La adopción de la IA exige rediseñar el trabajo y observar nuevos comportamientos humanos
La adopción real de la IA exige rediseñar el trabajo y observar juicio profesional, experimentación y pensamiento divergente, no solo medir accesos o usos.
Resumen del artículo publicado en deloitte.com y recomendado por Digital Skills Institute el 3 de noviembre de 2026.
El uso de la inteligencia artificial en el trabajo puede aumentar sobre el papel sin transformar realmente la forma de trabajar: aunque el acceso a herramientas de IA creció un 50% en un año, menos del 60% de los empleados que disponen de ellas las incorpora a su actividad diaria, y el 84% de las organizaciones no ha rediseñado puestos ni flujos de trabajo alrededor de esta tecnología. Muchas empresas intentan impulsar su implantación vinculándola a ascensos, evaluaciones del desempeño o decisiones salariales, lo que puede elevar rápidamente las cifras de uso. Sin embargo, abrir una herramienta, realizar unas pocas interacciones y volver después a los métodos habituales revela adopción aparente, pero no adaptación real.
La diferencia reside en que la IA no funciona como otras tecnologías empresariales cuya implantación se medía por accesos o frecuencia de uso. Su valor aparece en la interacción entre la persona y la máquina: en cómo se cuestionan sus respuestas, se experimenta con sus posibilidades y se modifican decisiones y procesos. Por eso, las organizaciones necesitan observar comportamientos humanos concretos, no solo métricas de actividad. Entre ellos destacan el juicio profesional, la experimentación y el pensamiento divergente. Un modelo útil para promoverlos combina observación continua del comportamiento, intervenciones personalizadas en el flujo de trabajo y experiencias diseñadas para consolidar nuevas capacidades con el tiempo.
El juicio profesional consiste en saber cuándo confiar en la IA, cuándo cuestionarla y cuándo rechazarla. Las herramientas generan respuestas rápidas y convincentes, lo que favorece que algunas personas acepten resultados sin comprobarlos. Solo la mitad de los directivos verifica regularmente la calidad de las salidas generadas por IA al tomar decisiones. Incluso se han observado sistemas que responden a comprobaciones con múltiples tácticas persuasivas para defender su primera respuesta, elevando la exigencia sobre quien supervisa. Detectar juicio implica observar si los trabajadores contrastan fuentes, revisan supuestos, reformulan respuestas o introducen contexto adicional. Gap Inc., al analizar interacciones con IA, comprobó que quienes concebían la herramienta como colaboradora probabilística que requiere contexto e iteración obtenían mejores resultados que quienes la trataban como un instrumento determinista.
Desarrollar ese juicio exige práctica deliberada. Algunas iniciativas plantean agentes de entrenamiento capaces de analizar patrones cognitivos durante el uso de IA y ofrecer retroalimentación personalizada; otras proponen que la propia IA actúe como interlocutor crítico mediante preguntas, perspectivas alternativas o simulaciones. Enel aplicó este planteamiento a gran escala con 1.240 directivos de 18 países durante ocho meses mediante sesiones con expertos, ejercicios prácticos, casos reales y simulaciones orientadas a fortalecer metacognición y toma de decisiones.
La experimentación permite descubrir nuevos usos más allá de hacer lo mismo con mayor rapidez. Aunque el 78% de los empleados afirma probar continuamente nuevas formas de trabajar, solo el 56% se siente reconocido por ser adaptable. Señales relevantes son probar funciones distintas, compartir flujos inventados o participar en comunidades internas. Canva dedicó una semana completa a que más de 5.000 empleados explorasen casos de uso y herramientas empresariales. Otra compañía tecnológica multinacional comparó un enfoque tradicional con uno basado en retos diarios, gamificación, reflexión guiada, entrenador virtual y aprendizaje social entre 793 participantes; el segundo generó más experimentación sostenida.
El pensamiento divergente protege aquello que la IA no reproduce bien: perspectivas contrarias, enfoques laterales y reformulación profunda de problemas. La automatización puede generar una trampa de abundancia: más informes, borradores e ideas producidos con facilidad hasta saturar la capacidad humana para asimilarlos. Entre trabajadores sometidos a cambios importantes por IA, el 69% declara más carga laboral y el 43% identifica la falta de tiempo como principal barrera para adaptarse. Para preservarlo pueden observarse bloques reales de concentración en calendarios, interrupciones frecuentes, proporción entre contenido generado por IA y contenido modificado por humanos o diversidad efectiva en redes de colaboración.
Fomentar estos comportamientos requiere crear espacios seguros para cuestionar respuestas automáticas, ensayar hipótesis y dedicar tiempo a reflexión profunda. También exige límites claros: BBVA permite amplia autonomía para crear y probar soluciones internas con apoyo de expertos pares, pero establece formación obligatoria, validación humana antes de conectar salidas a sistemas y una puntuación automatizada de calidad para evaluar miles de GPT creados por empleados según barreras, claridad y contexto. Así se impulsa la adaptación sin convertirla en mero cumplimiento estadístico ni dejarla sin gobernanza.
