar de datos de gran empresa reducidos de escala y dados por buenos.
Las cifras de confianza son uniformemente altas. El 72,2 % se muestra optimista sobre las perspectivas de su organización para los próximos doce meses. El 68,6 % confía en su capacidad para expandirse, crecer o invertir en prioridades estratégicas. El 69,9 % cree que su plantilla tiene las competencias necesarias para el éxito futuro (CLA, 2026).
Luego llegan las cifras de resultados. El 49,5 % reportó mejoras positivas en eficiencia o desempeño derivadas de inversiones recientes en tecnología o IA. El 20,2 % reportó impactos altamente positivos.
Es decir: aproximadamente la mitad vio algo. Uno de cada cinco vio algo que valiera el dinero. Y los líderes que lo reportan son los mismos que acaban de decir que su gente está preparada.
El Chief Solutions Officer de CLA, James Watson, enumeró las preocupaciones que los líderes plantean realmente sobre la IA: implementación, gobernanza, calidad de los datos, seguridad, cumplimiento, preparación de la plantilla, gestión del cambio y retorno de la inversión. Fíjese en la forma de esa lista. Siete de los ocho elementos son propiedades de la organización. Uno es una propiedad de las personas.
La preparación de la plantilla para la IA responde a una pregunta que nadie está haciendo
La mayor parte de la investigación sobre preparación de la plantilla para la IA reporta un déficit de capacidades y prescribe formación. Es un hallazgo cómodo, porque la formación es una partida presupuestaria, un proveedor y una tasa de finalización — todas cosas que un equipo de operaciones puede producir antes del cierre del ejercicio.
Los datos de CLA rompen ese bucle. Si los propios líderes dicen que la capacidad está presente, entonces la formación se está financiando para resolver un problema que los compradores ya han descartado.
No es una lectura aislada. El State of AI in the Enterprise 2026 de Deloitte, que cubre a 3.235 líderes en 24 países, halló que las competencias insuficientes de los trabajadores se señalan como la mayor barrera para la integración de la IA — y después halló una respuesta gravemente desequilibrada. El 53 % está formando a la plantilla para elevar su soltura con la IA. Solo el 30 % está repensando la organización en torno a los nuevos patrones de la IA, y el 33 % está rediseñando las trayectorias profesionales. Apenas el 34 % usa la IA para transformar en profundidad productos, procesos o modelos de negocio; los dos tercios restantes se quedan en lo incremental (Deloitte, 2026).
Todo el mundo forma. Casi nadie rearquitecta. Y luego a todo el mundo le sorprende que el trabajo siga igual.
El Work Trend Index 2026 de Microsoft cuantifica cuál de esas dos mitades paga de verdad. Entre 20.000 trabajadores usuarios de IA en 10 países, los factores organizativos — cultura, apoyo del mánager, prácticas de gestión del talento — pesaron más del doble que los factores individuales, como la mentalidad y el comportamiento, en el impacto real de la IA: 67 % frente a 32 % (Microsoft Work Trend Index, 2026).
Dos tercios del retorno son diseño organizativo. La mayor parte del presupuesto apunta al otro tercio.
Los dos sospechosos que siguen en pie
Si las competencias no son la restricción, solo quedan dos candidatos capaces de producir una brecha entre el 69,9 % y el 20,2 %. Ambos poco vistosos. Ambos bajo su control ya este trimestre.
1. El trabajo nunca se rediseñó
Una persona capaz con una herramienta capaz dentro de un proceso inalterado produce el mismo resultado algo más rápido, y la ganancia se disipa en el flujo de trabajo circundante antes de llegar a una línea de la cuenta de resultados.
El Productivity Lab de ActivTrak contrastó esto con telemetría de comportamiento en lugar de una encuesta: entre 120.620 trabajadores, el 27 % alcanzó la asistencia en investigación, el 14 % la ejecución de tareas y el 2 % una integración real en el flujo de trabajo (ActivTrak, 2026). No el 2 % de las licencias asignadas. El 2 % de los trabajadores cuyo trabajo observado cambió efectivamente de forma.
El autoinforme dice preparación. La telemetría dice que el trabajo está intacto. Ambas pueden ser ciertas a la vez — y así es exactamente como se termina con una plantilla segura de sí misma y un retorno plano.
2. Nunca hubo una línea base
El segundo sospechoso es más silencioso y, según mi experiencia con equipos de operaciones del mid-market, más común de lo que nadie admite: nadie midió el proceso antes de que llegara la herramienta.
Sin una línea base previa al despliegue, «impacto altamente positivo» no es una observación. Es una sensación con un signo de porcentaje. Algunos líderes de ese 49,5 % están reportando ganancias reales de eficiencia. Otros están reportando alivio, novedad o la ausencia de desastre. El instrumento no puede distinguirlos, y usted tampoco — lo que significa que la cifra del 20,2 % puede ser el subconjunto honesto más que el exitoso.
Esa distinción tiene una consecuencia presupuestaria directa. Si no puede separar una ganancia real de una historia plausible, no puede cancelar una iniciativa fallida, porque nada llega nunca a producir pruebas lo bastante contundentes para justificar la decisión. Así que sobrevive un ciclo más.
La objeción: la confianza autodeclarada es un instrumento débil
Es la réplica más sólida disponible, y es justa. El 69,9 % puede estar midiendo optimismo en lugar de capacidad. Los líderes juzgan mal las competencias de su propia plantilla, y la misma encuesta muestra un 72,2 % optimista sobre los siguientes doce meses — un estado de ánimo que plausiblemente contamina toda pregunta contigua.
Tome la objeción en serio y la conclusión se afila, no se debilita.
Si el 69,9 % está inflado, entonces los líderes del mid-market se equivocan simultáneamente sobre su posición en competencias y son incapaces de detectar que se equivocan. Eso no es un argumento a favor de más formación. Es un argumento de que la organización no tiene ninguna medición operativa ni de su capacidad ni de sus retornos — es decir, la misma instrumentación ausente, llegando desde la otra dirección.
O las competencias están ahí y el problema es el flujo de trabajo, o la evaluación de competencias no es fiable y el problema es la medición. No existe ninguna versión de estos datos en la que la respuesta sea «compre más licencias y ejecute otro módulo de formación».
Qué separa al 20 % del 76 %
Hay una comparación útil en la investigación sobre gobernanza de pilotos. Valliance encuestó a 1.000 altos directivos y halló que el 40 % de las iniciativas de IA permanecen como pilotos por diseño — nunca cancelados, nunca escalados —, proporción que sube al 48 % en organizaciones con programas de IA maduros y consolidados. Las empresas atascadas en fase piloto tardaron 6,6 meses en ver valor frente a 5,9 meses de las demás, y solo el 20 % de ellas reportó un ROI sólido. Entre las empresas que sí escalaron sus pilotos, lo hizo el 76 % (Consultancy.uk, 2026).
Veinte por ciento frente a setenta y seis por ciento. La brecha no es talento y no es herramienta. Es si existe o no un punto de decisión.
Nótese también que la acumulación de pilotos empeora con la madurez del programa. Más experiencia produce más pilotos perpetuos, no menos, porque un programa maduro tiene más iniciativas en paralelo y la misma ausencia de un mecanismo que obligue a cerrarlas. La escala aquí no se autocorrige. Solo lo hace un punto de decisión.
Instrumente dos procesos antes del cierre presupuestario
El movimiento para este trimestre es más pequeño de lo que parece y no requiere una plataforma nueva.
Elija dos o tres procesos centrales y establezca su línea base ahora. Tiempo de ciclo, tasa de error o retrabajo, coste por unidad de salida, número de traspasos. Tome la medición antes de que llegue la próxima herramienta. Si ya hay una herramienta en uso, mida igualmente — al menos tendrá una línea de salida para los próximos doce meses.
Fije una ventana de evaluación determinada y un umbral de éxito comprometido de antemano para cada iniciativa. Escriba la cifra antes de empezar. Un umbral elegido después de conocer los resultados no es un umbral; es un relato.
Haga que el veredicto sea binario en el punto de decisión: escalar o cancelar. Sin tercera opción. «Seguimos explorando» es la forma en que un piloto se convierte en gasto fijo permanente sin responsable.
Redirija una parte del presupuesto de formación al rediseño del flujo de trabajo. No más cursos de soltura digital — un proceso concreto, redibujado de extremo a extremo en torno a lo que la herramienta ya puede hacer, con los traspasos y las aprobaciones reconstruidos en lugar de conservados. El reparto 53 frente a 30 de Deloitte es la asignación por defecto del mercado. Merece la pena invertirla deliberadamente en al menos un proceso, para ver qué ocurre.
El hallazgo es la ausencia de un hallazgo
Lo más útil de los datos de CLA no es el 20,2 %. Es que el 49,5 % se sitúa justo encima — una banda amplia de organizaciones que reportan «alguna mejora» sin poder decir cuánta, respecto a qué, ni desde qué punto de partida.
Trate «no podemos medir el retorno» como el hallazgo, no como una molestia de reporting que arreglar más adelante. Es lo más accionable que saca a la luz esta encuesta, porque es la única restricción que puede eliminar sin contratar a nadie, sin comprar nada y sin esperar a que el mercado madure.
La preparación de la plantilla para la IA nunca fue la restricción determinante, y las personas más cercanas al gasto acaban de decirlo ellas mismas. Sus líderes ya le han dicho que la gente está lista. Créales — y luego vaya a averiguar si el trabajo ha cambiado en algo. Antes de que cierre el próximo ciclo presupuestario, nombre los dos procesos cuya línea base va a establecer, y la fecha en la que leerá el resultado.
