Cree un plan de incorporación para los agentes de IA
L
a mayoría de los ejecutivos cree que el gran desafío al adoptar agentes de IA es entender cómo adaptarse a una tecnología nueva e importante. Pero, en realidad, se trata principalmente de gestionar el trabajo.
Para aprovechar los beneficios a corto plazo de la IA y prepararse para su impacto creciente, las organizaciones deben integrarla en los procesos existentes de recursos humanos y dejar claro su papel para los empleados. A continuación, se presentan cuatro ideas que he desarrollado trabajando con empresas para alcanzar ese objetivo. Provienen de diversos sectores, incluyendo banca, productos de consumo, logística y ciencias de la vida, y son ampliamente reconocidas como líderes en sus respectivas industrias.
- Asigne a cada agente de IA una descripción de puesto.
A medida que la IA agéntica se integra en las organizaciones, los equipos estarán conformados por “colegas” humanos y agentes de IA, y todos necesitarán descripciones de puesto: un método probado para especificar las responsabilidades de un trabajador, sus derechos de decisión y su rol dentro de los procesos relevantes. Elaborar una descripción de puesto para cada agente de IA obligará a sus responsables a ser deliberados al momento de asignar responsabilidades entre colegas humanos y agentes. Al redactar estas descripciones, hágase las siguientes preguntas: ¿De qué es responsable y de qué no lo es? (Los mandatos vagos como “optimizar” o “mejorar la eficiencia” son una receta para el fracaso. Al igual que las personas, los agentes funcionan mejor cuando los objetivos son explícitos). ¿Cuáles son los límites de sus derechos de decisión? ¿Qué facultades tiene? ¿Cuándo debe buscar la opinión o aprobación de colegas o superiores?
- Diseñe al agente para resolver los problemas de los colegas humanos.
Muchos observadores han señalado que la IA agéntica promete mejorar la calidad de vida laboral de los trabajadores del conocimiento. Así como la automatización ayudó a eliminar tareas en industrias tradicionalmente consideradas “sucias, peligrosas y demandantes”, como la manufactura, la metalurgia y la minería, la IA puede eliminar trabajos que resultan “aburridos, desalentadores y repetitivos”. Ya sea reduciendo pasos tediosos o automatizando los elementos más monótonos de un puesto, diseñar los roles de los agentes de IA de esta manera les da a los empleados una razón para adoptar la IA y los motiva a sortear sus limitaciones, integrándola en su experiencia diaria.
- Evalúe a cada agente de IA regularmente.
Los agentes de IA necesitan métricas de desempeño cuantificables que reflejen los resultados reales de los procesos derivados de sus acciones. Estos indicadores deben ser explícitos y permitir una evaluación amplia del desempeño, yendo más allá de aspectos como la precisión y la facilidad de uso para incluir la puntualidad y la confiabilidad. La existencia de tales métricas ayudará a tranquilizar a los compañeros humanos, al confirmarles que sus colegas algorítmicos también están sujetos a estándares. Además, contribuirán a mejorar los procesos de entrenamiento al revelar áreas de mejora. Así como las evaluaciones de desempeño informan los planes de desarrollo profesional de los empleados, los compañeros agénticos también deberían beneficiarse de un ciclo en el que la retroalimentación impulse el aprendizaje. Sin indicadores, los gerentes no pueden distinguir entre variaciones aceptables y fallas reales.
- Asigne a cada agente de IA un supervisor humano.
Algunos observadores han comenzado a destacar la capacidad de los agentes de IA para “coordinar” las actividades de múltiples agentes independientes. Esto puede acelerar las acciones y hacer su trabajo más preciso. Pero, ¿quién supervisa a los coordinadores? Sin duda, la necesidad de una supervisión humana sigue existiendo. Todas las generaciones de IA han demostrado cierta propensión a generar errores o “alucinaciones”. Es probable que estos casos disminuyan a medida que la IA mejore, pero los riesgos aumentarán conforme la IA se expanda a profesiones consideradas de alto riesgo. Además, las organizaciones seguirán siendo responsables de cualquier resultado generado por la IA que utilicen, por lo que debe existir un responsable humano que rinda cuentas sobre cómo se entrena, cómo se integra con los procesos y cómo interactúa con otros compañeros humanos y agénticos. Los reguladores, legisladores y tribunales insistirán en ello.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Most executives believe that the big challenge in adopting agentic AI is figuring out how to adapt to a new and important technology. But in fact it’s primarily about managing work.
To capture AI’s near-term benefits and prepare for its expanding impact, organizations need to integrate it into existing HR processes and make its role clear to employees. Below are four ideas I’ve developed working with companies to realize that objective. They come from a range of industries, including banking, consumer products, logistics and life sciences, and are widely recognized as leaders in their respective industries.
GIVE EVERY AI AGENT A JOB DESCRIPTION. As agentic AI penetrates organizations, teams will consist of human and agentic AI “colleagues,” and all of them will need job descriptions — a tried-and-true way of specifying a worker’s responsibilities, decision rights and role in relevant processes. Crafting a job description for every AI agent will oblige their managers to be deliberate about allocating responsibilities across human and agentic colleagues. As you craft those agents’ job descriptions, ask yourself these questions: What is it responsible for — and not responsible for? (Vague mandates such as “optimize” or “improve efficiency” are a recipe for trouble. Just as people do, agents perform best when objectives are explicit.) What are the boundaries of its decision rights? What are its authorities? When must it seek input or approval from colleagues or superiors?
DESIGN THE AGENT TO ADDRESS PAIN POINTS FOR HUMAN COLLEAGUES. Many observers have pointed out that agentic AI promises to improve the quality of knowledge workers’ work lives. Just as automation helped eliminate work in industries that were, as the saying goes, “dirty, dark and dangerous,” such as manufacturing, metals processing and mining, AI can help eliminate work that is “dull, dispiriting and deterministic.” Whether by reducing tedious steps or automating the dreariest elements of a job, designing jobs for AI agents in this manner gives employees a reason to adopt AI and encourages them to work around its limitations by grounding it in their day-to-day experience.
EVALUATE EVERY AI AGENT ON A REGULAR CYCLE. AI agents need measurable performance metrics for the actual process outcomes that arise from their actions. The metrics have to be explicit and allow the broad evaluation of performance, going beyond qualities such as accuracy and ease of use to include timeliness and reliability. The existence of such metrics will help reassure human teammates that their algorithmic colleagues are being held to standards, too. Moreover, such metrics will help improve training regimes by revealing areas for improvement. Much as performance reviews inform professional development plans for employees, agentic teammates should benefit from a cycle in which feedback informs learning. Without metrics, managers can’t distinguish between acceptable variation and real failure.
GIVE EVERY AI AGENT A HUMAN SUPERVISOR. Observers have begun to tout the capacity of AI agents to “orchestrate” the activities of many discrete agents. That may speed actions and make their work more precise. But who will oversee the orchestrators? The need for human oversight undoubtedly remains. Every generation of AI has demonstrated some propensity to hallucinate. Instances are likely to wane as AI improves, but the stakes will mount as AI expands into professions deemed to be significantly exposed. Moreover, organizations will remain accountable for any results generated by AI it employs, so a sentient decision-maker must be held accountable for how it’s trained, how it integrates with processes and how it interacts with other human and agentic teammates. Regulators, legislators and the courts are certain to insist on that.
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.
