Doxa 2500s

 Doxa 2.500 ...


Próxima Meta 2.600 y 500 K

Cuando los empleados son responsables de las decisiones generadas por la IA
Las investigaciones revelan que los trabajadores interpretan, modifican y enmascaran activamente las decisiones de la IA para proteger su credibilidad y satisfacer las expectativas de las partes interesadas
#Doxa #IA #Responsabilidad #Empleados #Decisiones #Credibilidad #PartesInteresadas #Interpretación #Modificación #Enmascaramiento #Trabajadores

La IA responsable se está convirtiendo en una estrategia de crecimiento
Un manual para convertir la buena gobernanza en una ventaja competitiva
#Doxa #IAResponsable #Gobernanza #VentajaCompetitiva #Estrategia #Crecimiento #Ética #Innovación #Confianza #Sostenibilidad #Liderazgo

Diseñar sistemas de IA que realmente fortalezcan el razonamiento humano
#Doxa #Cognición #Sinergia #Metacognición #Razonamiento #Transparencia #Ética #Colaboración #Neurociencia #Empoderamiento #Análisis

Cómo colaboran los equipos globales altamente eficaces entre culturas
Siete elementos determinan la eficacia con la que los equipos trabajan en diferentes zonas horarias, idiomas y normas culturales
#Doxa #Colaboración #Cultura #ZonasHorarias #Idiomas #Normas #EquiposGlobales #Eficacia #Comunicación #Diversidad #TrabajoRemoto

4 trampas ocultas de la dinámica de equipo
#Doxa #DinamicaDeEquipo #TrampasOcultas #Liderazgo #CulturaOrganizacional #Comunicacion #GestionDeConflictos #TrabajoEnEquipo #PsicologiaLaboral #CohesionDeEquipo #Productividad

Evita que la IA erosione tu marca
Las investigaciones señalan cinco maneras en que las empresas pueden reducir la "deuda de marca" que puede generar la IA
#Doxa #InteligenciaArtificial #DeudaDeMarca #GestionDeMarca #ReputacionCorporativa #EstrategiaDeMarca #IdentidadDeMarca #MarketingDigital #InnovacionResponsable #ProteccionDeMarca #TransformacionDigital

¿Prefieres a los candidatos que responden rápidamente?
La investigación reveló que el tiempo de respuesta de un candidato puede influir en las decisiones de contratación con la misma fuerza que las cualificaciones tradicionales
#Doxa #Reclutamiento #Contratación #TiempoDeRespuesta #Candidatos #RecursosHumanos #SelecciónDePersonal #Eficiencia #ProcesoDeContratación #ComunicaciónLaboral #EvaluaciónDeCandidatos

Las empresas estadounidenses y japonesas se enfrentan a diferentes dificultades en la adopción de la IA y ofrecen diferentes lecciones para lograr que funcione
#AdopciónDeIA #EmpresasEstadounidenses #EmpresasJaponesas #DesafíosTecnológicos #CulturaCorporativa #ImplementaciónDeIA #LeccionesDeNegocios #TransformaciónDigital #InnovaciónGlobal #EstrategiaDeIA

La IA puede medir cómo los criterios ESG realmente impactan en los resultados finales
Los modelos de lenguaje a gran escala están haciendo que el análisis riguroso de la sostenibilidad sea mucho más rápido y económico.
#Doxa #InteligenciaArtificial #CriteriosESG #ModelosDeLenguaje #Sostenibilidad #Rentabilidad #LLM #AnálisisDeSostenibilidad #ImpactoESG #EficienciaOperativa #InnovaciónTecnológica

Los grandes líderes saben qué emociones provocará su retroalimentación
Diferentes empleados pueden reaccionar de manera distinta ante el mismo tipo de retroalimentación. Estas seis técnicas pueden asegurar que tu mensaje llegue de la forma correcta
#Doxa #Liderazgo #Retroalimentación #Emociones #Empleados #Comunicación #Feedback #Gestión #Empatía #Técnicas #Mensaje

Lo que revelan 60 años de datos sobre cómo hombres y mujeres experimentan el liderazgo
Las actitudes hacia las mujeres en puestos de liderazgo han mejorado desde 1965. Sin embargo, todavía existen grandes diferencias en la forma en que hombres y mujeres perciben la evaluación, los estándares y las oportunidades en la actualidad
#Doxa #Liderazgo #MujeresLideres #BrechaDeGenero #EquidadDeGenero #EvaluacionLaboral #OportunidadesProfesionales #Estándares #Datos #Actitudes #DesarrolloProfesional

El servicio de oficina que realmente mejora el trabajo en equipo
#Doxa #TrabajoEnEquipo #ServiciosDeOficina #Colaboración #Productividad #EspaciosDeTrabajo #OficinaModerna #TeamBuilding #GestiónEquipos #AmbienteLaboral #OficinaColaborativa

Cuando las Empresas de una Cadena de Suministro Operan con Plazos Dispares
Los sectores están cada vez más divididos en cuanto a la velocidad de sus operaciones. Las empresas que rediseñen su forma de colaborar en diferentes horizontes temporales obtendrán una ventaja competitiva duradera
#Doxa #CadenaDeSuministro #PlazosDispares #VelocidadOperativa #ColaboraciónEmpresarial #VentajaCompetitiva #HorizontesTemporales #RediseñoOperativo #SectoresIndustriales #EficienciaLogística #GestiónTemporal

Justifique económicamente su iniciativa de sostenibilidad
Los responsables de sostenibilidad deben hablar de flujo de caja, riesgo y rentabilidad
#Doxa #Sostenibilidad #FlujoDeCaja #Rentabilidad #RiesgoEmpresarial #FinanzasVerdes #ROI #OPEX #GreenBonds #MitigaciónDeRiesgos #ValorParaElAccionista #EconomíaCircular #CostoDeCapital #ESG #EficienciaOperativa #VentajaCompetitiva

La IA está cambiando la forma en que los clientes eligen su negocio
#Doxa #InteligenciaArtificial #ExperienciaDelCliente #Personalización #ComportamientoDelConsumidor #TomaDeDecisiones #Chatbots #Datos #Automatización #Recomendaciones #MarketingDigital

La gestión del rendimiento necesita nuevas métricas en la era de la IA
Cómo las organizaciones pueden evaluar las contribuciones de los empleados, los sistemas de IA y su producción combinada
#Doxa #GestiónDelRendimiento #InteligenciaArtificial #MétricasDigitales #EvaluaciónEmpleados #SistemasIA #ProductividadCombinada #TransformaciónDigital #CapitalHumano #Automatización #InnovaciónOrganizacional

Recuperemos la gestión orientada al valor
Ante el aumento de los costes de capital, las empresas necesitan una forma disciplinada de asignar recursos sin descuidar sus compromisos con los empleados, los clientes y el medio ambiente. Aquí te mostramos cómo encontrar ese equilibrio
#Doxa #valor #gestión #capital #recursos #disciplina #empleados #clientes #medioambiente #equilibrio #compromiso

Argumentos a favor de una gestión centrada en el rendimiento
#Doxa #Productividad #Eficiencia #Meritocracia #Rentabilidad #Desempeno #Optimizacion #Motivacion #Resultados #Competitividad #Evaluacion

El fin de las agencias federales independientes cambiará su negocio
#Doxa #AgenciasIndependientes #AgenciasFederales #Regulacion #ImpactoEmpresarial #PoliticaGubernamental #ReformaEstatal #Desregulacion #EntornoComercial #Gobierno #Negocios

Adapta tu estrategia digital para llegar a todos los clientes
#Doxa #EstrategiaDigital #MarketingDigital #Segmentación #Alcance #Audiencia #Omnicanalidad #Personalización #TransformaciónDigital #Clientes #Adaptación

Cómo lograr que la IA revele tu marca
Concéntrese en facilitar la comparación, la verificación y la conexión de los beneficios del producto con los problemas de los clientes
#Doxa #Marca #IA #Comparación #Verificación #Conexión #Beneficios #Problemas #Posicionamiento #Confianza #Valor

Los grandes líderes cuestionan los supuestos filosóficos
#Doxa #Liderazgo #PensamientoCritico #Filosofia #GrandesLideres #Cuestionamiento #Paradigmas #Innovacion #VisionEstrategica #PensamientoDisruptivo #SupuestosFilosoficos

La adopción de la IA está sobrecargando a sus gerentes Intermedios
#Doxa #InteligenciaArtificial #GerentesIntermedios #AdopcionDeIA #SobrecargaLaboral #GestionDelCambio #Liderazgo #TransformacionDigital #EstresLaboral #GestionDeEquipos #FuturoDelTrabajo

Enséñale a tu IA cómo tomas decisiones
#Decisiones #IA #Aprendizaje #Proceso #Pensamiento #Análisis #Evaluación #Opciones #Criterios #Lógica

Los fundadores de startups necesitan un nuevo manual de ventas
#Doxa #startups #fundadores #ventas #manual #estrategia #crecimiento #B2B #emprendimiento #negocios #comercial

¿Tu IA tiene un problema de personalidad?
#Doxa #IA #asistente #personalidad #respeto #honestidad #utilidad #conversación #ayuda #comunicación #tecnología

Caso práctico: Un proveedor clave suspendió una auditoría laboral. ¿Y ahora qué?
Una empresa de muebles debe decidir cómo abordar las infracciones cometidas en una de sus fábricas
#Doxa #AuditoríaLaboral #Proveedores #CumplimientoNormativo #DerechosTrabajadores #ResponsabilidadSocial #CadenaSuministro #ÉticaEmpresarial #Sostenibilidad #GestiónRiesgos #TransparenciaCorporativa

El fin del capital barato
#Doxa #FinDelCapitalBarato #TasasDeInterés #Inflación #PolíticaMonetaria #CostoDeCapital #FinanzasCorporativas #Inversiones #MercadosFinancieros #EconomíaGlobal #EstrategiaEmpresarial

Nuestros consejos favoritos de gestión para la toma de decisiones
Una lista seleccionada de uno de los boletines informativos más populares de HBR
#Doxa #GestiónEmpresarial #TomaDeDecisiones #Liderazgo #HarvardBusinessReview #Estrategia #GestiónEfectiva #DecisionesEstratégicas #ConsejosDeGestión #HBR #ManagementAdvice

Cómo diseñar sistemas agenciales en torno a las reglas implícitas que rigen su empresa
Las empresas que ganen utilizarán el despliegue de agentes como una radiografía y rediseñarán sus organizaciones en función de lo que descubran
#AgentesAI #ReglasImplícitas #DiseñoOrganizacional #TransformaciónDigital #InteligenciaArtificial #AutomatizaciónEmpresarial #CulturaCorporativa #EficienciaOperativa #InnovaciónEstratégica #GestiónDelCambio #ArquitecturaDeSistemas #TomaDeDecisiones #OptimizaciónDeProcesos #FuturoDelTrabajo #LiderazgoAdaptativo

Los equipos más potentes de agentes de IA se crearán utilizando diferentes modelos
#Doxa #IA #AgentesIA #ModelosIA #InteligenciaArtificial #Tecnología #Innovación #Automatización #MachineLearning #DeepLearning #Algoritmos #DesarrolloIA #SistemasInteligentes #Computación #Digital #Futuro

Dar el salto de líder corporativo a CEO respaldado por capital privado
No todo el mundo puede afrontar la transición. Esto es lo que realmente se necesita para tener éxito
#Doxa #CEO #CapitalPrivado #LiderazgoCorporativo #TransiciónEjecutiva #GestiónEmpresarial #EstrategiaNegocios #DesempeñoFinanciero #CrecimientoValor #HabilidadesDirectivas #TomaDecisiones #GobiernoCorporativo #TransformaciónOrganizacional #ResultadosOperativos #VisiónEstratégica #ÉxitoProfesional

Por qué triunfan las mejores experiencias inmersivas
Invitan a una participación profunda al responder preguntas clave que la gente se plantea
#inmersión #experiencia #participación #profunda #preguntas #clave #éxito #conexión #emocional #tecnología #narrativa #usuario #interacción #memorable #transformación

No permita que la IA complique los procesos de su empresa
Cuatro pasos que los líderes pueden seguir para proteger uno de sus activos más valiosos: el conocimiento organizacional
#Doxa #IA #conocimientoorganizacional #liderazgo #procesos #activos #protección #gestión #innovación #eficiencia #estrategia #tecnología #datos #equipos #transformación #futuro

Cómo la IA de última generación está transformando las decisiones de compra B2B
#Doxa #IAenB2B #InteligenciaArtificial #VentasB2B #TomaDeDecisiones #TransformacionDigital #MachineLearning #AutomatizacionB2B #ExperienciaDeCompra #AnalisisPredictivo #EstrategiaB2B #ComercioElectronicoB2B #DatosB2B #InnovacionTecnologica #MarketingB2B #FuturoDelComercio

Para prosperar junto con la IA, concéntrese en la mentalidad, no en las habilidades
Muchos líderes se están haciendo la pregunta equivocada cuando se trata de la adopción de la IA
#Doxa #IA #InteligenciaArtificial #Mentalidad #Liderazgo #Innovación #AdopciónTecnológica #TransformaciónDigital #Estrategia #FuturoDelTrabajo #Mindset #Tecnología #CambioCultural #VisiónEmpresarial #AprendizajeContinuo #LiderazgoDigital

En qué se equivocan las empresas respecto a los derechos de decisión
Cuatro errores comunes y cómo evitarlos
#Doxa #derechosdecisión #empresas #errorescomunes #tomadecisiones #liderazgo #organización #jerarquía #autonomía #responsabilidad #poder #delegación #culturaorganizacional #eficiencia #burocracia #gobernanza

Cómo se están transformando los roles de la alta dirección y los consejos de administración en torno a la IA
#Doxa #InteligenciaArtificial #TransformaciónDigital #GobiernoCorporativo #AltaDirección #ConsejoDeAdministración #LiderazgoDigital #EstrategiaIA #InnovaciónEmpresarial #TomaDeDecisiones #ÉticaEnIA #CompetenciasDigitales #GestiónDelCambio #VisiónEstratégica #SupervisiónTecnológica #FuturoDelTrabajo

Cuando el propósito resulta contraproducente
Una nueva investigación revela que los empleados que sienten que se les impide tener un impacto son más propensos a retirarse y a renunciar
#Doxa #PropósitoLaboral #RenunciaSilenciosa #QuietQuitting #DesmotivaciónLaboral #RotaciónDePersonal #ClimaLaboral #BienestarLaboral #GestiónDeTalento #Liderazgo #CompromisoLaboral #ImpactoLaboral #FrustraciónLaboral #RetenciónDeTalento #CulturaOrganizacional #SaludMentalLaboral

La IA está reescribiendo la economía de la subcontratación
#Doxa #inteligenciaartificial #subcontratación #economíadigital #automatización #transformacióndigital #outsourcing #innovación #productividad #tecnología #futurodeltrabajo #IA #disrupción #eficiencia #cadenasdevalor #competitividad

Qué implica la fragmentación de la economía digital para la competencia global
Un nuevo índice que abarca 125 países revela dónde está creciendo la innovación y dónde se está estancando
#Doxa #economíadigital #fragmentación #competenciaglobal #innovación #tecnología #geopolítica #comercioelectrónico #soberaníadatos #brechadigital #regulación #startups #productividad #inversión #desarrollo #futuro

Cómo las empresas chinas están salvando a las marcas occidentales
Las empresas de los mercados emergentes están reescribiendo las reglas de la competencia global
#Doxa #China #MarcasOccidentales #MercadosEmergentes #NegociosGlobales #CompetenciaGlobal #EconomíaChina #EstrategiaEmpresarial #ComercioInternacional #InversiónExtranjera #TransformaciónDigital #CadenaDeSuministro #Geopolítica #Business #Globalización #TendenciasDeMercado

El sistema de captación de talento para la investigación en Estados Unidos está en crisis
Los investigadores que se forman en Estados Unidos están considerando trabajar en otros países. Así es como deberían responder las empresas estadounidenses
#Doxa #Investigación #Talento #EEUU #Crisis #Ciencia #Innovación #Retención #Empresas #FugaDeCerebros #Desarrollo #I+D #Competitividad #Empleo #Tecnología #Estrategia

La inminente crisis de capacidades de las grandes tecnológicas
#Doxa #IA #BigTech #CapacidadComputacional #CrisisEnergética #Semiconductores #DataCenters #Escalabilidad #Innovación #InfraestructuraCloud #Sostenibilidad #Hardware #Algoritmos #DemandaDigital #CuelloDeBotella #Tecnología

Cómo los entrenadores de deportes de élite toman decisiones bajo presión
Lo que hacen antes, durante y después de tomar decisiones importantes
#Doxa #estrategia #presión #liderazgo #análisis #intuición #experiencia #calma #adaptabilidad #comunicación #enfoque #resiliencia #preparación #ejecución #evaluación #élite

Convierta la normativa sobre privacidad en una ventaja competitiva
#Doxa #Privacidad #VentajaCompetitiva #Confianza #GDPR #ProtecciónDatos #Ciberseguridad #Cumplimiento #Transparencia #Lealtad #Marca #Innovación #Ética #RGPD #Seguridad #Diferenciación

Las empresas están utilizando la inteligencia artificial para mejorar la eficiencia. Deberían utilizarla para crecer
#Doxa #InteligenciaArtificial #IAempresarial #TransformaciónDigital #EficienciaOperativa #CrecimientoEmpresarial #AutomatizaciónInteligente #InnovaciónTecnológica #EstrategiaDigital #ProductividadEmpresarial #IAparanegocios #OptimizaciónDeProcesos #TecnologíaEmpresarial #VentajaCompetitiva #NegociosInteligentes #FuturoDelTrabajo

Cómo se utilizará realmente la IA en 2026
Un nuevo riesgo se hizo más evidente: dejar que la IA piense por ti
#Doxa #IA2026 #InteligenciaArtificial #PensamientoCrítico #Automatización #RiesgosIA #Tecnología2026 #SesgoCognitivo #DependenciaDigital #FuturoDelTrabajo #ÉticaIA #InnovaciónResponsable #TransformaciónDigital #ConcienciaTecnológica #Algoritmos #HumanosVsIA

10 preguntas sobre organizaciones orientadas a proyectos, con sus respuestas
#GestiónDeProyectos #PMO #Estrategia #Recursos #CulturaOrganizacional #Liderazgo #Valor #Adaptabilidad #Portafolio #Conocimiento #Eficiencia #Innovación #Colaboración #ROI #Metodología

Investigación: A medida que las carreras profesionales se alargan, el trabajo a mitad de carrera necesita cambiar
Sus empleados más experimentados están sufriendo agotamiento en la crucial década de los 40
#Doxa #AgotamientoLaboral #CarreraProfesional #MedianaEdad #SaludMental #BienestarCorporativo #GestiónDelTalento #ReinvenciónProfesional #Liderazgo #RecursosHumanos #EquilibrioVidaTrabajo #DesarrolloProfesional #Burnout #EmpleadosSenior #CrisisDeLos40 #FuturoDelTrabajo

Investigación: ¿Qué mensaje transmiten tus auriculares a tus compañeros de trabajo?
#Doxa #auriculares #trabajo #oficina #comunicación #concentración #privacidad #etiqueta #productividad #espacio #señales #no_molestar #colaboración #tecnología #cultura_laboral #bienestar

Los gerentes tienen dificultades para seguir el ritmo del auge de la productividad impulsado por la IA
Para evitar convertirse en un cuello de botella, necesitan cambiar su forma de trabajar, dar retroalimentación y comunicarse
#Doxa #IA #Productividad #Liderazgo #Gestión #TransformaciónDigital #Comunicación #Feedback #Eficiencia #Innovación #Trabajo #Gerentes #CuelloDeBotella #Adaptación #Negocios #FuturoDelTrabajo

Cómo se llega realmente a los puestos directivos en las empresas del S&P 500
Una nueva investigación desvela quiénes obtienen estos puestos y cómo ascendieron en ellos
#Doxa #Liderazgo #S&P500 #CarreraEjecutiva #Ascenso #CEO #Directivos #Gestión #Negocios #ÉxitoProfesional #Corporativo #Estrategia #Talento #Desarrollo #Empresas #AltaDirección

Nuestros consejos favoritos de gestión sobre cómo dar retroalimentación
#Doxa #retroalimentación #gestión #liderazgo #comunicación #feedback #crecimiento #desarrollo #equipo #confianza #empatía #claridad #constructivo #mejora #productividad #éxito

Formas sorprendentes de reducir la rotación de personal en trabajos de alta presión y alta cualificación
#Doxa #RetenciónDeTalento #AltoRendimiento #LiderazgoAdaptativo #AutonomíaLaboral #BienestarCognitivo #RotaciónInterna #DesconexiónDigital #ReconocimientoPersonalizado #TransparenciaOrganizacional #LegadoProfesional #FlexibilidadCognitiva #DesarrolloExterno #LiderazgoVulnerable #PropósitoLaboral #GestiónDeTalentoElite

Cómo apoyar el crecimiento profesional de tus empleados cuando todos están sobrecargados de trabajo
Los equipos que se enfrentan a una presión constante aún necesitan oportunidades para desarrollar nuevas habilidades, experimentar y prepararse para lo que viene
#Doxa #CrecimientoProfesional #DesarrolloDeTalento #LiderazgoResiliente #GestiónDeEquipos #AprendizajeContinuo #Microlearning #MentoríaEntrePares #FeedbackContinuo #BienestarLaboral #DelegaciónEstratégica #InnovaciónOperativa #CulturaDeAprendizaje #DesarrolloSostenible #AltoRendimiento #GestiónDelCambio

Las claves para el éxito bajo un nuevo gerente
Las transiciones de liderazgo ofrecen una rara oportunidad para empezar de cero, si uno se esfuerza por causar una buena impresión
#Doxa #Liderazgo #Éxito #Gerente #Transición #Impresión #Oportunidad #Cambio #Equipo #Gestión #Profesional #Desarrollo #Confianza #Comunicación #Adaptabilidad #Resultados

Lo que los quirófanos pueden enseñar a los líderes sobre el diseño de equipos
#Doxa #LiderazgoQuirúrgico #DiseñoDeEquipos #TrabajoEnEquipo #GestiónHospitalaria #LiderazgoEnSalud #EquiposDeAltoRendimiento #ComunicaciónEfectiva #TomaDeDecisiones #CoordinaciónQuirúrgica #LiderazgoAdaptativo #CulturaDeSeguridad #RolesYResponsabilidades #ColaboraciónMultidisciplinaria #GestiónDeCrisis #ExcelenciaOperativa

La IA de última generación podría solucionar las evaluaciones de desempeño, o empeorarlas aún más
Muchos gerentes ahora utilizan la IA para perfeccionar las evaluaciones de desempeño de los empleados. La mayor oportunidad reside en usarla para resaltar aquello que los hace excepcionales
#Doxa #IA #RRHH #GestiónDelDesempeño #EvaluaciónDeEmpleados #FeedbackAutomatizado #AnálisisDeDesempeño #TecnologíaLaboral #IAParaGerentes #MejoraContinua #SesgosEnIA #ÉticaEnRRHH #ProductividadConIA #LiderazgoConIA #DesarrolloProfesional #MétricasDeDesempeño

Es difícil usar la IA en equipo. Estas 3 prácticas pueden ayudar
#Doxa #InteligenciaArtificial #TrabajoEnEquipo #ColaboraciónDigital #Productividad #FlujoDeTrabajo #GestiónDeProyectos #HerramientasIA #Automatización #ComunicaciónEfectiva #CulturaOrganizacional #Capacitación #MejoresPrácticas #Innovación #TransformaciónDigital #EficienciaOperativa

La obra de su vida: Entrevista con Jet Li
#Doxa #JetLi #ArtesMarciales #CineDeAcción #Hollywood #Wushu #LeyendaViva #Filantropía #UnoFundación #KungFu #Actor #China #Espiritualidad #Budismo #Resiliencia #Legado

Investigación: El marketing tradicional no funciona con los agentes de compras con IA
Las empresas necesitan tácticas diferentes para este segmento de compradores online que crece rápidamente
#Doxa #AgentesIA #MarketingDigital #ComercioElectrónico #InteligenciaArtificial #EstrategiaDigital #VentasB2B #Automatización #ExperienciaUsuario #Tendencias2026 #TransformaciónDigital #SEO Técnico #DatosEstructurados #Innovación #NegociosDigitales #FuturoDelRetail

Por qué los líderes deberían pasar por alto los errores menores
#liderazgo #confianza #errores #equipos #productividad #cultura #innovación #aprendizaje #autonomía #gestión #estrategia #motivación #eficiencia #crecimiento #enfoque

Rediseñando su organización de marketing para la era de los agentes
#Doxa #AgentesIA #MarketingDigital #AutomatizaciónMarketing #TransformaciónDigital #InteligenciaArtificial #OrganizaciónMarketing #AgentesAutónomos #FuturoMarketing #MarketingConIA #InnovaciónTecnológica #EstrategiaMarketing #ProductividadEmpresarial #DigitalizaciónMarketing #OptimizaciónProcesos #MarketingDelFuturo

3 maneras en que la IA puede liberar a las organizaciones de los flujos de trabajo heredados
#Doxa #InteligenciaArtificial #TransformaciónDigital #Automatización #FlujosDeTrabajo #SistemasLegados #InnovaciónTecnológica #Productividad #EficienciaOperativa #ModernizaciónTI #ProcesosDigitales #IAEmpresarial #Optimización #TecnologíaCloud #IntegraciónSistemas #AgilidadOrganizacional

Cómo tratar con directores difíciles
Consejos prácticos para ejecutivos y demás miembros del consejo de administración
#Doxa #Liderazgo #GobiernoCorporativo #Negociación #Comunicación #Estrategia #ResoluciónConflictos #TomaDecisiones #PsicologíaOrganizacional #GestiónDeRiesgos #Ética #Productividad #Influencia #InteligenciaEmocional #JuntaDirectiva #Ejecutivos

Los mejores líderes asumen el rol de personaje secundario
Al comprender y promover las historias de tu gente, en lugar de la tuya propia, puedes motivarlos para que den lo mejor de sí mismos
#Doxa #LiderazgoServicial #Humildad #Empoderamiento #Equipo #Mentoría #Colaboración #Confianza #Crecimiento #LiderarDetrás #EgoConsciente #ÉxitoCompartido #Facilitador #Inspiración #Desarrollo #LiderazgoInvisible

El arte de descontar
Cinco estrategias para impulsar el volumen de ventas y las ganancias
#Doxa #EstrategiasDeDescuento #Ventas #Ganancias #Precios #MarketingComercial #OptimizaciónDeMárgenes #Promociones #ComportamientoDelConsumidor #Conversión #EstrategiaDeVentas #Rentabilidad #ComercioElectrónico #PreciosPsicológicos #VolumenDeVentas #GestiónDeOfertas

Los costos psicológicos de la adopción de la IA
#Doxa #AnsiedadTecnológica #EstrésDigital #MiedoAlReemplazo #SobrecargaCognitiva #FatigaPorIA #IncertidumbreLaboral #ResistenciaAlCambio #PérdidaDeControl #DesconfianzaTecnológica #AgotamientoMental #PresiónAdaptativa #CrisisDeIdentidadProfesional #DependenciaTecnológica #ParálisisPorDecisión #BienestarDigital

Cómo pasar de la experimentación con IA a la transformación mediante IA
#Doxa #TransformaciónConIA #DeExperimentoAProducción #EstrategiaDeIA #EscalabilidadDeIA #IAEmpresarial #MadurezDigital #ImplementaciónDeIA #InnovaciónEstratégica #GobernanzaDeIA #CasosDeUsoReales #ROIenIA #CulturaDataDriven #LiderazgoTecnológico #AutomatizaciónInteligente #ValorDeNegocioConIA

Un liderazgo empático puede ser clave para el éxito o el fracaso en la adopción de la IA
Reduce la resistencia de los empleados, mejora el aprendizaje y acelera el impacto
#Doxa #LiderazgoEmpático #AdopciónDeIA #TransformaciónDigital #GestiónDelCambio #ResistenciaAlCambio #AprendizajeOrganizacional #InteligenciaArtificial #CulturaEmpresarial #DesarrolloDeTalento #InnovaciónResponsable #LiderazgoConsciente #ImpactoEmpresarial #ColaboraciónHumanoIA #HabilidadesBlandas #FuturoDelTrabajo

La rendición de cuentas debe elegirse, no imponerse
#Doxa #RendiciónDeCuentas #Transparencia #Gobernanza #ParticipaciónCiudadana #Democracia #ÉticaPública #ResponsabilidadSocial #ControlSocial #Integridad #Accountability #GestiónPública #CiudadaníaActiva #TransparenciaGubernamental #LiderazgoResponsable #CulturaDeLegalida

Cómo triunfar en tu próxima entrevista con los medios
Las entrevistas públicas pueden generar o destruir la confianza de las partes interesadas
#Doxa #Entrevista #Medios #Comunicación #Confianza #Reputación #PR #MarcaPersonal #Liderazgo #MensajeClave #Storytelling #Crisis #Visibilidad #Networking #Éxito #Estrategia

¿Debería nombrar un director ejecutivo interino?
Es más arriesgado de lo que crees. Aquí te explicamos cuándo tiene sentido y a quién elegir
#Doxa #CEOInterino #LiderazgoTransitorio #GestiónDeRiesgos #SucesiónEjecutiva #DirecciónProvisional #EstrategiaCorporativa #CrisisEmpresarial #TalentoDirectivo #ContinuidadOperativa #TomaDeDecisiones #GobiernoCorporativo #ReclutamientoEjecutivo #EstabilidadOrganizacional #ConsultoríaDeNegocios #AltaDirección

En qué aspectos la estrategia de chips de EE. UU. sigue fallando
Los procesos críticos de back-end siguen concentrados en Asia. Estos tres pasos pueden ayudar a trasladarlos a Estados Unidos
#Doxa #chips #EEUU #semiconductores #Asia #backend #estrategia #manufactura #tecnología #supplychain #geopolítica #industria #producción #innovación #economía #seguridad

El futuro está envuelto en una niebla de IA
El efecto más importante de la IA es el que no podemos ver
#Doxa #IA #Futuro #Niebla #Invisible #Efecto #Tecnología #Transformación #Sociedad #Ética #Algoritmos #Datos #Automatización #Inteligencia #Cambio #Humano

Resumen de investigaciones: Un beneficio sorprendente de la mejora de habilidades, por qué los objetivos pueden ser contraproducentes y más
Nuevas perspectivas procedentes de una amplia gama de estudios académicos
#Doxa #DesarrolloDeHabilidades #PsicologíaDelRendimiento #ObjetivosContraproducentes #AprendizajeContinuo #CrecimientoPersonal #Productividad #Mindset #GestiónDelEstrés #BienestarLaboral #Neurociencia #MotivaciónIntrínseca #Eficiencia #SaludMental #Liderazgo #InvestigaciónAcadémica

El fin del software empresarial de talla única
Ahora las empresas tienen la opción de crear, componer, colaborar o comprar resultados, en lugar de conformarse con las ofertas SaaS existentes
#PersonalizaciónEmpresarial #SoftwareFlexible #TransformaciónDigital #SaaS #LowCode #NoCode #InteligenciaArtificial #Microservicios #APIs #AutomatizaciónDeProcesos #SolucionesVerticales #ArquitecturaModular #AgilidadEmpresarial #InnovaciónTecnológica #EcosistemasDigitales

¿Qué valores defiendes realmente?
#Doxa #Honestidad #Respeto #Privacidad #Inclusión #Transparencia #Responsabilidad #Objetividad #Seguridad #Empatía #Integridad #Neutralidad #Colaboración #Aprendizaje #Ética #

Cuando el CEO se convierte en la marca
El líder de su empresa se ha convertido en un foco de controversia política. ¿Y ahora qué?
#Doxa #CEO #MarcaPersonal #LiderazgoEmpresarial #ControversiaPolítica #ReputaciónCorporativa #GestiónDeCrisis #ComunicaciónEstratégica #ImagenEjecutiva #BrandingPersonal #OpiniónPública #ResponsabilidadSocial #MediosDeComunicación #PercepciónDeMarca #LiderazgoControversial #EstrategiaDigital

Líderes, traten la resistencia al cambio como datos valiosos
No lo descartes como una reacción impulsiva
#Doxa #Liderazgo #ResistenciaAlCambio #GestiónDelCambio #DatosValiosos #TransformaciónOrganizacional #CulturaEmpresarial #InteligenciaEmocional #ComunicaciónEfectiva #Innovación #DesarrolloOrganizacional #MindsetÁgil #FeedbackConstructivo #Adaptabilidad #LiderazgoTransformacional #ChangeManagement

5 preguntas que los líderes deberían hacerse antes de recurrir al trabajo a tiempo parcial
Puede ofrecer fuentes de ingresos diversificadas, mayor autonomía y un mejor equilibrio entre la vida laboral y personal
#Doxa #TrabajoParcial #LiderazgoEstratégico #Productividad #AutonomíaLaboral #EquilibrioVidaTrabajo #GestiónDelTalento #CulturaOrganizacional #IngresosDiversificados #FlexibilidadHoraria #TransformaciónDigital #RetenciónDeEmpleados #MétricasDeDesempeño #BienestarCorporativo #NuevasModalidadesLaborales #InnovaciónEnRRHH

Investigación: Lo que revelan los agentes de IA de China sobre el futuro del comercio
#Doxa #IA #China #ComercioGlobal #AgentesAutónomos #FuturoDigital #Economía #Tecnología #Innovación #LogísticaInteligente #Automatización #NegociosInternacionales #TransformaciónDigital #InteligenciaArtificial #CadenaDeSuministro #Geopolítica

Cuando tu ambición empieza a agotarte
#Doxa #Ambición #Agotamiento #Límites #Bienestar #Equilibrio #Autocuidado #SaludMental #Propósito #Introspección #Resiliencia #Transformación #Pausa #Motivación #Cansancio #Reflexión

¿Deberías desarrollar tus fortalezas de liderazgo o corregir tus debilidades?
Responda a cuatro preguntas para diagnosticar sus necesidades de desarrollo
#Doxa #Liderazgo #Fortalezas #Debilidades #Desarrollo #Crecimiento #Gestión #Talento #Potencial #Mejora #Estrategia #Equipos #Éxito #Habilidades #Coaching #Autoconocimiento
Compártalo con Amigos

Cómo la IA amenaza los ingresos de las plataformas
#Doxa #IAgenerativa #erosiónPublicitaria #comercioSinClics #agentesIA #pérdidaComisiones #desintermediaciónPlataformas #suscripcionesVulnerables #desagregaciónServicios #ventajaCompetitivaIA #datosFragmentados #personalizaciónAgéntica #canibalizaciónIngresos #transiciónAgentiva #protocolosAbiertos #reinvencciónPlataformas

En los mercados donde el ganador se lo lleva todo, la diversificación es una desventaja
En condiciones de intensa competencia, la flexibilidad puede ser una señal de debilidad para los rivales
#Doxa #WinnerTakesAll #DiversificaciónEstratégica #VentajaCompetitiva #CompetenciaIntensa #FlexibilidadDebil #EstrategiaEmpresarial #TeoríaDeJuegos #ConcentraciónDeMercado #EnfoqueEstratégico #RivalidadCompetitiva #PosicionamientoDeMercado #Especialización #SeñalesCompetitivas #DinámicasDeMercado #LiderazgoDeMercado

Cuando las peticiones de los empleados empiezan a resultarle molestas
#Doxa #LiderazgoEmpresarial #GestiónDeEquipos #RecursosHumanos #ComunicaciónLaboral #LímitesProfesionales #ManejoDeSolicitudes #ProductividadLaboral #ClimaOrganizacional #DesarrolloDirectivo #EmpatíaLaboral #DelegaciónEfectiva #BienestarLaboral #RelacionesLaborales #GestiónDelTiempo #InteligenciaEmocional
 

Doxa 2589

Investigación: Por qué algunos empleados jóvenes se desenvuelven bien con la IA y otros no

Un nuevo estudio reveló que habilidades fundamentales como el pensamiento crítico, la alfabetización en IA y el conocimiento del sector no eran indicadores claros de éxito

Por Ashish Agarwal, Anitesh Barua, Anu Puvvada, Fangchen Song y Wen Wen
IA generativa
Harvard Business Review

#Doxa #IA #empleadosjóvenes #pensamientocrítico #alfabetizaciónIA #conocimientosectorial #adaptabilidadtecnológica #habilidadesdigitales #productividadlaboral #competenciasprofesionales #transformacióndigital
Resumen. Las organizaciones necesitan comprender cómo las personas crean valor más allá de la base de la IA en entornos organizacionales reales, particularmente en trabajos profesionales de alto riesgo que requieren criterio, experiencia en el dominio y resultados listos para la toma de decisiones. KPMG e Investigadores de la Universidad de Texas realizaron un estudio de campo a gran escala con 523 profesionales en las primeras etapas de su carrera. Los participantes completaron tareas específicas del negocio utilizando un agente de IA diseñado para el dominio. Esta investigación puede ayudar a responder dos preguntas: 1) ¿Qué permite a los empleados principiantes aportar valor en los flujos de trabajo habilitados por IA? Y 2) ¿Cómo se pueden desarrollar intencionalmente esas capacidades de manera que se mantenga la mejora continua a medida que la IA avanza? Los resultados clasificaron a los participantes en tres grupos: aprendices de IA, delegadores de IA y amplificadores de IA. Una sorpresa en los resultados fue que las habilidades fundamentales, como la capacidad de pensamiento crítico, la alfabetización en IA y el conocimiento del dominio, no fueron indicadores claros para determinar a qué grupo pertenecía cada persona. Esto puede ayudar a los líderes a replantearse cómo diseñar el trabajo de nivel inicial y cómo contratar para estos puestos.
Los empleados principiantes se encuentran en la primera línea de una rápida transformación del trabajo intelectual. Estos puestos solían estar repletos de tareas que servían de trampolín para entrar en un sector y ayudaban a los empleados jóvenes a desarrollar su experiencia. Sin embargo, ahora, muchas de estas tareas corren el riesgo de ser delegadas a flujos de trabajo impulsados ​​por IA, que cada vez son más capaces de gestionar tareas analíticas y con gran cantidad de información. Y a medida que la IA continúa mejorando, las investigaciones han demostrado que está redefiniendo rápidamente los estándares, elevando el nivel de exigencia para un rendimiento aceptable a medida que los modelos mejoran.

En este contexto, las organizaciones necesitan comprender cómo las personas generan valor más allá de la IA básica en entornos organizacionales reales, especialmente en trabajos profesionales de alto riesgo que requieren criterio, experiencia en el sector y resultados listos para la toma de decisiones. Esto plantea dos preguntas clave: 1) ¿Qué permite a los empleados principiantes aportar valor en flujos de trabajo habilitados por IA? Y 2) ¿cómo se pueden desarrollar intencionalmente esas capacidades de manera que se mantenga la mejora continua a medida que la IA avanza? Los líderes necesitan respuestas claras y explícitas a ambas. De lo contrario, corren el riesgo de comprometer el retorno de la inversión en IA y el desarrollo del talento de su organización.

Para ayudar a responder estas preguntas, KPMG y la Universidad de Texas en Austin llevaron a cabo un estudio de campo a gran escala con 523 profesionales jóvenes de KPMG en Estados Unidos, con una antigüedad de 18 meses o menos, para comprender mejor cómo generar valor en este contexto. La investigación se diseñó como un estudio de campo, donde los participantes completaron tareas específicas del negocio utilizando un agente de IA desarrollado para el sector. Estas tareas fueron diseñadas por expertos sénior de KPMG para reflejar el trabajo que realizan los profesionales jóvenes en la práctica. Son versiones simplificadas de tareas de interacción con el cliente que requieren que los participantes analicen información empresarial, ejerzan su criterio profesional y elaboren recomendaciones.

Para establecer una línea de base, comenzamos el estudio de campo con agentes de IA que realizaban el trabajo de forma independiente. Luego, solicitamos a los participantes que realizaran el mismo trabajo utilizando el agente de IA. Los resultados de los participantes se evaluaron mediante rúbricas de calificación detalladas, desarrolladas por expertos de KPMG, para reflejar las expectativas de desempeño en el mundo real, y su desempeño se comparó con la línea de base que solo utilizaba la IA. También evaluamos las habilidades fundamentales de los participantes, incluyendo el conocimiento del dominio, el pensamiento crítico y la alfabetización en IA, y analizamos sus interacciones con la IA para comprender cómo aplicaron estas habilidades al completar las tareas.

El objetivo era identificar quién aporta valor añadido más allá de la IA, quién simplemente la replica y quién puede reducir el rendimiento de forma inadvertida. Los resultados revelaron tres perfiles de rendimiento distintos:
  • Los aprendices de IA  (24,1%) obtuvieron resultados por debajo del nivel de referencia de la IA.
  • Los delegadores de IA  (25,8%) produjeron resultados comparables a la línea base de la IA.
  • Los amplificadores de IA (50,1%) superaron el rendimiento de la IA de referencia.
Una sorpresa en los resultados fue que las habilidades fundamentales, como el pensamiento crítico, la alfabetización en IA y el conocimiento del sector, no eran indicadores claros para determinar a qué grupo pertenecía cada persona. Más bien, la forma en que trabajaban las personas parecía marcar la diferencia. Esto revela algo importante: la IA no estandariza el trabajo, sino que magnifica las diferencias en cómo las personas aplican sus habilidades. Estos hallazgos ofrecen una lección importante para las empresas: necesitan replantearse cómo diseñan los puestos de trabajo de nivel inicial y cómo miden el desempeño de los empleados.

Cómo funcionan los amplificadores, los delegadores y los aprendices
Es comprensible que las organizaciones prioricen el pensamiento crítico, el conocimiento del sector y la alfabetización en IA al considerar candidatos para puestos de nivel inicial. Sin embargo, según nuestros hallazgos, estas tres cualidades por sí solas no predicen con fiabilidad quién tendrá un buen desempeño en puestos de nivel inicial en la era de la IA. Sorprendentemente, empleados con niveles similares de habilidades y conocimientos básicos pueden generar resultados radicalmente diferentes al trabajar con el mismo agente de IA.

Aprendices de IA: Capaces, pero no logran traducir sus habilidades en valor. Los aprendices de IA obtuvieron puntuaciones más altas que los delegadores en pensamiento crítico, conocimiento del dominio y alfabetización en IA, y son prácticamente indistinguibles de los amplificadores de IA en estas medidas. Si bien criticaron las respuestas de la IA, dicha crítica rara vez mejoró el resultado. Nuestro análisis revela lo que falta en las interacciones de los aprendices con la IA: no aplicaron sus habilidades fundamentales dentro de los flujos de trabajo habilitados por IA para guiar, evaluar y refinar el resultado de la IA. A menudo se centraron en cuestiones irrelevantes o guiaron a la IA en direcciones improductivas. Por ejemplo, dada la tarea de revisar un conjunto complejo de documentos comerciales y preparar recomendaciones utilizando IA, los aprendices interactuaron con la IA. Pero en lugar de tratarla como una forma de poner a prueba su propio pensamiento, dedicaron la mayor parte de la conversación a solicitar, reescribir o reorganizar información, o a abordar preguntas menos relevantes.

Delegadores de IA: Productivos en apariencia, limitados en la práctica. Los delegadores de IA obtuvieron las puntuaciones más bajas en habilidades básicas, pero no fueron los de peor desempeño. Dado que los sistemas de IA ya generan resultados competentes, los delegadores demostraron ser razonablemente productivos cuando el desempeño se evaluó únicamente en función de la calidad del producto final. Por lo general, aceptaron los resultados de la IA con un mínimo de análisis, añadieron un razonamiento limitado y aportaron poco o ningún valor adicional. Cuando se les encomendó la tarea de revisar documentos complejos y preparar recomendaciones, proporcionaron los materiales pertinentes y el producto final deseado, y luego aceptaron en gran medida el resultado de la IA con una intervención mínima.Amplificadores de IA: capaces de convertir la capacidad en rendimiento. Los amplificadores de IA se distinguieron no por tener habilidades subyacentes más sólidas, sino por cómo combinaron y aplicaron esas habilidades al trabajar con la IA.

Orquestaron activamente el flujo de trabajo y plantearon los problemas de manera que guiaran a la IA hacia análisis relevantes, fundamentando el trabajo en marcos de dominio apropiados y definiendo criterios de evaluación claros. Interrogaron los resultados, cuestionaron las suposiciones y refinaron los resultados de forma iterativa. Al mismo tiempo, utilizaron su conocimiento de la IA para proporcionar una guía precisa y específica para cada tarea, lo que permitió al sistema generar entregables que cumplían con los estándares de rendimiento del mundo real. En la tarea de documentos, los amplificadores trataron a la IA como un socio de pensamiento, pidiéndole que probara suposiciones, explicara su razonamiento, considerara explicaciones alternativas e identificara la evidencia faltante antes de refinar la recomendación final.

Repensando el potencial de los profesionales al inicio de su carrera.
Nuestros resultados de investigación sugieren que existe una oportunidad importante para que las organizaciones replanteen el desarrollo de personal de nivel inicial. Los empleados que aparentemente tienen niveles similares de conocimiento y habilidades pueden obtener resultados muy diferentes una vez que la IA se integra en el flujo de trabajo. Sin embargo, con la intervención adecuada, quienes hoy tienen dificultades pueden convertirse en valiosos colaboradores a largo plazo, especialmente si sus capacidades actuales se adaptan mejor a la forma en que se trabaja con la IA.

Analicemos cada uno por separado.

Los aprendices de IA representan una paradoja interesante: poseen las habilidades básicas necesarias, pero no logran convertirlas en valor. Los líderes pueden liberar este potencial latente y transformar a estos empleados en colaboradores de alto valor rediseñando los flujos de trabajo y la capacitación. Al otorgarles a los empleados mayor autonomía, casos de uso prácticos y oportunidades para aplicar la IA en su trabajo diario, pueden pasar de simplemente usar herramientas de IA a integrar sus capacidades en flujos de trabajo mediados por IA.

Los delegadores de IA ponen de manifiesto una oportunidad de crecimiento diferente. Dado que los sistemas de IA ya generan resultados competentes, estos empleados pueden parecer productivos cuando la evaluación se centra únicamente en los resultados finales. Nuestros hallazgos sugieren que este patrón puede reflejar sus capacidades fundamentales comparativamente más débiles, lo que podría llevarlos a depender más de la IA en lugar de contribuir activamente a su desarrollo y mejora. El riesgo reside en que este comportamiento pase prácticamente desapercibido, permitiendo que el bajo rendimiento persista y parezca aceptable. Por lo tanto, las organizaciones deberían invertir en formación que fortalezca tanto sus capacidades fundamentales como el conocimiento práctico para aplicarlas eficazmente en la colaboración entre humanos e IA.

Los amplificadores de IA ofrecen a las organizaciones un modelo práctico de cómo debe ser la colaboración efectiva entre humanos e IA. Su ventaja parece radicar no solo en su profundo conocimiento del sector, su pensamiento crítico y su dominio de la IA, sino también en su capacidad para integrar estas habilidades en cada etapa del trabajo con IA. La oportunidad reside en lograr que sus comportamientos sean duraderos y escalables, al tiempo que amplían sus capacidades mediante tareas más complejas y de mayor envergadura.

Aquí hay una oportunidad para las organizaciones. A medida que la IA se consolida como un referente de alta calidad, prevemos que las funciones humanas evolucionarán: en lugar de generar respuestas, se centrarán en dirigir, evaluar y ampliar el trabajo generado por la IA. Los sistemas de capacitación y evaluación del desempeño que enfatizan cómo los empleados plantean los problemas, analizan los resultados de la IA, refinan los resultados e integran la información en la toma de decisiones, ayudarán a que más personas traduzcan sus capacidades en un impacto real de forma consistente.

Repensando la experiencia al inicio de la carrera profesional
Capacitar a profesionales noveles no solo implica ampliar sus conocimientos, sino también ayudarlos a traducirlos de manera consistente en acciones efectivas dentro de los flujos de trabajo con IA. Según los resultados de nuestro estudio, las organizaciones deberían priorizar la formación contextual y basada en tareas, centrada en cómo se trabaja realmente con agentes de IA: cómo los empleados estructuran los problemas, guían iterativamente los sistemas de IA, evalúan críticamente los resultados e integran las conclusiones en los procesos de toma de decisiones. Esto significa diseñar el aprendizaje de la IA como un modelo de desarrollo continuo, en lugar de una intervención de formación puntual.

KPMG es un caso de prueba para este enfoque. Basándose en esta investigación en curso con la Universidad de Texas, la empresa está intentando aplicar y escalar este enfoque para desarrollar y reforzar comportamientos que potencien la IA en toda la organización. En lugar de un programa de formación independiente, el programa interno de formación en IA de KPMG busca un aprendizaje continuo dirigido a aumentar la fluidez en IA de cada profesional. Los empleados comienzan con una evaluación de habilidades para determinar su nivel actual de fluidez en IA y, a continuación, avanzan por rutas de aprendizaje personalizadas que combinan cursos generales y específicos de cada función, activaciones de mercado, podcasts, actividades en el puesto de trabajo y participación en una creciente red de expertos en IA. Cada profesional completa un número mínimo de horas de aprendizaje estructurado, complementado con actividades experienciales adaptadas a su rol, nivel y competencia. Los primeros resultados sugieren que esta personalización, que aborda las deficiencias de habilidades de cada persona, combinada con el aprendizaje formal, la aplicación práctica y el refuerzo entre pares, conduce a un sólido desarrollo de capacidades.

El mismo principio se aplica a nivel funcional, donde el aprendizaje de la IA debe integrarse en las tareas y decisiones que dan forma al trabajo diario. Por ejemplo, en KPMG, los ejercicios basados ​​en simulaciones reflejan escenarios comunes de los clientes, desde la revisión de entregables fiscales complejos hasta el asesoramiento sobre las implicaciones comerciales más amplias de las principales señales y disrupciones del mercado. En este entorno, la IA puede generar borradores y análisis iniciales, pero el juicio humano determina cómo evaluar la relevancia, secuenciar el trabajo y decidir los siguientes pasos. Este cambio también está influyendo en la Capacitación Nacional de Pasantes de KPMG en KPMG Lakehouse, su evento anual de aprendizaje específico para cada función, que recientemente ha evolucionado para enfatizar estas mismas experiencias prácticas basadas en escenarios, comenzando con los pasantes de Auditoría este verano y con planes para extender elementos a Impuestos y Asesoría con el tiempo. Los primeros indicadores sugieren que los empleados que reciben oportunidades de desarrollo de IA personalizadas y basadas en roles demuestran mayor confianza, compromiso y eficacia al aplicar la IA al trabajo del mundo real.

En términos más generales, nuestros hallazgos pueden resumirse en tres lecciones para las empresas que preparan a sus empleados al inicio de su carrera profesional para maximizar el valor de la colaboración entre humanos e inteligencia artificial.

Replantear la creación de valor humano. A medida que los agentes de IA generan resultados de mayor calidad, creemos que la contribución de los empleados pasará de producir respuestas a dirigir, evaluar y ampliar dichos resultados. Nuestra investigación demuestra que poseer capacidades fundamentales, como el conocimiento del dominio, el pensamiento crítico y la alfabetización en IA, es necesario, pero no suficiente, para que las personas creen valor más allá de la IA. Por lo tanto, la capacitación organizacional debe involucrar a los empleados trabajando no solo con documentación, sino también con flujos de trabajo de IA y aprendiendo a guiar la IA para crear valor más allá del enfoque basado únicamente en IA.Hacer visible el juicio desde el principio. Las organizaciones deberían hacer mayor hincapié en el desarrollo del criterio en los primeros puestos de trabajo. En los entornos de formación tradicionales, el razonamiento sólido suele quedar implícito. En el trabajo mediado por IA, KPMG, por ejemplo, ha empezado a fomentar prácticas como documentar por qué se aceptaron, modificaron o rechazaron los resultados de la IA, y articular los criterios utilizados para evaluarlos. Esto hace que la contribución humana sea explícita y susceptible de formación, en lugar de darse por sentada.Cambiar la evaluación de las respuestas al proceso. Evaluar a los empleados basándose únicamente en la calidad de los resultados finales ya no es suficiente cuando la IA puede generar resultados de alta calidad de forma independiente. A medida que los sistemas de IA se vuelven más capaces, las organizaciones deberían evaluar cómo interactúan los empleados con la IA a lo largo del flujo de trabajo. KPMG está implementando un programa piloto de evaluación basado en el flujo de trabajo para jóvenes profesionales. Por ejemplo, un programa piloto específico para un área funcional, dirigido a pasantes de auditoría, se centra en la resolución de problemas y la comunicación, evaluando a los candidatos no solo en cuanto a precisión técnica, sino también en su capacidad para analizar problemas, cuestionar suposiciones y explicar decisiones. Este enfoque ayuda a distinguir entre quienes simplemente reproducen los resultados de la IA y quienes los amplían.
...
En conjunto, estos cambios exigen una transición fundamental: pasar de considerar la IA como una herramienta de fácil uso para tareas individuales a utilizarla como catalizador para reconfigurar por completo la forma en que se realiza el trabajo. Las organizaciones que se adapten con mayor eficacia no solo se centrarán en desarrollar empleados con conocimientos de IA, sino que crearán modelos operativos totalmente nuevos. A medida que los agentes de IA se encarguen de las tareas básicas de los profesionales al inicio de su carrera, las diferencias en la creación de valor reflejarán cada vez más el grado de capacitación de los empleados para aplicar sus habilidades fundamentales dentro de flujos de trabajo bien diseñados y mediados por IA.

Lea más sobre IA generativa o temas relacionados: Inicio de carrera, Tecnología y análisis e IA y aprendizaje automático.

Ashish Agarwal es profesor en la Escuela de Negocios McCombs de la Universidad de Texas en Austin. Es editor asociado de Management Science y editor de sección en Decision Sciences. Su investigación se centra en la inteligencia artificial, las plataformas digitales, el Internet de las Cosas y la publicidad digital.

Anitesh Barua  es titular de la Cátedra Centenaria David Bruton Jr. de Negocios en la Escuela de Negocios McCombs de la Universidad de Texas en Austin. Su investigación se centra en la IA y la transformación digital, y ha sido publicada en revistas de prestigio como Management Science, MIS Quarterly, Information Systems Research y Organization Science.

Anu Puvvada dirige KPMG Studio, donde combina la investigación prospectiva con la creación de empresas para identificar oportunidades emergentes y lanzar servicios escalables y negocios basados ​​en tecnología.

Fangchen Song  es candidata a doctora en la Escuela de Negocios McCombs de la Universidad de Texas en Austin. Su investigación examina el impacto de la IA en la colaboración en equipo, las organizaciones y el futuro del trabajo. Su trabajo ha sido aceptado para su publicación en Information Systems Research.

Wen Wen Wen es profesora asociada en la Escuela de Negocios McCombs de la Universidad de Texas en Austin. Investiga cómo la IA y las tecnologías digitales están transformando el trabajo, la productividad y el desempeño organizacional. Sus investigaciones se han publicado en prestigiosas revistas, como Management Science, Information Systems Research, MIS Quarterly, Strategic Management Journal y Journal of Marketing Research.

 

Doxa 2588

Modela la transformación que esperas de tus empleados

Por Antonio Nieto-Rodríguez
Transformación organizacional
Harvard Business Review

#Doxa #Liderazgo #Ejemplo #Coherencia #Valores #Comportamiento #Inspiración #Cultura #Integridad #Compromiso #Actitud
Resumen. Los líderes deben dar ejemplo de la transformación que esperan que los demás lleven a cabo. Sin embargo, muchos equipos directivos socavan sus propias ambiciones al promover la agilidad, la experimentación y la innovación, mientras siguen gestionando mediante procesos obsoletos que premian la previsibilidad y la evitación del riesgo. Los empleados perciben esta incongruencia y siguen lo que hacen los líderes, no lo que dicen. Las transformaciones más exitosas se producen cuando los altos directivos respaldan personalmente las iniciativas más inciertas de la organización, dedican un tiempo significativo al cambio, apuestan por el aprendizaje y demuestran su disposición a cambiar de rumbo cuando los datos así lo exigen. Los ejecutivos pueden comprobar si realmente están dando ejemplo examinando cómo emplean su tiempo (la «prueba del calendario»), cómo gestionan la ambigüedad como equipo directivo (la «prueba de la incertidumbre» como equipo) y si retiran abiertamente aquellas iniciativas que ya no generan valor (la «prueba de la cancelación»).
En tantas transformaciones en las que he prestado asesoramiento, se repite siempre la misma escena. El CEO abre la reunión general con convicción: «Vamos a ser más ágiles, más digitales y a centrarnos más en el cliente». La reunión general termina, las diapositivas se publican en la intranet y, en menos de una semana, el equipo directivo vuelve al mismo ritmo operativo de antes: las mismas revisiones mensuales, los mismos paneles de control, la misma agenda dominada por la gestión del negocio actual. La transformación permanece en la presentación, pero no se refleja en las agendas personales de los líderes.

La obviedad de que «los empleados se resisten al cambio» es una historia reconfortante que los líderes se cuentan a sí mismos cuando fracasan los esfuerzos de transformación, pero las pruebas apuntan a una causa diferente. La investigación de McKinsey sobre más de 1.000 transformaciones revela que, cuando los altos directivos dan ejemplo de forma visible de los comportamientos que exigen a los empleados, las transformaciones tienen 5,3 veces más probabilidades de tener éxito; sin embargo, solo el 43 % de los líderes lo hace realmente. El estudio comparativo de Prosci, basado en más de 25 años y 12 estudios, apunta en la misma dirección: el apoyo activo y visible de la dirección ha sido el factor que más ha contribuido al éxito del cambio en todas las ediciones desde 1998, y los proyectos que cuentan con un patrocinador extremadamente eficaz alcanzan o superan sus objetivos en el 79 % de los casos. En el caso de aquellos con un patrocinador extremadamente ineficaz, la cifra se desploma hasta el 27 %. El obstáculo más citado para el éxito es la ausencia de ese patrocinio, no la resistencia por parte de la plantilla. La plantilla no es, en general, el cuello de botella. El cuello de botella se encuentra en la cúpula directiva.

Este es un argumento central de mi libro *Powered by Projects: Leading Your Organization in the Transformation Age*. Hemos entrado en una economía de proyectos en la que el trabajo que genera valor es, cada vez más, el trabajo por proyectos —transformar el negocio, en lugar de gestionar un negocio repetitivo— y la organización impulsada por proyectos está sustituyendo a la «máquina operativa» como forma dominante. Ese cambio estructural no cumplirá su promesa a menos que el equipo directivo esté dispuesto a actuar de forma diferente: deben dar ejemplo de la transformación a su personal.

En qué consiste «dar ejemplo en la transformación»
La mayoría de las transformaciones conllevan exigencias de comportamiento que son notablemente similares en todos los sectores: asumir más riesgos, llevar a cabo experimentos, aprender rápidamente y cambiar de rumbo cuando cambien los datos. El equipo directivo suele respaldar todas estas medidas.

Sin embargo, con demasiada frecuencia, los líderes vuelven a dirigir la empresa a través de foros operativos concebidos para una época diferente: revisiones trimestrales de negocio, comités de aprobación de inversiones, el ciclo de planificación anual y el sistema de gestión del rendimiento. Y cada uno de esos foros castiga precisamente los comportamientos que la transformación exige.

La contradicción no es sutil, y los empleados la perciben de inmediato. Se les pide, de buena fe, que hagan una cosa, mientras que los sistemas que les rodean premian otra muy distinta. A largo plazo, la transformación se va apagando silenciosamente en la brecha entre ambas; no porque nadie la haya saboteado, sino porque el sistema operativo siguió haciendo exactamente lo que estaba diseñado para hacer.

Por el contrario, las organizaciones impulsadas por proyectos más exitosas con las que trabajo comparten una característica: el CEO es el patrocinador visible de la iniciativa más ambigua de la cartera, no de la más segura. Y cuando el resto del equipo directivo ve que el CEO actúa de esa manera, hace lo mismo.

Cuando Piyush Gupta asumió el mando del DBS Bank de Singapur en 2009, heredó una entidad a la que los clientes apodaban «Damn, Bloody, Slow» (Maldita, maldita, lenta). Durante los quince años siguientes, lideró una de las transformaciones más estudiadas en el sector de los servicios financieros; Innosight acabó clasificando a DBS entre las diez organizaciones más transformadoras de la década de 2010. La estrategia seguía unas líneas generales ya conocidas: digitalizar el banco, fomentar la experimentación y crear una cultura de start-up dentro de una institución de 27 000 empleados. Lo que hizo que la iniciativa cuajara fue la forma en que el propio Gupta se implicó personalmente.

Visitó sucursales de incógnito, haciendo cola como un cliente más, para comprender por sí mismo por qué la gente encontraba el banco tan frustrante. Hizo de la realización de experimentos un KPI para los altos directivos, y no un permiso concedido a los equipos de menor rango; el banco llevó a cabo 1.000 experimentos en un solo año, con la participación de la mayor parte de la dirección. Abrió un canal de correo electrónico anónimo llamado «Tell Piyush» durante dos semanas cada trimestre y, a continuación, dedicó meses a analizar las sugerencias, de las cuales aproximadamente un tercio dio lugar a cambios en las políticas. Cuando DBS se lanzó al campo de la inteligencia artificial, el propio Gupta se inscribió en la AWS DeepRacer League del banco, un simulador de coches autónomos utilizado para enseñar aprendizaje automático, y, según sus propias palabras, terminó «entre los 100 mejores de nuestra plantilla». Un gesto pequeño, pero inequívoco. Les estaba diciendo a los 27 000 empleados que estaba dispuesto a competir en un proceso de aprendizaje, a pesar de que era evidente que no era el mejor de la sala.

Gupta es solo un ejemplo. He observado el mismo patrón en entornos menos conocidos, incluso en procesos de transformación en los que he prestado asesoramiento. El CEO de una empresa energética europea que presidió personalmente la apuesta de diversificación más arriesgada del grupo —y dejó deliberadamente que los programas más seguros se desarrollaran sin su participación—. El CFO de una empresa farmacéutica global que destinó a su mejor responsable de control de gestión a una iniciativa de inteligencia artificial aún sin contrastar, dejando claro a través de las personas, más que de memorandos, dónde residía la prioridad. El CEO de un banco minorista que se unió a las sesiones de trabajo de una iniciativa digital de cuya supervivencia nadie estaba seguro, y permaneció en la sala cuando los primeros resultados fueron dispares.

Cuando los líderes no dan ejemplo
El hecho de no modelar la transformación rara vez es deliberado y, a menudo, surge de una serie de pequeñas decisiones que parecen justificables. Podría tratarse, por ejemplo, de un líder que ha defendido la entrega ágil, pero que aún así exige un análisis de viabilidad completo antes de aprobar un experimento de seis semanas. Un CEO que ha instado a asumir riesgos asigna discretamente la iniciativa más ambigua al líder con mayor propensión a ir sobre seguro. Un responsable de área que ha firmado la carta de transformación se niega a destinar a ella a ninguno de sus mejores profesionales, porque el trabajo diario no puede permitirse perderlos (el mismo trabajo diario que la transformación pretendía generar disrupción).

Ninguna de estas decisiones se percibe como un sabotaje por parte de quien la toma. Cada una de ellas, considerada de forma aislada, parece una medida de gestión prudente. Sin embargo, el efecto acumulativo es que la transformación acaba contando con voluntarios a tiempo parcial, se rige por los mismos foros que ya existen y se evalúa según los mismos indicadores que se pretendía sustituir. Los empleados de toda la organización llegan a la conclusión acertada de que nada ha cambiado de forma fundamental en la cúpula directiva.

Fíjese en el nombramiento de António Horta-Osório como presidente de Credit Suisse en abril de 2021. El banco acababa de sufrir las quiebras de Greensill Capital y Archegos Capital—solo el impago de Archegos le costó al banco unos 5.5 mil millones de dólares—, lo que puso de manifiesto lo que el presidente del regulador financiero suizo denominó «un problema cultural que se tradujo en una falta de responsabilidad». El consejo de administración contrató a Horta-Osório, a quien se le atribuía el mérito de haber reflotado el Lloyds Banking Group, precisamente para reformar la cultura de Credit Suisse. Él mismo definió la nueva orientación con sus propias palabras: «Estamos comprometidos con el desarrollo de una cultura de responsabilidad personal y rendición de cuentas, en la que los empleados sean, en esencia, gestores de riesgos».

Nueve meses después, dimitió. Una investigación interna había concluido que había incumplido personalmente en dos ocasiones las normas de cuarentena por la COVID-19, incluido un viaje a la final de tenis de Wimbledon, y su uso de los jets privados del banco se había convertido en uno de los puntos centrales de la investigación. La transformación cultural para la que se había contratado a Horta-Osório nunca recuperó su impulso. A los quince meses de su dimisión, Credit Suisse ya no existía como institución independiente: en marzo de 2023 se vio obligado a aceptar una adquisición de emergencia, mediada por el Estado, por parte de UBS.

Si bien este caso de Credit Suisse pone de manifiesto una serie de fallos en materia de gobernanza y gestión de riesgos, en el fondo radica el fracaso de Horta-Osório a la hora de encarnar y servir de modelo para la transformación que la organización necesitaba. El presidente, al que se le había encomendado explícitamente la tarea de fomentar una cultura de responsabilidad personal, fue incapaz de estar a la altura del nivel que exigía a todos los demás. En una transformación, los comportamientos que cunden son aquellos que los líderes demuestran, no los que simplemente expresan.

¿Está usted realmente dando ejemplo de la transformación?
En mi trabajo con equipos ejecutivos, he empezado a utilizar una nueva forma de iniciar la conversación. En lugar de preguntar «¿Cuál es su estrategia de transformación?», empiezo diciendo: «¿De qué manera visible está usted, personalmente, haciendo aquello que pide a todos los demás que hagan?». Al plantear esta pregunta, suelo encontrarme con un silencio; para romperlo, les planteo tres preguntas. Cada una de ellas es una forma diferente de determinar si el equipo directivo está realmente inmerso en la transformación.

La prueba del calendario.En un mes cualquiera, ¿qué porcentaje del tiempo del equipo directivo se dedica a la transformación en lugar de a la gestión del negocio actual? En los equipos con los que trabajo, ese porcentaje rara vez supera el 10 % en la primera medición, incluso cuando la retórica sugiere que debería acercarse más a la mitad. Y dentro de ese tiempo, ¿está el CEO respaldando personalmente una apuesta cuyo resultado es realmente desconocido, o solo las iniciativas que son apuestas seguras? Para modelar verdaderamente la transformación, el nombre del CEO debería figurar en la apuesta más arriesgada y debería dedicar su tiempo a ella.

La prueba de la incertidumbre.¿Cuenta el equipo directivo con alguna experiencia compartida a la hora de actuar conjuntamente en situaciones de auténtica incertidumbre? La mayoría de los ejecutivos han forjado sus carreras dominando negocios que ya conocían; la transformación premia, en cambio, la habilidad opuesta. Un equipo que nunca se ha enfrentado conjuntamente a una apuesta real y sin resolver tiende a gestionar la transformación desde fuera en lugar de desde dentro, revisándola y supervisándola, pero sin llegar a vivirla en primera persona. Para que un equipo directivo comprenda lo que está pidiendo a su personal, debe hacerlo primero por sí mismo. Esto no se puede delegar, ni simular en un taller. Deben enfrentarse juntos a una situación de incertidumbre, tomar decisiones difíciles antes de disponer de los datos y asumir la responsabilidad del resultado, sea cual sea.

La prueba de cancelación.¿Cuándo fue la última vez que el equipo directivo abandonó públicamente una iniciativa que había defendido anteriormente? Detener un proyecto —cambiar de opinión cuando ello supone un coste real— es el acto de aprendizaje más visible que puede llevar a cabo un equipo directivo. Las carteras sanas retiran dos o tres proyectos al año, con las lecciones aprendidas bien comprendidas y expuestas; las carteras poco sanas mantienen vivos todos los proyectos de hace años, sin financiación pero nunca finalizados. Si no se ha retirado nada en años, ahí es donde hay que empezar. El equipo directivo debería descartar algo que en su día defendió y expresar abiertamente lo que ha aprendido de ello. Una cancelación pública demuestra que cambiar de opinión no cuesta nada cuando cambian los datos —que es precisamente lo que se ha estado pidiendo a todos los demás que hagan desde el principio.
Estas tres pruebas se reducen, en realidad, a una sola pregunta: ¿forma parte el equipo directivo de la transformación o se limita a observarla desde fuera? Si no superan estas pruebas, ya le habrá dejado claro a su personal que el trabajo de cambio es cosa de todos menos de usted.
...
Una gran empresa industrial a la que había estado asesorando pasó la mayor parte de dos años «en proceso de transformación» sin apenas resultados que mostrar: la estrategia era sólida y la oficina del programa estaba muy ocupada, pero el equipo directivo trataba la iniciativa como algo que había que revisar una vez al mes, en lugar de como algo que había que liderar.

Entonces llegó un nuevo CEO. Asumió personalmente la responsabilidad de las dos iniciativas más difíciles, situándolas en lo más alto de su agenda y participando en las sesiones de trabajo en las que se tomaban las decisiones realmente difíciles. El resto del equipo siguió su ejemplo en cuestión de semanas, y las decisiones que llevaban meses estancadas comenzaron a resolverse.

El éxito de DBS —y el fracaso de Credit Suisse— se basó en la incómoda verdad de que los líderes no pueden delegar una transformación. Se puede impulsar, financiar, comunicar y gestionar, pero si no se vive de forma visible el cambio que se está exigiendo, la organización acabará por dejar de fingir que lo hace.

Lea sobre Transformación organizacional or related topics Gestión del cambio, Liderazgo, Gestión de proyectos ágiles, Transformación digital, Comunicación de gestión y Experimentación

Antonio Nieto-Rodriguez es director general de Projects & Company, una consultora especializada en asesorar a empresas sobre cómo desarrollar capacidades de transformación, y autor de Harvard Business Review Project Management Handbook (2021) y Powered by Projects (2026).

Doxa 2587

Cuando los empleados son responsables de las decisiones generadas por la IA

Las investigaciones revelan que los trabajadores interpretan, modifican y enmascaran activamente las decisiones de la IA para proteger su credibilidad y satisfacer las expectativas de las partes interesadas

Por Anne-Sophie Mayer, Elmira van den Broek y Tomislav Karačić
Liderazgo y gestión de personas
Harvard Business Review

#Doxa #IA #Responsabilidad #Empleados #Decisiones #Credibilidad #PartesInteresadas #Interpretación #Modificación #Enmascaramiento #Trabajadores
Resumen. Las organizaciones se apresuran a integrar la IA en sus decisiones clave, pero los trabajadores de primera línea se ven obligados a explicar resultados que ni crearon ni comprenden del todo. En un estudio de campo de varios años que abarcó los sectores bancario, de reclutamiento y biotecnología, los investigadores descubrieron queLos empleados rara vez transmiten los resultados de la IA textualmente; los enmascaran, amplifican o complementan según cómo se haya implementado la IA. Estas prácticas ocultas determinan si la IA genera confianza, resistencia o se manipula discretamente, y dónde recae el riesgo profesional. Para minimizar el riesgo al usar la IA, las empresas deben ayudar a los trabajadores a desarrollar nuevos roles interpretativos, mantener un escrutinio crítico y transformar la explicabilidad, de un mero ejercicio de cumplimiento, en una fuente de aprendizaje y mejores decisiones en toda la organización.
Las organizaciones están incorporando rápidamente la IA en decisiones que antes se consideraban competencia exclusiva de expertos humanos, desde la contratación y los préstamos hasta la atención médica y la administración pública. Sin embargo, a menudo se pasa por alto lo que sucede a nivel de los empleados, cuando se espera que comuniquen, justifiquen y defiendan las decisiones generadas por la IA que no tomaron y que, con frecuencia, no comprenden del todo.

Nuestra investigación explora ese aspecto poco estudiado de la implementación de la IA. A partir de un estudio de campo de varios años en los sectores bancario, de reclutamiento y de biotecnología, descubrimos que los empleados rara vez comparten los resultados de la IA con clientes, gerentes o colegas tal cual. En cambio, los reinterpretan, los modifican e incluso, en ocasiones, los ocultan para proteger su rol profesional y su credibilidad. Su respuesta depende en gran medida de a quién rinden cuentas y a quién deben convencer.

Comprender estas respuestas es fundamental, ya que determinan si las decisiones de la IA se aceptan, se cuestionan o se socavan discretamente dentro de las organizaciones. Nuestra investigación identifica diferentes maneras en que los empleados responden cuando se les pide que expliquen las decisiones generadas por la IA y señala mejores formas en que las empresas pueden gestionar los riesgos.

Cuando los expertos enmascaran la IA
En un importante banco alemán al que seguimos durante seis años (de 2019 a 2025), los responsables de crédito se enfrentaron a un sistema de IA predictiva que automatizaba por completo las decisiones de aprobación de préstamos. Si bien no podían anular las decisiones del sistema, seguían siendo responsables de comunicarlas y justificarlas ante los clientes.

Para facilitarles esta tarea, el sistema de IA generó explicaciones técnicas básicas, generalmente una serie de puntos con las reglas para el rechazo de una solicitud. Sin embargo, muchos agentes de crédito tuvieron dificultades para comprender estas explicaciones, ya que se alejaban considerablemente de sus estándares profesionales. Por ejemplo, el sistema podía indicar una "situación financiera inestable" incluso cuando un cliente no tenía préstamos vigentes y contaba con ingresos estables.

Los responsables de préstamos dudaban en admitir abiertamente su confusión, pues temían que esto menoscabara el papel de expertos que los clientes esperaban de ellos. Decidieron ocultar el papel de la IA y mantener los estándares y la terminología habituales para explicar las decisiones sobre los préstamos, aunque estas ya no se basaran en ellos.

Por ejemplo, los funcionarios citaban criterios habituales en el sector bancario, como un historial crediticio deficiente o umbrales de ingresos más estrictos debido a la inflación, como razones para rechazar préstamos, incluso cuando no se ajustaban a las reglas reales de la IA. Esperaban que los clientes consideraran plausibles esas explicaciones y siguieran confiando en los funcionarios de crédito.

Pero el enmascaramiento tuvo un costo. Observamos que los clientes a menudo salían confundidos de las consultas sobre préstamos cuando las explicaciones de los asesores no se ajustaban a su situación financiera particular. En conversaciones, varios clientes informaron haber notado la confusión e incertidumbre de los asesores al hacer preguntas de seguimiento, dudando de si realmente comprendían la decisión y merecían sus servicios. En consecuencia, algunos clientes decidieron cambiarse a un banco de la competencia. En lugar de fortalecer la confianza en las decisiones de la IA, el enmascaramiento creó distancia entre la organización, sus empleados y sus clientes.

Cuando los expertos adoptan la IA
En una empresa global de bienes de consumo que estudiamos entre 2018 y 2022, se observó una respuesta muy diferente. Los reclutadores internos de la empresa adoptaron con entusiasmo una nueva herramienta de selección basada en inteligencia artificial que predecía la idoneidad de los candidatos a un puesto de trabajo mediante la identificación de patrones en los datos de personalidad y rendimiento de empleados anteriores.

A diferencia de los agentes de crédito, la mayoría de los reclutadores no veían la herramienta de IA como una amenaza. En cambio, la mayoría la consideraba una oportunidad para fortalecer su credibilidad ante los gerentes de contratación, quienes a menudo cuestionaban las selecciones de los reclutadores.

Durante años, los reclutadores tuvieron dificultades para justificar la selección de ciertos candidatos para las entrevistas de trabajo. La herramienta de IA pareció ofrecerles algo que les había faltado durante mucho tiempo: datos que respaldaran sus decisiones. Los reclutadores comenzaron a mostrar puntuaciones, gráficos y rasgos de personalidad generados por la IA en sus reuniones informativas con los gerentes de contratación, con la esperanza de que los datos hicieran más convincentes las selecciones de candidatos.

Inicialmente, la estrategia parecía prometedora. Los gerentes quedaron impresionados con los nuevos resultados, pero pronto se toparon con otro problema: les costaba interpretarlos. ¿Una puntuación de 59 era buena o mala? ¿Qué criterio de referencia debíamos usar? ¿Qué rasgos debíamos indagar en la entrevista? Los reclutadores dudaban en responder ellos mismos a las preguntas, pues temían que ofrecer interpretaciones personales pudiera socavar la supuesta objetividad de los resultados de la IA.

En cambio, los reclutadores intentaron automatizar la explicación. Colaboraron estrechamente con el equipo de tecnología para rediseñar los resultados de la IA, añadiendo descripciones y estándares que consideraban significativos y relevantes. Seleccionaron los grupos de referencia internos, decidieron qué rasgos de alto y bajo rendimiento debían destacarse y elaboraron preguntas de entrevista relacionadas con esos rasgos.

El resultado fue un sistema que requería menos explicaciones por parte de los reclutadores. Los responsables de contratación informaron que les resultaba más fácil comprender los resultados de la IA e incorporarlos a las entrevistas de trabajo y a las decisiones de contratación sin depender de los reclutadores para que los interpretaran.

Sin embargo, la automatización de las explicaciones generó un dilema inesperado. Cuanto más hacían los reclutadores que el sistema pareciera autosuficiente, menos visible se volvía su propia contribución. Los reclutadores seguían desempeñando un papel fundamental entre bastidores: perfeccionando los parámetros de referencia, incorporando la retroalimentación de la gerencia y rediseñando las visualizaciones. Pero una vez que esas contribuciones se integraron en la tecnología, los gerentes atribuyeron el valor a la IA en lugar de a los expertos que la habían desarrollado. La experiencia de los reclutadores, por lo tanto, seguía siendo esencial, pero cada vez quedaba menos visible y tenía menos visibilidad estratégica de la que esperaban.

Cuando los expertos complementan la IA
Una tercera respuesta se produjo en una empresa de biotecnología que estudiamos entre 2021 y 2023, donde una máquina clasificadora basada en inteligencia artificial clasificó y separó automáticamente las semillas por calidad.

Al igual que los agentes de crédito y los reclutadores, tras la introducción de la herramienta de IA, los expertos en semillas dejaron de tomar las decisiones principales. Sin embargo, a diferencia de los demás grupos, se encontraban en una posición diferente: al operar la máquina de clasificación basada en IA, podían inspeccionar los datos de imagen subyacentes, revisar las clasificaciones del sistema y colaborar estrechamente con los desarrolladores. Con el tiempo, esto les permitió desarrollar un nuevo tipo de experiencia. Al principio, los expertos en semillas a menudo no podían explicar, e incluso a veces cuestionaban, las decisiones del sistema, pero con el tiempo aprendieron a traducir las evaluaciones detalladas de las semillas realizadas por la IA en explicaciones útiles para la toma de decisiones operativas.

Esa pericia no surgió por sí sola. La empresa instaló un laboratorio de imagenología especializado junto a la planta de clasificación y proporcionó a los expertos el tiempo y las herramientas necesarias para estudiar cada semilla en detalle. De esta forma, comenzaron a comparar las clasificaciones del sistema con sus propios análisis de las semillas, descubriendo que el modelo detectaba patrones visuales sutiles que no habían utilizado previamente en sus juicios. Con el tiempo, identificaron características consistentes basadas en imágenes que ayudaban a explicar por qué el modelo clasificaba las semillas como buenas o malas. Documentaron estos patrones en bibliotecas de imágenes compartidas y desarrollaron un lenguaje común para analizarlos.

Igualmente importante, los expertos en semillas aprendieron de los gerentes de la cadena de suministro qué tipo de explicaciones eran realmente útiles para las decisiones operativas, como la planificación del envío de lotes de semillas, la decisión de si un lote debía limpiarse nuevamente y la respuesta a las preguntas de los compradores externos. La máquina de clasificación basada en IA no solo liberó a los expertos para que dedicaran más tiempo a los gerentes, sino que también les brindó a ambos grupos un nuevo objeto de aprendizaje y una herramienta para mejorar las decisiones operativas: las clasificaciones del modelo y las imágenes subyacentes de las semillas.

Posteriormente, la organización creó estructuras para respaldar este proceso. Los expertos en semillas se reunían semanalmente con los desarrolladores para incorporar sus observaciones directamente en las mejoras del modelo. Los gerentes de la cadena de suministro consultaban a los expertos a diario, y cuando estos identificaban defectos para los que el modelo nunca había sido entrenado, la empresa financiaba proyectos de investigación conjuntos para analizarlos.

Gracias a esta experiencia, los expertos en semillas podían vincular información más detallada y basada en datos, obtenida mediante IA, con resultados comerciales concretos. En lugar de mencionar vagamente "diferencias de color", podían explicar cómo un patrón específico podría provocar una germinación irregular o recomendar el método de limpieza más adecuado para preservar semillas sanas en un lote determinado. Los responsables de la cadena de suministro recurrían a estas explicaciones tanto para orientar las decisiones operativas como para justificarlas ante los compradores externos.

Cómo los líderes pueden ayudar a los empleados a explicar las decisiones relacionadas con la IA.
Nuestros hallazgos demuestran que los empleados no responden de manera uniforme a las decisiones generadas por la IA. Algunos ocultan el papel de la IA, otros la adoptan para fortalecer su propia credibilidad, mientras que otros desarrollan nuevas habilidades que complementan la IA.

Es importante destacar que estas respuestas no están determinadas únicamente por la tecnología: todos los empleados en estos casos se enfrentaron a sistemas de IA cuyas decisiones eran difíciles de interpretar y explicar. Lo que varió fueron las relaciones que los empleados mantenían con sus superiores y las estructuras organizativas que apoyaban —o limitaban— su capacidad para comprender los resultados de la IA.

Nuestra investigación sugiere tres lecciones clave para que los líderes ayuden a los empleados a desarrollar respuestas productivas a las decisiones generadas por la IA y, en última instancia, a impulsar una mejor toma de decisiones con la IA.

Crear oportunidades de aprendizaje entre los empleados y sus clientes.
Las respuestas más productivas surgieron cuando los empleados podían aprender continuamente de las personas a las que tenían que explicar las decisiones generadas por la IA.

Los reclutadores mejoraron los resultados de la IA al responder a las preguntas y críticas de los gerentes de contratación. Los expertos aprendieron qué interpretaciones ayudaban a los gerentes de la cadena de suministro a tomar mejores decisiones operativas. Por el contrario, los oficiales de crédito rara vez tenían oportunidades de aprender de sus clientes mediante interacciones puntuales. Los clientes que encontraban las decisiones confusas o insatisfactorias a menudo simplemente se marchaban, dejando a los oficiales con poca retroalimentación y escasa oportunidad de mejorar su enfoque.

Por lo tanto, los líderes deben crear oportunidades periódicas para el diálogo entre los empleados y las personas ante quienes rinden cuentas, ya sean colegas, clientes internos o externos. Talleres recurrentes, sesiones de revisión, foros de retroalimentación de clientes y reuniones interdepartamentales pueden brindar oportunidades sistemáticas para que los empleados aprendan cómo se reciben sus explicaciones y cómo pueden mejorarlas con el tiempo.

Algunas organizaciones ya han comenzado a institucionalizar estos ciclos de aprendizaje. Por ejemplo, en la Clínica Mayo, los médicos discuten las recomendaciones de diagnóstico asistidas por IA que deben explicarse a los pacientes en conferencias de casos multidisciplinarias, utilizando estas revisiones recurrentes para comparar las decisiones respaldadas por IA con los resultados clínicos y perfeccionar la forma en que interpretan y comunican los conocimientos generados por la IA en la práctica.

Redefinir la especialización en torno a la interpretación.
Cuando la IA asume la toma de decisiones clave, los empleados suelen perder la actividad mediante la cual tradicionalmente demostraban su experiencia. Por lo tanto, las organizaciones deben ayudar a los empleados a desarrollar nuevas formas de generar valor con la IA, lo que a menudo implica redefinir lo que se considera "trabajo valioso".

El caso de la biotecnología lo ilustra bien. Los expertos en semillas fortalecieron su posición no compitiendo con la IA, sino desarrollando experiencia en la interpretación de los resultados de la IA, conectándolos con los resultados comerciales y ayudando a otros a actuar en consecuencia. Su función evolucionó de tomar decisiones a darles un significado.

No basta con desarrollar dicha experiencia; también debe hacerse visible. El caso de la contratación demuestra por qué. Los reclutadores desempeñaron un papel fundamental para que los responsables de contratación comprendieran los resultados de la IA, pero su experiencia quedó invisibilizada al integrarse en la tecnología en lugar de atribuírseles a ellos mismos.

Por lo tanto, los líderes deben crear procesos organizacionales que fomenten y reconozcan la experiencia interpretativa. Pueden establecer espacios de aprendizaje, como el laboratorio de imágenes y los proyectos de investigación conjuntos en el caso de la biotecnología, para ayudar a los empleados a desarrollar y compartir conocimientos especializados. Al mismo tiempo, las organizaciones pueden reconocer y recompensar explícitamente el trabajo de interpretar, mejorar y explicar las decisiones generadas por la IA, actualizando las descripciones de puestos, las evaluaciones de desempeño y los criterios de promoción. Esto permite a los empleados crear nuevos roles que siguen siendo valiosos a medida que se expande la toma de decisiones basada en la IA.

Mantener un compromiso crítico con las decisiones de la IA.
Una última lección es que la rendición de cuentas se vuelve problemática cuando se espera que los empleados defiendan las decisiones de la IA sin poder cuestionarlas.

En el sector bancario, los responsables de préstamos justificaban habitualmente decisiones que a ellos mismos les resultaban desconcertantes. En el ámbito de la selección de personal, los responsables de contratación recurrían cada vez más a sistemas de IA cuya lógica subyacente seguía siendo difícil de comprender del todo para los reclutadores. En ambos casos, la responsabilidad de explicar las decisiones corría el riesgo de convertirse en presión para aceptarlas.

El caso de la biotecnología siguió un camino diferente. Los empleados tuvieron acceso a los datos subyacentes, oportunidades para investigar los resultados de la IA e interacciones regulares con los desarrolladores. Como resultado, pudieron identificar errores, descubrir puntos débiles y mejorar el sistema con el tiempo.

Por lo tanto, los líderes deben integrar la interacción crítica con la IA como parte fundamental del trabajo, especialmente en entornos de alto riesgo. Pueden involucrar a los empleados en el desarrollo y la evaluación de modelos, así como establecer normas, procesos y rutinas donde se espera que los empleados cuestionen, y sean recompensados, por decisiones que parezcan difíciles de justificar o inconsistentes con su experiencia.
...
El reto de la IA explicable no consiste simplemente en hacerla más transparente. Nuestra investigación demuestra que, cuando los empleados son responsables de las decisiones generadas por la IA, no se limitan a transmitir sus resultados. En cambio, los interpretan, los modifican e incluso, en ocasiones, los enmascaran activamente para proteger su credibilidad profesional y cumplir con las expectativas de las partes interesadas.

Que estas respuestas refuercen o debiliten la adopción de la IA depende de la organización que la rodea. Las organizaciones que crean oportunidades de aprendizaje, cultivan nuevas formas de conocimiento interpretativo y animan a sus empleados a cuestionar la IA cuando sea apropiado tienen muchas más probabilidades de aprovechar el valor que promete la IA explicable.

Lea más sobre Liderazgo y gestión de personas o temas relacionados como IA generativa, Gestión de riesgos, Gestión de la incertidumbre, Gestión de personas y Experimentación.

Anne-Sophie Mayer es catedrática de trabajo digital en la LMU de Múnich. Investiga cómo la inteligencia artificial y otras tecnologías emergentes están transformando la forma en que las organizaciones trabajan, se organizan y desarrollan su experiencia.

Elmira van den Broek es profesora adjunta en la Casa de la Innovación de la Escuela de Economía de Estocolmo.

Tomislav Karačić es profesor adjunto de sistemas de información en el Departamento de Gestión de la London School of Economics and Political Science, miembro afiliado del Instituto de Ciencia de Datos de la LSE y asociado de la Unidad de Religión y Sociedad Global de la LSE. Su trabajo se centra en cuestiones de conocimiento en relación con las tecnologías emergentes.