El domingo 26 de abril, Raphaël Dabadie publicó en X un ensayo que nombra lo que el sector llevaba meses bordeando sin querer pronunciar. La consultoría tradicional, McKinsey y los otros cuatro grandes incluidos, no está construida para entregar transformación AI. La oración con la que abre la pieza es la que más incomoda a un comité de socios: “consulting was an optimization of the capabilities we had before AI” (la consultoría era una optimización de las capacidades que teníamos antes de la IA).

El argumento es directo. La consultoría se construyó sobre muestreo. Un equipo pequeño entrevista a parte de la organización, sintetiza lo que escucha y produce un roadmap. Cuando el problema es estrecho (rediseñar una unidad de negocio, optimizar una función específica, fusionar dos áreas), ese modelo funciona. La transformación AI no es estrecha. Toca cada workflow, cada handoff, cada loop de aprobación, cada herramienta y casi cada rol. No se mapea con muestreo. Se mapea con throughput, y los humanos no escalan en throughput de entrevistas.

La otra mitad del dato viene de McKinsey misma

Lo más cómico del argumento de Dabadie es que el dato central que lo sostiene lo publicó McKinsey misma. El paper de abril de 2026 sobre Agentic Organization reporta que el 78% de las empresas dice estar usando IA y más del 80% no ve todavía impacto medible en utilidad operativa. La explicación que el paper da es directa: la mayoría trata la IA como herramienta que se enchufa al flujo existente y se aprieta el botón. El flujo fue diseñado hace cinco o diez años para humanos haciendo cada paso. La IA mete velocidad en un paso suelto y el cuello de botella se mueve al paso siguiente. Adopción no es transformación.

Es el mismo dato que ya analicé hace cinco días cuando el runtime de Anthropic se volvió commodity a $0.08 la hora. Anthropic te quitó la excusa de que la infra era cara. McKinsey te quitó la excusa de que comprar IA ya era la solución. Pero hay una tercera capa que hasta el domingo nadie nombraba en voz alta. La consultoría que se vendía como ayuda para rediseñar el workflow tampoco escala al problema. No por falta de talento; por arquitectura del modelo.

La analogía de la fábrica eléctrica

Dabadie cita a un colega suyo con una analogía que vale la pena pegar en la pared. En la década de 1890, las fábricas reemplazaron sus motores de vapor por motores eléctricos. La productividad no se movió. Las fábricas estaban diseñadas alrededor del eje central de transmisión que el motor de vapor requería: poleas, correas, distribución radial de máquinas. Un motor eléctrico funcionaba igual de bien (mejor incluso), pero la fábrica seguía siendo de vapor. La productividad real llegó treinta años después, cuando se diseñaron fábricas donde cada estación tenía su propio motor pequeño y la disposición espacial respondía al flujo de materiales, no al cable de transmisión.

La frase exacta de Dabadie: “we have swapped the motor; we have not yet redesigned the factory” (cambiamos el motor; todavía no rediseñamos la fábrica). Esa es la posición precisa de la mayoría de empresas con IA en este momento. Compraron Claude. Compraron ChatGPT Enterprise. Compraron Copilot. Le pegaron al flujo existente. La aguja del P&L no se movió porque el flujo existente nació para humanos haciendo cada paso.

Por qué la consultoría tradicional no puede arreglarlo

Aquí entra la parte estructural. Tres limitaciones que ningún PowerPoint resuelve.

Una. La consultoría se cobra por proyecto, idealmente corto y bien acotado. Un proyecto de tres meses con tres consultores cuesta entre 600 mil y 1.5 millones de dólares según firma. La transformación AI no cabe en tres meses, ni en un acotado claro. Cuando la cotización pasa de 600 mil a 8 millones por una transformación de doce meses, el comité de gasto del cliente la vuelve a partir, y vuelves al punto uno.

Dos. El roadmap que produce el proyecto envejece más rápido de lo que se ejecuta. Cada vez que sale un Claude nuevo o un GPT nuevo, partes del roadmap dejan de ser válidas. La consultoría tradicional cobró ya por el roadmap. No tiene incentivo para mantenerlo vivo, ni el modelo de negocio para hacerlo. El cliente termina con un PDF de 80 páginas que sirve para dos trimestres.

Tres. La capa de implementación queda separada de la capa de discovery. El consultor entrega el roadmap y se va. El integrador empieza desde cero porque no estuvo en las entrevistas. Lo que el cliente termina pagando dos veces es el contexto, que es exactamente lo escaso.

El modelo nuevo: software más servicio

La propuesta de Dabadie reorganiza las dos capas en una sola operación. La capa de software son agentes que entrevistan a escala. 500 personas, 1.000, 10.000 si la organización es grande, en paralelo. El output no es un deck; es un grafo operativo de cómo se hace el trabajo realmente. No el del wiki. El real. El que vive en handoffs, workarounds, dependencias informales, aprobaciones por correo y contexto que solo está en la cabeza de tres personas en cada equipo.

La capa de servicio mantiene lo que sí valía de la consultoría tradicional. Humanos especializados que aportan juicio. Pero con dos diferencias importantes. Primero, son menos personas con más contexto, porque el grafo lo levanta el software. Segundo, no se van cuando entregan el roadmap. Se quedan dentro de la operación, manteniendo el grafo actualizado a medida que la empresa cambia y los modelos cambian.

Dabadie nombra dos roles dentro de la capa de servicio. Forward Deployed Advisor (FDA), que es el rol que antes ocupaba el partner senior de la consultora pero ahora está embedded en el cliente, con visibilidad continua del grafo y autoridad para priorizar. Forward Deployed Engineer (FDE), que es la persona que mete las manos en la implementación con el contexto del FDA al lado, sin tener que reaprender el negocio del cliente.

El nombre del modelo, en la pieza de Dabadie, es claro: software más servicio. No es consultoría más implementación, no es agencia más SaaS. Es una operación donde el software hace el discovery a escala continua y el servicio aporta juicio donde el juicio es el cuello de botella.

Por qué este aviso llega justo ahora

Tres datos que cambiaron en abril alinean la conversación.

El primero es el precio del runtime. Anthropic puso Managed Agents a $0.08 la hora. Antes, levantar un agente que haga entrevistas a escala dentro de una empresa requería tres ingenieros senior y dos meses de setup. Ahora es una API. Eso elimina la barrera técnica que mantenía el muestreo como única opción.

El segundo es la madurez del juicio que las empresas necesitan. McKinsey publicó que el 80% no ve impacto. El comité ejecutivo del cliente promedio ya hizo el primer ciclo de adopción y se dio cuenta de que comprar herramientas no fue la respuesta. Está dispuesto a una segunda conversación, una más operacional, una donde alguien le diga qué workflow rediseñar primero y por qué. Esa apertura no existía hace dieciocho meses.

El tercero es el costo de oportunidad. Ayer escribí sobre la otra dimensión del problema: AI productivity es una propiedad del codebase, no del modelo. La empresa que se queda con la consultoría tradicional pierde dos veces. Una por el roadmap obsoleto. Otra porque el codebase y el workflow que Anthropic ya rediseñó la pasan por encima en velocidad de iteración.

El patrón de los cinco ciclos de consultoría

Llevo 36 años en esto. Empecé en 1990, a los 15 años, programando. He visto cinco veces a la consultoría tradicional intentar adueñarse de una transformación. Cinco veces el resultado fue parecido.

Transformación digital de finales de los noventa: las firmas vendieron decks sobre estrategia digital mientras Amazon, eBay y Yahoo construían operaciones reales. Las que ganaron fueron las que hicieron operación. Las que perdieron fueron las que pagaron por el deck.

Transformación web de mediados de los 2000: lo mismo, ahora con SaaS y SOA. Salesforce ganó. Las consultoras que vendieron Service-Oriented Architecture en PowerPoint perdieron a sus clientes contra Salesforce que entregaba operación.

Transformación móvil del 2010 al 2015: Apple y Google entregaron tiendas, SDKs, modelos de revenue. Las consultoras vendieron mobile-first como concepto. Los clientes que aprendieron a operar en mobile contrataron equipos internos. Los que pagaron por el deck salieron tarde.

Transformación cloud del 2015 al 2020: AWS, Azure, GCP entregaron operación con calculadora de costos en la página. Las consultoras vendieron cloud strategy. Las empresas que ganaron entregaron migraciones reales. Las que perdieron pagaron por dos años de hoja de ruta y luego contrataron a un integrador para hacer lo que la hoja de ruta describía.

Y ahora la transformación AI. La quinta. Mismo patrón, ciclo más comprimido. Si en los cuatro anteriores el cliente tuvo cinco a siete años para corregir el rumbo, en este tiene nueve a doce meses. La compresión es lo único nuevo. La estructura es la misma.

Qué hacemos en IQ Source con esta distinción

AI Maestro es el modelo software más servicio aplicado, ya operando desde hace meses. La capa de software es la auditoría de descubrimiento que entrega el grafo operativo de cómo se hace el trabajo a través de toda la organización. No es un deck. Es un mapa vivo. Cuando una decisión cambia o un modelo nuevo aparece, el grafo se actualiza, no se redacta de nuevo.

La capa de servicio la entrega el equipo de IQ Source desde adentro. La presencia sostenida es el FDA: trabaja con el comité ejecutivo del cliente, prioriza, mantiene el grafo vivo, y maneja los tradeoffs sensibles que un agente no decide. Cuando hay implementación que necesita código, entra el FDE con el contexto del FDA al lado. No reaprende el negocio. Ya estuvo ahí.

La diferencia operativa con la consultoría tradicional es la misma que separa Salesforce de un deck de SOA del 2005. No vendemos roadmap, vendemos operación. No nos vamos cuando entregamos el primer mapa, nos quedamos manteniéndolo. Y la cotización no es un acotado de tres meses con setup de seis, es una operación mensual donde el cliente paga por presencia continua y discovery vivo.

Para empresas de software cuyo producto vive en el codebase desde el día uno, AI Maestro se complementa con Socio Tecnológico, la línea que entra cuando el discovery identifica que la pieza crítica no es el workflow operativo sino el codebase mismo. Las dos líneas comparten metodología, comparten equipo, y comparten la disciplina de no entregar PDFs sino sistemas vivos.

La pregunta diagnóstica para el siguiente cheque de transformación AI

La pregunta que vale la pena correr antes de firmar el siguiente cheque a una consultora es corta. Si tu programa de IA está organizado como un proyecto con fecha de entrega y entregables en PDF, compraste adopción, no transformación. Si está organizado como una operación continua con un grafo vivo, una persona dueña del grafo, y un equipo que entra a implementar con el contexto del grafo, compraste el modelo nuevo.

La diferencia se siente dentro de los primeros 30 días. En el modelo viejo, los primeros 30 días son entrevistas, talleres y kickoffs. En el modelo nuevo, los primeros 30 días son agentes corriendo entrevistas en paralelo, un grafo creciendo cada noche, y una primera revisión con el comité ejecutivo donde la conversación ya está sobre datos, no sobre hipótesis.

Si tu próxima conversación interna sobre transformación AI todavía tiene a alguien proponiendo un kickoff de seis semanas de discovery con consultores volando a la oficina, esa es la conversación que hay que pausar. Dos horas con tu equipo, mapa escrito al final, distinción clara entre lo que Dabadie llama el motor y lo que llama la fábrica. Sin cotización atada. El correo es info@iqsource.ai.

Dabadie nombró el modelo el domingo. La cita exacta con la que cierra su pieza, traducida: “los agentes hacen todo lo que los agentes pueden hacer mejor, y los humanos entran solo donde realmente se les necesita. Así es como este modelo va más profundo, se mueve más rápido, y sirve a más empresas de lo que la consultoría tradicional jamás podrá”. No es una predicción. Es una descripción de algo que ya está corriendo. La pregunta para tu empresa no es si el modelo nuevo va a ganar. Es cuántos cheques más vas a firmar al modelo viejo antes de cambiar.