L

a IA tiene un problema de confianza entre los trabajadores de primera línea, y está empeorando. El TrustID Index de Deloitte, que mide diariamente la opinión de clientes y empleados, muestra que la confianza en la IA generativa proporcionada por las empresas (herramientas que se supone deben aligerar la carga de trabajo y aumentar la creatividad) cayó un 31% entre mayo y julio de 2025, los resultados más recientes disponibles, lo que refleja un creciente escepticismo sobre su fiabilidad y valor. La confianza en los sistemas de IA agéntica, que pueden actuar de forma independiente y no solo hacer recomendaciones, cayó un 89% durante el mismo periodo, a medida que los empleados se mostraban cada vez más incómodos con la idea de que la tecnología tomara decisiones que antes les correspondían a ellos.

Nuestra investigación también reveló que el uso de herramientas de IA proporcionadas por los empleadores disminuyó un 15% entre febrero y julio. Pero aquí está el problema: casi la mitad de los empleados de primera línea con acceso a IA están recurriendo a herramientas no aprobadas, lo que indica que confían más en las soluciones paralelas que en las oficiales. Esto sugiere que el problema no es la desconfianza hacia la IA en general, sino hacia la IA que sus empleadores les piden que utilicen. Para estos empleados, las herramientas autorizadas por la empresa se sienten impuestas, no introducidas; obligatorias, no cocreadas. Y detrás de ese escepticismo se esconde un temor más profundo: que se les pida a los empleados que ayuden a promover la misma tecnología que podría reemplazarlos.

Con tanto en juego en la carrera por capitalizar la revolución de la IA, comprender la magnitud del desafío de la confianza es fundamental. He aquí un enfoque que Deloitte está adoptando para abordar este problema:

En Deloitte, nuestro TrustID Index rastrea la confianza de la misma manera que los mercados rastrean las acciones: en tiempo real, entre diferentes industrias y roles. Aproximadamente 60,000 empleados estadounidenses de organizaciones de todos los tamaños y sectores de la economía responden nuestras encuestas cada año, compartiendo su percepción sobre la fiabilidad, capacidad, transparencia y humanidad de su organización o tecnología (lo que llamamos los “cuatro factores de la confianza”). Cada factor se puntúa según el grado de acuerdo del encuestado con afirmaciones en una escala del 1 al 7, como si la organización demuestra empatía y justicia (humanidad), si se comunica de manera abierta y clara (transparencia), si ofrece productos y experiencias de calidad (capacidad) y si cumple sus promesas de manera consistente (fiabilidad). El TrustID de Deloitte combina estas dimensiones en un puntaje compuesto fundamentado en investigación conductual y estadística.

La confianza beneficia a todos, y nuestro marco hace que lo intangible sea accionable. Recomendamos que cada empresa evalúe los elementos centrales de la confianza dentro de su organización y, dado que la confianza es tan fundamental para el éxito empresarial, hemos hecho que nuestra metodología TrustID sea de código abierto, a través de un capítulo descargable en nuestro libro que describe la ciencia detrás de la medición. Como mínimo, sugerimos incluir los cuatro factores de la confianza en su enfoque de medición existente, ya sea mediante una encuesta anual de talento o mientras se prueban herramientas de IA.

Al dividir la confianza en componentes medibles, los líderes pueden ver dónde está aumentando o erosionándose, y actuar en consecuencia. Por ejemplo, si los empleados reportan baja confianza en la transparencia de la IA, los líderes podrían responder aumentando la comunicación sobre cómo las herramientas toman decisiones o involucrando a los empleados en definir su uso.

Y dado que nuestro modelo es altamente predictivo del comportamiento, revela no solo cuánto confían las personas, sino también cómo esa confianza se traduce en defensa, compromiso y desempeño. Por ejemplo, los empleados de la fuerza laboral en general con un nivel de confianza alto tienen 1.9 veces más probabilidades de recomendar su organización a otros, 2.1 veces más motivación para trabajar para su empleador y 1.7 veces más probabilidades de desarrollar nuevas habilidades. En otras palabras, ayuda a cuantificar algo que a menudo se trata como intangible: el ser humano detrás de cada resultado de la IA.

S

egún las predicciones de PwC para 2025, la IA es el principal factor que cambiará fundamentalmente la manera de hacer negocios y crear valor este año. La IA se está integrando rápidamente en la forma en que los empleados ejecutan las tareas esenciales en organizaciones de diversos sectores, desde la optimización del servicio al cliente hasta el apoyo en la toma de decisiones y la mejora de la eficiencia. Esta tecnología también está a punto de transformar la forma en que se gestiona a los trabajadores. Los sistemas y agentes de IA son cada vez más capaces de supervisar el flujo de trabajo, y cómo los empleados y la IA colaboran en dichas tareas.

Sin embargo, aunque el porcentaje de organizaciones que adoptan IA ha pasado del 55% en 2023 al 78% en 2024, según McKinsey, los empleados muestran un entusiasmo significativamente menor respecto al uso de la IA en sus actividades diarias. Esto plantea una pregunta importante: ¿Los empleados confían en estas tecnologías?

La evidencia sugiere que la confianza es escasa. En una encuesta reciente de Pew Research, los encuestados informaron sentirse reticentes respecto a la IA: el 52% afirmó sentirse “preocupado” por el impacto de la IA en el lugar de trabajo, y el 33% dijo sentirse “abrumado”, en comparación con el 36% que se describió como “esperanzado”. A nivel global, Edelman descubrió que el 35% de los encuestados dijo rechazar la IA, frente al 30% que la adoptó. Según otra encuesta de Pew Research, el 71% de los estadounidenses se oponía a que las empresas utilizaran IA para tomar decisiones finales de contratación, y el 61% se oponía a su uso para rastrear los movimientos de los trabajadores.

Investigaciones recientes sobre gestión también han demostrado que una de las principales razones por las que los empleados no confían en la IA es que consideran que estas herramientas carecen de benevolencia al hacer recomendaciones y tomar decisiones, y dudan que la IA “se preocupe” y tome en cuenta sus intereses. La benevolencia (la disposición a adoptar una orientación positiva para servir a los intereses de otro interdependiente) es un concepto importante en este contexto, porque representa la característica fundamental del fideicomisario (la IA) para hacer el bien al fideicomitente (los empleados), como base para que surja la confianza.

Estas preocupaciones de los empleados también envían una señal a los líderes organizacionales de que la confianza en ellos también podría estar faltando. Los empleados desean saber si la adopción de la IA promoverá sus intereses o conducirá a su despido; si potenciará o reemplazará sus contribuciones.

A medida que las organizaciones consideran integrar sistemas de IA en su gestión y toma de decisiones, deben preguntarse cómo la IA influirá en la forma en que los empleados perciben la benevolencia. Al pensar en esto, deben considerar cómo estos sistemas pueden afectar la experiencia de los empleados y su visión del trabajo, así como qué rol debe desempeñar la gerencia en la mediación de las recomendaciones de la IA para abordar las preocupaciones de los empleados.

La IA y la capacidad de ser benévola

Los sistemas de IA son cada vez más hábiles para reconocer patrones en las interacciones humanas. Esta capacidad es lo que los hace tan efectivos para funcionar de manera (semi)autónoma en áreas como el servicio al cliente, las recomendaciones personalizadas y la gestión del flujo de trabajo. Al analizar grandes conjuntos de datos sobre comportamiento humano, los sistemas de IA pueden hacer inferencias matizadas sobre las preferencias, estilos de comunicación y respuestas humanas, y posteriormente tomar decisiones. Debido a esto, estos sistemas también pueden comunicarse de maneras que parecen humanas.

Dado que la IA refleja lo que ve en los datos y toma señales de quien le da instrucciones, puede reflejar tanto los valores vividos como los declarados de una empresa. Las organizaciones pueden entrenar a la IA que proporciona recomendaciones para que parezca benévola mediante el uso de indicaciones y solicitudes específicas. Por ejemplo, una IA puede recibir instrucciones para que identifique y priorice los intereses de las partes involucradas en una decisión empresarial.

Las empresas ya están haciendo esto. Por ejemplo, en 2017, Salesforce utilizó su sistema interno de IA para asesorar a los líderes cuando tomaban decisiones. En esos casos, la IA se empleó para reducir el sesgo en las reuniones y disminuir la política interna o las agendas personales. Ayudó a defender los intereses de las partes interesadas, a que los líderes tomaran decisiones benévolas y a demostrar que la IA puede ser una herramienta que ayuda a promover la benevolencia en la toma de decisiones.

Es poco probable que los empleados experimenten estas intervenciones como evidencia de la benevolencia de la IA (ni deberían hacerlo), porque generalmente consideran que esa es una cualidad humana y que está fuera del alcance de estas herramientas.

Esto se debe a que los sistemas de IA no son ni pueden ser benévolos. De hecho, estos sistemas operan a través de algoritmos que siguen patrones estadísticos y objetivos predefinidos sin ningún propósito autoimpuesto; y, como tal, no existe intención en la lógica interna del motor de IA. Sin la capacidad de tener una opinión y tomar una decisión basada en el juicio, los sistemas de IA tienen una comprensión limitada del mundo y de lo que motiva a los humanos en ese mundo. Y, por esa razón, los sistemas de IA no poseen la disposición genuina de cuidar los intereses de las personas.

Recomendaciones

Para fomentar la confianza en la IA, es importante que las organizaciones comprendan que esto no es solamente un ejercicio de ingeniería donde se necesitan intervenciones a nivel de la tecnología en sí, como el código abierto y la promoción de una IA explicable. Garantizar que la IA sea aceptada por los empleados requiere que estos puedan comprenderla y saber cómo funciona. Lograr este tipo de confianza requiere intervenciones tanto a nivel de la IA como del liderazgo. He aquí cómo hacerlo:

1. Para construir un entorno donde los empleados puedan adoptar la IA con confianza, las organizaciones deben promover los factores de confianza cognitiva de la IA: fiabilidad, precisión y transparencia. Las investigaciones demuestran que los sistemas percibidos como confiables y comprensibles fomentan una mayor aceptación entre los usuarios. Este tipo de confianza puede lograrse interviniendo en la tecnología misma. Por ejemplo, la realización de auditorías periódicas sobre la precisión de la IA, los esfuerzos de mitigación de sesgos y el seguimiento del desempeño pueden tranquilizar a los empleados sobre la fiabilidad de la IA, animándolos a comprometerse plenamente con la tecnología.

2. Los líderes deben demostrar una preocupación genuina por el bienestar y la equidad de los empleados, porque la IA no puede hacerlo. En última instancia, el liderazgo será quien decida cómo se usa y se empodera la IA, y dónde no. Al involucrar a los empleados en discusiones sobre el papel de la IA en su trabajo y abordar sus preocupaciones con transparencia, los líderes pueden ayudar a crear una cultura laboral donde los empleados se sientan valorados y perciban la IA como una solución que se adopta con el objetivo de empoderarlos y hacerlos crecer, en lugar de reemplazarlos.

3. La solución óptima para la falta de confianza en la IA requiere una “combinación IA-líder” que garantice que los empleados se sientan no solo técnicamente seguros con la IA, sino también que tengan la seguridad de que servirá a sus intereses de manera respetuosa y justa. Para promover la aceptación de esta combinación (IA-líder) y mejorar la confianza en la IA en toda la organización, es necesario desarrollar e implementar programas de capacitación. Estos programas existen para ayudar a que los empleados se sientan menos amenazados por la adopción de la IA, al tiempo que se sienten empoderados por sus supervisores. Esto puede lograrse promoviendo la alfabetización digital y la comprensión del funcionamiento de la IA. Una mejor comprensión de la IA, combinada con discusiones lideradas por el liderazgo que presenten a la IA como una herramienta de apoyo para contribuir al propósito de la empresa y a los intereses de todos los involucrados, empoderará aún más a los empleados para ver cómo la IA puede contribuir a sus funciones y al crecimiento de su carrera.

L

a manera en que los humanos interactúan y colaboran con la IA está dando un salto dramático hacia adelante con la IA agéntica. Mientras que los asistentes de IA anteriores se basaban en reglas y tenían una capacidad limitada para actuar de forma independiente, la IA agéntica estará capacitada para hacer más en nuestro nombre. Pero, ¿qué es exactamente la IA agéntica?

«Se puede definir la IA agéntica con una palabra: proactividad», dijo Enver Cetin, experto en IA de la firma global de ingeniería de experiencias Ciklum, a quien entrevisté. «Se refiere a sistemas y modelos de IA que pueden actuar de forma autónoma para alcanzar objetivos sin la necesidad de una guía humana constante. El sistema de IA agéntica comprende cuál es el objetivo o la visión del usuario y el contexto del problema que están tratando de resolver».

Para lograr este nivel de toma de decisiones y acción autónoma, la IA agéntica se basa en un complejo conjunto de diferentes tecnologías de aprendizaje automático, procesamiento de lenguaje natural y automatización. Aunque los sistemas de IA agéntica aprovechan las capacidades creativas de los modelos de IA generativa como ChatGPT, difieren en varios aspectos. En primer lugar, se centran en la toma de decisiones más que en la creación de contenido. En segundo lugar, no dependen de indicaciones humanas, sino que se configuran para optimizar objetivos o metas particulares. Y, en tercer lugar, a diferencia de la IA generativa, también pueden llevar a cabo secuencias complejas de actividades, buscando de manera independiente en bases de datos o activando flujos de trabajo para completar tareas.

Las ventajas de trabajar con IA agéntica

Con sus capacidades potenciadas de razonamiento y ejecución, los sistemas de IA agéntica prometen transformar muchos aspectos de la colaboración entre humanos y máquinas, especialmente en áreas de trabajo que anteriormente estaban aisladas de la automatización basada en IA, como la gestión proactiva de sistemas de TI complejos para prevenir fallas; la reconfiguración dinámica de cadenas de suministro en respuesta a interrupciones geopolíticas o meteorológicas; o la interacción realista con pacientes o clientes para resolver problemas.

Tres de los principales beneficios serán una mayor especialización de la fuerza laboral, una mayor confiabilidad de la información y una innovación mejorada.

1. Mayor especialización

La importancia de la especialización de la fuerza laboral (la «división del trabajo») se comprende desde la célebre visita de Adam Smith a una fábrica de alfileres en los primeros párrafos de «La riqueza de las naciones«. La especialización aporta mayor eficiencia y aprendizaje a través de la práctica e innovación, sin embargo, puede ser difícil de implementar cuando las empresas se enfrentan a la escasez de mano de obra y a la falta de adecuación entre las funciones y las capacidades humanas disponibles. Dado que los modelos agénticos están diseñados explícitamente para realizar tareas muy detalladas, permiten una mayor especialización de los roles en comparación con los anteriores sistemas de automatización más generales.

2. Innovación

Con su juicio mejorado y sus capacidades de ejecución, los sistemas de IA agéntica son ideales para la experimentación y la innovación. Los modelos de IA multiagente también pueden escanear y analizar vastos espacios de investigación (como artículos científicos y bases de datos) en una fracción del tiempo que le tomaría a equipos de científicos e investigadores humanos.

3. Mayor confiabilidad

El mayor razonamiento cognitivo de los sistemas de IA agéntica significa que es menos probable que sufran las llamadas alucinaciones (o información inventada) comunes en los sistemas de IA generativa. Los sistemas de IA agéntica también tienen una capacidad significativamente mayor para filtrar y diferenciar las fuentes de información según su calidad y fiabilidad, aumentando el grado de confianza en sus decisiones. Por ejemplo, mientras que la información del cliente a menudo se encuentra dispersa en diferentes formatos en distintas partes de una empresa (correos electrónicos, bases de datos, hojas de cálculo y similares), un sistema de IA agéntica puede discernir rápidamente que la información más fiable y actualizada probablemente se encuentre en los sistemas de gestión de relaciones con los clientes (CRM) de la empresa.

Casos de uso potenciales

Aunque muchas aplicaciones de la IA agéntica siguen siendo experimentales o están en fase piloto, ya están empezando a emerger aplicaciones potenciales en diferentes industrias y funciones. Algunos ejemplos incluyen:

Servicio al cliente

A diferencia de los bots de servicio al cliente tradicionales que estaban preprogramados con un rango limitado de respuestas y acciones, los agentes de servicio al cliente agénticos pueden captar rápidamente las intenciones y emociones de los clientes y tomar medidas independientes para resolver consultas y problemas.

Manufactura

Desde el control del flujo de las líneas de producción hasta la personalización de productos y la formulación de sugerencias para mejorar el diseño de los productos, es probable que la IA agéntica tenga múltiples aplicaciones en la manufactura inteligente. Los datos de sensores conectados a máquinas, componentes y otros activos físicos en fábricas y transportes pueden ser analizados por sistemas de IA agéntica para predecir el desgaste y las interrupciones de producción, evitando el tiempo de inactividad no programado y los costos asociados para los fabricantes.

Soporte de ventas

Para los agentes de ventas, el objetivo crucial de encontrar y desarrollar oportunidades comerciales a menudo queda enterrado bajo una avalancha de correos electrónicos, papeleo y otras tareas administrativas mundanas pero necesarias. Los sistemas de IA agéntica podrían liberar significativamente a los equipos de ventas de gran parte de esta actividad que consume mucho tiempo.

Salud y cuidados sociales

Su capacidad para adaptarse a diferentes entornos, interpretar emociones humanas y mostrar empatía hace que los sistemas de IA agéntica sean ideales para trabajos no rutinarios que requieren habilidades interpersonales, como la atención médica y el cuidado de personas.

Los desafíos por delante

A pesar de su gran potencial para transformar la colaboración entre humanos y máquinas, y aumentar la eficiencia y el crecimiento empresarial, los sistemas de IA agéntica aún se encuentran en una etapa relativamente temprana de desarrollo. Además, pese a sus mayores capacidades de razonamiento y ejecución, no eliminan los desafíos tradicionales de la gestión de equipos; más bien, los transforman. Al igual que con los equipos humanos tradicionales, los gerentes deben seguir prestando atención a la composición del equipo, la asignación de funciones y la definición de metas adecuadas para garantizar el éxito de los equipos híbridos o de los sistemas de IA agéntica.

Claves para el éxito

Para aprovechar las oportunidades que ofrece la IA agéntica y, al mismo tiempo, mitigar los riesgos, los gerentes deben considerar las siguientes acciones clave:

Establecer objetivos SMART

Al igual que el rendimiento de los equipos humanos puede verse obstaculizado por objetivos mal definidos o poco claros, los sistemas de IA agéntica también pueden desviarse si no se establecen metas precisas. Cetin, de Ciklum, destaca la importancia de fijar objetivos exhaustivos: «Para que la IA agéntica tenga éxito, los modelos deben tener objetivos y subobjetivos SMART (específicos, medibles, alcanzables, relevantes y con tiempo definido) y saber cómo medirlos. Como gerentes, necesitamos establecer bucles de retroalimentación para ajustar los modelos a medida que aprendemos más sobre su desempeño».

Prestar atención a la selección del equipo

En comparación con la IA generativa, que se basa en gran medida en hacer preguntas concretas a modelos de lenguaje de gran tamaño, la IA agéntica es mucho más un esfuerzo de equipo. Al igual que en los equipos humanos, es probable que surjan problemas de coordinación, conflictos y gestión de recursos. Los gerentes que utilicen sistemas de IA agéntica deberán prestar especial atención a la selección del equipo, asegurándose de contar con la combinación adecuada de roles agénticos que lleven a cabo las tareas correctas de manera eficiente.

Estructurar el espacio de decisión

Aunque los modelos de IA agéntica están diseñados explícitamente para evaluar opciones y ejecutar secuencias complejas de acciones, no son infalibles y pueden cometer errores, al igual que los humanos. La ciencia del aprendizaje destaca la importancia del «andamiaje» en el aprendizaje, que consiste en exponer a los aprendices a la práctica del mundo real con salvaguardas que se retiran progresivamente a medida que aumenta la experiencia.

Desde los primeros días de los autómatas mecánicos hasta los bots conversacionales más recientes, los científicos e ingenieros han soñado con un futuro en el que los sistemas de IA puedan funcionar y actuar de forma inteligente e independiente. Los avances recientes en la IA agéntica acercan ese futuro autónomo un paso más a la realidad.