A

medida que la IA aumenta en velocidad y volumen, las organizaciones no pueden simplemente incorporarla a flujos de trabajo diseñados para el ritmo humano. Con base en nuestra experiencia como economistas que estudian el impacto de la IA en las organizaciones y en los mercados laborales, creemos que los CEOs necesitan rediseñar el trabajo tanto de la IA como de las personas en tres aspectos clave:

1. Redefinir explícitamente los flujos de trabajo y luego establecer nuevas expectativas de roles (humanos).

A medida que los agentes de IA asumen tareas de ejecución, los roles humanos se enfocarán cada vez más en supervisión, criterio, construcción de relaciones y manejo de la ambigüedad. En nuestro trabajo con clientes, hemos observado que este cambio en la responsabilidad no se está comunicando de forma clara en muchos lugares de trabajo actualmente, mientras que las empresas nativas de IA lo incorporan explícitamente en su modelo de talento. A medida que cambian los flujos de trabajo, también cambian los roles humanos, lo que requiere nuevas habilidades acompañadas de nuevas expectativas. Los líderes deben:

— Crear el entorno adecuado de responsabilidad y alcance de control. La capacidad de supervisión no se expande automáticamente solo porque aumente la producción. Los líderes deben rediseñar los alcances de control y el tamaño de los equipos teniendo esto en cuenta.

— Rediseñar los roles a gran escala y aclarar las expectativas. Establecer expectativas realistas sobre la velocidad y el volumen de trabajo, declarar explícitamente la responsabilidad de supervisión sobre los sistemas de IA en las descripciones de puesto y definir las habilidades humanas permanentes que siguen siendo fundamentales.

— Reiniciar la gestión del desempeño. Recompensar la calidad de la supervisión y la coordinación efectiva de los sistemas de IA, no solo la velocidad y el volumen de producción.

2. Hacer que la responsabilidad sea explícita y personal tanto para empleados como para agentes.

La evidencia presentada en nuestro estudio sugiere que los agentes de IA deben tratarse como lo que son: automatización de software que requiere una responsabilidad humana clara sobre su funcionamiento y sus resultados. Cuando la IA contribuye a un resultado, esto debe hacerse evidente para las personas responsables que deben rendir cuentas por ello. Esto es especialmente crítico en entornos altamente regulados.

Esto requiere reglas claras de colaboración entre humanos y agentes, basadas en objetivos compartidos y responsabilidad sostenida en el tiempo, en tres frentes:

— Derechos de decisión: Debido a que los agentes pueden manejar situaciones mucho más flexibles que la automatización tradicional, es fundamental definir qué puede hacer el agente de manera autónoma y qué requiere aprobación humana explícita.

— Escalamiento: ¿Qué desencadena una revisión? ¿Quién interviene? ¿Quién asume el costo de un retraso o de un error?

— Consecuencias: Cuando el agente falla, ¿qué sucede después? Defina cómo se mantendrá la responsabilidad a lo largo del tiempo. Los empleados humanos responsables deben supervisar el desempeño de los agentes y proporcionar mejoras continuas.

3. Diseñar e implementar un plan de desarrollo de capacidades para empleados que gestionan agentes.

La capacidad de supervisar sistemas humano-agénticos no siempre surge de manera orgánica, como lo demuestra el hecho de que las empresas solo obtienen valor de la IA cuando protegen el aprendizaje de los empleados. Las organizaciones necesitan un nuevo conjunto de herramientas de gestión y programas de capacitación que ayuden a los empleados a navegar un equilibrio diferente entre delegación y control al trabajar con IA. Los empleados deben comprender la amplia variedad de tareas que la IA puede realizar, utilizarla como una fuente de inteligencia y no solo como una herramienta de ejecución de tareas, e integrarla en los flujos de trabajo de maneras que mejoren la toma de decisiones. Igualmente importante es que sepan cuándo confiar en la IA, cuándo cuestionar sus resultados y en qué aspectos sus limitaciones difieren de las de los trabajadores humanos.

L

a IA puede ayudar a los empleados a trabajar más rápido, pensar en grande e innovar más. En el proceso, estamos viendo que también puede generar sobrecarga cognitiva, con las consecuencias personales y empresariales que esto conlleva. Nuestros hallazgos sugieren que la diferencia entre ambos escenarios no radica en la cantidad de IA que utiliza una persona, sino en cómo los trabajadores, equipos, líderes y organizaciones moldean su uso. Algunas lecciones para los líderes son:

Rediseñar los puestos, el trabajo y las herramientas de forma integral bajo una responsabilidad humano + IA.

La supervisión de la IA no puede simplemente añadirse encima de la supervisión humana; tampoco se pueden acumular agentes de IA sobre un mismo usuario de manera indefinida. Así como existen normas sobre los tramos de control para gestionar personal, también es necesario definir límites para la supervisión humano + agente y para los agentes por sí solos. Nuestra investigación sugiere que, al utilizar tres agentes de IA al mismo tiempo, comienzan a observarse efectos negativos en la productividad. En cambio, cuando los equipos integran profundamente la IA en sus flujos de trabajo y tratan la tecnología como una capacidad colectiva (y no como un diferenciador individual), la carga cognitiva disminuye. Además, quienes diseñan nuevas herramientas de IA deberían hacerlo teniendo en cuenta la neurobiología. Las herramientas que requieren menos atención intensa o memoria de trabajo (y que, en su lugar, favorecen la divagación creativa, fomentan la interacción social o apoyan el desarrollo de habilidades) pueden generar aún más valor empresarial, pero de forma sostenible, al tiempo que impulsan la innovación, promueven el crecimiento y generan satisfacción en los usuarios.

Establecer expectativas explícitas sobre la IA y la carga de trabajo.

Cuando las organizaciones celebran las “ganancias de productividad” sin aclarar sus implicaciones en la carga de trabajo, los empleados lo interpretan como una intensificación del trabajo. Esa ambigüedad, por sí sola, puede aumentar el estrés. Los líderes reducen la presión cuando definen claramente el propósito de la IA dentro de la organización, explican cómo redefine el alcance de los roles, establecen lineamientos sobre la supervisión y aclaran cómo evolucionará la carga de trabajo. El 70% de los esfuerzos de transformación de la IA debería dedicarse a las personas y los procesos, proporcionando la claridad necesaria para que los empleados puedan prosperar.

Cambiar las métricas: De la actividad (y la intensidad) al impacto.

Incentivar la cantidad de uso conducirá a desperdicio, trabajo de baja calidad y una carga mental innecesaria. Parta de un objetivo claro y estratégico, con resultados medibles. Actúe con cautela al responder a la innovación en materia de eficiencia. No se apresure a rellenar con más trabajo aquello que un colaborador ingenioso acaba de automatizar; hacerlo de inmediato se percibirá como un castigo y desincentivará futuras iniciativas de innovación.

Desarrollar habilidades en los trabajadores para gestionar la carga de trabajo con IA.

Algunas personas están “trabajando más para gestionar las herramientas que para resolver realmente el problema”. En nuestro trabajo con desarrolladores de software, hemos encontrado que quienes están más avanzados en el uso de IA comienzan a sentirse bloqueados en su progreso si no desarrollan nuevas habilidades críticas, como la correcta definición del problema, la planificación del análisis y la priorización estratégica. Este tipo de habilidades puede fortalecerse mediante la capacitación y el desarrollo del talento, como una forma de reducir una gran cantidad de trabajo innecesario generado por la IA. El hecho de que un trabajador pueda seguir iterando con IA a un costo marginal bajo no significa que deba hacerlo.

Gestionar estratégicamente la atención humana como un recurso finito.

Algunas de las habilidades humanas más valiosas hoy en día (como el discernimiento, la toma de decisiones y la planificación estratégica) requieren atención enfocada. Si bien el agotamiento laboral se ha convertido en una preocupación en muchos entornos de trabajo, la fatiga mental es más difícil de detectar en las encuestas tradicionales. Las organizaciones deberían desarrollar medidas de análisis de datos sobre el personal para supervisar la carga cognitiva en general y prevenir la fatiga mental, ya que el uso de la IA supone un nuevo riesgo laboral. Las culturas, los equipos y los líderes que den prioridad al bienestar cognitivo pueden esperar una mejora en la capacidad de juicio, una reducción de los errores y mayores tasas de retención del talento clave.