Líderes de opinión
La confianza operativa como cuello de botella: por qué los empleados realmente se resisten a la IA en el trabajo

Puntos claveLas brechas de confianza operacional causan más resistencia a la IA que la preparación…
Ver más
- Las brechas de confianza operacional causan más resistencia a la IA que la preparación en habilidades o tecnología.
- La IA amplifica flujos de trabajo defectuosos en lugar de corregir modelos operativos disfuncionales a gran escala.
- La adopción sostenible requiere rediseñar el trabajo con límites claros de decisión humano-IA y responsabilidad definida.
La IA ha sido una fuerza dominante en los últimos años, redefiniendo los fundamentos de cómo se realiza el trabajo. Mirando hacia adelante, el optimismo de los ejecutivos sigue siendo elevado, con 92% de las empresas planeando aumentar su inversión en IA para 2028. Entre los empleados, sin embargo, las opiniones sobre la IA son mucho más diversas.
Según un informe reciente, 52% de los trabajadores están preocupados por cómo la IA impactará el lugar de trabajo y otro 32% cree que conducirá a menos oportunidades laborales. Esta resistencia a la IA en el lugar de trabajo es una barrera común, pero persistente, para la adopción exitosa de la IA. También es una que a menudo se relaciona con brechas en las habilidades de los empleados o la preparación técnica de la organización. Es cierto que ambos factores juegan un papel en alimentar la resistencia a la IA. La verdadera raíz del problema, sin embargo, es la confianza operativa.
¿Dónde residen realmente la resistencia a la IA y el riesgo?
La resistencia es un síntoma de incertidumbre – sobre cómo la IA cambiará la toma de decisiones, quién asumirá la responsabilidad cuando las cosas salgan mal, o qué controles y salvaguardas se han establecido. Esta ruptura en la confianza operativa no afecta solo a los empleados. Los empleadores tampoco son inmunes.
Deloitte descubrió recientemente que, si bien el 42% de las empresas cree que su estrategia empresarial está muy preparada para la adopción de la IA, también se sienten menos preparadas en términos de infraestructura, datos, riesgo y talento. Independientemente del nivel del puesto, la falta de control sobre los datos o su pérdida, el cumplimiento de los estándares del sector y las posibles interrupciones de los flujos de trabajo establecidos figuran entre las principales preocupaciones. Estas preocupaciones son especialmente válidas en industrias altamente reguladas donde una decisión errónea de la IA puede tener consecuencias mucho mayores.
Hay un riesgo real en la automatización de flujos de trabajo que ya están defectuosos o carecen de una estructura de gobernanza clara. En estos escenarios, la IA se convierte en el foco de la falla, a menudo creando más fricción y amplificando los errores de ejecución preexistentes. Después de todo, un sistema malo sigue siendo malo, incluso si está respaldado por la IA. La IA no arregla los sistemas rotos. Los ejecuta más rápido. Aquí es donde las empresas tienden a encontrar verdaderas dificultades.
Muchos ven las herramientas de IA en sí como la principal fuente de riesgo. En realidad, el riesgo vive en el modelo operativo en el que se introducen esas herramientas. En la práctica, la mayor amenaza proviene de agregar la IA a los modelos operativos que nunca fueron diseñados para respaldar la automatización avanzada en primer lugar. Particularmente a escala. Este enfoque es una receta para acelerar los problemas que la organización está tratando de resolver.
IA integrada y el factor de juicio humano
La IA está en su mejor momento cuando no elimina el juicio humano de la ecuación, sino que redistribuye dónde se aplica el juicio y cómo se apoya. Con este enfoque, los límites de decisión son más claros, consistentes y escalables, y la IA opera como una herramienta para ayudar a las organizaciones a difundir la riqueza de su experiencia humana de manera más efectiva y eficiente.
Estamos lejos de una era de IA en la que la aportación humana ya no sea necesaria. Sin embargo, la industria ha llegado a un punto en el que el juicio humano debe aplicarse de manera diferente y más reflexiva para aprovechar al máximo la IA. El estándar de oro de la relación humano-IA es aquel en el que la tecnología proporciona análisis y contexto basados en datos con rapidez para guiar a los trabajadores en la toma de decisiones de alto nivel y liberar tiempo para el trabajo que realmente importa.
Cuando la IA se despliega como una iniciativa independiente, las mejoras son incrementales. Probablemente acelerará las tareas repetitivas o reducirá el esfuerzo manual en áreas como el trabajo administrativo, pero eso solo araña la superficie del valor potencial de la IA. La transformación genuina ocurre cuando la IA se integra directamente en los flujos de trabajo, orquestando cómo se mueve la información, de arriba a abajo.
La claridad es clave para la adopción sostenible de la IA
Solo el 41% de las personas en EE. UU. están dispuestas a confiar en la IA. Considerando que estos sistemas influyen en cómo trabajan los empleados, cómo se evalúa su desempeño y sus perspectivas laborales futuras, la vacilación no es sorprendente, pero no puede permitirse que persista. Las empresas deben conseguir el respaldo de los empleados, y la capacitación no puede resolverlo todo por sí sola. La claridad operativa es clave.
Los empleados deben entender dónde la IA contribuye a las recomendaciones y dónde el juicio humano conserva la autoridad final, y tenerlo claro desde el principio. También necesitan saber quién responde por la decisión cuando la IA está involucrada. La visibilidad hace que verificar la confiabilidad de los resultados de la IA sea más fácil y establece un sentido de control y responsabilidad, al igual que los procedimientos claramente establecidos para que las personas puedan modificar o revocar las decisiones del sistema. Estos elementos son la base de una fuerte confianza operativa. Sin ellos, incluso los sistemas bien diseñados pueden tener dificultades, con los trabajadores cuestionando las recomendaciones, o incluso abandonando la tecnología por completo en favor de los procesos manuales originales. Esto solo disminuye el valor general de las inversiones en IA y refuerza la percepción de que la IA es más disruptiva que empoderadora.
Abordar esta dinámica al principio de la implementación es esencial. Las organizaciones que ven el mayor éxito con la adopción de la IA no la tratan como una implementación única o un proyecto de TI aislado. En cambio, la están abordando como una evolución del modelo operativo – comenzando con la redefinición de los flujos de trabajo, la redefinición de roles y el establecimiento de una responsabilidad compartida en toda la empresa.
Los líderes empresariales, los equipos técnicos y los socios de plataforma aportan, cada uno, una pieza diferente del rompecabezas. El desafío no es la experiencia, es la alineación. Los líderes empresariales entienden qué resultados son más importantes y cómo se relacionan con la estrategia a largo plazo. Los ingenieros y los líderes de TI entienden las capacidades y las limitaciones de la tecnología. Los socios de plataforma aportan experiencia real en la implementación de la IA en entornos de producción. Cuando estos grupos diseñan flujos de trabajo juntos, la IA se vuelve ejecutable. Cuando no, sigue siendo teórica.
La percepción de que la IA es algo que se impone en lugar de una herramienta útil que se desarrolló con las aportaciones de las personas que la utilizarán es otro factor importante que impulsa la resistencia en el lugar de trabajo. Involucrar a los equipos de primera línea en el rediseño de los flujos de trabajo invierte ese guión. Los empleados tienen la oportunidad de identificar los problemas que más afectan a su trabajo y convertirse en contribuyentes activos para determinar cómo se aplica la IA día a día.
Los resultados reales siempre serán más poderosos que el alivio prometido. Si los empleados ven pruebas tangibles de que la IA mejora sus vidas laborales – ya sea eliminando el trabajo tedioso o ayudándolos a profundizar en el trabajo altamente cualificado que les apasiona – son más propensos a comprometerse con ella. De hecho, cuando la confianza en la IA es alta, los trabajadores tienen una probabilidad 2,8 veces mayor de usar la tecnología a diario y ahorran un promedio de 2 horas a la semana, según Deloitte.
La resistencia a la IA es en última instancia un desafío operativo. Las organizaciones que superen esto no serán las que tengan los modelos más avanzados, sino las que rediseñen cómo se realiza realmente el trabajo y hagan que ese trabajo sea ejecutable, responsable y claro.
Este cambio no ocurre en aislamiento. Requiere un compromiso con la colaboración entre distintas áreas en toda la empresa y una voluntad de ser adaptable y replantear procesos arraigados. Una vez que los sistemas internos se optimizan para adaptarse a la forma en que las personas que los utilizan realmente trabajan, la confianza, el respaldo y la adopción sostenible siguen naturalmente.












