Sonia Jaffe, autor en DirigeHoy PREMIUM

La influencia entre pares puede impulsar (o arruinar) la implementación de la IA

Nancy Baym — Fri, 13 Mar 2026 13:00:51 +0000

La influencia entre pares puede impulsar (o arruinar) la implementación de la IA

os líderes se enfrentan a una cruel paradoja en la adopción de la IA. Han hecho lo que se supone que debían hacer: implementar las herramientas adecuadas, invertir en capacitación e integrar la IA en los flujos de trabajo cotidianos. Sin embargo, la adopción real sigue siendo desigual y difícil de escalar. El manual que funcionaba para las olas tecnológicas pasadas ya no es suficiente.

Lo que separa a las organizaciones donde la IA realmente se adopta de aquellas donde no ocurre no es contar con mejor infraestructura ni imponer mandatos desde la dirección, sino la influencia entre pares. Los empleados que ven a colegas de confianza experimentar con la IA, adaptarla a sus funciones reales y compartir lo que funciona, tienen muchas más probabilidades de utilizar la IA con frecuencia, emplear agentes para automatizar flujos de trabajo y transmitir ese conocimiento a otros. El aprendizaje entre pares hace lo que la formación formal por sí sola no puede: ofrece evidencia convincente de que la IA es segura, relevante y utilizable en funciones reales.

La investigación

Somos investigadoras de Microsoft, estudiamos cómo la IA está transformando el trabajo. A través de nuestros estudios y de conversaciones continuas con empresas que están atravesando procesos de adopción de IA, escuchamos repetidamente la misma preocupación: a pesar de tener acceso a las herramientas y de recibir incentivos para usarlas, el uso de la IA no se estaba extendiendo tan rápido como los líderes esperaban. Queríamos entender por qué, específicamente, cómo las dinámicas sociales dentro de las organizaciones influyen en las decisiones de los empleados sobre el uso de la IA.

Medimos la adopción de la IA de tres maneras: con qué frecuencia las personas decían utilizar IA, si habían creado o utilizado un agente de IA y si alguna vez habían mostrado a sus colegas cómo utilizan la IA. Nuestro equipo también retomó décadas de investigación sobre la adopción organizacional de nuevas tecnologías realizada por numerosos especialistas de distintas disciplinas, lo que señalaba cinco variables sociales que esperábamos que actuaran de forma conjunta para impulsar la adopción de la IA:

1. Cultura organizacional: qué tan innovadora y tolerante al riesgo perciben los empleados que es su empresa, y qué tan colaborativo, estable y seguro sienten su entorno de trabajo.

2. Impulso desde el liderazgo: de qué manera los líderes y la alta dirección apoyan y fomentan el uso de la IA.

3. Condiciones facilitadoras: la provisión de recursos, capacitación e infraestructura para el uso de IA, como por ejemplo canales de aprendizaje.

4. Capital social: el grado en que las personas cuentan con colegas de confianza a quienes pueden recurrir dentro y a través de su organización.

5. Influencia entre pares: en qué medida los colegas normalizan, fomentan y se enseñan mutuamente a utilizar la IA.

Esperábamos que el uso de la IA fuera mayor cuando las personas trabajaban en culturas organizacionales percibidas como innovadoras y seguras. En estas organizaciones, anticipábamos que los líderes fomentarían el uso de la IA y crearían las condiciones necesarias para facilitar su adopción. Las organizaciones que se perciben como seguras también suelen ser aquellas en las que los empleados tienen más conexiones de confianza entre sí (capital social), lo que permite que los colegas tengan una mayor influencia sobre el uso de la IA de los demás.

Cómo los líderes pueden fortalecer la influencia entre pares

Aunque los mandatos de arriba hacia abajo en torno a la adopción de la IA no producen los mismos resultados potentes que el aprendizaje entre pares, los líderes desempeñan un papel importante al crear el contexto en el que ese aprendizaje puede ocurrir:

— Crean las condiciones para el aprendizaje entre pares.

— Son consistentes al fomentar el uso de la IA.

— Crean y apoyan múltiples espacios para que los empleados aprendan y conversen entre sí sobre el uso de la IA.

— Modelan y enseñan su propio uso de la IA.

— Invitan a los empleados a compartir sus experiencias y los reconocen cuando utilizan la IA de forma efectiva.

La conclusión para el liderazgo es simple: no se puede escalar el uso de la IA solo pidiendo a las personas que la adopten. Se escala haciendo visible el aprendizaje. Cuando la experimentación se ve, se comparte y ocurre en un entorno socialmente seguro, el miedo pierde fuerza y la adopción llega de forma natural.

Artículo en inglés

Leaders face a cruel paradox in AI adoption. They’ve done what they’re supposed to do — deployed the right tools, invested in training, embedded AI into everyday workflows — yet real adoption remains uneven and hard to scale. The playbook that worked for past technology waves is no longer enough.

What separates organizations where AI takes hold from those where it doesn’t isn’t better infrastructure or leadership mandates — it’s peer influence. Employees who see trusted colleagues experiment with AI, adapt it to real roles and share what works are far more likely to use AI frequently, use agents to automate workflows and pass on that knowledge. Peer‑to‑peer learning does what formal training alone cannot: it provides persuasive evidence that AI is safe, relevant and usable in real roles.

THE RESEARCH

We are researchers at Microsoft who study how AI is reshaping work. Through our studies and ongoing conversations with companies navigating AI adoption, we repeatedly heard the same concern: despite access and encouragement, AI use wasn’t spreading as rapidly as leaders hoped. We wanted to understand why — specifically, how social dynamics inside organizations shape employees’ decisions to use AI.

We measured AI adoption in three ways: how frequently people reported using AI, whether they had built or used an AI agent, and whether they had ever shown peers how they use AI. Our team also borrowed from decades of scholarship into the organizational adoption of new technologies by many researchers across disciplines, which pointed to five social variables we expected to work together to drive AI adoption:

Organizational culture: How innovative and risk-tolerant employees report their company is, and how collaborative, stable and secure employees feel.

Leader encouragement: How leaders and senior management help with and encourage AI use.

Facilitating conditions: Providing resources, training and infrastructure for AI use, such as a learning channel.

Social capital: How much people have trusted colleagues to whom they can turn within and across their organization.

Peer influence: How much colleagues normalize, encourage and teach one another to use AI.

We expected that AI use would be highest when people worked in organizational cultures that felt innovative and secure. In these organizations, we anticipated that leaders would encourage AI use and create the facilitating conditions to drive adoption. Safe and secure organizations would also be those in which employees would have more trusted connections to one another (social capital), which would enable peers to have greater influence on each others’ AI use.

HOW LEADERS IMPROVE PEER INFLUENCE

While top-down mandates around AI adoption don’t yield the same powerful results as peer-to-peer learning, leaders play an important role setting the stage for this learning to happen.

They create the conditions for peer learning.

They are consistent in encouraging AI use.

They create and support multiple means for employees to learn about and discuss AI use together.

They model and teach their own AI use.

They invite employees to share their experiences and reward them when they use AI effectively.

The leadership takeaway is simple: you can’t scale AI by urging adoption — you scale it by making learning visible. When experimentation is seen, shared, and socially safe, fear loses its power and adoption follows.