Change management
Phase: OperateMove the organisation from "AI is being forced on me" to using it every day.
Change management is the work with people: communicating why the process is changing, redesigning roles, managing fear and getting teams to adopt the new way of working. Technology rarely sinks an AI project; resistance does.
What it includes
- Communicate the why of the change and what each team gains, not just the company.
- Redesign roles and expectations when part of the work moves to an agent.
- Manage fear of replacement with honesty about what changes and what doesn’t.
- Involve affected teams in the design instead of imposing the result on them.
When you need it
- You bought AI and people ignore it or quietly sabotage it.
- The project is technically correct but nobody uses it.
- Teams see AI as a threat rather than a tool.
How it’s measured
- Real adoption per team (usage, not seats bought).
- Time from deployment to habitual use.
- Team sentiment before and after (a simple survey).
Common mistakes
- Announcing AI as a headcount cut and then asking for collaboration.
- Imposing the tool without explaining the why or listening to the friction.
- Treating change as a launch email instead of a sustained process.
FAQ
- Isn’t change management HR’s job?
- It leans on HR, but in AI Operations it’s the responsibility of whoever runs the function. A technical deployment with no change management usually ends in an expensive tool nobody uses.
- When does change management start?
- Before deployment, not after. Involving affected teams from the design cuts resistance far more than any communication sent afterwards.
Related capabilities
Recent signals
Trends, practices, tools, cases and market data for this capability, with sources. Updated weekly.
Practices
Medir si el trabajo mejoró, no los inicios de sesión: tiempo de ciclo, coste por tarea y carga de revisión humana
El fallo que McKinsey señala en la última fase de la adopción agéntica es de medición: las organizaciones cuentan logins, licencias, volumen de prompts e invocaciones del agente, y no miden si el trabajo salió mejor. La alternativa: ligar la adopción al rendimiento del proceso —tiempo de ciclo, calidad, velocidad de decisión, reducción de riesgo y valor capturado por workflow— y, conforme madura el uso, añadir disciplina económica: coste por tarea, carga de revisión humana y mejora de calidad en el tiempo. Dato del mismo trabajo: los high performers tienen el triple de probabilidad de decir que sus líderes demuestran compromiso real con la IA.
McKinsey — How to close the agentic adoption gap · 2026-08-07 · E2Data
El patrón 1:3:5 — por cada euro en tecnología agéntica, tres en rediseño de proceso y cinco en capacidades y adopción
McKinsey describe el reparto de inversión de las transformaciones de IA que funcionan: por cada dólar invertido en tecnología agéntica, las organizaciones gastan tres en rediseño de procesos y cinco en construcción de capacidades y adopción. Y añade el diagnóstico: la mayoría de las empresas invierte la fórmula, con la tecnología llevándose la atención y el presupuesto mientras el cambio de comportamiento se trata como un detalle de implantación. En su investigación State of Organizations, miles de directivos sitúan la gestión del cambio y los silos por delante de la infraestructura tecnológica como obstáculo para escalar la IA.
McKinsey — How to close the agentic adoption gap · 2026-08-07 · E2Missing any of these?
Start with an assessment: which capabilities you have, which you’re missing, and where it pays off most to start.
Talk to us →