Los costos psicológicos de adoptar la IA
P
ara analizar cómo la deuda psicológica puede influir en la adopción de la IA, encuesté a más de 1,200 empleados a tiempo completo en Estados Unidos y Reino Unido. Esto es lo que los líderes necesitan saber.
La deuda psicológica y sus detonantes
Existen seis formas que parecen especialmente relevantes y que, en conjunto, crean lo que a veces se denomina deuda psicológica:
1. Deuda cognitiva. Quizá la consecuencia psicológica negativa más discutida del uso no estructurado de la IA sea la posible pérdida de habilidades de procesamiento cognitivo y toma de decisiones.
2. Deuda de autonomía. Esto describe la sensación de que la IA está eliminando nuestra capacidad de controlar la forma en que trabajamos. La autonomía es reconocida como una fuente clave de motivación.
3. Deuda de competencia. En el contexto de la IA, la deuda de competencia es la sensación de que, cuanto más usamos la IA para trabajar, menos competentes nos volvemos.
4. Deuda de pertenencia. La pertenencia se refiere a nuestro instinto social de formar parte integral de grupos sociales.
5. Deuda de credibilidad. Cada vez son más las investigaciones que han documentado que el uso de la IA genera la sensación de que los empleados pierden credibilidad frente a sus compañeros de trabajo, incluso cuando estos también utilizan IA en sus funciones.
6. Deuda de identidad. La teoría de la identidad social plantea que nos identificamos con el grupo social que nos da la orientación más clara sobre cómo comportarnos en un momento determinado. Cuando ciertos usos de la IA son esperados u obligatorios dentro de determinados flujos de trabajo, puede acumularse una deuda de identidad social profesional cuando esos usos son percibidos como violaciones directas a la pertenencia del grupo.
Cómo reducir el costo psicológico de adoptar la IA
Reducir la deuda psicológica requerirá que las empresas diseñen relaciones humano-IA que reconozcan las fuentes y barreras de la motivación y el comportamiento humano. Afortunadamente, existe una gran cantidad de investigaciones sobre el comportamiento humano que apuntan a enfoques útiles que pueden adaptarse para mitigar los efectos negativos documentados:
1. Deuda cognitiva. La deuda cognitiva puede evitarse o reducirse asegurando que los empleados no recurran inmediatamente a la IA como una reacción automática (rendición cognitiva). Una forma de preservar el pensamiento crítico consiste en incorporar fricción cognitiva al proceso de IA, haciendo que su uso no sea tan sencillo ni inmediato.
2. Deuda de autonomía. En lugar de presentar los beneficios de la IA como un hecho consumado, una recomendación es trabajar con los empleados para darles la información necesaria que les permita descubrir por sí mismos cuándo y cómo puede ayudarles la IA.
3. Deuda de competencia. Una forma de eliminar o reducir la sensación de pérdida de competencia frente a la IA es asegurarse de que los empleados la vean como una forma de apoyo para su función y no como una prueba de si son capaces de seguir desempeñando su puesto. Para que esto ocurra, un enfoque único para todos no funcionará, y la formación en IA debe reconocer los contextos específicos en los que los empleados pueden (y van a) recurrir a la IA como apoyo.
4. Deuda de pertenencia. Proteger la colaboración entre personas dentro de flujos de trabajo habilitados por IA es un aspecto clave de la infraestructura humana necesaria para integrar la IA. Esto podría implicar diseñar procesos en los que los equipos interpreten juntos los resultados de la IA, mediante discusiones interfuncionales, revisiones y espacios de toma de decisiones.
5. Deuda de credibilidad. El uso oculto de IA puede verse como un intento de evitar acumular deuda de credibilidad: si nadie sabe que usted está usando IA, entonces no puede existir ningún riesgo para su credibilidad. Una solución es sacar el uso de IA de las sombras, haciendo que su uso sea visible, compartido e institucional.
6. Deuda de identidad. Este tipo de deuda puede mitigarse estableciendo normas explícitas y coherentes con la identidad profesional sobre el uso de la IA. En ocasiones, basta con modificar el momento en que se recurre a la IA dentro de un proceso.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
To explore how psychological debt may affect AI adoption, I surveyed more than 1,200 full-time employees in the U.S. and UK. Here’s what leaders need to know.
Psychological Debt and Its Drivers
There are six forms that seem especially salient, collectively creating what is sometimes called psychological debt:
— Cognitive debt. Perhaps the most talked-about negative psychological consequence of unstructured AI use is the potential loss of cognitive processing and decision-making skills.
— Autonomy debt. This describes the sense that AI is removing our ability to control how we work. Autonomy is recognized as a key source of motivation.
— Competency debt. In the context of AI, competency debt is the sense that the more we use AI for work, the less competent we become.
— Relatedness debt. Relatedness refers to our social instinct to be an integral part of social groups.
— Credibility debt. A growing volume of research has documented how use of AI creates a sense that employees lose credibility in front of coworkers, even when those co-workers are also using AI in their roles.
— Identity debt. Social identity theory posits that we identify with the social group that gives us the clearest direction of how to behave in that moment. Where specific uses of AI are expected or mandated within certain workflows, professional social identity debt could accrue when these uses are seen as direct violations of group membership.
How to Shrink the Psychological Cost of Adopting AI
Reducing psychological debt will require that companies design human-AI relationships that recognize the sources of, and barriers to, human motivation and behavior. Fortunately, there is a wealth of research into human behavior that points to useful approaches that can be adapted to mitigate the negative effects documented:
Cognitive Debt
Cognitive debt can be avoided or paid down by ensuring that employees do not immediately turn to AI as a reflex action (cognitive surrender). One way to preserve critical thinking involves building-in cognitive friction to the AI process, making its use less easy.
Autonomy Debt
Rather than spelling out the benefits of AI as a fait accompli, one recommendation is to work with employees to give them the information necessary to figure out for themselves when and how AI can help them.
Competency Debt
One way to remove or reduce the sense of diminishing competency in the face of AI is to ensure employees see AI as a form of support for their role rather than as a test of ability to continue in their role. For this to happen, a one-size-fits-all approach won’t work, and AI training instead needs to recognize the specific contexts in which employees can and will turn to AI for support.
Relatedness Debt
Protecting human-to-human collaboration in AI-enabled workflows is a key aspect of the human infrastructure needed in AI integration. This could involve designing processes where teams interpret AI outputs together, with cross-functional discussions, reviews and decision forums.
Credibility Debt
Shadow AI use can be seen as an attempt to avoid accruing credibility debt — if no one knows you are using AI, there cannot be any risk to your credibility. One solution is to bring AI use out of the shadows, making its use visible, shared and institutional.
Professional Identity Debt
Debt of this kind can be reduced by establishing explicit identity-consistent norms for AI use – just moving when AI is used within a process can sometimes be enough.
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.
