¿Cómo pueden las empresas tradicionales integrar exitosamente la IA generativa en flujos de trabajo comerciales repetibles y cotidianos?

Imbricating Human Capabilities and AI: A Case Study of GenAI-enabled Workflow Stabilization

Weilin Pu, Felix Tan, Eric Lim, et al. · International Conference on Information Systems (ICIS) · 2026

Carga el reproductor de Spotify; Spotify puede utilizar cookies. Este dispositivo recuerda su elección.

Hallazgos clave

Reveló que la estabilización de la IA se desarrolla a lo largo de cuatro etapas diferenciadas: sondeo, parcheo, retejido y externalización.
Halló que el sondeo inicial genera conciencia organizacional y uso exploratorio, pero produce mejoras mínimas en la productividad operativa.
Observó que el parcheo resuelve cuellos de botella aislados a nivel de tareas sin alterar las operaciones centrales, proporcionando mejoras limitadas en la eficiencia general.
Demostró que el retejido de flujos de trabajo reestructura tanto los roles humanos como las configuraciones de software en procesos estrechamente controlados, reduciendo los tiempos de entrega de diseño de días a minutos.
Mostró que, una vez que los flujos de trabajo internos alcanzan la estabilidad, pueden desacoplarse de los profesionales originales y empaquetarse en plataformas independientes para clientes externos.

Qué significa para usted

CIO / Ejecutivo de TI

Audit current operations to map existing human-software workflows and allocate dedicated resources to restructure tasks around both technological capabilities and human roles, rather than simply deploying individual AI tools.

Director de TI

Document the ad-hoc prompt patterns and workaround solutions currently used by employees during exploratory AI testing to identify isolated task-level bottlenecks ready for patching.

Estratega empresarial

Analyze core operational pipelines to identify where manual design turnaround times are slowest, and design pilot structures that tightly integrate human review steps with software configurations.

Investigador

Conduct a longitudinal qualitative study tracking how informal generative AI usage transitions through the specific four stages of probing, patching, reweaving, and externalizing within a traditional firm.

Responsable de políticas

Establish digital transformation grant criteria that explicitly fund organizational workflow restructuring and human-AI capability integration programs rather than just software procurement in traditional industries.

Resumen

Esta investigación examina cómo la IA generativa pasa del ensayo y error informal a flujos de trabajo organizacionales estructurados y reutilizables dentro de industrias tradicionales. Mediante un diseño de estudio de caso cualitativo e interpretativo, los autores analizaron cuatro años de adopción de IA en una empresa inmobiliaria china a través de 37 entrevistas semiestructuradas, demostraciones de sistemas y documentación interna.

Problema

Si bien los empleados individuales pueden adoptar rápidamente la IA generativa para tareas específicas, las organizaciones tienen dificultades para estabilizar herramientas de IA de uso abierto en rutinas comerciales cohesivas. Este desafío de integración es especialmente agudo en empresas tradicionales que carecen de una infraestructura digital madura, donde los flujos de trabajo establecidos históricamente han absorbido herramientas en lugar de reestructurarse en torno a ellas.

Transcripción

Host: Bienvenidos a A.I.S. Insights — powered by Living Knowledge. Soy Anna Ivy Summers y hoy analizamos el estudio titulado "Imbricación de capacidades humanas e IA: Un estudio de caso sobre la estabilización de flujos de trabajo habilitados por IA generativa", elaborado por Weilin Pu, Felix Tan, Eric Lim y Haifeng Xu, y presentado en la International Conference on Information Systems de 2026. Este estudio examina cómo la inteligencia artificial generativa transita desde la experimentación informal hacia flujos de trabajo organizacionales estructurados y reutilizables en industrias tradicionales. Para explorar sus implicaciones prácticas, nos acompaña nuestro analista Alex Ian Sutherland. Bienvenido, Alex.
Expert: Hola, Anna. Un gusto estar aquí.
Host: Comencemos con el problema principal que aborda el estudio. Hoy en día, muchos profesionales adoptan herramientas de inteligencia artificial de forma individual, pero las empresas enfrentan obstáculos para estabilizar estas herramientas en rutinas organizacionales cohesionadas. ¿Qué explica esta dificultad?
Expert: El estudio identifica que esta barrera es especialmente pronunciada en empresas tradicionales que no cuentan con una infraestructura digital madura. En estos entornos, las rutinas de trabajo existentes suelen absorber las herramientas tecnológicas como adiciones aisladas, en lugar de reorganizar los procesos alrededor de ellas. Esto genera iniciativas individuales que no logran consolidarse a nivel operativo general.
Host: Para investigar este proceso de estabilización, ¿qué método utilizaron los autores?
Expert: Desarrollaron un estudio de caso cualitativo e interpretativo a lo largo de cuatro años en una empresa del sector inmobiliario en China. Los investigadores recolectaron evidencia a través de treinta y siete entrevistas semiestructuradas, observaciones directas de demostraciones de sistemas y la revisión de documentación interna de la organización.
Host: Respecto a los resultados, el estudio documenta que la estabilización de la inteligencia artificial ocurre a través de cuatro etapas. ¿Cuáles son y qué observaron en las dos primeras?
Expert: La primera etapa es el sondeo, donde los empleados exploran la tecnología de manera abierta. Esto incrementa la familiaridad con la herramienta dentro de la empresa, pero produce mejoras mínimas en la productividad operativa. La segunda etapa es el parcheo, donde se aplica la inteligencia artificial para resolver cuellos de botella específicos en tareas aisladas. Aunque agiliza pasos puntuales, no modifica los procesos centrales ni genera una mejora sustancial en la eficiencia global.
Host: El estudio indica que los cambios más significativos ocurren más adelante. ¿Qué sucede en las fases de retejido y externalización?
Expert: En la etapa de retejido, la organización reestructura simultáneamente los roles humanos y las configuraciones de software en procesos estrictamente controlados. En el caso analizado, esta reorganización redujo los tiempos de entrega de tareas de diseño de varios días a minutos. Por último, en la externalización, estos flujos de trabajo internos consolidados se desacoplan de los especialistas que los crearon y se empaquetan en plataformas independientes dirigidas a clientes externos.
Host: Pasemos al impacto para la gestión empresarial. ¿Cuáles son las lecciones prácticas más relevantes que los profesionales pueden aplicar a partir de este estudio?
Expert: La implicación central es que limitarse a permitir el uso individual o colocar parches en procesos existentes no escala las ganancias operativas. Para capturar valor continuo, las organizaciones deben planificar una reconfiguración deliberada de sus flujos de trabajo, redefiniendo la colaboración entre el personal y los sistemas automatizados antes de intentar estandarizar o comercializar las soluciones.
Host: Un análisis muy útil para guiar la adopción de estas tecnologías en procesos reales. Alex, muchas gracias por acompañarnos.
Expert: Gracias a ti, Anna.
Host: Y a nuestra audiencia, gracias por escuchar A.I.S. Insights — powered by Living Knowledge. Hasta la próxima edición.

Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Leer el artículo en AIS eLibrary

Generative AI, Workflow stabilization, Imbrication, Digital transformation, Design workflows, Qualitative case study