G

estione el “agotamiento mental” provocado por la IA en su equipo

Diseñe cómo la IA se integra en el trabajo para que impulse el rendimiento sin agotar a su equipo. He aquí cómo:

— Rediseñe el trabajo para la colaboración entre humanos e IA. No se limite a añadir supervisión de IA a las responsabilidades existentes. Defina límites claros sobre cuántas herramientas o agentes puede gestionar cada empleado al mismo tiempo.

— Establezca expectativas claras sobre la carga de trabajo. Aclare el propósito de la IA, explique cómo evolucionarán los roles y defina cómo deben ser la supervisión y los resultados.

— Mida el impacto, no la actividad. Cuando se incentiva la cantidad, los empleados producen más trabajo con menor calidad y mayor desgaste mental. Enfóquese en resultados de negocio medibles.

— Desarrolle habilidades para gestionar el trabajo con IA. Ayude a los empleados a fortalecer habilidades como la definición de problemas, la planeación y la priorización.

— Proteja la atención humana. Monitoree la carga cognitiva y cree normas que favorezcan la concentración, el buen juicio y un desempeño sostenible.

Este consejo es una adaptación de “When Using AI Leads to ‘Brain Fry’», de Julie Bedard et al.

Lidere a su equipo a través de la ansiedad por la IA

Aunque no puede ofrecer certeza para mitigar la ansiedad profesional, sí puede brindar a su equipo honestidad, empatía y claridad. He aquí cómo:

— Nombre el miedo. Comience por normalizar la ansiedad. Comparta su propia incertidumbre y modele valentía, pasando a la acción a pesar de todo.

— Cree espacios para conversaciones emocionales. Construya seguridad psicológica reservando tiempo para hablar sobre el impacto de la IA.

— Comprométase con la acción. Ofrezca siguientes pasos, oportunidades de desarrollo de habilidades o sesiones de aprendizaje compartido. Si existen riesgos reales para los puestos de trabajo, dígalo desde el inicio y dé tiempo a las personas para prepararse.

— Mantenga el diálogo. La comunicación continua y transparente fortalece la resiliencia y el propósito compartido.

Este consejo es una adaptación de “Your Team Is Anxious About AI. Here’s How to Talk to Them About It”, de Morra Aarons-Mele.

Detenga el “workslop” en su equipo

Implementar mandatos de IA sin proporcionar apoyo también conduce a una avalancha de resultados de baja calidad que erosionan la confianza, desperdician tiempo y deterioran la moral del equipo. Como líder, necesita adoptar un enfoque sistemático. He aquí cómo:

— Reconstruya una cultura de confianza. Haga que sea seguro admitir cuando la IA no está ayudando.

— Establezca normas claras para el uso de la IA. Defina cómo se ve un “buen” resultado, establezca cuándo se debe y no se debe usar la IA, e incorpore procesos de revisión que refuercen (no sustituyan) el juicio humano.

— Cree roles de apoyo con responsabilidad clara. Designe “arquitectos” de colaboración con IA que puedan mapear puntos de fricción, alinear herramientas con flujos de trabajo y asegurar que los resultados se mantengan vinculados a los objetivos del negocio.

Este consejo es una adaptación de “Why People Create AI ‘Workslop’ — and How to Stop It”, de Kate Niederhoffer et al.

Evite que sus esfuerzos con IA se estanquen

Si quiere un ROI real, necesita gestionar la percepción de riesgo, no solo el despliegue tecnológico. He aquí cómo:

— Reconozca el riesgo moldeado por la industria antes de implementar la IA. Identifique cómo su gente interpreta la IA: ¿La perciben como una oportunidad o como su reemplazo? Construya su estrategia en torno a esas percepciones. Si las ignora, malinterpretará tanto el entusiasmo como la resistencia.

— Deje de tratar el uso como indicador de adopción real. Un alto nivel de uso no garantiza compromiso. Mida si las personas se sienten seguras, no solo si inician sesión.

— Diseñe primero para el aprendizaje y después para la escala. Cuando las personas se sienten lo suficientemente seguras para aprender, la adopción se vuelve sostenible (y los resultados llegan).

Este consejo es una adaptación de “Why AI Adoption Stalls, According to Industry Data”, de Erin Eatough et al.

¿Está listo para gestionar agentes de IA?

Si supervisa una fuerza laboral híbrida de humanos e IA, su rol es orquestar el rendimiento, la seguridad y la alineación con los objetivos del negocio. He aquí cómo:

— Desarrolle alfabetización operativa en IA. Comprenda cómo funcionan los agentes, cómo los prompts influyen en los resultados y cómo diagnosticar fallas.

— Desarrolle experiencia funcional profunda. Conozca el proceso de negocio que su agente respalda.

— Practique el pensamiento sistémico. Diseñe la coordinación entre múltiples agentes y asegure transiciones fluidas hacia humanos cuando aumente la complejidad.

— Fortalezca la resiliencia al cambio. Trabaje en ciclos rápidos de prueba–implementación–aprendizaje. Ajuste la lógica con frecuencia a medida que evolucionen los modelos y cambien las prioridades del negocio.

— Perfeccione su capacidad para diseñar prompts. Trate los prompts como herramientas de entrenamiento. Mejore continuamente el lenguaje y la estructura para impulsar precisión, tono y consistencia.

— Diseñe el trabajo híbrido de forma intencional. Reoriente los KPIs humanos hacia resultados, no hacia actividad. Ayude a su equipo a enfocarse en el juicio de alto valor, la persuasión y las relaciones, mientras los agentes gestionan la escala.

Este consejo es una adaptación de “To Thrive in the AI Era, Companies Need Agent Managers”, de Suraj Srinivasan y Vivienne Wei.

Al integrar IA, enfóquese en la seguridad psicológica

Para evitar la disminución de la confianza interpersonal, la coordinación y la toma de decisiones, trate la adopción de la IA como un esfuerzo de desarrollo de equipo, no solo como una actualización tecnológica. He aquí cómo:

— Replantee la adopción de la IA como un proceso de aprendizaje. Las herramientas de IA deben introducirse con la expectativa de descubrimiento, no de perfección. Cuestionar a la IA debe ser la norma, no una señal de alerta.

— Modele falibilidad y curiosidad. Admita abiertamente cuando los resultados de la IA le generan confusión o cuando usted ha cometido errores al usarla.

— Cree protocolos inteligentes de fallo. Diferencie entre riesgos inteligentes y errores por descuido. Primero, pruebe la IA en entornos de bajo riesgo, recopile comentarios y haga ajustes.

— Enfatice la conexión humana. Genere espacios para conversar sobre preocupaciones, incertidumbres y roles. Empodere a su equipo para confiar en su propio juicio y anular las recomendaciones de la IA cuando sea necesario.

Este consejo es una adaptación de “How to Foster Psychological Safety When AI Erodes Trust on Your Team”, de Jayshree Seth y Amy C. Edmondson.

Desbloquee su transformación con IA

Aunque un proyecto piloto de IA puede tener éxito de forma individual, esos avances rara vez escalan a toda la organización. Para ir más allá de logros aislados, replantee procesos, roles y sistemas de forma integral. He aquí cómo:

— Comience con un rediseño desde cero. No superponga la IA sobre flujos de trabajo defectuosos. Dé un paso atrás y reconstruya los procesos desde el inicio.

— Capture el conocimiento antes de que desaparezca. Trate la experiencia organizacional como un activo central. Identifique dónde reside el conocimiento crítico y hágalo explícito. Vincule a operadores experimentados con quienes construyen soluciones para documentar reglas, criterios y contexto.

— Gestione la IA como si fuera una fuerza laboral. Defina quién puede crear agentes, qué pueden hacer y cómo se mide su desempeño. Construya sistemas para monitorear precisión, permisos y responsabilidad.

— Rediseñe los roles en torno a trabajo de mayor valor. Reasigne tiempo hacia el diseño, la supervisión y la toma de decisiones. Aclare nuevas responsabilidades para que las personas guíen y validen los resultados de la IA.

Este consejo es una adaptación de “The ‘Last Mile’ Problem Slowing AI Transformation”, de Karim R. Lakhani et al.

Proteja a su equipo de la sobrecarga impulsada por la IA

Si no define de manera intencional cómo se utiliza la IA, corre el riesgo de aumentar la carga de trabajo de su equipo, tensar su atención y agotarlo. He aquí cómo evitar la sobrecarga por IA:

— Incorpore pausas intencionales. Antes de tomar decisiones importantes, haga una breve pausa para cuestionar sus supuestos, identificar al menos un contraargumento y reconectar con los objetivos clave. Reserve pequeños intervalos para la reflexión entre ciclos de trabajo.

— Secuencie el trabajo. La IA permite una actividad constante en segundo plano. Fomente que los equipos avancen en fases definidas en lugar de reaccionar de inmediato a cada resultado. La secuenciación reduce la fragmentación y protege la calidad de las decisiones.

— Vuelva a centrarse en la conexión humana. A medida que la IA facilita el trabajo individual, cree deliberadamente espacios para el diálogo y la colaboración. La diversidad de perspectivas humanas agudiza el pensamiento y restaura la energía que la interacción continua con la IA puede agotar.

Este consejo es una adaptación de “AI Doesn’t Reduce Work — It Intensifies It”, de Aruna Ranganathan y Xingqi Maggie Ye.

¿

Qué pasaría si la primera contratación de su startup no fuera una persona, sino un agente de IA? Esta pregunta provocativa estuvo en el centro de una colaboración de un semestre entre Microsoft y el programa Tech MBA de NYU Stern. Treinta estudiantes, divididos en seis equipos de estilo startup, tuvieron acceso a Microsoft 365 Copilot con las últimas capacidades de agentes y se les pidió que reimaginaran cómo se realiza el trabajo cuando la IA se integra desde el primer día. Su misión: romper los flujos de trabajo tradicionales, crear empresas “pioneras” y explorar el futuro de la colaboración entre humanos y agentes.

Consideramos que las empresas pioneras son aquellas que no solo adoptan la IA, sino que se construyen en torno a ella. Estas empresas incorporan agentes de IA en todas sus funciones desde el primer día, rediseñando los flujos de trabajo, la toma de decisiones y las estructuras de los equipos para maximizar la colaboración entre humanos e IA. En el contexto de este proyecto, el modelo de empresa pionera desafió a los estudiantes a ir más allá de la automatización y explorar lo que realmente significa liderar y escalar una organización en la que la IA es un miembro fundamental del equipo, y no un complemento.

Los resultados fueron una mezcla de inspiradores, disruptivos y aleccionadores. Más allá de usar la IA para la ejecución, los equipos más exitosos buscaron desbloquear el potencial de ideación de la IA, creando organigramas, remodelando presentaciones y proporcionando modelos de negocio hipotéticos para que los líderes humanos reaccionaran ante ellos. En el proceso, descubrieron un nuevo paradigma para el trabajo, uno en el que la IA es un miembro del equipo proactivo y en constante evolución.

Este artículo resume sus hallazgos en cuatro temas transformadores que redefinen nuestra forma de pensar sobre el trabajo, los equipos y el liderazgo en la era de la IA. Las observaciones no fueron cambios aislados, estaban profundamente interconectados: la forma en que se iniciaba el trabajo influía en las necesidades de contratación, y la forma en que se gestionaban los equipos determinaba la toma de decisiones. En conjunto, ofrecen una hoja de ruta para crear y dirigir organizaciones nativas de IA.

1. La IA como contratación n.º 1

Los estudiantes comentaron que la IA se convirtió rápidamente en la “primera contratación” de los equipos y se utilizó en roles fundamentales como estratega y analista. El acceso instantáneo a una amplia gama de capacidades permitió a los fundadores humanos desempeñar más funciones sin sentirse abrumados y ocuparse de tareas que estaban fuera de su experiencia principal. El resultado fue que los estudiantes pasaron rápidamente de la idea a la ejecución. Tanto las decisiones de bajo riesgo como las de alto riesgo se consultaban en primer lugar con la IA, lo que supuso la introducción de un nuevo paradigma de toma de decisiones para los emprendedores.

Este cambio tiene profundas implicaciones para el emprendimiento en general. En las startups, muchas de las “tareas pendientes” son vagas o temporales, y la contratación puede suponer una distracción considerable para los fundadores que intentan avanzar rápidamente. La capacidad de la IA para manejar tareas amorfas y producir resultados tangibles ayuda a aclarar las verdaderas necesidades de la empresa, dando a los fundadores una base más sólida desde la cual construir. El trabajo de la IA fue generalmente suficiente para operar con una plantilla humana muy reducida en las primeras etapas.

¿La conclusión? La IA cambia la ecuación de la contratación. En lugar de preguntar “¿A quién necesito contratar?”, los fundadores ahora pueden preguntar: “¿Hasta dónde me llevará la IA para empezar y qué vacíos quedarán?”

2. El trabajo empieza con una conversación

Uno de los cambios más llamativos que se observó fue cómo el trabajo pasó de documentos estáticos a diálogos dinámicos. Los estudiantes programaban reuniones en vivo para hablar sobre las entradas contextuales de la IA (las “semillas” conceptuales), de modo que la IA pudiera centrarse en redactar el informe o la presentación. Esto cambia la experiencia de trabajo: en lugar de abrir una aplicación y empezar desde cero, se comienza hablando con Copilot.

Este cambio de creador a inspirador y curador tiene profundas implicaciones. Sugiere que las habilidades más valiosas en el futuro estarán relacionadas con dar forma y orientar la producción de la IA. La experiencia en el dominio, el pensamiento crítico y el juicio editorial se convierten en los nuevos superpoderes. Cuando el lenguaje natural es la nueva interfaz de usuario, se trata menos de saber en qué menú hacer clic o qué fórmula escribir, y más de articular lo que usted necesita y luego evaluar lo que la IA entrega. Saber cómo comunicarse, expresar claramente la intención y los resultados deseados, será un conjunto de habilidades altamente valorado en el futuro.

3. El papel del conocimiento humano

Esta idea de los humanos como inspiradores y curadores sugiere que el papel del conocimiento humano cambia. Los estudiantes no necesitaban ser expertos en cada tarea que realizaban, porque podían complementar su propio conocimiento con el poder de la IA. Dicho esto, expresaron su preocupación de que la confianza de la IA pudiera crear una falsa sensación de seguridad que ellos no podían evaluar necesariamente si no poseían el conocimiento adecuado. En algunas ocasiones, los resultados de la IA omitían matices o incluían datos engañosos, como un analista junior demasiado confiado. Ellos enfatizaron el mantra “Copilot debe desafiar, no solo complacer”. Un estudiante compartió: “Usted tiene que ser el experto. Usted tiene que ser quien diga, ‘esto está bien, esto está mal’, y usted tiene que ser quien tome la decisión final”.

El principal resultado positivo fue que la IA redujo drásticamente el costo de la toma de decisiones. Esta inteligencia casi instantánea hace que sea más barato y rápido explorar alternativas, y permite a los humanos centrarse en usar su conocimiento para evaluar una gran cantidad de ideas generadas rápidamente. Los equipos podían preguntar “¿Qué pasaría si…?” con mayor frecuencia, porque la IA puede procesar el escenario de inmediato. En la era de la IA, no hay ninguna penalización por ser curioso.

También desplazó la carga de las decisiones transaccionales de bajo riesgo hacia la IA: en temas de menor valor para el equipo en general, los estudiantes podían usar la IA como compañera de lluvia de ideas. Esto apunta hacia un posible aplanamiento de jerarquías. La toma de decisiones puede volverse más descentralizada: las personas más cercanas a las operaciones podrían tomar decisiones que antes habrían sido “escaladas”, ya que cuentan con información generada por la IA que las respalda.

4. La dinámica de los equipos humano-agente

Quizá la idea más radical del proyecto fue cómo la IA reconfiguró la dinámica de los equipos. Con la IA manejando la ejecución, los equipos se mantuvieron más pequeños y se movieron más rápido. Los estudiantes describieron una “red multiagente” en la que diferentes agentes de IA manejaban distintos dominios (CRM, programación, finanzas), mientras que los humanos actuaban como directores de orquesta, coordinando a los agentes y tomando las decisiones finales. La idea era que cada agente podía tener su propio rol, conocimiento y perspectiva, de modo que la selección de las habilidades de cada agente se convirtiera en algo primordial.

Este modelo invierte la estructura tradicional de los equipos. En lugar de que las personas usen muchas herramientas, estas gestionan a muchos trabajadores de IA que usan las herramientas. Se trata de un cambio en que los humanos pasan de utilizar mano de obra mecánica a utilizar mano de obra digital que utiliza mano de obra mecánica. Se establece un nuevo flujo de trabajo.

Este replanteamiento de la IA como fuerza laboral (no solo como característica) tiene profundas implicaciones para el liderazgo. Sugiere que gestionar la IA se convertirá en una competencia central que requerirá nuevas habilidades en materia de coordinación, supervisión y gobernanza ética.

La colaboración entre NYU Stern y Microsoft ofreció una visión convincente de una realidad que emerge rápidamente: la organización aumentada por IA. Demostró que la IA puede ser más que una herramienta de productividad: puede ser un compañero de equipo, un estratega e incluso un cofundador. Esto no es una visión lejana del futuro, es un fenómeno actual que ya está transformando la naturaleza del trabajo, la innovación y la ventaja competitiva.