Cómo fomentar la seguridad psicológica cuando la IA erosiona la confianza en su equipo
A
medida que las organizaciones integran rápidamente la IA en sus flujos de trabajo, los líderes están descubriendo que los desafíos que conlleva no son solo técnicos, sino que también tienen que ver con la dinámica de los equipos.
Hemos comprobado que comprender la dinámica de los equipos humano-IA es crucial no solo desde la perspectiva de la teoría y la práctica organizacional, sino también para prevenir errores costosos y evitar la erosión de la confianza dentro del equipo.
Aplicar los principios de seguridad psicológica a la integración de la IA
La solución no consiste en abandonar la IA ni en aceptar estas limitaciones como inevitables. En su lugar, los líderes deben aplicar principios probados del comportamiento organizacional a la integración de la IA y a la gestión del cambio asociada. Esto exige tratar la integración de la IA fundamentalmente como un desafío de aprendizaje del equipo, no solo como una implementación tecnológica. He aquí cómo:
Reencuadre la integración de la ia como un proceso de aprendizaje, no de ejecución.
Así como la seguridad psicológica se construye al plantear el trabajo como una tarea de aprendizaje en lugar de una tarea de ejecución, una integración exitosa de la IA requiere posicionar su despliegue como un proceso continuo de experimentación con aprendizaje práctico. Los líderes deben comunicar que esperan que el equipo descubra las limitaciones de la IA y que, como en cualquier nueva frontera, esto constituye información valiosa, no un fracaso. Los primeros “errores” con la IA deben tratarse como oportunidades de aprendizaje que ayuden al equipo a calibrar expectativas y desarrollar mejores protocolos de colaboración.
Modele falibilidad y curiosidad.
Una de las formas en que los líderes construyen seguridad psicológica es reconociendo su propia falibilidad. En el contexto de la IA, esto implica admitir abiertamente cuando no comprende los resultados que produce o cuando estos parecen cuestionables. Los líderes deben fomentar un uso responsable de la IA y compartir sus propios errores con ella y lo que aprendieron, demostrando que cuestionar a la IA no solo es aceptable, sino esperado. Asimismo, deben modelar curiosidad sobre cómo y por qué funciona la IA (y cómo evolucionará) para comprender mejor sus desventajas y aprovechar mejor sus beneficios. Considere instituir rituales de aprendizaje, como “revisiones posteriores a la acción de la IA”, donde los equipos analicen qué funcionó, qué no y por qué.
Establezca protocolos de fallas inteligentes.
Con base en los principios del libro de Amy, “Right Kind of Wrong”, los equipos deben distinguir entre distintos tipos de fallas relacionadas con la IA. Las “fallas inteligentes de la IA” (como probarla en nuevos dominios o llevar sus capacidades al límite de forma controlada y con bajo riesgo) deben celebrarse como oportunidades de aprendizaje. Las “fallas básicas de la IA” (como no verificar resultados en contextos donde sus limitaciones ya son conocidas) deben prevenirse mediante mejores procesos.
Refuerce la conexión humana.
Tal vez lo más importante es que una integración exitosa de la IA requiere preservar deliberadamente la conexión humana. A medida que la IA asuma más tareas rutinarias, el trabajo humano restante será más complejo e interdependiente. Esto hace que la seguridad psicológica sea más relevante, no menos. Los líderes deben crear espacios explícitos para conversaciones exclusivamente humanas sobre la dinámica del equipo y los desafíos de integrar la IA. Es fundamental reconocer y discutir las inquietudes de los miembros del equipo respecto al posible reemplazo del valor humano, enfatizando cómo la IA puede potenciar (y no disminuir) la experiencia humana.
Permita que el equipo prospere.
La confianza es un elemento esencial en la colaboración humano-IA. Los equipos deben operar en un entorno donde todas las personas se sientan capaces de cuestionar y desafiar el desempeño de la IA. Deben sentirse cómodas admitiendo confusión ante sus recomendaciones, reportando errores, sugiriendo mejoras en los flujos de trabajo humano-IA y expresando preocupaciones sobre la sustitución del juicio humano. Los líderes deben reconocer y abordar las distintas formas en que la IA puede alterar el funcionamiento normal de los equipos, desde la opacidad que impide cuestionar las suposiciones hasta la necesidad de un aprendizaje continuo sobre las capacidades y limitaciones de la IA, que evolucionan rápidamente.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
As organizations rapidly integrate AI into their workflows, leaders are discovering that the challenges it brings aren’t just technical — they’re fundamentally about team dynamics as well.
We’ve found that understanding human-AI team dynamics is crucial not only from an organizational theory and practice standpoint, but for preventing costly errors and the erosion of team trust.
APPLYING PSYCHOLOGICAL SAFETY PRINCIPLES TO AI INTEGRATION
The solution isn’t to abandon AI or accept these shortcomings as inevitable. Instead, leaders need to apply proven organizational behavior principles to AI integration and related change management. This requires treating AI integration as fundamentally a team learning challenge, not just a technology implementation one. Here’s how:
REFRAME AI INTEGRATION AS A LEARNING PROCESS, NOT AN EXECUTION PROCESS.
Just as psychological safety is built by framing work as a learning task rather than an execution task, successful AI integration requires positioning AI deployment as ongoing experimentation with hands-on learning. Leaders should communicate that they expect the team will discover AI limitations and that, as in any new frontier, this is valuable intelligence, not failure. Early AI “mistakes” should be treated as learning opportunities that help the team calibrate expectations and develop better collaboration protocols.
MODEL FALLIBILITY AND CURIOSITY.
One of the ways leaders build psychological safety is acknowledging their own fallibility. With respect to AI, this means openly admitting when you don’t understand AI outputs or when they seem questionable. Leaders should encourage responsible use of AI and share their own AI mistakes and what they learned, demonstrating that questioning AI is not only acceptable but expected. Relatedly, they should model curiosity about how and why AI works and will work going forward, so the downsides can be better understood and the upsides better realized. Consider instituting learning rituals like regular “AI After-Action Reviews” where teams discuss what worked, what didn’t and why.
CREATE INTELLIGENT FAILURE PROTOCOLS.
Drawing on principles from Amy’s book, “Right Kind of Wrong,” teams need to distinguish between different types of AI failures. “Intelligent AI failures” — testing AI in new domains or pushing its boundaries in controlled ways where the risks are low — should be celebrated as learning opportunities. “Basic AI failures” like not verifying AI outputs in domains where limitations are already known should be prevented through better processes.
EMPHASIZE HUMAN CONNECTION.
Perhaps most critically, successful AI integration requires intentionally preserving human connection. As AI handles more routine tasks, the remaining human work will become more complex and interdependent. This makes psychological safety more important, not less. Leaders must create explicit space for human-only discussions about team dynamics and AI integration challenges. They need to recognize and discuss team members’ concerns about AI replacing human value, emphasizing how AI enhances rather than diminishes human expertise.
ENABLING THE TEAM TO THRIVE
Trust is integral to human-AI teaming. Teams must operate in an environment where everyone feels able to question and challenge AI’s performance. People must feel comfortable admitting confusion about AI recommendations, reporting AI errors, suggesting improvements to human-AI workflows and expressing concerns about AI replacing human judgment. Leaders need to acknowledge and address the distinct ways in which AI can disrupt normal team functioning, from the opacity that prevents questioning assumptions to the need for ongoing learning about AI’s rapidly evolving capabilities and limitations.
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.
