Doxa 2334

El “trabajo desperdiciado” generado por IA está destruyendo la productividad

El trabajo generado mediante inteligencia artificial y que requiere poco esfuerzo hace perder el tiempo a las personas y genera frustración.

Por Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano y Jeffrey T. Hancock

IA Generativa

Harvard Business Review

#Doxa #IA #productividad #trabajo #desperdicio #frustración #eficiencia #tecnología #automatización #calidad #recursos #correcciones #tiempo #innovación

Resumen. A pesar del auge del uso de la IA generativa en los entornos laborales, la mayoría de las empresas obtienen un retorno de la inversión (ROI) escaso. Una posible razón es que las herramientas de IA se utilizan para generar "basura": contenido aparentemente pulido pero sin sustancia realDelegar el trabajo cognitivo a los compañeros. Un estudio de BetterUp Labs y Stanford reveló que el 41 % de los trabajadores se han encontrado con este tipo de resultados generados por IA, lo que supone casi dos horas de reproceso por instancia y genera problemas posteriores de productividad, confianza y colaboración. Los líderes deben considerar cómo pueden estar fomentando mandatos organizacionales indiscriminados y ofreciendo poca orientación sobre los estándares de calidad. Para contrarrestar el descuido en el trabajo, los líderes deben modelar el uso de la IA con propósito, establecer normas claras y fomentar una mentalidad de piloto que combine alta capacidad de acción con optimismo, promoviendo la IA como una herramienta colaborativa, no como un atajo.

Se está desarrollando una contradicción confusa en las empresas que adoptan herramientas de IA generativa: si bien los trabajadores, en gran medida, cumplen con los mandatos de adoptar la tecnología, pocos ven que genere valor real. Consideremos, por ejemplo, que el número de empresas con procesos totalmente basados ​​en IA casi se duplicó el año pasado, mientras que el uso de IA también se ha duplicado en el trabajo desde 2023. Sin embargo, un informe reciente del MIT Media Lab reveló que el 95 % de las organizaciones no obtienen un retorno medible de su inversión en estas tecnologías. Tanta actividad, tanto entusiasmo, tan poco retorno. ¿Por qué?

En colaboración con Stanford Social Media Lab, nuestro equipo de investigación en BetterUp Labs ha identificado una posible razón: los empleados utilizan herramientas de IA para crear trabajos de bajo esfuerzo y de aspecto aceptable, lo que termina generando más trabajo para sus compañeros. En las redes sociales, cada vez más saturadas de publicaciones de baja calidad generadas por IA, este contenido suele denominarse "basura de IA". En el ámbito laboral, nos referimos a este fenómeno como "basura de trabajo". Definimos la basura de trabajo como contenido de trabajo generado por IA que se disfraza de buen trabajo, pero carece de la sustancia necesaria para impulsar significativamente una tarea determinada.

Así es como sucede. A medida que las herramientas de IA se vuelven más accesibles, los trabajadores son cada vez más capaces de producir rápidamente resultados pulidos: diapositivas bien formateadas, informes largos y estructurados, resúmenes aparentemente articulados de artículos académicos elaborados por personas sin experiencia y código utilizable. Pero mientras algunos empleados utilizan esta capacidad para pulir un buen trabajo, otros la utilizan para crear contenido que, en realidad, es inútil, está incompleto o carece de contexto crucial sobre el proyecto en cuestión. El efecto insidioso del trabajo descuidado es que desplaza la carga del trabajo hacia las etapas posteriores, obligando al receptor a interpretar, corregir o rehacer el trabajo. En otras palabras, transfiere el esfuerzo del creador al receptor.

Si alguna vez has experimentado esto, quizás recuerdes la sensación de confusión tras abrir un documento así, seguida de frustración ( ¿Qué es esto exactamente?), antes de empezar a preguntarte si el remitente simplemente usó IA para generar grandes bloques de texto en lugar de pensarlo bien. Si esto te suena familiar, te has quedado sin trabajo.

Según nuestra reciente encuesta en curso, este es un problema importante. De 1150 empleados a tiempo completo en EE. UU., de diferentes sectores, el 40 % informa haber recibido información no solicitada en el último mes. Los empleados que han experimentado esta información estiman que un promedio del 15,4 % del contenido que reciben en el trabajo cumple los requisitos. El fenómeno se produce principalmente entre compañeros (40 %), pero también se transmite a los gerentes por parte de subordinados directos (18 %). El 16 % de las veces, la información no solicitada fluye de forma descendente, de los gerentes a sus equipos, o incluso desde niveles superiores. Si bien la información no solicitada se presenta en todos los sectores, observamos que los servicios profesionales y la tecnología se ven afectados de forma desproporcionada.

Esto es lo que los líderes necesitan saber sobre los errores de trabajo y cómo pueden evitar que obstruyan el funcionamiento de su empresa.

El impuesto sobre los desechos de obra

La descarga cognitiva en las máquinas no es un concepto novedoso, como tampoco lo es la ansiedad por el secuestro tecnológico de la capacidad cognitiva. En 2006, por ejemplo, el periodista tecnológico Nicolas Carr publicó un provocativo ensayo en The Atlantic que preguntaba: " ¿Nos está volviendo Google estúpidos? ". El modelo mental predominante para la descarga cognitiva —que se remonta a las preocupaciones de Sócrates sobre el alfabeto— es que delegamos el trabajo mental arduo en tecnologías como Google porque es más fácil, por ejemplo, buscar algo en línea que recordarlo.

Sin embargo, a diferencia de esta externalización mental a una máquina, el trabajo en equipo utiliza máquinas de forma única para delegar el trabajo cognitivo a otro ser humano. Cuando los compañeros reciben trabajo en equipo, a menudo se les exige que asuman la carga de decodificar el contenido, infiriendo contextos erróneos o que no se tienen en cuenta. Esto puede dar lugar a una cascada de procesos de toma de decisiones complejos y laboriosos, que incluyen la repetición del trabajo y discusiones incómodas con los colegas.

Consideremos algunos ejemplos.

Al preguntarle sobre su experiencia con worklop, un colaborador individual del sector financiero describió el impacto de recibir trabajo generado por IA: «Creó una situación en la que tuve que decidir si lo reescribía yo mismo, si le pedía que lo reescribiera o si simplemente lo consideraba suficiente. Está impulsando la idea de crear una sociedad mentalmente perezosa y de pensamiento lento que se volverá totalmente dependiente de fuerzas externas».

En otro caso, un gerente de primera línea del sector tecnológico describió su reacción: «Fue un poco confuso entender qué decía realmente el correo electrónico y qué quería decir. Probablemente tomó una o dos horas reunir a todos y repetir la información de forma clara y concisa».

Un director de ventas minoristas comentó: «Tuve que perder más tiempo haciendo seguimiento a la información y comprobándola con mi propia investigación. Luego, tuve que perder aún más tiempo organizando reuniones con otros supervisores para abordar el problema. Y luego seguí perdiendo mi tiempo teniendo que rehacer el trabajo yo mismo».

Cada incidente de descuido laboral conlleva costos reales para las empresas. Los empleados informaron dedicar un promedio de una hora y 56 minutos a lidiar con cada caso. Con base en las estimaciones de tiempo dedicado por los participantes, así como en su salario declarado, observamos que estos incidentes de descuido laboral conllevan un impuesto invisible de $186 al mes. Para una organización de 10,000 trabajadores, dada la prevalencia estimada de descuido laboral (41%), esto representa más de $9 millones al año en pérdida de productividad.

Los encuestados también informaron sobre los costos sociales y emocionales de recibir un trabajo descuidado, incluyendo la dificultad de encontrar la manera de responder diplomáticamente al recibirlo, especialmente en relaciones jerárquicas. Cuando preguntamos a los participantes de nuestro estudio cómo se sienten al recibir un trabajo descuidado, el 53 % afirmó sentirse molesto, el 38 % confundido y el 22 % ofendido.

El costo más alarmante podría ser interpersonal. El trabajo generado por IA, poco esforzado e inútil, está teniendo un impacto significativo en la colaboración laboral. Aproximadamente la mitad de las personas encuestadas consideraba a los colegas que enviaban trabajos desperdiciados como menos creativos, capaces y confiables que antes de recibir el resultado. El 42 % los consideraba menos confiables, y el 37 % los consideraba menos inteligentes. Esto podría reflejar una investigación reciente sobre la penalización de la competencia por el uso de IA en el trabajo, donde los ingenieros que supuestamente usaron IA para escribir un fragmento de código fueron percibidos como menos competentes que quienes no lo hicieron (y las ingenieras fueron penalizadas desproporcionadamente).

Workslop hace que los colegas piensen menos en los demás. Un gráfico de barras muestra que las percepciones de los encuestados sobre los colegas fueron generalmente más bajas después de recibir trabajo de bajo esfuerzo, generado por IA, calificado en cinco rasgos: creatividad, capacidad, fiabilidad, honradez e inteligencia. Para cada rasgo, los participantes respondieron, "Los vi como", ya sea Menos, igual o más del rasgo. No más del 14 por ciento de los encuestados percibieron al colega que presentó workslop como "más" creativo, capaz, confiable, digno de confianza o inteligente. En general, los participantes respondieron que veían a su colega como menos o igual del rasgo dado. Aquellos que calificaron al colega como "menos" de cada rasgo variaron desde el 37% que lo encontró menos inteligente, hasta el 54% que lo encontró menos creativo. Del mismo modo, los encuestados que pensaron "lo mismo" del colega en todos los rasgos variaron desde el 36% cuyas opiniones se mantuvieron sin cambios sobre la creatividad del colega, hasta el 53% sin cambios sobre la inteligencia del colega. Fuente: Kate Niederhoffer et al.

Ver más gráficos de HBR en Datos y elementos visuales

Es más, el 34 % de quienes reciben mensajes de trabajo informan a sus compañeros o gerentes sobre estos incidentes, lo que podría erosionar la confianza entre el remitente y el receptor. Un tercio de las personas (32 %) que han recibido mensajes de trabajo informan que es menos probable que quieran volver a trabajar con el remitente en el futuro.

Con el tiempo, este impuesto al trabajo interpersonal amenaza con erosionar elementos críticos de la colaboración que son esenciales para el éxito de los esfuerzos de adopción de IA en el lugar de trabajo y la gestión del cambio.

Lo que los líderes pueden hacer

En cierto modo, esto no es nuevo. Siempre ha habido trabajo descuidado. Somos propensos a la procrastinación, a los atajos, a centrarnos en tareas rutinarias en lugar de pensar con atención cuando estamos cansados. La IA nos brinda una nueva tecnología con la que podemos caer en los mismos malos hábitos, pero ahora con el coste añadido de generar más trabajo para nuestros colegas y socavar la colaboración a gran escala.

Entonces, ¿cómo pueden las organizaciones evitar este resultado? ¿Cómo pueden, en cambio, optimizar el uso de la IA por parte de los empleados para que genere un retorno medible de su importante inversión en esta tecnología transformadora? A continuación, ofrecemos algunos principios clave basados ​​en nuestra investigación original y nuestra experiencia ayudando a empresas de la lista Fortune 500 a adoptar con éxito la IA en su plantilla:

Los imperativos indiscriminados producen un uso indiscriminado.

Cuando los líderes organizacionales abogan por la IA en todas partes, demuestran falta de discernimiento en su aplicación. Es fácil ver cómo esto se traduce en que los empleados copien y peguen sin pensar las respuestas de la IA en documentos, incluso cuando la IA no es adecuada para la tarea en cuestión. La IA de generación no es apropiada para todas las tareas ni puede leer la mente. Si bien la IA puede transformar positivamente algunos aspectos del trabajo, aún requiere orientación y retroalimentación reflexivas de los trabajadores para generar resultados útiles en tareas complejas o ambiguas.

Es más, los mandatos indiscriminados modelan la conducta de pasar la responsabilidad. Si bien se debe otorgar a los empleados autonomía en torno a la IA, la organización debe elaborar sus propias políticas y recomendaciones rigurosas sobre las mejores prácticas, las mejores herramientas y las normas. Si la IA es tarea de todos, también es, y sobre todo, tarea de los líderes organizacionales desarrollar directrices para los empleados que les ayuden a utilizar esta nueva tecnología de la manera más acorde con la estrategia, los valores y la visión de la organización.

La mentalidad importa.

Nuestros laboratorios han estado rastreando predictores de la adopción de IA genérica en la fuerza laboral desde 2023 y descubrimos que los trabajadores con una combinación de alta agencia y alto optimismo son mucho más propensos a adoptar la IA genérica que aquellos con baja agencia y bajo optimismo. A estos trabajadores los llamamos "pilotos", en lugar de "pasajeros". Los pilotos utilizan la IA genérica un 75 % más a menudo en el trabajo que los pasajeros, y un 95 % más a menudo fuera del trabajo.

Sin embargo, quizás aún más importante, dados estos hallazgos sobre la pérdida de trabajo, es cómo los pilotos utilizan la IA gen. Los pilotos son mucho más propensos a usar la IA para mejorar su propia creatividad que los pasajeros, por ejemplo. Los pasajeros, a su vez, son mucho más propensos a usar la IA para evitar trabajar que los pilotos. Los pilotos usan la IA con un propósito para lograr sus objetivos.

Renovar el compromiso con la colaboración.

Muchas de las tareas necesarias para trabajar eficazmente con IA (dar indicaciones, ofrecer retroalimentación, describir el contexto) son colaborativas. El trabajo actual requiere cada vez más colaboración, no solo con humanos, sino también, ahora, con IA. La complejidad de la colaboración no ha hecho más que aumentar. Workslop es un excelente ejemplo de las nuevas dinámicas colaborativas introducidas por la IA que pueden reducir la productividad en lugar de aumentarla. Nuestras interacciones con la IA tienen implicaciones para nuestros colegas, y los líderes deben promover dinámicas entre humanos e IA que fomenten la colaboración.

La colaboración fluida en 2025 debe incluir la forma en que incorporamos los productos de trabajo de IA a nuestros flujos de trabajo comunes, al servicio de resultados compartidos, en lugar de como un vehículo para evadir responsabilidades de forma subversiva. Esta es una nueva frontera crucial en los comportamientos de ciudadanía organizacional que diferenciará a las empresas que maximizan el valor de la IA de aquellas que realizan actividades de IA sin generar impacto.

Crear un entorno de trabajo descuidado puede parecer fácil, pero tiene un costo para la organización. Lo que un emisor percibe como una laguna legal se convierte en un agujero del que el receptor debe salir. Los líderes harán lo mejor que puedan para modelar un uso reflexivo de la IA con propósito e intención. Establezca límites claros para sus equipos en cuanto a normas y uso aceptable. Enfóquese en la IA como una herramienta colaborativa, no como un atajo. Adopte una mentalidad de piloto, con gran iniciativa y optimismo, utilizando la IA para acelerar resultados específicos con un uso específico. Y mantenga los mismos estándares de excelencia para el trabajo realizado por dúos biónicos humano-IA que para el realizado por humanos solos.

Lea más sobre IA generativa o temas relacionados : Colaboración y equipos, Liderazgo de equipos, IA y aprendizaje automático, Gestión del rendimiento de los empleados, Gestión de personas y equipos

Kate Niederhoffer es vicepresidenta de BetterUp Labs y psicóloga social. Su investigación explora el papel de la IA en la adopción en el entorno laboral, el desarrollo humano y la comunicación interpersonal.

Gabriella Rosen Kellerman es médica, directora de productos y directora de innovación en BetterUp, una plataforma de coaching en San Francisco.

Angela Lee es candidata a doctorado en el Departamento de Comunicación de la Universidad de Stanford. Su trabajo se centra en los mecanismos psicológicos que determinan cómo las tecnologías sociales influyen en nuestra salud, bienestar y desarrollo.

Alex Liebscher es investigador científico en BetterUp Labs. Su investigación se centra en comprender cómo interactuamos con la tecnología digital y su impacto en nuestras relaciones interpersonales.

Kristina Rapuano es investigadora científica en BetterUp Labs. Su investigación explora la psicología en la intersección de la innovación tecnológica y el desarrollo personal.

Jeffrey T. Hancock es profesor de Comunicación Harry y Norman Chandler en la Universidad de Stanford. También es director fundador del Laboratorio de Redes Sociales de Stanford y director del Centro de Políticas Cibernéticas de Stanford. Su investigación se centra en los aspectos psicológicos del uso de la tecnología, incluyendo la IA y las redes sociales.