Doxa 2466

La influencia de los pares puede hacer o deshacer la implementación de la IA

La verdadera barrera para la adopción de IA no son las brechas de capacitación, la falta de claridad en el liderazgo o incluso el miedo: es la invisibilidad

Por Nancy Baym, Sonia Jaffe y Eleanor Dillon

IA generativa

Harvard Business Review

#Doxa #InfluenciaDePares #AdopciónDeIA #BarrerasInvisibles #ImplementaciónDeIA #CulturaOrganizacional #TransformaciónDigital #LiderazgoEnIA #CambioConductual #ResistenciaAlCambio #VisibilidadTecnológica #EstrategiaDeIA #ColaboraciónEquipos #InnovaciónEmpresarial #GestiónDelCambio #IAEnLaPráctica

Resumen. La adopción de la IA se estanca no por herramientas deficientes ni capacitación insuficiente, sino porque el aprendizaje permanece invisible. La IA generativa exige que los empleados rediseñen sus propios flujos de trabajo, y en entornos inciertos muchos experimentan discretamente, o no experimentan en absoluto. ¿QuéLa influencia de los compañeros impulsa una adopción significativa. Cuando los empleados ven a colegas de confianza usar la IA en tareas reales, compartiendo consejos, modelando barreras y debatiendo tanto los éxitos como los errores, la IA se siente segura, práctica y relevante. Para los gerentes, la conclusión es clara: centrarse menos en los mandatos y más en la visibilidad. Fomentar la coherencia en los mensajes, crear foros para el aprendizaje compartido, modelar su propio uso de la IA y recompensar a los empleados que compartan ejemplos prácticos. Fomentar la seguridad psicológica y fortalecer las conexiones entre los equipos. Cuando la experimentación es visible y cuenta con apoyo social, la adopción se acelera de forma natural.

Los líderes se enfrentan a una cruel paradoja en la adopción de la IA. Han hecho lo que debían: implementar las herramientas adecuadas, invertir en capacitación e integrar la IA en los flujos de trabajo cotidianos; sin embargo, la adopción real sigue siendo desigual y difícil de escalar. El manual que funcionó en las oleadas tecnológicas anteriores (mensajes de arriba hacia abajo, acceso amplio y capacitación formal) ya no es suficiente.

La IA generativa cambia la ecuación. A diferencia de las tecnologías laborales anteriores, no viene con flujos de trabajo predefinidos. Los líderes no saben exactamente cómo usar la IA generativa en cada puesto, lo que obliga a los empleados a rediseñar su trabajo en tiempo real. Este cambio genera fricción. En un clima de incertidumbre económica y ansiedad por la seguridad laboral, muchos empleados prefieren la cautela a la experimentación visible. El aprendizaje se vuelve privado. La adopción se estanca.

Lo que distingue a las organizaciones donde la IA se consolida de aquellas donde no lo hace no es una mejor infraestructura ni los mandatos de liderazgo, sino la influencia de los compañeros. Los empleados que ven a colegas de confianza experimentar con la IA, adaptarla a roles reales y compartir sus resultados tienen muchas más probabilidades de usarla con frecuencia, usar agentes para automatizar flujos de trabajo y transmitir ese conocimiento. El aprendizaje entre pares logra lo que la capacitación formal por sí sola no puede: proporciona evidencia convincente de que la IA es segura, relevante y utilizable en roles reales.

La investigación

Somos investigadores en Microsoft y estudiamos cómo la IA está transformando el trabajo. A través de nuestros estudios y conversaciones continuas con empresas que están adoptando la IA, escuchamos repetidamente la misma preocupación: a pesar del acceso y el estímulo, el uso de la IA no se estaba extendiendo tan rápidamente como esperaban los líderes. Queríamos comprender por qué, específicamente, cómo las dinámicas sociales dentro de las organizaciones influyen en las decisiones de los empleados sobre el uso de la IA.

Para ello, en julio de 2025, encuestamos a 557 profesionales de la información con sede en EE. UU., empleados en grandes empresas de diversos roles e industrias. Todos los encuestados utilizaban IA, pero de maneras muy diferentes. Algunos la usaban con poca frecuencia (para redactar un correo electrónico o resumir una reunión), mientras que otros habían integrado múltiples herramientas de IA en sus flujos de trabajo diarios. Algunos experimentaron solos; otros trabajaron en equipos donde se compartía y debatía el uso de la IA.

Medimos la adopción de IA de tres maneras: con qué frecuencia las personas informaron usar IA, si habían desarrollado o usado un agente de IA y si alguna vez habían mostrado a sus colegas cómo la usan. Nuestro equipo también se basó en décadas de investigación sobre la adopción organizacional de nuevas tecnologías por parte de numerosos investigadores de diversas disciplinas, lo que indicó cinco variables sociales que esperábamos que colaboraran para impulsar la adopción de IA:

• Cultura organizacional: cuán innovadora y tolerante al riesgo los empleados informan que es su empresa, y cuán colaborativos, estables y seguros se sienten los empleados.
• Estímulo del líder: cómo los líderes y la alta dirección ayudan y fomentan el uso de la IA.
• Facilitar las condiciones: proporcionar recursos, capacitación e infraestructura para el uso de IA, como un canal de aprendizaje.
• Capital social: cuántas personas tienen confianza en sus colegas a quienes pueden recurrir dentro y fuera de su organización.
• Influencia de los pares: en qué medida los colegas normalizan, alientan y enseñan mutuamente el uso de la IA.

Esperábamos que el uso de la IA fuera mayor en organizaciones con culturas innovadoras y seguras. En estas organizaciones, anticipábamos que los líderes fomentarían el uso de la IA y crearían las condiciones propicias para impulsar su adopción. Las organizaciones seguras también serían aquellas donde los empleados tuvieran conexiones más confiables entre sí (capital social), lo que permitiría a sus compañeros influir más en el uso mutuo de la IA.

El aprendizaje entre pares aumenta la adopción

Al mantener constantes los demás factores, un aumento de una desviación estándar en la influencia positiva de los pares se asoció con un aumento de 8,9 puntos porcentuales en la probabilidad de ser un usuario intensivo de IA (definido como el uso de al menos una herramienta de IA generativa varias veces al día). Las condiciones facilitadoras ocupan un segundo lugar cercano; un aumento de una desviación estándar en este índice aumentó la probabilidad de ser un usuario intensivo de IA en 8,5 puntos porcentuales. El efecto de los pares fue aún mayor en el caso del uso avanzado: el mismo aumento en la influencia de los pares correspondió a un aumento de 10,4 puntos porcentuales en la probabilidad de usar un agente de IA, en comparación con los 6,1 puntos porcentuales de las condiciones facilitadoras, incluso después de considerar el uso general de IA.

La comunicación de liderazgo no tuvo un efecto directo en el uso de IA por parte de los trabajadores después de controlar la influencia de los compañeros y otros factores, pero los líderes aún desempeñan un papel indirecto importante. El estímulo del líder es el predictor más importante de si los trabajadores informan ser influenciados por sus compañeros sobre la IA. Cuantitativamente, un aumento de una desviación estándar en nuestra puntuación de estímulo del líder se asoció con un aumento de 0,38 desviaciones estándar en la influencia de los compañeros. La influencia de los compañeros también aumentó cuando los empleados tenían más capital social: colegas de confianza de los que pueden aprender. Ambos factores sociales tienen relaciones más fuertes con el aprendizaje entre compañeros que las condiciones facilitadoras como la capacitación formal, aunque estas también importan. El capital social, a su vez, fue más alto en las organizaciones que los empleados perciben como innovadoras y seguras; un aumento de una desviación estándar en este índice de cultura organizacional se asoció con un aumento de 0,51 desviaciones estándar en el capital social.

El miedo tuvo su propia influencia en el uso de la IA, y no fue buena. Los empleados que temían quedarse atrás eran menos propensos a ser usuarios intensivos o a experimentar con agentes. Esto demuestra la importancia de garantizar que las personas se sientan psicológicamente seguras en su experiencia con la IA. Sin normas compartidas sobre qué uso de la IA es aceptable ni ejemplos visibles de su uso por parte de compañeros, el miedo se traduce en cautela y frena la adopción.

Los datos cualitativos reforzaron estos patrones. Al preguntar a los empleados cómo las interacciones informales influyeron en su uso de la IA, el contraste entre los usuarios más frecuentes y los menos frecuentes fue sorprendente. El 88 % de las respuestas de los empleados en el cuartil superior de uso de la IA describieron a sus compañeros como influyentes, a menudo citando ejemplos concretos, en comparación con solo el 50 % de los del cuartil inferior.

Entre los empleados con menor uso de IA, la IA a menudo estaba ausente de las conversaciones informales. El 12 % afirmó que nunca discutía sobre IA con sus colegas (frente al 1 % de los usuarios intensivos) y era mucho más probable que dijeran: "el tema de la IA literalmente nunca surgió en una conversación informal con mis colegas" o "las conversaciones informales en mi trabajo no me influyen cuando se trata de herramientas de IA" (29 % frente al 4 %).

¿Por qué estas interacciones informales entre pares, a veces en reuniones, pero con frecuencia en pausas de almuerzo, salas de café y chats grupales, tienen tanta influencia? Como escribimos en nuestro trabajo de investigación, los pares ofrecen lo que un encuestado denominó "revisiones en tiempo real de fuentes confiables". Las personas aprenden consejos prácticos que agilizan el trabajo específico de sus roles. A menudo, son los pares quienes comparten consejos de seguridad, fomentando controles de calidad como la verificación de datos, los pases de tono y la validación de fuentes. Son los pares quienes hacen que sea aceptable intentar algo, fallar, y ayudan a otros a no cometer ese error. Son los pares quienes brindan acceso a las personas cautelosas o con falta de habilidades.

Quizás, sobre todo, son los compañeros cuyas historias de éxito despiertan la curiosidad, aumentan la comodidad y el entusiasmo por el uso de la IA y normalizan su uso. Como describió un usuario frecuente de IA: «Escuchar a otro compañero contarme cómo usó un programa de IA para ayudarnos a encontrar inconsistencias en nuestro inventario y lo fácil que fue para él, en lugar de tener que pasar horas buscando, fue un gran incentivo para ponerme manos a la obra y empezar a aprender y a disfrutar de los programas de IA».

Este tipo de entorno de aprendizaje informal, de abajo a arriba, se autoconstruye. Cuanto más seguros se sienten los compañeros al compartir y colaborar con la IA, más se enseñan mutuamente nuevas formas de usarla, y más cambian sus actitudes y se extiende su adopción. Cuantitativamente, un aumento de una desviación estándar en la influencia de los compañeros se asoció con un aumento de 13,7 puntos porcentuales en la probabilidad de que los empleados informaran haber enseñado técnicas útiles de IA a sus compañeros, incluso después de controlar su propio uso de la IA.

Cómo los líderes mejoran la influencia de sus pares

Si bien los mandatos de arriba hacia abajo en torno a la adopción de IA no producen los mismos resultados poderosos que el aprendizaje entre pares, los líderes desempeñan un papel importante al preparar el escenario para que este aprendizaje suceda.

Crean las condiciones para el aprendizaje entre pares. Es posible que la comunicación de liderazgo no haya tenido un efecto directo en el uso de IA por parte de los trabajadores tras controlar otros factores, pero eso no significa que los líderes estén exentos de responsabilidad. Los líderes dirigen la cultura organizacional, influyendo en el potencial de los empleados para desarrollar capital social. Los líderes eficaces determinan si la influencia de los compañeros puede consolidarse. Al fomentar culturas innovadoras y psicológicamente seguras, el liderazgo crea estructuras de permisos que hacen que compartir el uso de IA sea aceptable e incluso fomentado.

La forma en que los líderes hablan con los trabajadores sobre la IA también es importante, ya que marca la pauta. Los empleados que rara vez usaban la IA solían describir la comunicación de liderazgo como restrictiva o transaccional: listas de herramientas aprobadas, mandatos o enlaces a módulos de formación autodirigidos. Los líderes eficaces adoptan un enfoque diferente.

Son consistentes en fomentar el uso de la IA. Establecen expectativas y las cumplen. Mientras que solo el 3% de los encuestados que rara vez usaban IA usaron el término "coherente" para describir la comunicación de sus líderes, el 11% de los usuarios más frecuentes de IA sí lo hicieron.

Crean y apoyan múltiples medios para que los empleados aprendan y discutan juntos el uso de la IA. “Existen muchos canales que fomentan el uso de la IA en mi organización”, dijo un encuestado, en una respuesta que captó la variedad de maneras en que los líderes lo hicieron. “Se anima a todos los niveles a explorar maneras de aplicar las herramientas… Se realizan seminarios, reuniones de grupo y boletines informativos frecuentes… También hay canales y equipos dedicados a apoyar a quienes estén interesados ​​en aprender o explorar más”.

Modelan y enseñan su propio uso de IA. Los líderes hacen esto al usarlo en reuniones y compartir sus propias experiencias, tanto exitosas como no exitosas. "Cuanto más veo a mis líderes hacerlo", dijo un encuestado, "más sé que está bien que yo lo haga". El 17% de los usuarios intensivos de IA describieron la influencia del liderazgo a través del modelado, mientras que solo el 12% de los usuarios menos intensivos lo hicieron. En nuestras respuestas cualitativas, los empleados dijeron repetidamente que ver a un líder demostrar un uso específico y real de la IA hizo que su uso se sintiera aceptable. También reservan tiempo para hablar sobre la IA regularmente. Un empleado, por ejemplo, describió su liderazgo como "compartir constantemente ejemplos de cómo están usando Copilot" y tener "15 minutos fijos durante las reuniones mensuales de personal para revisar las nuevas indicaciones y resultados de Copilot".

Invitan a los empleados a compartir sus experiencias y los recompensan cuando utilizan la IA de manera eficaz. Los líderes no tienen por qué ser expertos. A veces, simplemente no saben qué hacer con la IA. En lugar de verlo como algo negativo, los líderes pueden aprovechar esta oportunidad para iniciar el debate sobre la IA. Podría ser como el empleado que dijo: «Somos los de los niveles inferiores quienes hemos ayudado a algunos de nuestros altos mandos/líderes a integrarse plenamente en el uso de herramientas de IA». Una vez allí, los «líderes se han entusiasmado más y han tenido la oportunidad de aprender más. Recibimos muchos comentarios positivos sobre cómo hemos aprendido a incorporar incluso las cantidades más limitadas de IA».

. . .

La verdadera barrera para la adopción de la IA no son las deficiencias en la formación, la falta de claridad en el liderazgo ni siquiera el miedo, sino la invisibilidad. Cuando el aprendizaje se mantiene privado, los empleados no ven a sus compañeros utilizando la IA en roles reales (compartiendo lecciones prácticas, errores y resultados) y es mucho menos probable que se conviertan en usuarios asiduos.

La lección del liderazgo es simple: no se puede escalar la IA impulsando su adopción; se escala haciendo visible el aprendizaje. Cuando la experimentación es visible, compartida y socialmente segura, el miedo pierde su poder y la adopción se produce.

Los autores desean agradecer a Syboney Biwa y Lacey Rosedale por su ayuda en el desarrollo de la encuesta.

Lea más sobre IA generativa o temas relacionados: IA y aprendizaje automático , Análisis y ciencia de datos , Colaboración y equipos , Liderazgo y gestión de personas y Liderazgo adaptativo.

Nancy Baym es directora sénior de investigación en Microsoft y estudia cómo las personas comprenden e incorporan las nuevas tecnologías de la comunicación en sus relaciones. Exprofesora de comunicación, contribuyó a la fundación del campo de los estudios de internet. Entre sus libros se incluyen Twitter: una biografía, Conexiones personales en la era digital y Playing to the Crowd: Musicians, Audiences, and the Intimate Work of Connection .

Sonia Jaffe es investigadora principal de Microsoft.

Eleanor Dillon es investigadora principal en Microsoft Research New England.