Qué hacen de forma diferente los mejores usuarios de IA (y cómo mejorar el nivel de todos sus colaboradores)
L
as organizaciones han avanzado rápidamente para poner las herramientas de IA en manos de sus colaboradores. Pero, a pesar de toda esta inversión, muchos líderes tienen dificultades para evaluar cómo va realmente. ¿Cómo se ve, en la práctica, un uso exitoso?
Para entender qué diferencia el uso rutinario de la IA de una colaboración avanzada entre humanos y tecnología, KPMG se asoció con investigadores de la Universidad de Texas en Austin. En conjunto, analizamos más de 1.4 millones de prompts y respuestas generados por aproximadamente 2,500 colaboradores durante un periodo de ocho meses. A partir de este análisis, construimos una definición de uso avanzado que va más allá de la ingeniería de prompts, priorizando instrucciones claras junto con estrategias aplicadas de manera deliberada, y descubrimos un conjunto de indicadores observables y de bajo costo, como el cambio entre modelos y el uso de prompts iniciales estructurados, que predicen un uso de alto nivel. Estos hallazgos ya se están integrando en los sistemas de talento, aprendizaje y desempeño de KPMG, y ofrecen un marco que cualquier organización puede utilizar para desarrollar y medir un uso más avanzado de la IA entre sus colaboradores.
Desglosando el uso avanzado
Al identificar quiénes eran los usuarios más avanzados dentro de la organización, encontramos una gran variedad en roles y niveles de antigüedad. Sin embargo, también surgieron patrones claros en común. Detectamos cuatro comportamientos distintivos que estos usuarios compartían:
— Abordaban el uso de la IA con ambición.
— Trataban a la IA como un socio para razonar.
— Delegaban tareas complejas con objetivos claros.
— Utilizaban la IA como una herramienta cognitiva general, no solo como un atajo de productividad puntual.
La investigación también reveló una tendencia sorprendente: los mejores usuarios solían estar por encima del nivel gerencial. Esto nos tomó por sorpresa, considerando la creencia general de que los colaboradores más jóvenes tienden a sentirse más cómodos con estas herramientas y a usarlas de forma más natural. Sin embargo, los hallazgos muestran que podría existir una diferencia importante entre comodidad y dominio.
¿Qué pueden hacer los líderes de forma diferente?
Los resultados sugieren que las empresas deben cambiar el enfoque de sus esfuerzos en IA: pasar de impulsar la adopción a moldear hábitos. El uso avanzado de la IA surge cuando las personas aprenden a estructurar problemas con claridad, guiar el razonamiento del modelo, evaluar críticamente los resultados y aplicar la IA de forma flexible en su trabajo.
Esto es en lo que deberían centrarse los líderes:
Desarrollar buenas prácticas basadas en la IA.
La investigación identificó comportamientos específicos que KPMG buscaba fomentar, por lo que los líderes los tradujeron en guías prácticas, explicaciones breves y redes de “embajadores” lideradas por pares que enfatizan cómo se ve el uso avanzado en el día a día. El objetivo es crear un entendimiento compartido de “cómo se ve un buen uso” que se refuerce en toda la organización.
Replantear el desarrollo de habilidades.
Los hallazgos redefinieron la forma en que KPMG aborda el desarrollo, con un enfoque en ayudar a las personas a ganar confianza sobre cómo trabajar eficazmente con la IA dentro del flujo natural de su trabajo. La organización invirtió en capacitación práctica, basada en la aplicación, desarrollada por equipos multifuncionales. Tanto en las oficinas como en las aulas virtuales, las sesiones basadas en situaciones reales sumergen a los profesionales en el trabajo real con clientes y en las tareas internas, con un fuerte énfasis en comportamientos avanzados de colaboración.
Establecer expectativas claras de crecimiento y desarrollo.
Este trabajo no se trata de cambiar los sistemas o procesos de gestión del talento, sino de tener claridad sobre cómo se ve un trabajo de calidad en un entorno habilitado por la IA. A partir de esta investigación, KPMG tradujo lo que implica un desempeño efectivo con IA en expectativas prácticas a nivel de rol y de tarea, reconociendo que el juicio de calidad se manifiesta de forma distinta según la función, el nivel y el contexto de ejecución.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Organizations have moved quickly to put AI tools in the hands of their employees. But for all of this investment, many leaders struggle to assess how it’s going. What does successful use even look like?
To understand what separates routine AI use from sophisticated human-AI collaboration, KPMG partnered with researchers at the University of Texas Austin. Together, we analyzed more than 1.4 million AI prompts and responses generated by some 2,500 employees over an eight-month period. Through this analysis, we assembled a definition of sophisticated use that builds on prompt engineering—prioritizing clear prompts along with deliberately applied strategies—and discovered a set of low-cost, observable indicators such as model switching and structured initial prompts that predict high-level use. These insights are being integrated into KPMG’s talent, learning and performance systems, and they offer a framework any organization can use to cultivate and measure more sophisticated AI use by their employees.
BREAKING DOWN SOPHISTICATED USE
When we identified who the most sophisticated users at the company were, we found that there was wide variation in roles and seniority. But there were also clear commonalities that emerged. We found four distinct behavioral patterns that sophisticated users all seemed to share:
— They were ambitious in how they approached AI use.
— They treated AI as a reasoning partner.
— They delegated complex tasks with clear objectives.
— They treated AI as a general cognitive tool rather than a narrow productivity shortcut.
The research also uncovered a surprising trend: The best users were often those above manager level. This caught us off guard, given the conventional wisdom that more junior employees tend to feel more comfortable with these tools and use them more naturally. But the findings showed that there might be an important distinction between comfort and sophistication.
WHAT LEADERS CAN DO DIFFERENTLY
The findings suggest that companies need to shift the focus of their AI efforts from driving adoption to shaping habits. Sophisticated AI use emerges when people learn how to frame problems clearly, guide model reasoning, evaluate outputs critically and apply AI flexibly across their work.
Here’s what leaders should focus on.
DEVELOP AI-FIRST BEST PRACTICES.
The research revealed specific behaviors that KPMG wanted to encourage, so leaders translated them into practical playbooks, short explainers and peer‑led “champion” networks that emphasize what sophisticated use looks like day-to-day. The goal here is to create a common understanding of “what good looks like” that is reinforced across the company.
RETHINK UPSKILLING.
The findings reshaped how KPMG approached development, with a focus on helping people build confidence in how to work with AI effectively in the flow of their job. KPMG invested in hands-on, application-based training that was developed by a cross-functional team. Across offices and virtual classrooms, scenario-based sessions immerse professionals in real client and internal work, with a strong emphasis on advanced collaboration behaviors.
SET CLEAR EXPECTATIONS FOR GROWTH AND DEVELOPMENT.
This work is not about changing talent management systems or processes. It’s about being clear on what good work looks like in an AI‑enabled world. Using this research, KPMG translated what effective AI‑enabled work looks like into practical, role‑ and task‑level expectations, recognizing that quality judgment shows up differently across functions, levels and delivery contexts.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
