A

medida que los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) continúan avanzando a un ritmo vertiginoso, muchos líderes empresariales siguen debatiéndose sobre cómo poner en práctica esta tecnología. Por un lado, buscan áreas en las que estas herramientas de IA generativa puedan demostrar rápidamente su valor. Por otro, quieren sentar las bases para una transformación de mayor escala y a largo plazo.

La IA se está convirtiendo en una parte natural de todo lo que hacemos y en un elemento intrínseco de cada faceta del negocio, integrándose de manera fluida en diversos procesos para mejorar la eficiencia y la innovación. Un área prometedora que puede ofrecer tanto un impacto inmediato como ayudar a sentar las bases es la búsqueda y recuperación de información impulsada por LLM. Se trata de un enfoque que puede cambiar radicalmente la forma en que las empresas interactúan con sus propios datos para obtener información, generar nuevas ideas y tomar mejores decisiones.

Aunque los desafíos persisten y pueden seguir evolucionando con el tiempo, no hay duda de que la transición hacia la búsqueda y recuperación habilitadas por LLM e IA generativa continuará. Para hacerlo de manera eficaz, las organizaciones deben seguir varios pasos:

1. Definir claramente los casos de uso.

Colabore entre los equipos de negocio que definen los requerimientos y los equipos técnicos o proveedores responsables de construir y desplegar las soluciones, con el fin de alinearse en una solución con resultados claramente medibles que permitan su evaluación más adelante.

2. Establecer procesos de admisión (intake) que consideren tanto el riesgo como el valor.

Considere no solo el ROI del caso de uso, sino también la sensibilidad de los datos que se están utilizando, el daño potencial de la aplicación y los usuarios previstos al priorizar en qué casos de uso invertir. Incorpore un enfoque por niveles de riesgo para evaluar los casos de uso.

3. Invertir en prácticas relacionadas con la recopilación, prueba y validación de datos para disponer de información real eficaz.

Reconozca que el uso eficaz de los LLM, especialmente aquellos utilizados en tareas de búsqueda y recuperación, sigue necesitando una base sólida de datos sobre la cual operar. Por lo tanto, los esfuerzos de transformación de datos deben continuar, manteniendo el foco tanto en la calidad de los datos que alimentan los modelos como en los flujos de trabajo generales para obtener, etiquetar, almacenar, acceder y procesar los datos, que son clave.

4. Incorporar prácticas de prueba estandarizadas.

Las evaluaciones ad hoc tienen un alcance limitado. Alinéese con un proceso estándar de desarrollo de modelos, respaldado por guías prácticas (playbooks) y prácticas de prueba predefinidas para habilitar sistemas de calidad, resilientes y bien probados.

5. Establecer capacidades de supervisión.

Tenga en cuenta que las cosas cambian: los datos cambian, la forma en que los usuarios interactúan con los sistemas cambiará, la tecnología cambia y lo que se puede necesitar de los sistemas cambia con el tiempo. Reconozca que estos sistemas deben supervisarse para asegurar un rendimiento continuo. Además, es necesario determinar métricas para que exista algo (y alguna forma) que monitorear.

6. Desplegar programas de capacitación, concientización y comunicación.

Dotar a sus colaboradores del conocimiento necesario para construir, desplegar y aprovechar de manera eficaz y responsable las herramientas de IA generativa es tan importante como la infraestructura técnica y los controles de gestión de riesgos que deben implementarse. Identifique las necesidades de aprendizaje y concientización relacionadas con la IA generativa en toda su organización y lance programas de capacitación y comunicación personalizados.

Es probable que la búsqueda siga siendo una aplicación dominante para los LLM y la IA generativa multimodal durante algún tiempo. Sin embargo, estos sistemas aún requieren datos efectivos, herramientas adecuadas y una gobernanza sólida para operar de manera eficaz y a gran escala. La IA responsable y las prácticas de gobernanza asociadas deben sustentar todo el despliegue de la IA. Dada la rapidez con la que cambia el panorama tecnológico, considere los casos de uso en función del impacto y el riesgo, e invierta en funciones subyacentes que le permitan escalar de manera responsable en una multitud de áreas.

C

on sus avanzadas capacidades generativas de tipo humano, las herramientas de IA generativa tienen el potencial de mejorar significativamente la productividad y la creatividad de los trabajadores del conocimiento. Sin embargo, sigue siendo un desafío la cuestión de cómo integrar la IA generativa en el trabajo del conocimiento para aprovechar con éxito estas ventajas.

Propongo un marco basado en los principios del “job crafting” (diseño de puestos de trabajo) para identificar las mejores prácticas en el aprovechamiento de las herramientas de IA generativa y apoyar el trabajo del conocimiento, con el objetivo de mejorar tanto la productividad de los trabajadores del conocimiento como la percepción de sus roles.

La IA generativa como herramienta del job crafting

El job crafting se refiere a un proceso iniciado por el empleado para ajustar y moldear los recursos y demandas predominantes de un trabajo con el fin de adaptarlos a sus necesidades y circunstancias.

Los estudios presentados en esta sección ponen de manifiesto el valor de la IA generativa como recurso para el job crafting en diversos ámbitos.

1. Servicio al cliente

En un experimento de campo en el que participaron más de 5,000 agentes de servicio al cliente que trabajan para un proveedor de software de procesos empresariales incluido en la lista Fortune 500, el uso de la herramienta de GenAI GPT-4 derivó en aumentos de productividad (medida por el número de incidencias de clientes resueltas por hora) y de satisfacción laboral. Además, el uso de IA generativa por parte de los agentes mejoró la percepción de los clientes, lo que sugiere que el apoyo de la IA generativa proporcionado a los agentes contribuyó a que las interacciones entre ellos y los clientes fueran más positivas.

2. Escritura y resolución de problemas

Más de 450 profesionales con estudios universitarios participaron en un experimento que consistía en una tarea de escritura, y a la mitad de los participantes se le dio acceso a una herramienta de IA generativa. Los usuarios que utilizaron IA generativa fueron un 40% más rápidos y alcanzaron una calidad de escritura un 18% superior a la de quienes no tenían acceso a la herramienta. El estudio también indicó que los participantes con menor nivel de habilidad tuvieron una mayor mejora en su desempeño al utilizar IA generativa.

3. Software y tecnología

Para evaluar el impacto de GitHub Copilot en los desarrolladores, los desarrolladores profesionales de software fueron divididos en dos grupos para realizar tareas idénticas. Los participantes de uno de los grupos utilizaron GitHub Copilot (un generador de código de software basado en IA generativa), mientras que los del segundo grupo no lo hicieron. Los desarrolladores que usaron la herramienta Copilot fueron un 55% más rápidos en comparación con aquellos que no la usaron. Además, el 59% reportó bajos niveles de frustración, el 60% reportó niveles más altos de satisfacción con su tarea y el 87% de los desarrolladores señaló un menor esfuerzo mental para las tareas repetitivas.

Perspectivas emergentes

De este conjunto de investigaciones surgen dos perspectivas clave:

1. El uso de herramientas de IA generativa quedó a criterio de los trabajadores del conocimiento, en lugar de pedirles que siguieran una secuencia prescrita de instrucciones o pasos. Esta flexibilidad se adapta a las características clave del trabajo del conocimiento que resisten métodos estrictos y predefinidos de ejecución de tareas: no estructurado, basado en el juicio y dinámico.

2. La IA generativa ha demostrado ser particularmente valiosa para cerrar las brechas de experiencia y habilidad que podrían obstaculizar el desempeño de los trabajadores del conocimiento. Estos primeros estudios demuestran que los trabajadores del conocimiento con menos experiencia pueden beneficiarse más del uso de la IA generativa para el job crafting. Esto, a su vez, puede conducir a un aprendizaje acelerado y a aumentos de productividad para los empleados que son nuevos en sus roles, al tiempo que reduce la carga de coaching y apoyo sobre sus colegas con mayor experiencia.

En general, el job crafting con IA generativa es un proceso dinámico y en evolución. Es crucial que los gerentes reconozcan que adoptar el job crafting con IA generativa no es un evento aislado, sino un camino continuo de aprendizaje, innovación y adaptación.

E

n este artículo, espero mostrarle cómo puede utilizar las herramientas de IA generativa como su propio coach de carrera personalizado, con prompts y estrategias prácticas para maximizar su experiencia, aprendizajes y éxito.

5 formas de usar la IA como su coach profesional

1. Claridad y dirección profesional

Antes de iniciar una búsqueda de empleo o una transición de carrera, es fundamental comprender sus fortalezas, intereses y valores. La IA generativa puede ayudarle a guiarse mediante ejercicios de autorreflexión y exploración profesional.

Ejemplos de prompts:

— No tengo claro mi camino profesional. ¿Puede hacerme algunas preguntas reflexivas para ayudarme a identificar mis fortalezas e intereses?

— ¿Puede sugerirme opciones de carrera que se alineen con mis habilidades en [enumere sus habilidades] y mi interés en [mencione industrias o campos]?

Consejo de personalización:

Brinde la mayor cantidad de detalles posible sobre sus experiencias y preferencias. Cuanto más contexto proporcione, más personalizadas serán las respuestas de la IA generativa.

2. Optimización de su currículum y perfil de LinkedIn

Un currículum sólido y un perfil de LinkedIn atractivo son fundamentales para destacar en un mercado laboral competitivo. La IA generativa puede ayudarle a redactar materiales de aplicación convincentes.

Ejemplos de prompts:

— ¿Puede ayudarme a redactar un resumen profesional para mi currículum basado en mi experiencia en [industria/rol]?

— Por favor, revise el resumen de mi perfil de LinkedIn [puede pegar el enlace/URL] y sugiera mejoras para lograr un mayor impacto.

Consejo de personalización:

Proporciónele a la IA generativa viñetas de su historial laboral y logros. Si se está postulando a una posición específica, incluya la descripción del puesto para que pueda adaptar sus respuestas al rol.

3. Estrategia de búsqueda de empleo

La búsqueda de empleo puede ser abrumadora, pero la IA generativa puede ayudarle a estructurarla y hacerla más estratégica.

Ejemplos de prompts:

— ¿Cuáles son las mejores estrategias de búsqueda de empleo para alguien en [industria/rol]?

— ¿Cuáles son algunas formas creativas de encontrar oportunidades laborales más allá de las bolsas de trabajo tradicionales?

Consejo de personalización:

Si tiene empresas específicas en mente, pídale a la IA generativa estrategias de networking adaptadas a ellas.

4. Preparación para entrevistas

La IA generativa puede simular preguntas de entrevista y proporcionarle retroalimentación sobre sus respuestas.

Ejemplos de prompts:

— ¿Puede realizar una entrevista simulada para un puesto de [rol] y proporcionarme retroalimentación sobre mis respuestas? [Formule prompts de seguimiento para que la IA generativa analice sus respuestas, sugiera mejores respuestas y le diga cómo podrían interpretarlas los entrevistadores].

— ¿Cómo debería responder a la pregunta “Hábleme de usted” de una manera que destaque mis fortalezas?

Consejo de personalización:

Proporcione a la IA generativa la descripción del puesto y el nombre de la empresa para que pueda elaborar preguntas personalizadas.

5. Liderazgo y desarrollo profesional

Si su objetivo es avanzar en su carrera, la IA generativa puede ofrecerle orientación sobre habilidades de liderazgo, visibilidad en el lugar de trabajo y desarrollo profesional.

Ejemplos de prompts:

— ¿Cuáles son las habilidades clave de liderazgo que debo desarrollar para pasar a un puesto gerencial?

— ¿Cómo puedo crear presencia ejecutiva en reuniones y presentaciones?

Consejo de personalización:

Describa sus desafíos actuales y la dinámica de su entorno laboral. La IA generativa puede ofrecer estrategias específicas para su industria, rol y cultura corporativa.

Reflexión final

La IA generativa puede ser una herramienta poderosa para el coaching profesional, ofreciendo consejos personalizados y estrategias prácticas. Ya sea que necesite ayuda con su currículum, prácticas para entrevistas o desarrollo de liderazgo, la IA generativa puede ser su compañera profesional 24/7 y su socia estratégica. Pruebe estos prompts hoy mismo y tome medidas proactivas hacia sus objetivos profesionales.

D

ado que la IA generativa tiene la capacidad de mejorar las habilidades en una amplia variedad de categorías de trabajo del conocimiento, surge una pregunta clave: ¿hace que los trabajadores remotos nacionales y extranjeros sean más intercambiables? ¿Podrían, por ejemplo, las empresas estadounidenses sustituir a los trabajadores locales por talentos mejorados con la IA en regiones con menores costos laborales?

Para investigar esto, realizamos una serie de experimentos comparando el rendimiento de trabajadores de Estados Unidos y Sudáfrica en diversas tareas (con y sin ayuda de IA generativa). Elegimos Sudáfrica debido a que cuenta con la infraestructura avanzada necesaria para el trabajo remoto y una población bien educada y angloparlante. Los resultados mostraron que los trabajadores remotos extranjeros que utilizan IA generativa son más intercambiables con los trabajadores nacionales que aquellos que no la utilizan.

Estudio 1: Evaluación de la calidad y productividad del trabajo remoto

Nuestro primer estudio involucró a 200 participantes con educación universitaria, provenientes por igual de Estados Unidos y Sudáfrica, con la mitad de cada grupo utilizando IA generativa para completar tres tareas diferentes:

— La tarea 1 se centró en la comunicación y la sensibilidad cultural, requiriendo que los participantes redactaran un correo electrónico para un cliente potencial.

— La tarea 2 puso a prueba la creatividad, pidiendo a los participantes que crearan un concepto para un anuncio de 60 segundos para una marca global.

— La tarea 3 consistió en calcular las tasas de crecimiento trimestrales a partir de los datos de ventas y analizar las tendencias.

(Estas tareas fueron previamente probadas con un grupo más pequeño y ajustadas en función de la retroalimentación de los participantes).

Evaluamos el rendimiento de los participantes utilizando una rúbrica que medía el profesionalismo, la sensibilidad cultural, la precisión técnica y la velocidad de respuesta. Para analizar los resultados se utilizaron técnicas de Procesamiento del Lenguaje Natural (PLN) y evaluadores humanos.

Resultados e implicaciones

Los hallazgos mostraron que la IA generativa mejoró el rendimiento de los participantes, tanto de Estados Unidos como de Sudáfrica, evidenciando un efecto claro de mejora en todos los tipos de tareas.

La IA generativa redujo el tiempo de finalización de las tareas en un promedio de más del 40% en todos los participantes. No hubo una diferencia significativa en el tiempo ahorrado entre los trabajadores de Estados Unidos y Sudáfrica. Por lo tanto, la IA generativa proporcionó un aumento tanto en la productividad como en la calidad del trabajo en un tiempo significativamente menor.

Estudio 2: Evaluación de la sustituibilidad del trabajo remoto

En un segundo estudio, examinamos directamente la sustituibilidad de los resultados de los trabajadores de Estados Unidos y Sudáfrica desde la perspectiva de evaluadores estadounidenses con educación universitaria. Es decir, buscamos evaluar si estos evaluadores podían distinguir la diferencia entre el resultado de los trabajadores remotos de Estados Unidos y Sudáfrica de nuestro primer experimento.

Los resultados mostraron que los evaluadores no pudieron identificar si el contenido generado con IA provenía de trabajadores remotos de Estados Unidos o Sudáfrica.

Consideramos que esto es una evidencia directa de que la IA generativa hace que los trabajadores remotos extranjeros sean más intercambiables con los trabajadores nacionales y, por ende, más atractivos debido a su costo significativamente menor.

Para evaluar más a fondo la calidad percibida, les pedimos a los evaluadores que calificaran la calidad de cada respuesta en una escala del 1 al 5. Las respuestas asistidas por IA generativa no solo se calificaron como de mayor calidad, sino que también mostraron una menor variabilidad, es decir, la calidad de las respuestas fue más consistente después del uso de IA generativa.

Implicaciones futuras

Esta investigación sugiere que la IA generativa podría marcar un cambio significativo en los patrones de contratación de trabajo remoto. A medida que la IA generativa continúa cerrando las brechas en la calidad de los resultados del trabajo del conocimiento, la ventaja de costos de contratar trabajadores extranjeros se vuelve cada vez más atractiva. El efecto de mejora de la IA generativa aumenta la productividad de todos los trabajadores y, como resultado, fortalece la ventaja competitiva de los trabajadores remotos extranjeros, impulsando a las empresas a ampliar su búsqueda de talento a nivel mundial.

Las organizaciones deben prepararse para la transformación del trabajo remoto impulsada por la IA generativa considerando las siguientes estrategias:

1. Ampliar las reservas de talento.

Los hallazgos de esta investigación demuestran claramente el potencial que tienen las organizaciones para aprovechar la IA generativa y acceder a una reserva de talento global mucho más amplia. Sin embargo, la implementación de este cambio requiere considerar diversos factores:

— Identificación de los puestos adecuados: Si bien la IA generativa puede mejorar la productividad en diversas tareas, es esencial identificar los puestos en los que realmente puede cerrar las brechas geográficas y culturales. Las organizaciones deben realizar evaluaciones exhaustivas de sus necesidades de personal y priorizar los puestos en los que la IA generativa pueda mejorar el desempeño de los trabajadores remotos extranjeros hasta alcanzar los estándares requeridos.

— Replanteamiento de las estrategias de reclutamiento: Las organizaciones deben desarrollar canales sólidos de contratación global, aprovechando las plataformas en línea, las asociaciones internacionales y la experiencia en reclutamiento intercultural. Además, es fundamental adaptar los procesos de selección para dar cabida a diversos orígenes culturales y habilidades lingüísticas.

— Consideraciones legales y éticas: La contratación transfronteriza introduce complejidades legales y éticas relacionadas con leyes laborales, privacidad de datos, impuestos y derechos de propiedad intelectual. Las organizaciones deben garantizar el cumplimiento de las regulaciones pertinentes tanto en su país de origen como en los países donde contratan trabajadores remotos.

— Fomento de la inclusión y la colaboración: Puede ser necesario invertir en herramientas y plataformas de comunicación que superen las brechas geográficas y culturales. Promover la comprensión y la sensibilidad interculturales a través de programas de capacitación y actividades de formación de equipos es importante para la integración exitosa de una fuerza laboral global.

2. Empoderar a los trabajadores con ia generativa.

Las organizaciones desempeñan un papel crucial para facilitar la adopción y el uso efectivo de las herramientas de IA generativa por parte de sus trabajadores, tanto locales como remotos, para mejorar su desempeño y productividad. Esto implica un enfoque integral que abarque orientación personalizada, recursos adaptados y apoyo continuo.

Orientación personalizada y apoyo:

— Identificación de las necesidades individuales: Las organizaciones deben evaluar las necesidades individuales de los empleados y las brechas de habilidades para brindar orientación personalizada sobre la mejor manera de utilizar las herramientas de IA generativa en sus funciones. Esto puede implicar la identificación de aplicaciones de IA específicas relevantes para sus tareas o proporcionar recomendaciones personalizadas para aprovechar las capacidades de la IA.

— Capacitación y formación: Se pueden utilizar programas integrales de capacitación y formación para garantizar que los empleados comprendan las funcionalidades y los beneficios potenciales de las herramientas de IA generativa, incluyendo instrucciones claras, tutoriales y ejercicios prácticos para facilitar la adopción.

— Mentoría y apoyo: Establecer sistemas de mentoría o apoyo puede ayudar a los empleados a superar los desafíos y maximizar los beneficios de la IA generativa en sus flujos de trabajo. Esto podría implicar emparejar a usuarios experimentados con aquellos que son nuevos en la tecnología, o proporcionar acceso a canales de soporte dedicados para la resolución de problemas y orientación.

Recursos y herramientas personalizadas:

— Selección de herramientas de IA relevantes: Las organizaciones deben elegir cuidadosamente herramientas de IA generativa alineadas con sus objetivos y necesidades de los empleados, garantizando que cuenten con soluciones eficaces para sus tareas y responsabilidades específicas.

— Plataformas de intercambio de conocimientos: La creación de plataformas o comunidades internas de intercambio de conocimientos puede facilitar el intercambio de las mejores prácticas sobre el uso eficaz de las herramientas de IA generativa. Estas plataformas pueden fomentar un entorno de aprendizaje colaborativo donde los empleados pueden beneficiarse de las experiencias de los demás y optimizar su uso de la IA.

La integración estratégica de la IA generativa en las estrategias de desarrollo del talento puede ayudar a las organizaciones a obtener beneficios significativos, incluido un mayor acceso al talento global, una mayor productividad de los trabajadores y una fuerza laboral más adaptable y resiliente. Sin embargo, es esencial considerar las implicaciones éticas, legales y prácticas para una implementación exitosa. A medida que la IA generativa siga evolucionando, las organizaciones que adapten proactivamente sus estrategias de talento estarán mejor posicionadas para prosperar en un panorama global cada vez más competitivo.

E

ntre titulares llamativos que anuncian billones de dólares en valor potencial y los miles de millones de dólares que las organizaciones han invertido para obtener ese valor, se podría suponer que las herramientas de IA generativa se han convertido en una parte esencial del entorno laboral. Sin embargo, los datos muestran una realidad diferente.

Según el reciente informe de Deloitte sobre el estado de la IA generativa, solo el 11% de las organizaciones que han proporcionado herramientas de IA a sus empleados informan que la IA generativa se ha integrado con éxito en la rutina diaria de los trabajadores (el éxito en este contexto significa que más del 60% de la organización utiliza IA generativa a diario). Entre aquellas organizaciones con menor uso (donde menos del 20% de los empleados la utilizan a diario), aproximadamente la mitad reporta un retorno inferior al esperado en su iniciativa de IA generativa más avanzada. Por el contrario, entre las organizaciones que han logrado impulsar con éxito la adopción de la IA generativa, el 86% afirma haber cumplido o superado sus expectativas de retorno de inversión.

Entonces, ¿por qué los trabajadores de algunas organizaciones no están adoptando la IA generativa? Creemos que la respuesta radica en la falta de confianza. Pues, cuando los usuarios no confían en una tecnología, no se sienten cómodos utilizándola.

La buena noticia es que es posible generar confianza en la IA generativa y, si se hace bien, puede acelerar su adopción por parte de los empleados y aumentar su comodidad con la tecnología.

Presentamos nuestro asistente de IA generativa

Al igual que muchas otras empresas, nuestra organización, Deloitte, vio el potencial de un asistente de IA generativa para mejorar el desempeño de nuestros colaboradores de múltiples maneras, desde eliminar tareas rutinarias como escribir notas de reuniones hasta colaborar activamente en el trabajo analítico y creativo, como la investigación de mercado y la generación de ideas. En el otoño de 2023, nuestro equipo de transformación lanzó un asistente de IA generativa personalizado para realizar algunas de estas tareas.

Deloitte llevó a cabo una serie de actividades de formación y capacitación para familiarizar a la organización con la IA generativa y promover el uso del nuevo asistente. En los meses siguientes, observamos una adopción alentadora en toda la organización. Sin embargo, nuestro objetivo es que el asistente de IA generativa sea plenamente aceptado e integrado en el trabajo de todos.

Nueve meses después del lanzamiento inicial, seleccionamos un grupo de prueba de 750 consultores, desde analistas junior hasta directivos, y realizamos una medición de referencia sobre la confianza en la herramienta.

La encuesta de referencia reveló que los usuarios no comprendían el amplio rango de aplicaciones que la herramienta podía ofrecerles. También descubrimos que existía incertidumbre sobre qué fuentes de datos utilizaba la herramienta y cómo protegía la información.

En respuesta, modificamos los materiales de formación y las actividades implementadas en la fase inicial. Diseñamos estos cambios específicamente para mejorar la percepción de los consultores sobre la confiabilidad y la transparencia de la herramienta, con la esperanza de aumentar su uso y motivar a quienes aún no la habían probado. Estas fueron cuatro de las intervenciones que implementamos:

1. Perfiles de usuarios expertos: Publicamos breves descripciones sobre usuarios destacados que mostraban la variedad de formas en que utilizan la herramienta en su trabajo diario y los beneficios que obtienen de ella. Proporcionamos ejemplos reales de consultores de Deloitte que la utilizan para abordar el amplio conjunto de aplicaciones para las que está diseñada.

2. Pregunte al equipo de IA generativa: Organizamos sesiones de preguntas y respuestas sobre los aspectos técnicos de la herramienta, incluyendo explicaciones claras sobre cómo se entrena y cómo se utilizan los datos. Estas sesiones se diseñaron para abordar directamente las percepciones erróneas identificadas en la encuesta de referencia.

3. Maratones de prompts: Realizamos eventos interactivos en vivo en los que los participantes aprendieron a pedir al chatbot que genere ideas que puedan utilizar para resolver problemas concretos, demostrando su aplicación práctica y la variedad de formas en que pueden utilizarlo. En estos ejercicios adoptamos un enfoque de «formación de formadores», centrándonos en cómo generar confianza en la herramienta más que simplemente en cómo utilizarla.

4. Foros de la comunidad: Además, organizamos sesiones de nuestra comunidad de IA y Analítica para fomentar el intercambio de conocimientos y la participación de la comunidad. Complementamos estos foros con actualizaciones periódicas a través de nuestro boletín interno y otros canales. Compartimos nuestras ideas sobre confianza y soluciones, fomentando el aprendizaje y la mejora continuos, y demostrando nuestro compromiso con la transparencia y la confiabilidad. Estas comunicaciones repetidas y consistentes ayudaron a que las intervenciones anteriores se consolidaran.

Generar confianza desde el principio

Las empresas están avanzando rápidamente para aprovechar la IA generativa, y los empleados son, en cierto modo, los sujetos de prueba, es decir, los usuarios de primera línea. Estas organizaciones pueden aprender de nuestra experiencia e integrar la generación de confianza en sus programas de IA generativa dirigidos a sus colaboradores. Para ello:

1. No espere hasta el lanzamiento de la IA generativa para empezar a pensar en la confianza. Ponga las necesidades humanas en el centro e incorpore consideraciones sobre la confianza de los empleados desde el diseño inicial. Comience identificando los problemas que la IA generativa debe resolver. ¿El objetivo es ayudar a los empleados a trabajar con mayor eficiencia? ¿Eliminar tareas que consumen mucho tiempo? ¿Estimular la creatividad? ¿Las herramientas que ofrece realmente ayudan a satisfacer estas necesidades?

2. Priorice los elementos de diseño que fomenten la confianza de los empleados. Los empleados deben sentir que la IA generativa es capaz, confiable, transparente y que tiene un grado de «humanidad», en el sentido de que se adapta a sus necesidades individuales y les ayuda a hacer mejor su trabajo. Ponga a prueba estos elementos de confianza durante la formación preguntando a los usuarios, por ejemplo: «¿La herramienta se comunica con usted de manera clara y sencilla? ¿Considera que sus respuestas son precisas e imparciales?» Si la herramienta recibe una mala calificación en alguna de estas cuestiones básicas de confianza, identifique la causa y trabaje para resolverla.

3. Anticipe y aborde las preocupaciones de los empleados sobre la confiabilidad de la IA generativa. Incluya en sus estrategias de cambio y adopción materiales y capacitaciones que respondan a estas inquietudes, por ejemplo, explicando cómo la IA utiliza y protege sus datos.

4. Realice encuestas de seguimiento sobre la confianza en la IA generativa, identifique áreas donde la confianza siga siendo baja y desarrolle nuevos materiales de capacitación o intervenciones para resolver estos problemas. Las encuestas periódicas son esenciales para evaluar qué funciona y qué no, asegurando una mejora continua.

5. Evalúe el nivel general de confianza de los empleados en su organización y trabaje para fortalecerlo. Las empresas con un alto nivel de confianza superan significativamente a las rezagadas en términos de valor total de mercado (hasta cuatro veces más) y experimentan una mayor adopción de nuevas tecnologías. Nuestra investigación más reciente muestra que los empleados confían mucho más en la IA generativa si confían en su organización. En estas empresas de «alta confianza», los colaboradores tienen 2.6 veces más probabilidades de sentirse cómodos utilizando herramientas de IA que en empresas con bajos niveles de confianza.

Más allá de los beneficios empresariales, generar confianza es lo correcto. Ganarse la confianza fortalece las relaciones que queremos construir, las organizaciones a las que queremos pertenecer y el mundo en el que queremos vivir.