Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
S
egún una encuesta global realizada a 500 ejecutivos por el Capgemini Research Institute, se prevé que el uso activo de IA en reuniones de equipo se triplique en los próximos tres años. Introducir IA en las reuniones sin sentar las bases adecuadas puede reducir la participación, fragmentar las discusiones o desplazar el sentido de pertenencia y responsabilidad fuera del equipo.
Afortunadamente, existe un enfoque que ayuda a superar estos obstáculos: lo llamamos “química humano-IA en los equipos”. Nuestra investigación señala tres prácticas que pueden ayudar a desarrollar esta nueva capacidad a medida que la IA se integra cada vez más en las organizaciones.
Estas recomendaciones surgieron de un experimento de cinco meses en el que participaron 60 directivos de 12 empresas de diversos sectores. Para garantizar la consistencia, todos los equipos siguieron la misma metodología y utilizaron el modelo ChatGPT de OpenAI. Observamos en tiempo real las interacciones de los equipos con la IA, analizamos las transcripciones completas del chat y realizamos encuestas posteriores a las sesiones para conocer la opinión y experiencia de los participantes.
Sesión uno: Falsos comienzos y potencial desaprovechado
En la primera sesión, los equipos comenzaron a guardar más silencio, adoptaron una actitud más pasiva y empezaron simplemente a observar la pantalla mientras la IA generaba respuestas. En lugar de potenciar la colaboración, la IA parecía, al menos al principio, debilitarla.
Una revisión más detallada de las transcripciones del chat reveló la raíz del problema. Al interactuar con la IA, los equipos no seguían las mismas normas. Al no tener conocimiento del contexto del equipo, de sus distintos roles, experiencia y puntos de vista, la IA recurría por defecto a una perspectiva limitada y centrada en el individuo.
También surgió otro patrón interesante: la mayoría de los equipos asignaba a la IA un único rol estático (generalmente el de “investigador” o “experto en la materia”) y mantenía ese mismo papel durante toda la sesión. Además, observamos que las instrucciones que los equipos daban a la IA solían ser breves y transaccionales. La IA con frecuencia se adelantaba proponiendo “siguientes pasos” no solicitados u opciones ya preparadas, empujando al equipo hacia simples confirmaciones de un solo clic.
Sesión dos: Construyendo la química entre el equipo y la IA
Para ayudar a los equipos a evitar los problemas que enfrentaron en la primera sesión, desarrollamos un marco de trabajo de tres elementos:
1. Interactuar con la IA como equipo.
2. Aprovechar la flexibilidad de roles de la IA.
3. Mantener la responsabilidad colectiva.
Introdujimos una lista práctica de preguntas para guiar su análisis y ayudarles a identificar los patrones de interacción que estaban limitando su efectividad. Al trabajar con este conjunto de preguntas, los participantes reflexionaron sobre la forma en que interactuaban con la IA como equipo. Después de la segunda sesión, los equipos parecían más animados. La mayoría comenzó a presentarse de forma grupal, y la IA empezó a considerar los matices de los diferentes roles y niveles de experiencia. Los equipos también comenzaron a utilizar la IA de manera mucho más flexible. Dependiendo de la etapa de la discusión, se le pedía a la IA que actuara como socia para generar ideas, como una voz crítica para cuestionar supuestos, como un “prototipador” para crear materiales y como narradora para perfeccionar presentaciones.
Sin embargo, en las sesiones posteriores, la dinámica cambió gradualmente. Antes de enviar una instrucción, los equipos hacían una pausa para discutir entre ellos cómo plantear la siguiente iteración. Estas pausas resultaron fundamentales: evitaron que el equipo cayera en un “modo espectador” y les ayudaron a mantenerse firmemente al mando de la conversación. La participación promedio aumentó un 30%, y los participantes señalaron que la IA estaba aportando un apoyo mucho más significativo a las discusiones del equipo.
Construyendo química entre el equipo y la IA en sus reuniones
Como muestra nuestro experimento, este tipo de química entre equipos e IA no surge de manera natural, y rara vez aparece en el primer intento. Para la mayoría de los equipos, necesita cultivarse deliberadamente e integrarse intencionalmente en su forma de trabajar. ¿Cómo hacerlo en la práctica? He aquí tres recomendaciones:
1. Planifique la agenda de la reunión incluyendo espacios específicos para el uso de IA.
2. Prepare algunas instrucciones para recurrir a la IA en un rol determinado.
3. Después de la sesión, revise el historial del chat.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
According to a global survey of 500 executives conducted by the Capgemini Research Institute, the active use of AI in team meetings is anticipated to more than triple in the next three years. Introducing AI into meetings without laying the proper groundwork can narrow participation, fragment discussions or shift ownership away from the team.
Fortunately, there is an approach that overcomes these pitfalls: we call it “Human-AI Team Chemistry.” Our research indicates three practices to help build this new capability as AI becomes more embedded in organizations.
These recommendations emerged from a five-month experiment involving 60 managers from 12 companies across diverse industries. To ensure consistency, all teams followed the same methodology and used OpenAI’s ChatGPT model. We observed team interactions with the AI in real time, analyzed the complete chat transcripts from each session and collected post-session surveys to capture participants’ feedback.
Session One: False Starts and Missed Potential
In the first session, teams grew quieter, slipped into a more passive mode and began to simply watch the screen as the AI generated responses. Rather than amplifying collaboration, AI seemed, at least initially, to dampen it.
A closer review of chat transcript revealed the roots of the issue. When interacting with AI, teams did not follow the same norms. Lacking awareness of the team’s context, its different roles, expertise and viewpoints, the AI defaulted to a narrow, individual-focused perspective.
Another interesting pattern emerged: most teams assigned the AI a single, static role — often “researcher” or “subject‑matter expert” — and left it at that for the entire session. We also noticed that the teams’ input to the AI was typically brief and transactional. AI often jumped ahead by proposing unsolicited “next steps” or ready‑made options, nudging the team toward simple one-click confirmation.
Session Two: Building Team-AI Chemistry
To help teams avoid the pitfalls they encountered in Session One we developed a three‑element framework:
1. Engage with AI as a team
2. Leverage AI’s role fluidity
3. Maintain collective ownership
We introduced a practical checklist of questions to guide their analysis and help them recognize the interaction patterns limiting their effectiveness. By working through this set of questions, participants reflected on how they interacted with AI as a team. After the second session, teams looked more upbeat. Most teams now introduced themselves in turn as a group, and the AI began factoring in the nuances of different roles and expertise. Teams also began using AI much more flexibly. Depending on the stage of the discussion, AI was asked to act as a brainstorming partner, a challenger to test assumptions, a “prototyper” to create artifacts and a storyteller to refine pitches.
By later sessions however, the dynamic had gradually shifted. Before submitting a prompt, teams paused to discuss among themselves how to frame the next iteration. These pauses proved instrumental: they prevented the team from slipping into “spectator mode” and helped them remain firmly in the driver’s seat. Average engagement increased by 30%, and participants reported that the AI was providing more meaningful support to their team discussions.
Building Team-AI Chemistry in Your Meetings
As our experiment shows, this kind of team-AI chemistry does not come naturally, and it rarely emerges on the first attempt. For most teams, it needs to be deliberately nurtured and intentionally embedded in the way they work. How to do it in practice? Here are three tips:
— Plan the meeting agenda with explicit AI slots.
— Prepare a few prompts to summon AI in a designated role.
— After the session, review the chat transcript.
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.
¿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.
Cómo la IA podría ayudar a reducir las desigualdades en la atención médica
Este artículo destaca una serie de herramientas de IA que tienen el potencial de generar un impacto considerable en las desigualdades en la atención médica.
