Cómo la IA generativa puede hacer que el trabajo sea más satisfactorio
D
isfrutar del trabajo importa, y mucho. Nuestras investigaciones anteriores han demostrado que los empleados que disfrutan de su trabajo tienen aproximadamente un 50% menos probabilidades de buscar un nuevo empleo. Sin embargo, aumentar la satisfacción va más allá de ofrecer almuerzos gratis y otros beneficios. Las personas trabajan en el trabajo y, por lo tanto, es fundamental que cualquier esfuerzo por mejorar la satisfacción se base en los ritmos, rutinas y tareas cotidianas a las que los empleados dedican su tiempo.
Esto es particularmente importante hoy en día, ya que las empresas buscan integrar la IA generativa y otras tecnologías en los flujos de trabajo. Estas tecnologías deberían permitir a los empleados dedicar más tiempo a las partes de su trabajo que los hacen felices, y reducir aquellas que parecen un trabajo interminable.
Recientemente, realizamos un estudio con 522 profesionales administrativos y de recursos humanos en BCG, en ocho países. Como parte de este estudio, se ofreció a los participantes una cartera de herramientas de IA generativa para ayudarles en su trabajo diario, así como acceso a materiales de formación para ayudarles a utilizar estas herramientas. Nuestros primeros hallazgos sugieren formas prácticas en las que las empresas pueden fomentar la adopción, aumentar la satisfacción y reducir el trabajo tedioso.
Reconocer la importancia de los gerentes
El verdadero catalizador para impulsar una adopción efectiva de la IA generativa radica en el liderazgo de los gerentes. Los gerentes son esenciales para navegar por el cambio y permitir que los equipos cambien sus formas de trabajar para integrar eficazmente las nuevas tecnologías en los flujos de trabajo diarios.
El uso de una nueva tecnología puede resultar intimidante, y los gerentes deben crear un entorno psicológicamente seguro (e idealmente divertido) para probar nuevas herramientas.
Los mejores gerentes ayudan a los empleados a comprender el impacto y el propósito de las actividades que realizan, especialmente cuando se requiere algún cambio.
Limitarse a implementar herramientas con una comunicación y formación mínimas no es una estrategia efectiva para la adopción de tecnología. Los gerentes deben trabajar junto con sus equipos para crear, adaptar e integrar herramientas de IA generativa que les resulten útiles en su trabajo diario, con el objetivo de aumentar la satisfacción y reducir el trabajo tedioso.
Identificar fuentes específicas de satisfacción y tedio
En promedio, los profesionales administrativos de nuestro estudio dedican un tercio de su tiempo a coordinar la disponibilidad de múltiples partes interesadas para las reuniones. Informan que el mayor obstáculo para su eficacia es el tiempo que pasan esperando que otros respondan a sus solicitudes de disponibilidad.
Para solucionarlo, introdujimos nuevas herramientas de calendario impulsadas por IA generativa para automatizar estos aspectos (laboriosos) de programación. Los participantes en nuestro proyecto piloto no solo informaron ahorrar entre una o dos horas a la semana gracias a esta herramienta, sino que el 79% también indicó que disfrutaba más de la tarea, el 86% reportó una mayor eficiencia y el 92% declaró que seguiría utilizando la herramienta.
También ofrecimos herramientas de IA generativa a los participantes para ayudarles con otro tipo de tareas, por ejemplo, desarrollo personal y profesional. Descubrimos que aquellos que utilizaron la IA generativa, al menos una vez a la semana, para tareas de desarrollo profesional, como generar ideas sobre objetivos personales y redactar planes de desarrollo personal, reportaron un 18% más de satisfacción y un 13% más de efectividad que sus colegas que no utilizaron la IA generativa para este tipo de tareas.
Como ocurre con todas las revoluciones tecnológicas, la IA generativa promete ganancias en eficiencia y eficacia. Pero no podemos esperar que los empleados adopten seriamente herramientas que temen que conduzcan a que los empleadores obtengan todos los beneficios. Al agregar satisfacción a la ecuación, podemos cambiar las probabilidades de éxito a nuestro favor.
© 2024 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Enjoying work matters — a lot. Our earlier research has shown that employees who enjoy their work are about 50% less likely to look for a new job. But increasing this emotion is about more than free lunch and other perks. People work at work — and it is therefore critical for any effort to improve joy to be grounded in the day-to-day rhythms, routines and tasks that employees spend their time on.
This is particularly important today, as companies look to integrate generative AI and other technologies into workflows. These technologies should enable employees to spend more time on the parts of their jobs that make them happy and reduce the parts that feel like endless toil.
We recently conducted a study of 522 administrative and HR professionals at BCG, in eight countries. As part of this study, participants were offered a portfolio of gen AI tools to help with their day-to-day work, as well as access to training materials to help them use these tools. Our early findings suggest practical ways that companies can encourage adoption, enhance enjoyment and decrease toil.
RECOGNIZE THAT MANAGERS MATTER
The true catalyst for driving impactful gen AI adoption lies in the leadership of managers. Managers are essential in navigating change and enabling teams to shift their ways of working to effectively embed new technologies into daily workflows.
Using a new technology can be intimidating, and managers need to create a psychologically safe — and ideally fun — environment to test out new tools.
The best managers help employees understand the impact and purpose of the activities they do, especially when any change is required.
Simply rolling tools out with some light communication and training is not an effective strategy for technology adoption. Managers need to work together with their teams to create, adapt and integrate gen AI tools that work for them in their own day-to-day work to enhance joy and minimize toil.
IDENTIFY SPECIFIC SOURCES OF JOY AND TOIL
On average, our administrative professional study participants spend one-third of their time coordinating the availability of multiple stakeholders for meetings. They report that the biggest obstacle to their effectiveness is the time they spend waiting for others to respond to their availability requests.
To address this, we introduced new gen AI/AI-driven calendar tools to automate these laborious aspects of scheduling. Participants in our pilots reported not only saving one to two hours a week by using this tool, but 79% also reported that they enjoyed the task more, 86% reported higher effectiveness and 92% said they would continue to use the tool.
We also offered participants gen AI tools to assist with other types of tasks, for example, personal and professional development. We found that those who used gen AI at least once a week for professional development tasks, such as brainstorming personal goals and drafting personal development plans, reported 18% higher joy and 13% higher effectiveness than their colleagues who did not use gen AI for these types of tasks.
As with all technological revolutions, gen AI promises efficiency and effectiveness gains. But we can’t expect employees to earnestly adopt tools they fear will lead to employers capturing all the benefits. By adding joy to the equation, you can flip the odds of success.
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.
