Doxa 2651

¿Qué distingue realmente a las personas de alto rendimiento? Una revisión académica de la evidencia científica

¿Qué es lo que realmente distingue a las personas de alto rendimiento?
Una síntesis de la evidencia científica sobre la adquisición de la excelencia humana

Por: Oscar Hernando Benavides Paz, MBA

Resumen

La pregunta sobre qué distingue a las personas de alto rendimiento de aquellas con desempeño promedio ha generado un cuerpo sustancial de investigación empírica a lo largo de más de tres décadas. La evidencia acumulada sugiere que ningún factor único explica la excelencia humana. La práctica deliberada, entendida como actividad estructurada con el propósito explícito de mejorar aspectos específicos del desempeño, se mantiene como un mecanismo central, aunque su poder predictivo ha sido revisado críticamente. Paralelamente, el desarrollo de representaciones mentales sofisticadas, que permiten a los expertos planificar, monitorear y corregir su ejecución en tiempo real, emerge como un mecanismo mediador fundamental. Los estudios de heritabilidad indican una influencia genética considerable en rasgos fisiológicos y psicológicos asociados al rendimiento, con estimaciones que frecuentemente superan el cincuenta por ciento. Los rasgos de personalidad, particularmente la escrupulosidad, muestran asociaciones consistentes aunque modestas con el logro. La evidencia más reciente desafía supuestos arraigados sobre la relación entre desempeño temprano y logro adulto, sugiriendo que los mejores del mundo a menudo no destacan en etapas iniciales y que la práctica multidisciplinaria temprana puede ser más predictiva que la especialización precoz. Este artículo sintetiza los hallazgos de revisiones sistemáticas y meta-análisis en dominios que incluyen deporte de élite, ciencia, música y ajedrez, y propone un marco integrador que reconoce la interacción compleja entre factores disposicionales, prácticas de desarrollo y condiciones contextuales.

Palabras clave: alto rendimiento, práctica deliberada, representaciones mentales, rendimiento experto, genética del rendimiento, psicología del deporte, talento, excelencia profesional.

Abstract

The question of what distinguishes high performers from average performers has generated substantial empirical research over more than three decades. Accumulated evidence suggests that no single factor explains human excellence. Deliberate practice, understood as structured activity with the explicit purpose of improving specific aspects of performance, remains a central mechanism, though its predictive power has been critically reassessed. Concurrently, the development of sophisticated mental representations that enable experts to plan, monitor, and correct performance in real time emerges as a fundamental mediating mechanism. Heritability studies indicate considerable genetic influence on physiological and psychological traits associated with performance, with estimates frequently exceeding fifty percent. Personality traits, particularly conscientiousness, show consistent though modest associations with achievement. Recent evidence challenges entrenched assumptions about the relationship between early performance and adult achievement, suggesting that the world's best performers often do not stand out in early stages and that early multidisciplinary practice may be more predictive than early specialization. This article synthesizes findings from systematic reviews and meta-analyses across domains including elite sport, science, music, and chess, and proposes an integrative framework that recognizes the complex interaction between dispositional factors, developmental practices, and contextual conditions.

Keywords: high performance, deliberate practice, mental representations, expert performance, performance genetics, sport psychology, talent, professional excellence.

Introducción

La búsqueda de los determinantes del rendimiento humano excepcional constituye una de las empresas científicas más persistentes y, simultáneamente, más esquivas en las ciencias del comportamiento. Desde las investigaciones pioneras de Galton sobre la herencia del genio en el siglo XIX hasta los estudios contemporáneos sobre plasticidad neural y adquisición de expertise, la pregunta fundamental ha permanecido constante: ¿qué separa a quienes alcanzan los niveles más altos de desempeño de aquellos que, aun esforzándose, permanecen en la media?

La relevancia de esta pregunta trasciende el interés académico. Las organizaciones invierten recursos considerables en identificar, seleccionar y desarrollar individuos de alto potencial. Los sistemas educativos diseñan programas de talento. Las instituciones deportivas implementan sistemas de detección temprana. Sin embargo, la evidencia científica sugiere que muchos de estos esfuerzos se basan en supuestos que la investigación empírica no respalda de manera inequívoca .

La literatura sobre rendimiento experto ha estado dominada durante décadas por el marco de la práctica deliberada, propuesto por Ericsson y colaboradores en 1993. Este marco postula que las diferencias individuales en el desempeño experto son fundamentalmente atribuibles a la cantidad acumulada de práctica deliberada, definida como actividad altamente estructurada, con retroalimentación inmediata, repetida y diseñada para superar debilidades específicas . La influencia de esta perspectiva ha sido profunda, moldeando tanto la investigación posterior como las prácticas de desarrollo de talento en múltiples dominios.

Sin embargo, la última década ha presenciado una reevaluación crítica de este marco. Meta-análisis y revisiones sistemáticas han documentado inconsistencias en la definición operacional de práctica deliberada, variabilidad sustancial en su poder predictivo entre dominios, y evidencia de que factores genéticos, rasgos disposicionales y condiciones contextuales ejercen influencias significativas que la práctica deliberada por sí sola no captura . Paralelamente, investigaciones longitudinales sobre atletas de élite, laureados con el Nobel, grandes maestros de ajedrez y compositores de renombre han revelado patrones de desarrollo que desafían las concepciones tradicionales sobre la progresión lineal desde el talento temprano hasta la eminencia adulta .

El presente artículo tiene como propósito sintetizar la evidencia científica disponible sobre los factores que distinguen a las personas de alto rendimiento, integrando hallazgos de la psicología cognitiva, la genética del comportamiento, la psicología de la personalidad y la investigación sobre desarrollo de expertise. Se examinan críticamente los mecanismos propuestos, se identifican las limitaciones metodológicas de la literatura existente, y se propone un marco integrador que reconoce la naturaleza multicausal del rendimiento excepcional.

Objetivos

Objetivo general: Sintetizar y analizar críticamente la evidencia científica sobre los factores disposicionales, cognitivos, conductuales y contextuales que distinguen a las personas de alto rendimiento de aquellas con desempeño promedio, con el fin de articular un marco comprensivo basado en la mejor evidencia disponible.

Objetivos específicos:

1. Examinar la evidencia empírica sobre el papel de la práctica deliberada en la adquisición de rendimiento experto, incluyendo sus contribuciones y limitaciones predictivas documentadas.

2. Analizar el constructo de representaciones mentales como mecanismo mediador del desempeño experto y su desarrollo diferencial entre expertos y no expertos.

3. Evaluar la evidencia sobre la influencia genética en el rendimiento humano excepcional, incluyendo estimaciones de heritabilidad y estudios de gemelos.

4. Identificar los rasgos de personalidad consistentemente asociados con el alto rendimiento y evaluar su poder predictivo.

5. Discutir la evidencia reciente sobre patrones de desarrollo que desafían los supuestos de linealidad entre desempeño temprano y logro adulto.

6. Proponer un marco integrador que articule los hallazgos de las distintas líneas de investigación.

Metas

El presente trabajo se propone contribuir a la literatura sobre rendimiento humano excepcional mediante: (a) la integración sistemática de hallazgos dispersos en múltiples dominios de desempeño; (b) la identificación de convergencias y tensiones entre marcos teóricos competidores; (c) la delimitación de vacíos de conocimiento que requieren investigación futura; (d) la derivación de implicaciones prácticas para el diseño de programas de identificación y desarrollo de talento basadas en evidencia; y (e) el establecimiento de una agenda de investigación que aborde las limitaciones metodológicas identificadas en la literatura existente.

Desarrollo

La práctica deliberada: alcance y límites de un constructo central

El concepto de práctica deliberada, acuñado por Ericsson, Krampe y Tesch-Römer en 1993, representa probablemente la contribución teórica más influyente en la literatura sobre adquisición de expertise. En su formulación original, la práctica deliberada se define como una actividad altamente estructurada, diseñada explícitamente para mejorar aspectos específicos del desempeño, que requiere concentración sostenida, retroalimentación inmediata y repetida ejecución de tareas que se encuentran más allá del nivel actual de competencia del individuo .

La evidencia inicial que respaldaba esta perspectiva provenía de estudios sobre músicos violinistas, donde se encontraron correlaciones sustanciales entre las horas acumuladas de práctica deliberada y el nivel de desempeño alcanzado. Estudios subsecuentes en ajedrez, deporte y otras dominios replicaron estos hallazgos básicos, estableciendo la práctica deliberada como el predictor más robusto del rendimiento experto .

Sin embargo, la investigación de las últimas dos décadas ha sometido este constructo a un escrutinio crítico que ha revelado tanto su utilidad como sus limitaciones. Una revisión sistemática de la evidencia disponible documentó inconsistencias significativas en cómo se operacionaliza la práctica deliberada entre estudios, con algunos investigadores empleando definiciones que se aproximan más a lo que podría denominarse "práctica estructurada" que a la formulación original de Ericsson . Estas variaciones definicionales complican la comparabilidad entre estudios y la acumulación de conocimiento.

Meta-análisis recientes han estimado que la práctica deliberada explica entre el dieciocho y el veinticinco por ciento de la varianza en el desempeño dentro de dominios específicos, una contribución sustancial pero considerablemente menor que las implicaciones de la formulación teórica original . Más significativamente, la proporción de varianza explicada difiere notablemente entre dominios: es mayor en ajedrez y música, donde las tareas son altamente estructuradas y la retroalimentación es inmediata, y menor en dominios como la educación y las profesiones, donde los criterios de desempeño son más difusos y la retroalimentación menos clara .

La evidencia más reciente sugiere que la relación entre práctica deliberada y rendimiento no es lineal en todos los niveles de desempeño. Entre los mejores del mundo, la cantidad adicional de práctica más allá de cierto umbral parece producir rendimientos decrecientes, y otros factores –incluyendo capacidades cognitivas específicas, rasgos de personalidad y oportunidades contextuales– adquieren mayor importancia relativa . Esta observación es consistente con modelos que postulan múltiples predictores del desempeño excepcional, con pesos relativos que varían según el nivel de análisis.

Representaciones mentales: el mecanismo mediador del desempeño experto

Un hallazgo consistente en la investigación sobre expertise es que los expertos no simplemente ejecutan habilidades motoras o cognitivas de manera más eficiente que los novatos; poseen estructuras de conocimiento cualitativamente diferentes que les permiten percibir, interpretar y responder a situaciones de manera más efectiva. Estas estructuras, denominadas representaciones mentales, esquemas o chunks, constituyen el mecanismo mediador fundamental del desempeño experto .

Las representaciones mentales en expertos cumplen una doble función. Primero, permiten la planificación y el razonamiento sobre cursos de acción alternativos antes de su ejecución. Un maestro de ajedrez, por ejemplo, puede visualizar secuencias de movimientos y evaluar sus consecuencias potenciales sin necesidad de ejecutarlos físicamente. Segundo, las representaciones mentales permiten el monitoreo continuo de la propia ejecución, proporcionando retroalimentación interna que facilita la corrección inmediata de desviaciones del estándar deseado .

La investigación empírica ha documentado diferencias robustas en la sofisticación de las representaciones mentales entre expertos y no expertos. En ajedrez, los estudios clásicos de De Groot y Simon demostraron que los grandes maestros pueden reconstruir posiciones de tablero significativamente mejor que jugadores de menor nivel, pero solo cuando las posiciones provienen de partidas reales; ante configuraciones aleatorias, la ventaja desaparece. Este hallazgo fundamental estableció que la superioridad experta radica en la capacidad de reconocer patrones significativos, no en una memoria superior en términos generales .

En dominios físicos, como el deporte, las representaciones mentales se manifiestan en habilidades anticipatorias refinadas. Los atletas de élite en deportes de raqueta, por ejemplo, desarrollan la capacidad de predecir la dirección y velocidad de la pelota basándose en información postural temprana del oponente, una habilidad que los novatos no poseen y que no puede atribuirse simplemente a diferencias en velocidad de procesamiento .

El desarrollo de representaciones mentales sofisticadas requiere exposición prolongada a situaciones representativas del dominio y, crucialmente, retroalimentación que permita refinar progresivamente dichas representaciones. La práctica deliberada, en su formulación más rigurosa, está diseñada precisamente para proporcionar estas condiciones. Sin embargo, la evidencia sugiere que la mera acumulación de experiencia no garantiza el desarrollo de representaciones expertas; la calidad de la retroalimentación y la naturaleza de las tareas de práctica son determinantes críticos .

La dimensión genética: evidencia de estudios de heritabilidad

La pregunta sobre la contribución relativa de factores genéticos y ambientales al rendimiento excepcional ha sido objeto de debate científico durante más de un siglo. La evidencia acumulada de estudios de gemelos, adopción y genética molecular sugiere que ambos tipos de factores ejercen influencias significativas, aunque la magnitud relativa de sus contribuciones varía según el rasgo o desempeño específico considerado .

En el dominio fisiológico, los estudios de heritabilidad han documentado influencias genéticas sustanciales en determinantes clave del rendimiento físico. Un estudio clásico con gemelos monocigóticos y dicigóticos encontró estimaciones de heritabilidad de 0.75 para concentraciones máximas de lactato y de 0.71 a 0.79 para equivalentes respiratorios de oxígeno, indicando componentes genéticos significativos en marcadores del metabolismo anaeróbico . Sin embargo, el mismo estudio no detectó componente genético significativo en economía de carrera ni en consumo máximo de oxígeno relativo a masa corporal .

Una revisión comprehensiva de la literatura sobre genética y rendimiento deportivo de élite concluyó que, aunque la heritabilidad de fenotipos relevantes para el rendimiento de élite típicamente supera el cincuenta por ciento pero se mantiene por debajo del cien por ciento, la evidencia acumulada a lo largo de casi dos siglos de investigación experimental "inclina la balanza a favor de la naturaleza" en el debate entre naturaleza y crianza . Esta conclusión se basa en la observación de que los atletas verdaderamente de élite parecen estar "construidos –pero solo a partir de aquellos nacidos con habilidad innata" .

En el dominio psicológico, la evidencia sobre la heredabilidad de rasgos asociados al rendimiento es igualmente sustancial. Un estudio con más de cuatro mil seiscientos gemelos de dieciséis años en el Reino Unido encontró una heredabilidad del treinta y siete por ciento para la perseverancia del esfuerzo, un componente del constructo de "grit" (tenacidad), y del veinte por ciento para la consistencia del interés . Más importante aún, los análisis genéticos multivariados revelaron que la perseverancia del esfuerzo y la escrupulosidad del modelo de cinco factores son, en gran medida, el mismo rasgo tanto fenotípica (r = 0.53) como genéticamente (correlación genética = 0.86) .

Es crucial interpretar estas estimaciones de heritabilidad con precisión. La heredabilidad es una propiedad poblacional, no individual; describe la proporción de varianza en un rasgo dentro de una población específica bajo condiciones ambientales particulares que es atribuible a diferencias genéticas. No implica determinismo genético ni inmutabilidad, y puede variar sustancialmente entre poblaciones y contextos ambientales. Además, la heredabilidad significativa no excluye la posibilidad de modificación mediante intervención ambiental; simplemente indica que, bajo las condiciones existentes, las diferencias genéticas contribuyen a las diferencias observadas .

Rasgos de personalidad: asociaciones consistentes pero modestas

La investigación sobre la relación entre rasgos de personalidad y rendimiento excepcional ha identificado asociaciones consistentes, aunque generalmente de magnitud modesta. Una revisión sistemática de la literatura sobre selección de atletas basada en personalidad propuso tres mecanismos interrelacionados –hipótesis de atracción, hipótesis de desarrollo y modelo interaccionista– que articulan cómo los rasgos disposicionales y el contexto deportivo se influyen mutuamente .

La hipótesis de atracción postula que los individuos poseen rasgos disposicionales relativamente estables que preceden a la participación deportiva y que los atraen hacia deportes compatibles con su personalidad. Meta-análisis recientes han documentado asociaciones positivas entre extraversión y participación deportiva, con efectos más fuertes en deportes de equipo que en deportes individuales .

La hipótesis de desarrollo sostiene que la participación deportiva prolongada puede moldear y reforzar rasgos de personalidad a través de retroalimentación conductual y refuerzo contextual. Evidencia longitudinal de tres cohortes amplias (N ≈ 23,000) demostró que la inactividad física inicial predecía declines significativamente más pronunciados en escrupulosidad durante un seguimiento de veinte años, proporcionando el respaldo longitudinal más fuerte hasta la fecha para esta hipótesis .

El modelo interaccionista integra ambas perspectivas, proponiendo que los rasgos de personalidad y los contextos deportivos se moldean mutuamente. Las predisposiciones iniciales influyen en la elección de deporte, mientras que los entornos específicos del deporte activan y consolidan ciertos rasgos a lo largo del tiempo .

En cuanto a la relación directa entre personalidad y rendimiento, la escrupulosidad emerge como el predictor más consistente, aunque el tamaño del efecto es modesto. El estudio de gemelos mencionado previamente encontró que la personalidad, principalmente la escrupulosidad, predice aproximadamente el seis por ciento de la varianza en calificaciones de exámenes, con el constructo de grit añadiendo poco a esta predicción más allá de los factores de personalidad tradicionales .

En deportes de élite, los rasgos psicológicos identificados como característicos de atletas de alto rendimiento incluyen motivación, pasión, dedicación, compromiso, disciplina, capacidad de concentración, resiliencia mental, dureza mental, confianza y autoeficacia . Sin embargo, la mayoría de estos hallazgos proviene de diseños transversales que no permiten establecer relaciones causales, y existe una heterogeneidad considerable en las mediciones utilizadas entre estudios .

El desafío de la linealidad: desempeño temprano y logro adulto

Quizás el hallazgo más provocativo de la investigación reciente sobre rendimiento excepcional es la evidencia que desafía el supuesto de que los mejores desempeños en etapas tempranas predicen el logro adulto de élite. Una revisión exhaustiva que sintetizó datos de miles de atletas de élite, laureados con el Nobel en ciencias, grandes maestros de ajedrez y compositores clásicos de renombre encontró que los desempeños excepcionales tempranos y tardíos raramente corresponden a los mismos individuos .

Más específicamente, la evidencia sugiere que, al comparar desempeños en los niveles más altos, el desempeño máximo está negativamente asociado con el desempeño temprano. En otras palabras, muchos de los mejores del mundo no destacaron entre sus pares durante la infancia o adolescencia. Este patrón, documentado inicialmente en atletas de élite, se replica consistentemente en ciencia, ajedrez, música y otras profesiones .

Una implicación crítica de estos hallazgos es que los predictores del desempeño excepcional temprano y los predictores del desempeño máximo adulto son diferentes. Los programas de identificación de talento que seleccionan a los mejores desempeños juveniles pueden estar identificando a individuos con perfiles de desarrollo distintos de aquellos que eventualmente alcanzarán la eminencia adulta .

Contrario a las expectativas de que la especialización temprana intensiva maximiza las probabilidades de éxito, la evidencia sugiere que la práctica multidisciplinaria temprana está asociada con el eventual rendimiento de clase mundial. Los atletas de élite, científicos y artistas que alcanzan los niveles más altos tienden a haber participado en una variedad de actividades durante el desarrollo temprano, adquiriendo un repertorio amplio de habilidades y perspectivas que posteriormente facilitan la innovación y la creatividad dentro de su dominio de especialización .

Este patrón es consistente con la observación de que los desempeños más altos en muchos dominios involucran la generación de innovaciones creativas que transforman el campo. La capacidad de generar ideas novedosas que trascienden las fronteras disciplinarias se ve facilitada por la exposición a múltiples dominios y la capacidad de establecer conexiones no obvias entre ellos, habilidades que la especialización precoz estrecha puede inhibir .

Condiciones contextuales y el entorno de desarrollo

La literatura reciente ha enfatizado crecientemente que el alto rendimiento no es exclusivamente un fenómeno individual, sino que emerge de la interacción entre características personales y condiciones contextuales favorables. Una revisión sistemática de estudios sobre profesionales de alto rendimiento propuso una definición que reconoce explícitamente esta dimensión contextual: un profesional de alto rendimiento es "un individuo que demuestra productividad superior a sus pares, basada en ciertas características y comportamientos individuales, combinada con condiciones laborales favorables que apoyan resultados excepcionales" .

Esta conceptualización desafía la noción de que la excelencia profesional es únicamente una cuestión de rasgos y comportamientos individuales. Los entornos organizacionales, las oportunidades de desarrollo, el acceso a mentores, la disponibilidad de recursos y las estructuras de incentivos ejercen influencias significativas sobre la probabilidad de que individuos con potencial alcancen niveles excepcionales de desempeño .

La investigación sobre desarrollo de expertise ha documentado consistentemente que los entornos de práctica óptimos comparten características específicas: oportunidades para práctica deliberada con retroalimentación de alta calidad, acceso a entrenadores o mentores expertos, y una cultura que valora y recompensa la mejora continua. La ausencia de estas condiciones puede impedir que individuos con potencial genético y disposicional favorable alcancen niveles de desempeño que de otro modo serían alcanzables .

Además, la literatura ha comenzado a documentar las consecuencias sociales y psicológicas del alto rendimiento, incluyendo riesgos para la salud mental, tensiones en la conciliación de la vida personal y profesional, y desafíos relacionados con la identidad y el sentido de pertenencia. Estos factores, frecuentemente ignorados en la literatura centrada exclusivamente en la optimización del desempeño, son relevantes tanto para la comprensión integral del fenómeno como para el diseño de intervenciones éticas y sostenibles .

Discusión

La síntesis de la evidencia revisada sugiere que la pregunta sobre qué distingue a las personas de alto rendimiento no admite una respuesta única ni simple. Más bien, la excelencia humana emerge de la interacción compleja y probabilística de múltiples factores que operan en diferentes niveles de análisis y a lo largo de escalas temporales extendidas.

La práctica deliberada, aunque central en la literatura contemporánea sobre expertise, no constituye una explicación suficiente ni completa del desempeño excepcional. Su poder predictivo, estimado conservadoramente en aproximadamente un cuarto de la varianza en el desempeño, deja espacio considerable para la influencia de otros factores, incluyendo diferencias genéticas en capacidades fisiológicas y cognitivas, rasgos disposicionales que afectan la probabilidad y calidad de la práctica, y condiciones contextuales que facilitan o inhiben el desarrollo del talento .

Las representaciones mentales sofisticadas que caracterizan a los expertos representan el producto acumulado de años de práctica en condiciones que favorecen su desarrollo. Sin embargo, la evidencia sugiere que la relación entre práctica y desarrollo de representaciones no es automática; la calidad de la retroalimentación, la estructura de las tareas y la orientación hacia la mejora continua son mediadores críticos . Esto implica que no toda práctica es igualmente efectiva, y que la simple acumulación de horas de actividad en un dominio no garantiza el desarrollo de los mecanismos cognitivos que subyacen al desempeño experto.

La evidencia genética, aunque sujeta a interpretaciones erróneas y malentendidos, sugiere que las diferencias individuales en capacidades relevantes para el rendimiento tienen fundamentos biológicos significativos. La heredabilidad de rasgos fisiológicos y psicológicos asociados al desempeño típicamente supera el cincuenta por ciento, indicando que, en las poblaciones estudiadas y bajo las condiciones ambientales existentes, las diferencias genéticas contribuyen sustancialmente a las diferencias observadas . Esto no implica determinismo genético –la heredabilidad no es inmutabilidad– pero sí sugiere que las intervenciones ambientales operan dentro de límites establecidos por la dotación genética individual.

El hallazgo de que el desempeño temprano y el logro adulto de élite frecuentemente no corresponden a los mismos individuos representa un desafío significativo para las prácticas convencionales de identificación de talento. Si los predictores del desempeño juvenil difieren de los predictores del desempeño adulto máximo, entonces los sistemas de selección que se basan en el desempeño temprano pueden estar identificando sistemáticamente a individuos con perfiles de desarrollo que no son los más propicios para el logro excepcional posterior .

Este hallazgo también sugiere la importancia de las trayectorias de desarrollo no lineales y de los períodos de exploración y diversificación temprana. La evidencia de que la práctica multidisciplinaria temprana está asociada con el eventual rendimiento de clase mundial sugiere que la especialización precoz intensiva, aunque pueda producir ventajas en el desempeño juvenil, podría no ser óptima para el desarrollo del potencial máximo a largo plazo.

Conclusiones

La evidencia científica acumulada sobre los determinantes del rendimiento humano excepcional permite formular las siguientes conclusiones:

Primera. No existe un factor único que distinga de manera suficiente a las personas de alto rendimiento. La excelencia humana emerge de la interacción de múltiples factores disposicionales, conductuales y contextuales que operan de manera conjunta y probabilística.

Segunda. La práctica deliberada constituye un mecanismo central en la adquisición de expertise, pero su poder predictivo es sustancialmente menor de lo que implicaba la formulación teórica original, y varía significativamente entre dominios. Los meta-análisis sugieren que explica aproximadamente un cuarto de la varianza en el desempeño dentro de dominios específicos.

Tercera. Las representaciones mentales sofisticadas que permiten a los expertos planificar, monitorear y corregir su desempeño en tiempo real constituyen el mecanismo mediador fundamental de la superioridad experta. Su desarrollo requiere práctica en condiciones de alta calidad con retroalimentación efectiva, no simplemente acumulación de experiencia.

Cuarta. La evidencia de estudios de heritabilidad indica influencias genéticas sustanciales en rasgos fisiológicos y psicológicos asociados al rendimiento, con estimaciones que frecuentemente superan el cincuenta por ciento. La interpretación apropiada de esta evidencia reconoce que la heredabilidad es una propiedad poblacional que no implica determinismo individual.

Quinta. La escrupulosidad y rasgos relacionados como la perseverancia del esfuerzo muestran asociaciones consistentes pero modestas con el rendimiento. El constructo de grit no añade poder predictivo sustancial más allá de la escrupulosidad, con la cual comparte una base genética considerable.

Sexta. El desempeño excepcional temprano y el logro adulto de élite frecuentemente no corresponden a los mismos individuos. Los predictores del desempeño juvenil difieren de los predictores del desempeño máximo adulto, y la práctica multidisciplinaria temprana está asociada con el eventual rendimiento de clase mundial.

Séptima. Las condiciones contextuales –incluyendo oportunidades de práctica de calidad, acceso a mentores expertos, y entornos organizacionales favorables– ejercen influencias significativas sobre la probabilidad de que individuos con potencial alcancen niveles excepcionales de desempeño.

Retos y agenda de investigación

La literatura revisada revela vacíos de conocimiento significativos que requieren investigación futura:

Limitaciones metodológicas. La predominancia de diseños transversales limita la inferencia causal en la mayoría de los estudios revisados. La heterogeneidad en las mediciones de personalidad, práctica deliberada y criterios de rendimiento dificulta la comparabilidad entre estudios y la acumulación de conocimiento. Se requieren diseños longitudinales con seguimiento extendido, mediciones estandarizadas y controles rigurosos de variables de confusión .

Investigación en dominios no deportivos. La mayor parte de la evidencia robusta sobre desarrollo de expertise proviene de dominios deportivos, donde los criterios de desempeño son objetivos y estandarizados internacionalmente. Se requiere investigación equivalente en dominios profesionales, científicos y artísticos, donde la definición y medición del rendimiento excepcional presenta desafíos metodológicos sustanciales .

Mecanismos de interacción gen-ambiente. La comprensión de cómo las predisposiciones genéticas y las condiciones ambientales interactúan para producir resultados de desempeño excepcional permanece incompleta. Los modelos de interacción gen-ambiente postulan que los efectos genéticos pueden amplificarse o atenuarse según el contexto ambiental, y que los individuos seleccionan y moldean activamente sus entornos de manera consistente con sus predisposiciones. La investigación futura debe emplear diseños que permitan estimar estos efectos de interacción y correlación, incluyendo estudios de adopción, diseños de gemelos con mediciones ambientales detalladas, y métodos de genética molecular como estudios de asociación de genoma completo y puntuaciones de riesgo poligénico .

Desarrollo de representaciones mentales. Aunque la importancia de las representaciones mentales en el desempeño experto está bien establecida, los procesos específicos mediante los cuales se desarrollan y refinan a lo largo del tiempo permanecen insuficientemente comprendidos. Se requiere investigación que examine cómo la calidad de la retroalimentación, la estructura de las tareas de práctica y las características individuales interactúan para producir representaciones mentales cada vez más sofisticadas. Los métodos de neuroimagen pueden contribuir a dilucidar los correlatos neurales de estos procesos .

Factores motivacionales y volitivos. La investigación sobre determinantes del rendimiento excepcional ha prestado atención insuficiente a los factores motivacionales y volitivos que sostienen la práctica prolongada y la búsqueda de mejora continua durante períodos extensos. La comprensión de cómo se desarrollan y mantienen la motivación intrínseca, la pasión armoniosa y la capacidad de autorregulación en diferentes dominios y etapas del desarrollo requiere investigación adicional .

Diversidad y equidad. La literatura existente se ha centrado predominantemente en poblaciones de países desarrollados y en dominios específicos (deporte, música, ajedrez). Se requiere investigación que examine la generalización de los hallazgos a poblaciones diversas y que identifique cómo factores culturales, socioeconómicos y de género afectan las oportunidades de desarrollo y la expresión del potencial excepcional .

Consecuencias del alto rendimiento. Los efectos a largo plazo del alto rendimiento sobre la salud física y mental, las relaciones personales y el bienestar general permanecen insuficientemente estudiados. La investigación futura debe abordar las consecuencias no deseadas de la búsqueda intensiva del rendimiento excepcional y desarrollar marcos éticos para el diseño de programas de desarrollo de talento que prioricen el bienestar integral de los individuos .

Fuentes

Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3), 363–406. https://doi.org/10.1037/0033-295X.100.3.363

Macnamara, B. N., Hambrick, D. Z., & Oswald, F. L. (2014). Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysis. Psychological Science, 25(8), 1608–1618. https://doi.org/10.1177/0956797614535810

Ullén, F., Hambrick, D. Z., & Mosing, M. A. (2016). Rethinking expertise: A multifactorial gene–environment interaction model of expert performance. Psychological Bulletin, 142(4), 427–446. https://doi.org/10.1037/bul0000033

Güllich, A., Barth, M., Hambrick, D. Z., & Macnamara, B. N. (2025). Recent discoveries on the acquisition of the highest levels of human performance. Science, 390(6779), eadt7790. https://doi.org/10.1126/science.adt7790

Güllich, A., Macnamara, B. N., & Hambrick, D. Z. (2022). What makes a champion? Early multidisciplinary practice, not early specialization, predicts world-class performance. Perspectives on Psychological Science, 17(1), 6–29. https://doi.org/10.1177/1745691620974772

Macnamara, B. N., & Maitra, M. (2019). The role of deliberate practice in expert performance: Revisiting Ericsson, Krampe & Tesch-Römer (1993). Royal Society Open Science, 6(8), 190327. https://doi.org/10.1098/rsos.190327

Hambrick, D. Z., Macnamara, B. N., & Oswald, F. L. (2020). Is the deliberate practice view defensible? A review of evidence and discussion of issues. Frontiers in Psychology, 11, 1134. https://doi.org/10.3389/fpsyg.2020.01134

De Moor, M. H. M., Spector, T. D., Cherkas, L. F., Falchi, M., Hottenga, J. J., Boomsma, D. I., & De Geus, E. J. C. (2007). Genome-wide linkage scan for athlete status in 700 British female DZ twin pairs. Twin Research and Human Genetics, 10(6), 812–820. https://doi.org/10.1375/twin.10.6.812

Stubbe, J. H., Boomsma, D. I., Vink, J. M., Cornes, B. K., Martin, N. G., Skytthe, A., Kyvik, K. O., Rose, R. J., Kujala, U. M., Kaprio, J., Harris, J. R., Pedersen, N. L., Hunkin, J., Spector, T. D., & de Geus, E. J. C. (2006). Genetic influences on exercise participation in 37,051 twin pairs from seven countries. PLoS ONE, 1(1), e22. https://doi.org/10.1371/journal.pone.0000022

Rimfeld, K., Kovas, Y., Dale, P. S., & Plomin, R. (2016). True grit and genetics: Predicting academic achievement from personality. Journal of Personality and Social Psychology, 111(5), 780–789. https://doi.org/10.1037/pspp0000089

Polderman, T. J. C., Benyamin, B., de Leeuw, C. A., Sullivan, P. F., van Bochoven, A., Visscher, P. M., & Posthuma, D. (2015). Meta-analysis of the heritability of human traits based on fifty years of twin studies. Nature Genetics, 47(7), 702–709. https://doi.org/10.1038/ng.3285

Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1), 55–81. https://doi.org/10.1016/0010-0285(73)90004-2

Ericsson, K. A., & Kintsch, W. (1995). Long-term working memory. Psychological Review, 102(2), 211–245. https://doi.org/10.1037/0033-295X.102.2.211

Feltovich, P. J., Prietula, M. J., & Ericsson, K. A. (2006). Studies of expertise from psychological perspectives. In K. A. Ericsson, N. Charness, P. J. Feltovich, & R. R. Hoffman (Eds.), The Cambridge handbook of expertise and expert performance (pp. 41–67). Cambridge University Press.

Williams, A. M., Ford, P. R., Hodges, N. J., & Ward, P. (2018). Expertise in sport: Specificity, plasticity, and adaptability in high-performance athletes. In K. A. Ericsson, R. R. Hoffman, A. Kozbelt, & A. M. Williams (Eds.), The Cambridge handbook of expertise and expert performance (2nd ed., pp. 653–676). Cambridge University Press. https://doi.org/10.1017/9781316480748.034

Allen, M. S., & Laborde, S. (2014). The role of personality in sport and physical activity. Current Directions in Psychological Science, 23(6), 460–465. https://doi.org/10.1177/0963721414550705

Sutin, A. R., Stephan, Y., Luchetti, M., Artese, A., Oshida, A., & Terracciano, A. (2016). The five-factor model of personality and physical inactivity: A meta-analysis of 16 samples. Journal of Research in Personality, 63, 22–28. https://doi.org/10.1016/j.jrp.2016.05.001

Tucker, R., & Collins, M. (2012). What makes champions? A review of the relative contribution of genes and training to sporting success. British Journal of Sports Medicine, 46(8), 555–561. https://doi.org/10.1136/bjsports-2011-090548

Simonton, D. K. (2014). Creative performance, expertise acquisition, individual differences, and developmental antecedents: An integrative research agenda. Intelligence, 45, 66–73. https://doi.org/10.1016/j.intell.2014.02.004

Baker, J., Wattie, N., & Schorer, J. (2015). A proposed conceptualization of talent in sport: The first step in a long and winding road. Psychology of Sport and Exercise, 17, 1–9. https://doi.org/10.1016/j.psychsport.2014.10.003

Sonnentag, S., & Frese, M. (2003). Stress and performance in organizations. In J. C. Quick & L. E. Tetrick (Eds.), Handbook of occupational health psychology (pp. 271–292). American Psychological Association.

Swann, C., Moran, A., & Piggott, D. (2015). Defining elite athletes: Issues in the study of expert performance in sport psychology. Psychology of Sport and Exercise, 16, 3–14. https://doi.org/10.1016/j.psychsport.2014.07.004

Plomin, R., DeFries, J. C., Knopik, V. S., & Neiderhiser, J. M. (2016). Top 10 replicated findings from behavioral genetics. Perspectives on Psychological Science, 11(1), 3–23. https://doi.org/10.1177/1745691615617439

Vinkhuyzen, A. A. E., Wray, N. R., Yang, J., Goddard, M. E., & Visscher, P. M. (2013). Estimation and partition of heritability in human populations using whole-genome analysis methods. Annual Review of Genetics, 47, 75–95. https://doi.org/10.1146/annurev-genet-111212-133258

Duckworth, A. L., Peterson, C., Matthews, M. D., & Kelly, D. R. (2007). Grit: Perseverance and passion for long-term goals. Journal of Personality and Social Psychology, 92(6), 1087–1101. https://doi.org/10.1037/0022-3514.92.6.1087

Credé, M., Tynan, M. C., & Harms, P. D. (2017). Much ado about grit: A meta-analytic synthesis of the grit literature. Journal of Personality and Social Psychology, 113(3), 492–511. https://doi.org/10.1037/pspp0000102

Porath, C., Spreitzer, G., Gibson, C., & Garnett, F. G. (2012). Thriving at work: Toward its measurement, construct validation, and theoretical refinement. Journal of Organizational Behavior, 33(2), 250–275. https://doi.org/10.1002/job.756

Ericsson, K. A., & Pool, R. (2016). Peak: Secrets from the new science of expertise. Houghton Mifflin Harcourt.

Gladwell, M. (2008). Outliers: The story of success. Little, Brown and Company.

Doxa 2650

Cómo los Directores Ejecutivos Marcan el Ritmo:
Una Revisión Sistemática de la Literatura sobre el "Tone at the Top", Liderazgo Temporal y Mecanismos de Influencia Estratégica

Autor:Oscar Hernando Benavides Paz, MBA

Resumen

La influencia de los directores ejecutivos (CEO) en los resultados organizacionales ha sido un tema central en la literatura de estrategia y gobierno corporativo. Este artículo presenta una revisión sistemática de la literatura académica publicada entre 2010 y 2026 sobre los mecanismos mediante los cuales los CEO establecen el ritmo organizacional, incluyendo el "tone at the top" (TAT), el liderazgo temporal y la integración conductual del equipo directivo. La evidencia revisada, proveniente de fuentes de nivel I y II como Administrative Science Quarterly, Strategic Management Journal, Management Science y ScienceDirect, revela que los CEO ejercen influencia a través de tres vías principales: (1) la configuración del tono narrativo en las comunicaciones corporativas, moldeado por rasgos como el narcisismo y el género; (2) la gestión de las dimensiones temporales del equipo directivo, incluyendo la urgencia temporal y el estilo de ritmo; y (3) el modelado de la cultura organizacional mediante comportamientos de liderazgo. Los hallazgos sugieren que el TAT no es meramente un constructo ético, sino un mecanismo de control informal que interactúa con los controles formales en formas que pueden ser complementarias o sustitutivas según el contexto. Se identifican brechas significativas en la literatura, particularmente en la medición longitudinal de los efectos del TAT y en la comprensión de los mecanismos mediadores entre las disposiciones del CEO y los resultados organizacionales. Las implicaciones para la práctica directiva y la investigación futura son discutidas.

Palabras clave: Tone at the top, liderazgo temporal, upper echelons theory, CEO, cultura organizacional, gobierno corporativo, ritmo estratégico.

1. Introducción

La pregunta sobre cómo los líderes empresariales influyen en sus organizaciones ha ocupado un lugar central en la investigación en management desde los trabajos seminales de Hambrick y Mason (1984) sobre la teoría del alto escalón (Upper Echelons Theory). Esta teoría postula que las organizaciones son reflejos de sus altos directivos, cuyas características cognitivas, valores y experiencias moldean las decisiones estratégicas y, en última instancia, los resultados organizacionales . Sin embargo, los mecanismos específicos mediante los cuales los CEO ejercen esta influencia han permanecido, hasta hace relativamente poco, como una "caja negra" teórica y empírica .

El concepto de "tone at the top" (TAT) ha emergido como una de las construcciones más prometedoras para iluminar esta caja negra. Originalmente desarrollado en el ámbito de la auditoría y el control interno, el TAT se refiere al ejemplo establecido por la alta dirección en materia de conducta ética y compromiso con los controles . Investigaciones recientes han ampliado este constructo para abarcar las dimensiones comunicativas y conductuales mediante las cuales los CEO transmiten expectativas, prioridades y ritmos de trabajo a la organización .

Paralelamente, una línea de investigación complementaria ha explorado las dimensiones temporales del liderazgo. Chen y Nadkarni (2017) demostraron que las disposiciones temporales del CEO —específicamente la urgencia temporal y el estilo de ritmo— influyen en el emprendimiento corporativo a través del liderazgo temporal, definido como las prácticas mediante las cuales los CEO gestionan los aspectos temporales de las actividades del equipo directivo . Este hallazgo es particularmente relevante porque sugiere que el "ritmo" que los CEO marcan no es simplemente una metáfora, sino un constructo medible con consecuencias estratégicas concretas.

La presente revisión tiene como propósito sintetizar la evidencia empírica disponible sobre los mecanismos mediante los cuales los CEO establecen el ritmo organizacional, integrando las perspectivas del TAT, el liderazgo temporal y la integración conductual. El artículo se estructura de la siguiente manera: la sección 2 presenta los objetivos y metas de la revisión; la sección 3 desarrolla el marco teórico; la sección 4 examina la evidencia empírica sobre los mecanismos de influencia del CEO; la sección 5 discute los hallazgos y sus implicaciones; y la sección 6 presenta las conclusiones y los retos pendientes.

2. Objetivos y Metas

2.1 Objetivo General

Sintetizar y evaluar críticamente la evidencia académica de nivel I y II sobre los mecanismos mediante los cuales los directores ejecutivos establecen el ritmo organizacional, incluyendo el "tone at the top", el liderazgo temporal y los procesos de integración conductual del equipo directivo.

2.2 Objetivos Específicos

1. Analizar la evidencia empírica sobre la relación entre las características del CEO (personalidad, género, experiencia) y el tono narrativo en las comunicaciones corporativas.

2. Examinar el papel del liderazgo temporal como mecanismo mediador entre las disposiciones temporales del CEO y los resultados estratégicos.

3. Evaluar la relación entre el comportamiento de liderazgo del CEO y la configuración de la cultura organizacional.

4. Identificar las brechas de conocimiento y proponer una agenda de investigación futura.

2.3 Metas

La meta de esta revisión es proporcionar un marco integrador que permita a investigadores y practitioners comprender los múltiples canales mediante los cuales los CEO ejercen influencia, así como identificar las condiciones contextuales que moderan la efectividad de estos mecanismos. Se espera que esta síntesis contribuya a la construcción de teoría sobre el liderazgo estratégico y ofrezca guías basadas en evidencia para la selección y desarrollo de líderes empresariales.

3. Marco Teórico

3.1 Upper Echelons Theory

La Upper Echelons Theory (UET) proporciona el fundamento teórico principal para comprender cómo los CEO influyen en sus organizaciones. Hambrick y Mason (1984) argumentaron que los ejecutivos interpretan situaciones complejas a través de filtros cognitivos moldeados por sus experiencias, valores y personalidad . Estos filtros determinan qué información reciben atención, cómo se interpreta y qué decisiones se toman. La investigación empírica ha demostrado que atributos demográficos como la edad, la educación, la experiencia funcional y el tenure influyen en las orientaciones estratégicas .

La UET ha evolucionado para incorporar constructos más sofisticados. Investigaciones recientes han examinado cómo rasgos psicológicos como el narcisismo, la ideología política y las disposiciones temporales afectan los resultados organizacionales . La teoría también reconoce que los efectos de las características del CEO están moderados por el contexto organizacional y ambiental, incluyendo la composición del consejo de administración y la dinámica competitiva .

3.2 Tone at the Top: De la Ética a la Comunicación Estratégica

El TAT ha sido tradicionalmente conceptualizado como un mecanismo de control informal que refleja la expectativa de que el CEO no desviará recursos organizacionales para beneficio personal . Penno (2021) modeló formalmente el TAT como complementario o sustitutivo de los controles formales, demostrando que la relación óptima depende de las características del pool de talento directivo y las condiciones del mercado laboral .

Investigaciones más recientes han ampliado el constructo para incluir las dimensiones narrativas y comunicativas. Weber (2010) midió el razonamiento moral de los CEO de la industria automotriz a través del análisis de contenido de sus comunicaciones . El-Haj y colaboradores desarrollaron metodologías computacionales para medir el TAT en informes anuales, demostrando que el tono narrativo varía sistemáticamente con las características del CEO .

3.3 Liderazgo Temporal y Ritmo Estratégico

Chen y Nadkarni (2017) introdujeron el constructo de liderazgo temporal para explicar cómo las disposiciones temporales del CEO —urgencia temporal y estilo de ritmo— influyen en el emprendimiento corporativo . La urgencia temporal se refiere al sentimiento crónico de estar apresurado, mientras que el estilo de ritmo describe el patrón de esfuerzo a lo largo del tiempo en la consecución de objetivos . El liderazgo temporal, definido como las prácticas de gestión de los aspectos temporales de las actividades del equipo directivo, actúa como mecanismo mediador .

3.4 Integración Conductual del Equipo Directivo

La integración conductual —el grado en que los miembros del equipo directivo intercambian información, colaboran y toman decisiones conjuntamente— ha emergido como un mecanismo clave para la efectividad estratégica. Investigaciones recientes demuestran que la integración conductual está positivamente asociada con la calidad y velocidad de las decisiones estratégicas, y que este efecto es particularmente pronunciado en contextos de alta incertidumbre . El CEO juega un papel fundamental en facilitar o inhibir esta integración a través de sus comportamientos de liderazgo.

4. Desarrollo: Evidencia Empírica sobre los Mecanismos de Influencia del CEO

4.1 Tono Narrativo y Características del CEO

La evidencia empírica sugiere que el tono de las comunicaciones corporativas no es neutral, sino que refleja las características psicológicas y demográficas del CEO. Arslan-Ayaydin y colaboradores, utilizando una muestra de empresas del FTSE All-Share, encontraron que los CEO narcisistas son más propensos a utilizar un tono positivo en sus informes narrativos . Este hallazgo es consistente con la literatura sobre narcisismo ejecutivo que documenta una tendencia a la auto-promoción y la búsqueda de atención .

El género del CEO también emerge como un factor significativo. El-Haj et al. encontraron que las CEO mujeres tienden a utilizar un lenguaje más neutral que sus contrapartes masculinos, y que la presencia de mujeres en el consejo de administración modera la relación entre el género del CEO y el tono positivo . Investigaciones en el contexto estadounidense confirman que las CEO mujeres y los managers más jóvenes tienden a usar un lenguaje menos optimista .

Un hallazgo particularmente relevante es que el tono en las comunicaciones voluntarias (como las cartas a los accionistas) está más influenciado por las características del CEO que el tono en las divulgaciones obligatorias (como el MD&A) . Esto sugiere que los CEO ejercen mayor discrecionalidad en canales comunicativos menos regulados, lo que tiene implicaciones para la comprensión de la gestión de impresiones y la transparencia informativa.

4.2 Credibilidad del Tono y Reacciones del Mercado

La investigación sobre la credibilidad del tono revela que los inversores no reaccionan uniformemente a las señales comunicativas de los CEO. Un estudio reciente encontró que el efecto del tono en los rendimientos anormales está moderado por señales de credibilidad tanto del emisor como del mensaje . Para ventanas temporales de 180 días, el efecto del tono disminuye de 52 puntos base para baja credibilidad del emisor a 7 puntos base para alta credibilidad . Estos hallazgos sugieren que la efectividad del TAT como mecanismo de influencia depende críticamente de la percepción de credibilidad del CEO.

4.3 Liderazgo Temporal y Ritmo Estratégico

Chen y Nadkarni proporcionaron evidencia robusta de que las disposiciones temporales del CEO influyen en el emprendimiento corporativo a través del liderazgo temporal . Utilizando datos de múltiples industrias, encontraron que tanto la urgencia temporal como el estilo de ritmo del CEO afectan significativamente la innovación, el corporate venturing y la renovación estratégica. Este hallazgo es teóricamente importante porque identifica un mecanismo específico —el liderazgo temporal— a través del cual las disposiciones individuales se traducen en resultados organizacionales.

La investigación sobre ritmo estratégico también ha examinado cómo los CEO gestionan la tensión entre velocidad y calidad en la toma de decisiones. La integración conductual del equipo directivo emerge como un moderador clave: cuando la integración es alta, la relación negativa entre incertidumbre y calidad de decisión se atenúa . Esto sugiere que los CEO que fomentan la colaboración y el intercambio de información pueden mantener la calidad de las decisiones incluso bajo condiciones de alta incertidumbre y presión temporal.

4.4 Comportamiento de Liderazgo y Cultura Organizacional

La relación entre el comportamiento del CEO y la cultura organizacional ha sido documentada en múltiples contextos. Un estudio con 485 ejecutivos indios encontró que el comportamiento de liderazgo del CEO explica aproximadamente el 40% de la varianza en la cultura organizacional . Las dimensiones de "People Centricity" y "Global Ambition" mostraron las asociaciones más fuertes con las características culturales .

Investigaciones recientes en el contexto chino han identificado efectos diferenciados entre presidentes del consejo y CEO en la configuración cultural. Los presidentes sucesores están más fuertemente asociados con cambios en culturas de enfoque externo, mientras que los CEO sucesores tienen mayor relación con cambios en culturas de enfoque interno . Estos hallazgos sugieren que diferentes roles de liderazgo estratégico tienen distintas capacidades para moldear aspectos específicos de la cultura organizacional.

4.5 TAT y Transparencia Contable

La investigación sobre la relación entre el TAT y la transparencia contable ha producido hallazgos matizados. Un estudio coreano encontró que cuando los CEO enfatizan la "commonality" —valores de consenso grupal, cooperación mutua y construcción de relaciones con stakeholders— en sus cartas a los accionistas, la transparencia de la información financiera mejora . Sin embargo, el énfasis en certeza, optimismo, actividad y realismo no tuvo efectos significativos sobre la transparencia .

Estos hallazgos sugieren que no todas las dimensiones del TAT son igualmente efectivas para promover comportamientos organizacionales deseados. La dimensión relacional del TAT —el énfasis en la construcción de comunidad y valores compartidos— parece ser particularmente relevante para los outcomes de gobernanza.

5. Discusión

5.1 Integración de Hallazgos: Hacia un Modelo de Múltiples Vías

La evidencia revisada sugiere que los CEO establecen el ritmo organizacional a través de al menos tres vías interrelacionadas. La primera es la vía comunicativa, mediante la cual los CEO transmiten prioridades, expectativas y tono emocional a través de sus narrativas en informes anuales, conferencias de resultados y comunicaciones internas. La segunda es la vía conductual, mediante la cual los CEO modelan comportamientos a través de sus propias acciones, incluyendo la gestión del tiempo y la interacción con el equipo directivo. La tercera es la vía estructural, mediante la cual los CEO configuran los procesos y prácticas que determinan cómo se toman las decisiones y cómo fluye la información en la organización.

Estas vías no operan de manera independiente. Por ejemplo, un CEO con alta urgencia temporal puede tanto comunicar un sentido de premura en sus narrativas como modelar comportamientos apresurados y establecer procesos que aceleran la toma de decisiones. La coherencia entre estas vías —o la falta de ella— puede tener consecuencias significativas para la efectividad del liderazgo.

5.2 Condiciones Moderadoras

La efectividad del TAT y del liderazgo temporal está condicionada por múltiples factores. La independencia del consejo de administración modera la relación entre el narcisismo del CEO y el tono positivo, con consejos más independientes atenuando este efecto . El contexto institucional también importa: los efectos de la sucesión de liderazgo sobre la cultura organizacional son más débiles en empresas estatales locales en China .

La credibilidad del CEO emerge como un moderador crítico. Cuando los inversores perciben al CEO como creíble —basándose en señales de soft information— la reacción al tono es más fuerte y más persistente . Esto sugiere que la construcción de credibilidad es un prerequisito para la efectividad del TAT como mecanismo de influencia.

5.3 Implicaciones para la Práctica

Para los consejos de administración, los hallazgos sugieren que la selección de CEO debe considerar no solo las competencias técnicas y la experiencia, sino también las disposiciones temporales y las características de personalidad que influirán en el ritmo organizacional. Los CEO con alta urgencia temporal pueden ser apropiados para contextos que requieren rapidez estratégica, pero pueden no ser óptimos para situaciones que demandan deliberación y construcción de consenso.

Para los propios CEO, la evidencia sugiere que la coherencia entre el tono comunicado y el comportamiento modelado es esencial. Los CEO que comunican prioridades que no reflejan en sus propias acciones o en los procesos que establecen pueden socavar su credibilidad y la efectividad de su liderazgo.

6. Conclusiones

La presente revisión sintetiza la evidencia académica sobre los mecanismos mediante los cuales los CEO establecen el ritmo organizacional. Los hallazgos principales son los siguientes:

Primero, el tono narrativo de las comunicaciones corporativas refleja sistemáticamente las características psicológicas y demográficas del CEO, incluyendo narcisismo, género y edad. Este efecto es más pronunciado en divulgaciones voluntarias que en aquellas sujetas a regulación.

Segundo, las disposiciones temporales del CEO —urgencia temporal y estilo de ritmo— influyen en resultados estratégicos como el emprendimiento corporativo a través del liderazgo temporal, definido como las prácticas de gestión del tiempo en el equipo directivo.

Tercero, el comportamiento de liderazgo del CEO tiene una relación significativa con la cultura organizacional, con diferentes dimensiones de comportamiento asociadas con diferentes aspectos culturales.

Cuarto, la efectividad del TAT y del liderazgo temporal está moderada por la credibilidad percibida, la composición del consejo y el contexto institucional.

Quinto, el TAT puede operar como complemento o sustituto de los controles formales, dependiendo de las condiciones del mercado laboral directivo y las características de los candidatos disponibles.

7. Retos y Agenda de Investigación Futura

7.1 Retos Metodológicos

La medición del TAT y del liderazgo temporal enfrenta desafíos significativos. La mayoría de los estudios utilizan análisis de contenido computacional de textos corporativos, pero la validez de estos constructos como proxies de disposiciones y comportamientos subyacentes requiere mayor validación. Investigaciones futuras deberían emplear métodos multimétodo que combinen análisis textual con observación directa, entrevistas y datos de encuestas.

La naturaleza longitudinal de los efectos del TAT también presenta desafíos. La mayoría de los estudios utilizan diseños transversales o paneles de corta duración. Se necesitan estudios de panel de largo plazo que examinen cómo el TAT y el liderazgo temporal evolucionan a lo largo del tenure del CEO y cómo estos cambios afectan los resultados organizacionales.

7.2 Retos Teóricos

La literatura carece de un modelo integrador que especifique cómo las diferentes vías de influencia del CEO —comunicativa, conductual y estructural— interactúan entre sí. Investigaciones futuras deberían desarrollar y probar teorías que expliquen las condiciones bajo las cuales estas vías se refuerzan mutuamente versus cuando entran en conflicto.

La relación entre el TAT y los controles formales merece mayor elaboración teórica. Si bien Penno (2021) proporcionó un modelo inicial, se necesita investigación empírica que pruebe las predicciones del modelo en diferentes contextos organizacionales e institucionales .

7.3 Retos Contextuales

La mayor parte de la evidencia empírica proviene de contextos anglosajones y europeos. Se necesita investigación que examine la generalizabilidad de estos hallazgos a economías emergentes, donde los sistemas de gobierno corporativo y las normas culturales pueden diferir significativamente.

La investigación sobre TAT en el contexto de crisis organizacionales —cuando el liderazgo del CEO es más crítico— está subdesarrollada. Estudios futuros deberían examinar cómo el TAT y el liderazgo temporal se despliegan durante períodos de turbulencia y si los mecanismos de influencia difieren de los contextos de estabilidad.

7.4 Agenda de Investigación

1. Desarrollar y validar medidas multimétodo del TAT que capturen dimensiones éticas, comunicativas y conductuales.

2. Examinar la dinámica temporal del TAT a lo largo del tenure del CEO y su relación con cambios en la cultura y resultados organizacionales.

3. Investigar las condiciones bajo las cuales el TAT y los controles formales son complementarios versus sustitutivos.

4. Explorar el papel moderador de la credibilidad del CEO en la efectividad del TAT en diferentes contextos institucionales.

5. Analizar la relación entre liderazgo temporal y desempeño organizacional en contextos de crisis y alta incertidumbre.

Referencias

Arslan-Ayaydin, Ö., Boudt, K., & Thewissen, J. (2020). Beyond narrative disclosure tone: The upper echelons theory perspective. International Review of Financial Analysis, 70, 101499. https://doi.org/10.1016/j.irfa.2020.101499

Chen, J., & Nadkarni, S. (2017). It’s about time! CEOs’ temporal dispositions, temporal leadership, and corporate entrepreneurship. Administrative Science Quarterly, 62(1), 31–66. https://doi.org/10.1177/0001839216663504

El-Haj, M., Alves, P., Rayson, P., Walker, M., & Young, S. (2020). Measuring and assessing tone at the top using annual report CEO letters. The Institute of Chartered Accountants of Scotland.

Hambrick, D. C., & Mason, P. A. (1984). Upper echelons: The organization as a reflection of its top managers. Academy of Management Review, 9(2), 193–206. https://doi.org/10.5465/amr.1984.4277628

Kim, J. B., & Zhang, L. (2024). Credibility signals from soft information: Evidence from investor reactions to tone in earnings conference calls. European Accounting Review, 33(2), 1–32. https://doi.org/10.1080/09638180.2023.2244009

Penno, M. (2021). A theory of assurance: Balancing costly formal control with tone at the top. Management Science, 67(2), 1266–1283. https://doi.org/10.1287/mnsc.2020.3861

Sharma, S., & Sharma, J. (2025). Relating CEO leadership behavior and organization culture in the Indian context. Leadership & Organization Development Journal, 46(1), 1–18. https://doi.org/10.1108/LODJ-01-2017-0002

Weber, J. (2010). Assessing the “tone at the top”: The moral reasoning of CEOs in the automobile industry. Journal of Business Ethics, 92(2), 167–182. https://doi.org/10.1007/s10551-009-0157-2

Zhang, Y., & Wiersema, M. (2024). Setting the tone to get their way: An attention-based approach to how narcissistic CEOs influence the board of directors to take more risk. Strategic Management Journal, 45(8), 1500–1530. https://doi.org/10.1002/smj.3610

Zhao, Y., & Chen, L. (2025). Who orientates of organizational culture? Text analysis evidence from Chinese listed firms. Academy of Management Proceedings, 2025(1), 19571. https://doi.org/10.5465/AMPROC.2025.19571abstract

Nota sobre la evidencia: Los resultados de búsqueda proporcionados no contienen estudios que examinen directamente la relación entre el TAT y la integración conductual como mediador. Esta relación se infiere de la convergencia de hallazgos sobre ambos constructos por separado. Se recomienda precaución en la interpretación de esta conexión hasta que evidencia empírica directa esté disponible.

Doxa 2649

Un Marco para Determinar Cuándo la Inteligencia Artificial Puede Tomar Decisiones:
Dimensiones de Ambigüedad, Riesgo y Supervisión Humana

Por: Oscar Hernando Benavides Paz, MBA

Introducción

La determinación de los límites apropiados para la autonomía de los sistemas de inteligencia artificial en la toma de decisiones organizacionales constituye uno de los desafíos más apremiantes de la era digital. A medida que las capacidades de la IA generativa y los agentes autónomos se expanden aceleradamente, las organizaciones enfrentan una pregunta fundamental: ¿qué decisiones pueden delegarse de manera segura a sistemas automatizados y cuáles requieren inevitablemente la intervención del juicio humano? Esta interrogante adquiere particular urgencia en contextos donde las decisiones algorítmicas pueden producir consecuencias significativas —financieras, operativas, reputacionales o incluso humanas— sin que exista un marco sistemático que guíe la asignación de derechos de decisión.

La investigación contemporánea ha comenzado a abordar esta problemática desde múltiples perspectivas. Investigadores del MIT Center for Information Systems Research han propuesto una matriz que evalúa las decisiones según dos dimensiones críticas: ambigüedad y riesgo, permitiendo clasificar las decisiones en rutinarias, consecuenciales, exploratorias y estratégicas, cada una con implicaciones distintas para la automatización y la supervisión humana . Paralelamente, el trabajo de RAND Corporation ofrece un marco que evalúa tareas cognitivas según su criticidad, precisión alcanzable, novedad y observabilidad, recomendando estrategias que oscilan entre la asistencia humana (human-in-the-loop) y la autonomía con supervisión (human-on-the-loop) .

Sin embargo, la literatura existente permanece fragmentada entre disciplinas y frecuentemente carece de integración con marcos regulatorios concretos. La evidencia empírica sugiere que una proporción significativa de organizaciones con despliegues reales de IA agéntica —más de la mitad según investigación de 2026— carece de políticas específicas que definan qué decisiones pueden tomar los agentes sin aprobación humana . Esta brecha entre capacidad técnica y gobernanza efectiva configura un riesgo sistémico que demanda atención urgente.

La presente revisión de literatura sintetiza la evidencia científica disponible sobre marcos para determinar cuándo la IA puede tomar decisiones de manera autónoma. El análisis integra contribuciones de ciencias de la información, ingeniería de sistemas, derecho corporativo y ética aplicada, con el objetivo de identificar principios convergentes, lagunas de conocimiento y direcciones para investigación futura.

Objetivos

Objetivo General: Sintetizar y evaluar críticamente la evidencia científica disponible sobre marcos conceptuales y metodológicos que permiten determinar cuándo la inteligencia artificial puede tomar decisiones de manera autónoma, identificando dimensiones clave, umbrales de supervisión y desafíos de implementación.

Objetivos Específicos:

1. Identificar y comparar las dimensiones fundamentales propuestas en la literatura para evaluar la idoneidad de la autonomía de la IA en decisiones específicas.

2. Examinar los niveles de autonomía y sus correspondientes requisitos de supervisión humana en contextos organizacionales.

3. Analizar los fundamentos legales y regulatorios que limitan o condicionan la delegación de decisiones a sistemas de IA.

4. Evaluar la evidencia empírica sobre implementaciones reales de marcos de decisión en entornos organizacionales.

5. Identificar lagunas de investigación y proponer direcciones para el desarrollo de marcos integrados.

Metas

Esta revisión aspira a proporcionar a investigadores, líderes organizacionales y formuladores de políticas una síntesis rigurosa del estado del arte en la determinación de derechos de decisión humano-IA. Específicamente, se busca: (1) establecer un mapa conceptual de las dimensiones evaluativas identificadas en la literatura de nivel I y II; (2) documentar los umbrales y mecanismos de supervisión propuestos para cada categoría de decisión; (3) identificar convergencias y divergencias entre marcos disciplinares; y (4) señalar brechas críticas que requieren investigación empírica adicional antes de 2026.

Desarrollo

Dimensiones Fundamentales para la Evaluación de Decisiones

La literatura converge en identificar dos dimensiones primarias que determinan la idoneidad de la autonomía de la IA: la ambigüedad de la decisión y el riesgo asociado a consecuencias adversas. La matriz desarrollada por Sebastian, Weill, Haskamp y vom Brocke define la ambigüedad como el grado en que los datos determinan claramente la respuesta y existe consenso sobre ella; decisiones de baja ambigüedad son repetibles y predecibles, mientras que las de alta ambigüedad admiten múltiples interpretaciones . El riesgo, por su parte, se refiere a las consecuencias de decidir incorrectamente, con implicaciones financieras, operativas o reputacionales que pueden ser difíciles de revertir .

El marco de RAND Corporation amplía estas dimensiones al incorporar cuatro criterios: criticidad (consecuencias del fallo), precisión (rendimiento del sistema de IA), novedad (variabilidad de la tarea y complejidad del entorno) y observabilidad (capacidad de monitorear el desempeño del sistema) . Esta formulación reconoce que la idoneidad de la automatización no depende únicamente de la naturaleza intrínseca de la decisión, sino también de la madurez técnica del sistema y de la infraestructura de supervisión disponible. La confluencia de ambos marcos sugiere que la determinación de derechos de decisión debe considerar tanto atributos de la tarea como capacidades del sistema y contexto organizacional.

Categorías de Decisión y Estrategias de Despliegue

La combinación de niveles de ambigüedad y riesgo produce cuatro categorías de decisión con implicaciones distintas para la autonomía de la IA. Las decisiones rutinarias (baja ambigüedad, bajo riesgo) son candidatas primarias para automatización, permitiendo que los agentes de IA ejecuten acciones dentro de parámetros predefinidos mientras los humanos mantienen supervisión durante la fase de confianza . El caso de One New Zealand ilustra esta categoría: un agente de IA traduce solicitudes de marketing en consultas SQL, reduciendo el tiempo de segmentación en 60%, con revisión humana del plan antes del lanzamiento .

Las decisiones consecuenciales (baja ambigüedad, alto riesgo) requieren un equilibrio más cuidadoso. Aunque los parámetros son bien definidos, las consecuencias adversas pueden ser significativas. En este contexto, la supervisión humana debe centrarse en el monitoreo de excepciones y la validación continua del desempeño . La literatura sobre monitoreo post-despliegue en radiología propone un modelo pragmático de human-on-the-loop para decisiones de alto riesgo, donde el sistema opera con autonomía supervisada, con alertas basadas en estabilidad temporal de entradas y salidas y divergencia predictiva respecto a una línea base de despliegue .

Las decisiones exploratorias (alta ambigüedad, bajo riesgo) implican interpretación, creatividad e incertidumbre, pero con consecuencias limitadas en caso de error. Aquí, la gobernanza debe priorizar la experimentación controlada, permitiendo que los agentes exploren soluciones mientras los humanos mantienen supervisión sobre el encuadre de objetivos y el aprendizaje organizacional . Finalmente, las decisiones estratégicas (alta ambigüedad, alto riesgo) requieren liderazgo humano fuerte, dado que combinan incertidumbre interpretativa con consecuencias potencialmente irreversibles. La evidencia indica que la IA puede contribuir al encuadre del problema y al análisis de opciones, pero la autorización final debe permanecer en manos humanas .

Niveles de Autonomía y Mecanismos de Supervisión

La literatura sobre niveles de autonomía proporciona un complemento operativo a las categorías de decisión. El MIT Media Lab ha propuesto cinco niveles que van desde la dirección humana inmediata (A1) hasta la independencia operativa completa (A5). En A1, el agente ejecuta acciones individuales bajo dirección humana, requiriendo aprobación para acciones consecuenciales. En A2, el agente recibe un objetivo acotado y ejecuta múltiples pasos sin aprobación constante, pero dentro de un sobre operativo definido por el humano (herramientas permitidas, datos accesibles, límites de gasto) . El nivel A3 marca una transición fundamental: el agente puede revisar su plan ante cambios de circunstancias y recuperarse de fallos ordinarios, pero debe detenerse o escalar cuando encuentra situaciones fuera de su envolvente operativa .

Los niveles A4 y A5 representan autonomía auto-gobernada e independiente respectivamente. En A4, el agente opera sin supervisión rutinaria dentro de un dominio operativo definido, con gobernanza basada en políticas, certificación de dominio, auditoría e investigación de incidentes . El nivel A5 implica operación a través de organizaciones y entornos cambiantes, con coordinación entre agentes y capacidad de completar tareas extensas sin supervisión operativa humana . La progresión de niveles no es meramente técnica; cada transición implica cambios cualitativos en los mecanismos de gobernanza requeridos, desde controles directos hasta sistemas de políticas ejecutables por máquina, identidad persistente y trazabilidad completa de acciones .

Fundamentos Legales y Regulatorios

El marco legal impone restricciones significativas a la delegación de decisiones en sistemas de IA. En la mayoría de jurisdicciones europeas, no es legalmente posible transferir autoridad de gestión a sistemas de IA; las funciones centrales de decisión deben permanecer en órganos de gobierno humanos . Los sistemas de IA pueden utilizarse como observadores sin derecho a voto, herramientas de apoyo a decisiones o instrumentos analíticos, pero no como miembros formales de consejos de administración .

La doctrina jurídica emergente sugiere que los consejos deben tratar los resultados de sistemas de IA de manera similar a la asesoría proporcionada por expertos humanos, aplicando principios de selección cuidadosa, asignación clara de responsabilidades, revisión de plausibilidad y evaluación independiente . Sin embargo, la naturaleza de caja negra de muchos sistemas de IA complica la aplicación de estos principios, requiriendo interpretaciones específicas del contexto algorítmico .

El Reglamento de Inteligencia Artificial de la Unión Europea, vigente desde agosto de 2024, establece un enfoque basado en riesgos que clasifica los sistemas de IA según su potencial de daño y exige requisitos de transparencia, supervisión humana y registro en bases de datos de la UE para proveedores y usuarios . El marco del NIST para la Gestión de Riesgos de IA, aunque voluntario, proporciona un enfoque estructurado a través de cuatro funciones —Gobernar, Mapear, Medir y Gestionar— que las organizaciones pueden adaptar según su tolerancia al riesgo y contexto de aplicación .

Consideraciones sobre Cognición Humana y Confianza

Un cuerpo creciente de evidencia sugiere que la integración de IA en procesos de decisión no es neutral respecto a la cognición humana. La revisión de literatura sobre el impacto de la IA generativa en la toma de decisiones humanas identifica una dinámica dual: mientras que la IA puede reforzar el razonamiento analítico (Sistema 2) al estructurar información y reducir carga cognitiva, también puede atenuar la participación heurística autónoma de los usuarios . Este fenómeno, denominado "descarga cognitiva," puede manifestarse como una aceptación acrítica de resultados algorítmicos sin reconstrucción del razonamiento subyacente .

Investigación en entornos médicos de alto riesgo documenta este dilema: algunos profesionales perciben la IA generativa como una mejora en la precisión diagnóstica, mientras que otros permanecen escépticos respecto a su fiabilidad . Un hallazgo particularmente relevante es que la IA generativa beneficia desproporcionadamente a profesionales con menor confianza en sus propias capacidades, lo que sugiere que la interacción heurística-algorítmica no es dicotómica sino un proceso dinámico donde la IA puede reforzar o debilitar la autonomía cognitiva según su implementación y contexto .

Estudios sobre la calidad de objetivos generados por IA en análisis de decisiones confirman que, aunque los modelos producen objetivos individualmente razonables, los conjuntos en su totalidad tienden a ser incompletos, redundantes e incluir objetivos instrumentales en lugar de fundamentales . La conclusión de los investigadores es que la IA generativa debe aumentar, no reemplazar, el juicio experto, y que los análisis de decisiones de calidad requieren un modelo híbrido que integre el brainstorming algorítmico con la refinación experta .

Evidencia Empírica y Brechas de Implementación

A pesar del desarrollo conceptual de marcos de decisión, la evidencia sobre su implementación efectiva permanece limitada. Datos de 2026 indican que el 53.1% de las organizaciones con despliegues reales de IA agéntica no cuenta con políticas de gobernanza específicas para agentes . Esta brecha se manifiesta típicamente como una sorpresa operativa: un agente realiza una acción que, aunque técnicamente dentro de sus capacidades, carece de propietario designado ex ante .

La investigación en radiología sobre monitoreo post-despliegue proporciona evidencia sobre mecanismos operativos viables para supervisión de IA en contextos de alto riesgo. El modelo de human-on-the-loop propuesto emplea alertas basadas en dos familias de datos que no requieren determinación inmediata de verdad fundamental: estabilidad temporal de entradas y salidas, y divergencia predictiva respecto a una línea base de despliegue. Este sistema permite priorizar revisiones cuando las etiquetas son diferidas o no continuamente factibles .

En cirugía de emergencia, una revisión de alcance de 2026 documenta que, aunque la IA muestra potencial para mejorar la consistencia en decisiones en escenarios críticos, la adopción en entornos reales permanece limitada, con la mayoría de herramientas confinadas a fases tempranas de validación . Las barreras identificadas incluyen disponibilidad limitada de datos de alta calidad, falta de herramientas específicas de contexto, acceso desigual a tecnología y ausencia de rutas de formación para profesionales .

Conclusiones

La evidencia científica disponible permite formular varias conclusiones sobre los marcos para determinar cuándo la IA puede tomar decisiones autónomamente. Primero, existe convergencia en que la idoneidad de la autonomía no es una propiedad intrínseca de la decisión, sino una función de múltiples dimensiones: ambigüedad, riesgo, precisión alcanzable, novedad y observabilidad . La "misma capacidad de IA puede ser segura en un contexto y riesgosa en otro," lo que descarta enfoques universalistas de gobernanza .

Segundo, la determinación de derechos de decisión humano-IA requiere una arquitectura de niveles que reconozca transiciones cualitativas en los mecanismos de control. La progresión desde dirección humana inmediata hasta independencia operativa no es un continuo suave, sino que implica cambios estructurales en la naturaleza de la supervisión: de control de acciones a gobernanza de políticas, de aprobación explícita a monitoreo de trayectorias, de intervención reactiva a sistemas de políticas ejecutables .

Tercero, el marco legal en la mayoría de jurisdicciones mantiene límites infranqueables a la delegación de autoridad de decisión, reservando funciones de gobierno y responsabilidad fiduciaria a personas naturales . Esto implica que, independientemente de las capacidades técnicas, la IA opera como instrumento de apoyo o delegado operativo, nunca como titular de derechos de decisión soberana.

Cuarto, la evidencia empírica documenta una brecha significativa entre el desarrollo conceptual de marcos y su implementación organizacional efectiva. La ausencia de políticas explícitas que definan límites de decisión agéntica constituye una vulnerabilidad sistémica que no se resuelve mediante mejoras en la precisión de los modelos, sino mediante gobernanza proactiva .

Quinto, la integración de IA en decisiones humanas no es cognitivamente neutral. La evidencia sobre descarga cognitiva y dinámicas heurístico-algorítmicas sugiere que el diseño de interacciones humano-IA debe considerar no solo la calidad de las recomendaciones algorítmicas, sino también la preservación de capacidades de juicio autónomo .

Retos y Direcciones Futuras

La literatura identifica múltiples retos que requieren investigación adicional. El reto de la observabilidad persiste como limitación fundamental: la naturaleza no determinista de los modelos de lenguaje de gran escala dificulta la predicción de comportamientos y la definición de anomalías, complicando la implementación de mecanismos de supervisión efectivos . La interpretabilidad clínicamente significativa permanece como frontera abierta, especialmente en contextos de alta urgencia donde la confianza en recomendaciones algorítmicas debe ser inmediata y bien fundamentada .

El reto de la atribución y responsabilidad requiere clarificación conceptual y operativa. La distinción entre diferentes tipos de responsabilidad legal —negligencia, responsabilidad estricta, responsabilidad vicaria, responsabilidad de producto— y su aplicabilidad a decisiones delegadas a sistemas de IA permanece sin resolución definitiva . Sistemas de certificación, registro y etiquetado de agentes de alta autonomía han sido propuestos como mecanismos para habilitar atribución clara de resultados .

El reto de la preservación de competencias humanas emerge como preocupación transversal. La evidencia sobre erosión de expertise en dominios automatizados sugiere que la delegación incremental sin estrategias de mantenimiento de habilidades puede degradar la capacidad organizacional para detectar y corregir errores algorítmicos . Marcos de gestión adaptativa que equilibren ganancias de eficiencia con preservación de competencias críticas requieren desarrollo e implementación .

Finalmente, el reto de la integración regulatoria transnacional permanece sin abordar de manera comprehensiva. La fragmentación entre enfoques jurisdiccionales —desde el marco basado en riesgos de la UE hasta aproximaciones más voluntarias en otras regiones— crea complejidad para organizaciones que operan globalmente y potenciales arbitrajes regulatorios que socavan protecciones efectivas .

Referencias

Sebastian, I., Weill, P., Haskamp, T., & vom Brocke, J. (2026). A framework for determining when AI can make decisions. MIT Sloan Center for Information Systems Research. https://mitsloan.mit.edu/ideas-made-to-matter/a-framework-determining-when-ai-can-make-decisions

RAND Corporation. (2026). Automating knowledge work: A framework for identifying automation strategies for tasks. In The Artificial Intelligence Revolution (pp. 399–421). Springer Nature. https://doi.org/10.1007/978-3-032-11814-1_15

MIT Media Lab. (2026). From autonomous cars to autonomous agents: The five levels of AI agent autonomy. https://www.media.mit.edu/articles/from-autonomous-cars-to-autonomous-agents-the-five-levels-of-ai-agent-autonomy/

NIST AI Resource Center. (2026). AI Risk Management Framework (AI RMF 1.0). https://airc.nist.gov/airmf-resources/

Heuristic or algorithmic thinking? Assessing generative AI's impact on human decision-making: A literature review. (2026). Applied Artificial Intelligence. https://doi.org/10.1080/08839514.2026.2726917

Interface EU. (2026). AI agent classification: Distinguishing between autonomy levels. https://www.interface-eu.org/publications/downloadPdf/ai-agent-classification

Sioli, L., & Arrigo, M. (2025). Human agency and oversight – A responsible and trustworthy use of artificial intelligence. In Routledge Handbook. Taylor & Francis. https://doi.org/10.4324/9781003518495-33

NIST. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0): Executive summary. https://airc.nist.gov/airmf-resources/airmf/0-ai-rmf-1-0/

Freshfields. (2026). AI, boardrooms and the law: Delegation, ownership and human judgment. https://www.freshfields.com/en/our-thinking/blogs/technology-quotient/ai-boardrooms-and-the-law-delegation-ownership-and-human-judgment-102mioo

Venugopal, V. K., Khubchandani, S. A., Liew, C. J. Y., Kitamura, F. C., Takhar, R., & Lip, G. (2026). Postdeployment monitoring and surveillance methods, guidelines, and possibilities for AI in radiology. RadioGraphics, 46(7), e250173. https://doi.org/10.1148/rg.250173

Human control of AI systems: From supervision to teaming. (2024). AI and Ethics. https://doi.org/10.1007/s43681-024-00489-4

Artificial intelligence in emergency surgery: A scoping review within the ARIES project. (2026). Europe PMC. https://europepmc.org/article/MED/41654983

Simon, J., & Siebert, J. U. (2025). ChatGPT vs. experts: Can GenAI develop high-quality organizational and policy objectives? Decision Analysis. https://www.eurekalert.org/news-releases/1105602

Waehner, K. (2026). Enterprise agentic AI landscape research. En Rhythms.ai. https://www.rhythms.ai/blog/what-should-an-ai-agent-be-allowed-to-decide-without-a-human

NIST. (2021). AI Risk Management Framework overview. https://www.nist.gov/itl/ai-risk-management-framework

Doxa 2648

Por qué los mejores empleados anulan sistemas de IA que funcionan: aversión algorítmica, calibración de la confianza y diseño de la colaboración humano-IA

Por qué los mejores empleados anulan los sistemas de IA que funcionan:
Aversión algorítmica, calibración de la confianza y diseño de la colaboración humano-IA

Por: Oscar Hernando Benavides Paz, MBA

Resumen

Las organizaciones que implementan sistemas de inteligencia artificial (IA) con desempeño demostrado observan con frecuencia un fenómeno paradójico: los profesionales más experimentados y mejor valorados son quienes con mayor frecuencia ignoran o modifican las recomendaciones del sistema. Esta revisión de literatura sintetiza la evidencia publicada hasta 2025 en revistas y bases indexadas sobre la aversión algorítmica, la apreciación algorítmica, la calibración de la confianza en la automatización y la eficacia de las combinaciones humano-IA. La evidencia indica que la anulación de la IA no es, en sí misma, un fallo de actitud: puede constituir un uso razonable del criterio experto cuando la IA falla, pero también una pérdida de valor cuando la IA supera al humano. Un metaanálisis de 106 estudios experimentales halló que, en promedio, las combinaciones humano-IA rindieron peor que el mejor de los dos agentes por separado, con pérdidas particulares en tareas de decisión. Otro estudio con 140 radiólogos mostró que la experiencia, la subespecialidad y la familiaridad con la IA no predicen de forma fiable quién se beneficia de la asistencia. Se discuten implicaciones de diseño (control modificable por el usuario, retroalimentación de desempeño, asignación de tareas según ventaja comparativa) y se señalan vacíos de evidencia, entre ellos la ausencia de estudios primarios que comparen directamente la tasa de anulación entre empleados de alto y bajo desempeño.

Palabras clave: aversión algorítmica; anulación de la IA; colaboración humano-IA; confianza en la automatización; sesgo de automatización; adopción de IA; gestión del cambio.

1. Introducción

La promesa de la IA aplicada a decisiones organizacionales descansa en un supuesto simple: si el sistema tiene un desempeño superior al promedio, su adopción debería mejorar los resultados. Sin embargo, la adopción efectiva depende de la decisión de cada persona de aceptar, modificar o rechazar la recomendación. Cuando quienes rechazan el sistema son precisamente los empleados de mayor reputación y experiencia, el problema deja de ser de capacitación básica y se convierte en un problema de diseño de la relación entre el experto y la máquina.

La literatura conductual aporta un punto de partida sólido. Dietvorst, Simmons y Massey (2015) demostraron en cinco estudios que las personas pierden la confianza en un algoritmo más rápidamente que en un humano tras observar el mismo error, y que, como consecuencia, eligen con frecuencia al pronosticador humano inferior. Este fenómeno se denominó aversión algorítmica. Simultáneamente, Logg et al. (2019) documentaron en seis experimentos el fenómeno contrario, la apreciación algorítmica, en el que personas legas ajustaron más sus juicios cuando el consejo provenía de un algoritmo que de una persona. Ambos hallazgos coexisten y sugieren que la respuesta a la IA depende del contexto, del tipo de tarea y del usuario.

Desde la ingeniería de factores humanos, Parasuraman y Riley (1997) describieron cuatro modos de relación con la automatización: uso, mal uso, desuso y abuso. La anulación sistemática de un sistema fiable corresponde al desuso; la aceptación acrítica de un sistema falible corresponde al mal uso. Lee y See (2004) formularon el marco de la confianza apropiada: el objetivo no es maximizar la confianza, sino calibrarla con la fiabilidad real del sistema.

Esta revisión aborda la pregunta de por qué los empleados más competentes anulan sistemas de IA que funcionan, distinguiendo los casos en que la anulación destruye valor de aquellos en que lo protege.

2. Objetivos

2.1 Objetivo general

Sintetizar la evidencia científica publicada antes de 2026 sobre los mecanismos por los cuales profesionales de alto desempeño anulan recomendaciones de sistemas de IA con desempeño demostrado, y sobre las condiciones en que dicha anulación mejora o deteriora los resultados.

2.2 Objetivos específicos

(a) Describir los mecanismos psicológicos y organizacionales asociados a la aversión algorítmica y a su contraparte, la apreciación algorítmica. (b) Examinar la evidencia empírica sobre el desempeño de combinaciones humano-IA frente a humanos e IA por separado. (c) Identificar intervenciones de diseño con soporte empírico para reducir la anulación perjudicial. (d) Delimitar los vacíos de evidencia existentes.

3. Metas

Las metas de esta revisión son: proveer a directivos, líderes de transformación digital y diseñadores de sistemas un marco conceptual basado en evidencia de nivel I y II; proponer criterios para distinguir la anulación productiva de la anulación costosa; y orientar decisiones de implementación que traten al experto como socio calibrado del sistema y no como obstáculo del cambio.

4. Método de la revisión

Se realizó una búsqueda dirigida y validación cruzada de cada fuente citada mediante registros bibliográficos (editoriales, PubMed, repositorios de preprints y bases de indexación), verificando autores, año, revista, volumen y páginas. Se aceptaron únicamente artículos revisados por pares y metaanálisis publicados en revistas indexadas. Los preprints, los documentos de trabajo y los informes sin revisión por pares se excluyeron como sustento de afirmaciones. Esta síntesis es narrativa y no constituye una revisión sistemática preregistrada. Cuando un dato no pudo verificarse en fuentes primarias publicadas antes de 2026, se declara como "evidencia no encontrada".

5. Desarrollo

5.1 La aversión algorítmica y su asimetría frente al error

El hallazgo central de Dietvorst et al. (2015) es una asimetría en la tolerancia al error: tras ver equivocarse a un algoritmo, los participantes redujeron su confianza más de lo que la redujeron ante un humano con el mismo error, incluso cuando habían visto al algoritmo superar al humano. Esta asimetría es especialmente relevante para expertos, que suelen detectar con rapidez los errores visibles del sistema, en particular los casos atípicos, y ponderarlos de forma desproporcionada frente a sus aciertos silenciosos. Dietvorst y Bharti (2020) añadieron que en dominios de alta incertidumbre las personas muestran una sensibilidad decreciente al error de pronóstico y prefieren la mayor varianza de los pronosticadores humanos, lo que las lleva a rechazar algoritmos de menor varianza aunque más precisos en promedio.

Burton et al. (2020) organizaron la literatura de aversión algorítmica en decisiones aumentadas y mostraron que el fenómeno depende de factores del decisor, del algoritmo y de la tarea, lo que desaconseja tratarlo como un rasgo fijo de las personas.

5.2 Apreciación algorítmica: la otra cara de la evidencia

Logg et al. (2019) hallaron que las personas legas ajustaron más su estimación cuando creían que el consejo procedía de un algoritmo. La coexistencia de aversión y apreciación implica que no existe una respuesta humana uniforme a la IA. Para el análisis organizacional, esto significa que la anulación por parte de empleados destacados no puede explicarse con una teoría general de rechazo, sino que debe examinarse en el contexto de la tarea, la responsabilidad asociada y el historial de errores visibles del sistema.

5.3 Control percibido y capacidad de modificar el sistema

Dietvorst et al. (2018) mostraron que las personas emplean algoritmos imperfectos con mayor disposición si pueden modificar, aunque sea de forma limitada, sus predicciones. Los autores interpretaron esta preferencia como un deseo de control sobre el resultado, más que como una confianza en su propia corrección. Para profesionales cuya identidad y responsabilidad profesional dependen del criterio propio, la ausencia de un espacio legítimo de intervención puede empujar hacia la anulación total.

5.4 Confianza, desuso y sesgo de automatización

Parasuraman y Riley (1997) sostienen que tanto el desuso como el mal uso de la automatización son fallos de calibración. Lee y See (2004) precisan que la confianza apropiada exige que el usuario disponga de información sobre el desempeño, el proceso y el propósito del sistema. Goddard et al. (2012), en una revisión sistemática en el ámbito de los sistemas de apoyo a la decisión clínica, describieron el sesgo de automatización, es decir, la tendencia a seguir la recomendación automática incluso cuando es incorrecta. Estas dos fuentes muestran que la anulación y la sobrerreliance son extremos de un mismo problema de calibración, y que una estrategia orientada solo a reducir la anulación puede aumentar los errores por aceptación acrítica.

5.5 El desempeño de las combinaciones humano-IA

Vaccaro et al. (2024) realizaron una revisión sistemática y metaanálisis preregistrado de 106 estudios experimentales con 370 tamaños de efecto. En promedio, las combinaciones humano-IA rindieron significativamente peor que el mejor de los dos agentes por separado. Se observaron pérdidas de desempeño en tareas de decisión y ganancias mayores en tareas de creación de contenido. Además, cuando el humano superaba a la IA por sí solo, la combinación producía ganancias, y cuando la IA superaba al humano, la combinación producía pérdidas. Este último resultado es clave para la pregunta de esta revisión: si el sistema es realmente superior en una tarea de decisión, la intervención humana tiende a restar valor, y la anulación por parte de expertos es un canal probable de esa pérdida. Los autores reportan un patrón agregado y no un mecanismo causal demostrado para cada contexto.

5.6 La experiencia no predice quién se beneficia de la IA

Yu et al. (2024) evaluaron a 140 radiólogos en 15 tareas diagnósticas de radiografía de tórax y encontraron una heterogeneidad sustancial en el efecto de la asistencia de IA. Los factores basados en experiencia (años de práctica, subespecialidad y familiaridad con herramientas de IA) no predijeron de manera fiable el efecto, y los radiólogos de menor desempeño sin asistencia no se beneficiaron consistentemente más. Este hallazgo cuestiona la suposición de que el experto veterano es quien mejor sabe cuándo confiar o no en la IA, y también la de que solo los menos hábiles necesitan la ayuda del sistema.

5.7 Dimensión organizacional: control, autonomía y resistencia

Kellogg et al. (2020) analizaron cómo los algoritmos se emplean en el lugar de trabajo como mecanismos de dirección, evaluación y disciplina, y cómo ello configura un terreno de control disputado entre organizaciones y trabajadores. Desde esta perspectiva, cierta anulación puede interpretarse como una defensa de la autonomía profesional frente a un sistema percibido como instrumento de vigilancia o de evaluación, más que como una evaluación técnica de su exactitud.

5.8 Evidencia no encontrada

Evidencia no encontrada en fuentes primarias indexadas y publicadas antes de 2026 que compare directamente, en entornos organizacionales reales, la tasa de anulación de IA entre empleados de alto y de bajo desempeño y su efecto sobre resultados. La hipótesis de que los mejores empleados anulan más que los demás es plausible, pero no está demostrada por los estudios verificados en esta revisión. Lo que sí está respaldado es que la experiencia no predice de manera fiable el beneficio de la asistencia (Yu et al., 2024) y que, en tareas donde la IA supera al humano, la combinación pierde valor en promedio (Vaccaro et al., 2024).

6. Discusión

La evidencia permite reformular la pregunta. Anular una recomendación no es intrínsecamente un error; lo es cuando el sistema tiene mayor exactitud que el criterio individual en esa tarea y el empleado carece de información para saberlo. Tres mecanismos convergen en los expertos: la asimetría en la tolerancia al error visible (Dietvorst et al., 2015), la preferencia por retener el control (Dietvorst et al., 2018) y la defensa de la autonomía profesional (Kellogg et al., 2020). A ellos se suma un problema de calibración: sin retroalimentación sobre resultados, el experto no puede aprender cuándo su criterio supera al sistema y cuándo no (Lee y See, 2004).

En términos de diseño, la literatura respalda las siguientes líneas, todas formuladas como implicaciones de la evidencia y no como resultados probados en todos los contextos: (i) permitir ajustes acotados y visibles a las salidas del sistema; (ii) proporcionar retroalimentación periódica y comparativa sobre el desempeño de las decisiones asistidas frente a las no asistidas; (iii) asignar la decisión final según la ventaja comparativa demostrada en cada subtarea, y no por jerarquía; (iv) registrar las anulaciones y su justificación para detectar tanto desuso como sesgo de automatización; y (v) distinguir explícitamente el uso del algoritmo como instrumento de apoyo del uso como instrumento de evaluación del trabajador.

7. Conclusiones

Primero, la anulación de sistemas de IA funcionales por parte de empleados destacados es un fenómeno coherente con la evidencia sobre aversión algorítmica, control percibido y calibración de la confianza, aunque su prevalencia diferencial entre empleados de alto y bajo desempeño carece de evidencia primaria directa. Segundo, en tareas de decisión donde la IA supera al humano, la intervención humana reduce en promedio el rendimiento del conjunto. Tercero, la experiencia profesional no predice de manera fiable quién se beneficia de la IA, por lo que las políticas basadas en la antigüedad o el prestigio son inadecuadas. Cuarto, la respuesta a la anulación no debe ser la obligación de aceptar, sino el diseño de interacciones que permitan control acotado, retroalimentación de resultados y asignación de roles según evidencia de desempeño.

8. Retos y agenda de investigación

Persisten retos sustantivos: (a) generar estudios de campo que midan la anulación por nivel de desempeño y sus consecuencias sobre resultados organizacionales; (b) separar la anulación correcta de la incorrecta en tiempo real, lo que exige verdad de referencia disponible; (c) evaluar si las intervenciones de control modificable mantienen su efecto con sistemas de IA generativa, cuya salida es abierta y no un pronóstico numérico; (d) estudiar las consecuencias a largo plazo sobre el aprendizaje y las competencias del experto cuando la IA asume parte de la decisión; y (e) abordar los aspectos éticos y de gobernanza cuando la anulación humana funciona como salvaguarda legítima frente a errores o sesgos del sistema. La transferencia de hallazgos experimentales y clínicos a otros sectores debe hacerse con cautela y sometida a validación local.

Referencias

  • Burton, J. W., Stein, M.-K., & Jensen, T. B. (2020). A systematic review of algorithm aversion in augmented decision making. Journal of Behavioral Decision Making, 33(2), 220–239. https://doi.org/10.1002/bdm.2155
  • Dietvorst, B. J., & Bharti, S. (2020). People reject algorithms in uncertain decision domains because they have diminishing sensitivity to forecasting error. Psychological Science, 31(10), 1302–1314.
  • Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126. https://doi.org/10.1037/xge0000033
  • Dietvorst, B. J., Simmons, J. P., & Massey, C. (2018). Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them. Management Science, 64(3), 1155–1170. https://doi.org/10.1287/mnsc.2016.2643
  • Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias: A systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121–127. https://doi.org/10.1136/amiajnl-2011-000089
  • Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. https://doi.org/10.5465/annals.2018.0174
  • Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50_30392
  • Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90–103. https://doi.org/10.1016/j.obhdp.2018.12.005
  • Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253. https://doi.org/10.1518/001872097778543886
  • Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
  • Yu, F., Moehring, A., Banerjee, O., Salz, T., Agarwal, N., & Rajpurkar, P. (2024). Heterogeneity and predictors of the effects of AI assistance on radiologists. Nature Medicine, 30(3), 837–849. https://doi.org/10.1038/s41591-024-02850-w