Sarah Philipp, Líder Global de Habilitación y Adopción de IA en Altimetrik – Serie de Entrevistas

Sarah Philipp, Líder Global de Habilitación y Adopción de IA en Altimetrik, se centra en ayudar a las organizaciones a cerrar la brecha entre la innovación rápida de la IA y la adopción real en el lugar de trabajo. Su trabajo se centra en la creación de programas de alfabetización en IA, estrategias de habilitación de flujo de trabajo y iniciativas de capacitación basadas en roles que ayudan a los empleados y gerentes a integrar la IA generativa en las operaciones diarias. En Altimetrik, ha ayudado a dar forma a programas de adopción empresarial alrededor de tecnologías como ChatGPT Enterprise, el SDK de Agentes de OpenAI y flujos de trabajo de IA a escala empresarial, mientras también co-crea “LAByrinth”, una plataforma de simulación de IA generativa basada en proyectos diseñada para ingenieros y gerentes de programas técnicos. Antes de unirse a Altimetrik, pasó años liderando iniciativas de educación y implementación del cliente en plataformas de SaaS como Nudge Coach, lo que le dio una base sólida en sistemas de aprendizaje, habilitación conductual y transformación digital. Su carrera refleja una tendencia creciente dentro de la IA empresarial donde el éxito depende cada vez más no solo de implementar modelos, sino de hacer que los empleados estén seguros, capaces y productivos con las herramientas de IA en su trabajo diario.

Altimetrik es una empresa de ingeniería digital y soluciones de datos con enfoque en IA, centrada en ayudar a las empresas a modernizar los sistemas heredados y escalar la IA generativa en todo el negocio. La empresa trabaja en diversas industrias, incluyendo servicios financieros, atención médica, fabricación, minoristas y ciencias de la vida, combinando ingeniería de productos, modernización en la nube, infraestructura de datos y servicios de implementación de IA. Altimetrik se ha posicionado como un importante socio de implementación de IA empresarial a través de colaboraciones con OpenAI, con un fuerte énfasis en IA agente, orquestación de flujo de trabajo, gobernanza y sistemas de IA listos para la producción. Su laboratorio de IA ALTI sirve como un centro de innovación interno donde la empresa prototipa aplicaciones de IA empresarial que van desde asistentes inteligentes hasta flujos de trabajo multimodales y operaciones comerciales nativas de IA. En los últimos años, Altimetrik ha expandido agresivamente sus capacidades a través de asociaciones y adquisiciones, fortaleciendo su huella de ingeniería global y las capacidades de entrega de IA empresarial.

¿Qué experiencia crucial te convenció de que la adopción responsable de la IA dependería tanto de la habilitación humana como de la capacidad técnica?

Suelo ser una adoptadora tardía de las cosas. Me gusta ser escéptica del hype y obstinada al respecto de seguir haciendo las cosas a mi manera. Esto fue cierto con la IA. Fui una adoptadora tardía y me moví muy lentamente al principio.

Lo que cambió para mí fue escuchar, en un lenguaje muy humano y no técnico, cómo otras personas estaban utilizando la IA en su vida y trabajo diario. Una vez que pude conectarlo con puntos de fricción reales y personales, la curiosidad siguió.

Esa experiencia reforzó algo que he visto en todos los esfuerzos de transformación en los que he participado: la adopción rara vez comienza con la capacidad sola. Comienza con la relevancia, la confianza y el significado. Las personas necesitan ver primero cómo se ven a sí mismas en el cambio y es por eso que la adopción responsable de la IA depende tanto de la habilitación liderada por humanos como de la preparación técnica.

En tu papel como líder de habilitación de IA a nivel global en Altimetrik, ¿cómo defines el éxito en la adopción de IA generativa a escala empresarial más allá de los pilotos y experimentos de prueba de concepto?

El éxito en la adopción a escala empresarial no vive en silos. Uno de los patrones más comunes que vemos es la adopción compartimentalizada. Un equipo se vuelve muy avanzado en su madurez en IA, mientras que otro equipo en la misma organización no tiene una estrategia clara y puede incluso estar utilizando herramientas fragmentadas o cuentas personales. Ese tipo de adopción desigual crea inconsistencia y riesgo.

El verdadero éxito llega cuando una organización está construyendo hábitos compartidos, estándares compartidos y formas conectadas de trabajar. Requiere tanto gestión de cambio de arriba hacia abajo como de abajo hacia arriba. De arriba hacia abajo, el liderazgo debe establecer la dirección, establecer la gobernanza y crear claridad sobre lo que significa una adopción responsable y valiosa. De abajo hacia arriba, los empleados necesitan entender cómo encaja la IA en su trabajo diario, dónde resuelve problemas reales y cómo usarla con confianza dentro de su rol.

El signo real de madurez es cuando los flujos de trabajo funcionan suavemente de principio a fin y a través de equipos, no solo dentro de bolsillos aislados.

Muchas organizaciones invierten en herramientas de IA generativa pero luchan por operacionalizarlas. ¿Cuáles son las brechas de ejecución más comunes que ves entre la ambición y el impacto comercial medible?

La propiedad de la gobernanza a menudo es poco clara. ¿Quién es responsable de documentar qué se está utilizando, versionar prompts o flujos de trabajo, monitorear la calidad y llevar un registro de dónde la IA está apareciendo realmente en el negocio? Sin esa claridad, las organizaciones terminan con un uso disperso y muy poca disciplina operativa.

Muchas organizaciones no han decidido qué tipo de uso de IA realmente desean fomentar. ¿Están apuntando a hábitos de prompting específicos de rol, casos de uso de productividad individual como lluvia de ideas y redacción, o agentes de propósito específico vinculados a flujos de trabajo definidos? Si eso no está claro, la habilitación permanece vaga y el impacto se vuelve difícil de medir.

Hay una desconexión entre la implementación y el trabajo real. Las empresas invierten en herramientas antes de haber identificado los momentos en los que la IA puede eliminar la fricción, mejorar la calidad o acelerar la ejecución de una manera significativa. La ambición es fácil, pero la operacionalización requiere especificidad.

Trabajas en estrecha colaboración con equipos de liderazgo ejecutivo — ¿cómo se ve la fluidez efectiva en IA a nivel de C-suite, y cómo influye el comportamiento del liderazgo en la adopción en toda la organización?

Se parece a la modelación, la curiosidad y una mentalidad de principiante. Se parece a líderes que son vulnerables en una sala con personas que reportan a ellos.

Los líderes que hacen la mayor diferencia son aquellos que demuestran una mentalidad de principiante. Están dispuestos a aprender públicamente. Están cómodos diciendo: “Todavía estoy tratando de entender esto también”. Esa vulnerabilidad importa más de lo que la gente se da cuenta, porque da a todos los demás permiso para participar sin sentir que tienen que ser expertos primero.

El comportamiento del liderazgo establece el tono. Si los ejecutivos tratan a la IA como un experimento lateral, la organización también lo hará. Si modelan un uso reflexivo, hacen preguntas prácticas y visiblemente invierten en el aprendizaje, la adopción se vuelve culturalmente más segura. La confianza es tan importante como la capacidad cuando se trata de escalar la IA en la empresa.

¿Cómo se ve un marco de experimentación estructurado para la IA generativa en la práctica, y cómo pueden las empresas fomentar la innovación sin crear fragmentación o exposición al riesgo?

Queremos comenzar con puntos de fricción real en el flujo de trabajo, no con sugerencias aleatorias. Los equipos deben ser alentados a identificar tareas repetitivas, cuellos de botella de toma de decisiones o brechas de conocimiento existentes. A partir de ahí, las organizaciones pueden priorizar experimentos basados en la relevancia comercial, la factibilidad y el riesgo.

Los entornos más saludables son aquellos en los que la gente puede intentar cosas de manera segura, compartir lo que funciona y evitar reinventar la rueda en aislamiento.

Co-creaste LAByrinth, una plataforma de simulación de IA generativa diseñada para dar a los ingenieros experiencia práctica en la construcción con herramientas de IA en un entorno seguro y guiado. ¿Qué inspiró su creación, y cómo acelera el aprendizaje basado en simulación la capacidad real en el mundo real?

Siempre me ha gustado el aprendizaje experiencial y práctico. En particular, el tipo de mentoría “sobre el hombro” que existe en entornos de estudio de arte.

Cuando Martin Gaida y yo comenzamos a intercambiar ideas para este tipo de estructura de capacitación, el proyecto terminó siendo muy divertido de crear. Se sintió como si estuviéramos creando un rompecabezas para que la gente lo resolviera. Eso es cómo supe que estábamos en el camino correcto. La gente es más probable que se involucre con material nuevo cuando lo encuentra interesante y se siente apoyada.

El aprendizaje basado en simulación acelera la capacidad porque cierra la brecha entre la teoría y la aplicación. Les da un lugar seguro para practicar el juicio, no solo memorizar conceptos. Y con la IA, eso importa enormemente, porque la capacidad real no es solo saber qué puede hacer una herramienta, sino saber cómo usarla de manera reflexiva y segura.

¿Cómo deberían abordar las empresas la capacitación de la fuerza laboral de manera diferente en la era de la IA generativa en comparación con las olas anteriores de transformación digital?

De manera colaborativa y creativa. Con herramientas como Notebook LM y Figma, hay muchas formas de crear contenido atractivo y fresco. Nos encanta una presentación, pero también nos gusta crear cuadernos de trabajo interactivos, videos animados y otros métodos para entregar el plan de estudios.

Personalmente, aprendo mejor con infografías y otros visuales.

La IA responsable a menudo se enmarca en torno a la gobernanza y el cumplimiento. Desde una perspectiva de habilitación, ¿cómo se ve la adopción responsable en los flujos de trabajo diarios?

Consultar con las personas que realmente están utilizando las herramientas sobre qué las hace útiles, y asegurarse de que todos los que utilizan las herramientas sepan qué significa la política en realidad. ¿Cómo se traduce en cómo están utilizando la IA diariamente?

La adopción responsable significa un modelo de “humano al timón”. La IA puede ayudar a redactar, resumir, analizar o acelerar, pero las personas todavía poseen el juicio, la verificación de calidad y la decisión final. Esa responsabilidad humana es clave.

Tan importante como eso, la adopción responsable depende de la confianza. El discernimiento proviene de la experiencia. Es por eso que las organizaciones necesitan espacios de bajo riesgo y sin juicio donde los empleados puedan practicar y construir una verdadera fluidez. Cuando la gente gana suficiente experiencia práctica para tomar decisiones reflexivas, el uso responsable deja de ser abstracto y comienza a ser habitual.

¿Cómo pueden las organizaciones diseñar programas de habilitación que permanezcan adaptables en lugar de volverse obsoletos dentro de unos meses?

Es un desafío, pero hay muchas herramientas excelentes ahí.

El mayor error es construir la habilitación enteramente alrededor del paisaje de herramientas actual.

A menudo nos preguntan si ofrecemos capacitación agnóstica de herramientas, y la respuesta es sí. Absolutamente. Nos centramos en habilidades en IA duraderas y luego enseñamos a las personas cómo aplicar esas habilidades dentro de las herramientas que la organización está utilizando hoy. Ese enfoque da a los programas una vida útil mucho más larga.

La habilitación adaptable también debe ser modular. En capas. En lugar de tratar la capacitación como un evento único, las organizaciones deben pensar en capas: alfabetización fundamental, aplicación basada en roles, experimentación avanzada y actualizaciones continuas a medida que las herramientas y las prioridades cambian.

¿Qué cambios crees que definirán la próxima fase de la adopción de IA empresarial en los próximos dos años?

Basado en roles y agente. Las empresas ya están adoptando el uso de agentes. Estas organizaciones quieren asegurarse de que sus equipos técnicos estén capacitados en todas las formas necesarias para construir y gobernar este tipo de uso de la IA.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Altimetrik.