Doxa 2468

Cuando el uso de IA provoca un “desastre cerebral”

Un nuevo estudio descubre que ciertos patrones de uso de IA impulsan la fatiga cognitiva, mientras que otros pueden ayudar a reducir el agotamiento

Por Julie Bedard, Matthew Kropp, Megan Hsu, Olivia T. Karaman, Jason Hawes y Gabriella Rosen Kellerman

IA generativa

Harvard Business Review

#Doxa #IA #FatigaCognitiva #DesastreCerebral #Agotamiento #Estudio #Tecnología #SaludMental #Productividad #Cerebro #Estrés #Innovación #Bienestar #Neurociencia #Trabajo #Futuro

Resumen. A medida que las empresas incentivan cada vez más a sus empleados a crear y supervisar equipos complejos de agentes (por ejemplo, midiendo y recompensando el consumo de tokens como indicador del desempeño), las personas se ven llevadas al límite de sus capacidades cognitivasLos participantes de un estudio reciente describieron una sensación de "zumbido" o confusión mental con dificultad para concentrarse, lentitud para tomar decisiones y dolores de cabeza. Los autores denominan a este fenómeno "incapacidad mental por IA", definido como la fatiga mental causada por el uso excesivo o la supervisión de herramientas de IA que superan la capacidad cognitiva. Esta tensión mental asociada a la IA conlleva costos significativos, como el aumento de errores de los empleados, la fatiga en las decisiones y la intención de renunciar. Los hallazgos también muestran cómo los flujos de trabajo impulsados ​​por IA pueden diseñarse para disminuir el agotamiento y orientar a los gerentes, equipos y organizaciones hacia prácticas específicas para evitar la fatiga mental, incluso cuando se intensifica el trabajo con IA.

El día de Año Nuevo, el programador Steve Yegge lanzó Gas Town, una plataforma de código abierto que permite a los usuarios orquestar enjambres de agentes de Claude Code simultáneamente, ensamblando software a una velocidad vertiginosa. Los resultados fueron impresionantes, pero también vertiginosos. «Hay demasiadas cosas sucediendo como para que puedas comprenderlas razonablemente», escribió uno de los primeros usuarios. «Sentí un estrés palpable al verlo. Gas Town avanzaba demasiado rápido para mí».

Gas Town ilustra una tensión creciente: la IA promete actuar como un amplificador que impulsará la eficiencia y facilitará el trabajo, pero los trabajadores que utilizan estas herramientas de IA informan que están intensificando el trabajo en lugar de simplificarlo.

Este problema es cada vez más común. Las empresas incentivan a sus empleados a crear y supervisar equipos complejos de agentes, por ejemplo, midiendo y recompensando el consumo de tokens como indicador de rendimiento. Meta, por ejemplo, incluye la cantidad de líneas de código generadas por la IA como métrica de rendimiento para los ingenieros. A medida que las empresas utilizan más sistemas multiagente, los empleados se ven obligados a alternar entre más herramientas. Contrariamente a la promesa de tener más tiempo para dedicarse al trabajo significativo, la capacidad de hacer malabarismos y realizar múltiples tareas puede convertirse en las características definitivas del trabajo con IA.

Como era de esperar, los trabajadores se encuentran al límite de sus capacidades cognitivas al trabajar de esta manera. En las últimas semanas, los usuarios de IA en línea han descrito una mayor carga cognitiva, atención "saturada" y fatiga mental en publicaciones en redes sociales. El ingeniero Francesco Bonacci, fundador de Cua AI, escribió una publicación popular en X titulada " Parálisis por codificación vibrante: cuando la productividad infinita te rompe el cerebro ", en la que se lamentaba: "Termino cada día exhausto, no por el trabajo en sí, sino por la gestión del mismo. Seis árboles de trabajo abiertos, cuatro artículos a medio escribir, dos 'soluciones rápidas' que generaron problemas complejos y una creciente sensación de que estoy perdiendo el control por completo".

Como grupo de investigación que estudia las tendencias emergentes en la fuerza laboral y la IA, estas señales nos llamaron la atención. La literatura abunda en información contradictoria sobre la relación entre la IA y el agotamiento laboral. ( El agotamiento se define como un estado de estrés laboral crónico que consiste en agotamiento, sentimientos negativos sobre el trabajo y disminución de la eficacia en el mismo). Algunos estudios sugieren que el uso de la IA para reemplazar tareas agotadoras alivia el agotamiento; otros estudios, a veces con las mismas poblaciones, muestran que el uso de la IA empeora los resultados del agotamiento. La aparición de una fatiga mental aguda y abrumadora con la supervisión intensiva de la IA —a diferencia del agotamiento— añade nueva complejidad al panorama.

Para comprender la situación, realizamos un estudio con 1488 trabajadores a tiempo completo en EE. UU. (48 % hombres frente a 51 % mujeres; 58 % colaboradores independientes frente a 41 % líderes) en grandes empresas de todos los sectores, roles y niveles. Les preguntamos sobre patrones y cantidad de uso de IA, experiencias laborales, cognición y emociones.

Descubrimos que el fenómeno descrito en estas publicaciones (agotamiento cognitivo por la supervisión intensiva de agentes de IA) es real y significativo. Lo llamamos "desmayo mental por IA", que definimos como fatiga mental causada por el uso excesivo o la supervisión de herramientas de IA que superan la capacidad cognitiva. Los participantes describieron una sensación de "zumbido" o confusión mental con dificultad para concentrarse, lentitud en la toma de decisiones y dolores de cabeza. Esta tensión mental asociada a la IA conlleva costos significativos en forma de aumento de errores de los empleados, fatiga por tomar decisiones e intención de renunciar.

Sin embargo, hay algunos matices. También observamos que, cuando se utiliza IA para reemplazar tareas rutinarias o repetitivas, los índices de agotamiento, pero no los de fatiga mental, son más bajos. Esto resalta la sutil pero importante distinción entre los tipos de estrés que la IA puede aliviar y aquellos que puede agravar.

Nuestros hallazgos sirven tanto de guía como de advertencia. Utilizados con criterio, estos datos pueden ayudar a diseñar flujos de trabajo basados ​​en IA para reducir el agotamiento. También indican prácticas específicas para gerentes, equipos y organizaciones para evitar la fatiga mental, incluso a medida que se intensifica el trabajo con IA.

Cuando el uso de IA predice la fatiga mental

Hoy en día, los trabajadores utilizan la IA de forma muy diversa. Existe variación en la cantidad de herramientas que utilizan simultáneamente, en el grado en que la IA reemplaza o amplía el trabajo, en el nivel de supervisión requerido y en si la IA ha aumentado o disminuido la carga de trabajo general de las personas. Pueden utilizar agentes de búsqueda, agentes de investigación, herramientas de análisis de datos, herramientas de generación o diseño de imágenes, o agentes de codificación. Examinamos todos estos patrones de interacción, junto con medidas cognitivas, para comprender el impacto mental de los diferentes tipos de uso de la IA.

Aprendimos algunas cosas importantes:

En primer lugar, descubrimos que la forma más exigente de interacción con la IA era la supervisión, es decir, el grado en que las herramientas de IA requerían la supervisión directa del trabajador. Los trabajadores de nuestro estudio que informaron que su trabajo con IA requería un alto grado de supervisión, en lugar de uno bajo, dedicaron un 14 % más de esfuerzo mental al trabajo. Un alto grado de supervisión con la IA también predijo un 12 % más de fatiga mental en los participantes. Finalmente, una supervisión más intensiva con la IA también predijo un 19 % más de sobrecarga de información (la sensación de sentirse abrumado por la cantidad de información que uno debe procesar en el trabajo).

Un segundo predictor importante relacionado con la IA, tanto de la carga cognitiva como de la fatiga mental, fue el grado en que un empleado reportó que la presencia de herramientas de IA había aumentado su carga de trabajo. Estos dos factores en conjunto (la supervisión de la IA y el aumento de la carga de trabajo) aumentan la responsabilidad del empleado, obligándolo a prestar atención a más resultados para más herramientas en el mismo tiempo. Es lógico que la carga cognitiva aumentara y, con ella, su agotamiento mental.

También descubrimos una relación fascinante entre la cantidad de herramientas de IA utilizadas simultáneamente y el aumento percibido de la productividad. A medida que los empleados pasan de usar una herramienta de IA a dos simultáneamente, experimentan un aumento significativo de la productividad. Al incorporar una tercera herramienta, la productividad vuelve a aumentar, pero a un ritmo menor. Sin embargo, después de usar tres herramientas, los índices de productividad disminuyeron. La multitarea es notoriamente improductiva, y aun así, caemos en su atractivo una y otra vez.

¿Cuántas herramientas de IA son demasiadas? Este gráfico de líneas muestra la productividad declarada por los trabajadores a quienes se les preguntó si su productividad laboral general aumentó gracias a las herramientas de IA, en función de cuántas de ellas utilizaban simultáneamente. En una escala del 1 (totalmente en desacuerdo) al 5 (totalmente de acuerdo), la productividad aumenta de 3,3 con una herramienta a 3,8 con dos. Alcanza un máximo de 4,1 con tres herramientas y luego desciende a 3,7 con cuatro o más. Fuente: Encuesta de Boston Consulting Group a 1488 trabajadores estadounidenses a tiempo completo, enero de 2026.

Ver más gráficos de HBR en Datos y elementos visuales

Pero si bien el uso de IA a menudo predijo la fatiga mental, no pareció predecir un mayor agotamiento. De hecho, el uso de IA para reemplazar tareas repetitivas predijo una disminución del agotamiento.

Esto puede parecer contradictorio, pero tiene su lógica. Existen precedentes en la literatura que separan el agotamiento de los resultados cognitivos agudos. Las medidas de agotamiento suelen centrarse en las dimensiones físicas y emocionales del malestar. (Por ejemplo, "¿Es su trabajo emocionalmente agotador?"). La fatiga mental aguda, por otro lado, se debe a la concentración de la atención, la memoria de trabajo y el control ejecutivo más allá de la capacidad limitada de estos sistemas. Esto es precisamente lo que requiere la supervisión intensiva de la IA.

Presentamos “AI Brain Fry”

Al final de nuestro estudio, preguntamos a los participantes si alguna vez habían experimentado fatiga mental derivada del uso excesivo, la interacción o la supervisión de herramientas de IA que superan su capacidad cognitiva. En otras palabras, fatiga mental causada por la IA. (Preguntamos esto al final para evitar efectos de preparación. En todas las preguntas anteriores, se separaba el uso de la IA de los resultados de interés). El 14 % de los participantes de nuestro estudio que utilizaban IA en el trabajo coincidieron en haber experimentado fatiga mental causada por la IA.

La prevalencia de la atrofia cerebral causada por IA pareció variar considerablemente según el puesto de trabajo. En el extremo inferior, solo el 6% de quienes ocupaban puestos legales reportaron experimentarla, en comparación con el extremo superior, el 26% de quienes ocupaban puestos de marketing. Después de marketing, las funciones con mayor prevalencia de atrofia cerebral causada por IA fueron las de operaciones de personal, operaciones, ingeniería, finanzas y TI.

¿Qué funciones reportan experimentar con mayor frecuencia fatiga mental relacionada con la IA? Este gráfico de barras muestra la fatiga mental reportada por empleados en una docena de puestos del sector. La fatiga mental relacionada con la IA, definida como la "fatiga mental resultante del uso, la interacción o la supervisión excesivos de herramientas de IA que superan la capacidad cognitiva", fue reportada con mayor frecuencia por empleados de marketing (26%), RR. HH. (19%), operaciones (18%), ingeniería (18%) y finanzas (17%). Los puestos del sector que reportaron la menor fatiga mental relacionada con la IA fueron gestión de producto (9%), gestión/liderazgo (9%) y legal/cumplimiento (6%). Fuente: Encuesta de Boston Consulting Group a 1488 trabajadores estadounidenses a tiempo completo, enero de 2026.

Ver más gráficos de HBR en Datos y elementos visuales

Pero ¿qué es la fritura cerebral de la IA? Muchos participantes usaron palabras como "niebla" o "zumbido". Describieron un intenso intercambio de ideas con las herramientas, seguido de una incapacidad para pensar con claridad, como una resaca mental, con dificultad para concentrarse, lentitud en la toma de decisiones y dolores de cabeza, lo que obligó a varios a alejarse físicamente de la computadora para reiniciarla.

Considere la descripción de un gerente sénior de ingeniería: “Tenía una herramienta que me ayudaba a evaluar decisiones técnicas, otra que me generaba borradores y resúmenes, y yo iba y venía de una a otra, comprobando cada detalle. Pero en lugar de avanzar más rápido, mi mente empezó a sentirse saturada. No físicamente cansada, solo… abarrotada. Era como si tuviera una docena de pestañas abiertas en mi cabeza, todas compitiendo por atención. Me sorprendí releyendo lo mismo, dudando mucho más de lo habitual y poniéndome extrañamente impaciente. Mi pensamiento no estaba roto, solo era ruidoso, como una estática mental. Lo que finalmente me sacó de ese estado fue darme cuenta de que estaba trabajando más en administrar las herramientas que en resolver el problema”.

Un director financiero escribió: “Había estado yendo y viniendo con la IA, reformulando ideas, sintetizando datos, formando y organizando el flujo de pilares y trabajo… Ni siquiera podía comprender… si lo que había creado tenía sentido… simplemente no podía hacer nada más y tuve que volver a analizarlo al día siguiente cuando pude pensar”.

Ambas descripciones son representativas de lo que escuchamos de otros participantes. Cualitativamente, señalan la sobrecarga de información y el cambio de tareas como factores importantes en el agotamiento cerebral de la IA. Cuantitativamente, encontramos fuertes correlaciones entre el agotamiento cerebral de la IA y la sobrecarga de información, pero una relación menos directa con los elementos relacionados con el cambio de tareas.

El costo empresarial de la IA quemada

El agotamiento cerebral provocado por la IA es más que simplemente incómodo. Nuestros datos revelan que la tensión cognitiva generada por el uso intensivo de la IA también conlleva varios costos empresariales cruciales.

El primero es la fatiga de decisión. Como era de esperar, cuando agotamos nuestro cerebro con la carga cognitiva del intenso trabajo con IA, disponemos de menos recursos mentales para tomar decisiones de alta calidad. Los trabajadores de nuestro estudio que respaldaron la IA para la toma de decisiones experimentan un 33 % más de fatiga de decisión que quienes no lo hicieron. Un estudio de 2018 estimó el coste de una toma de decisiones deficiente para una empresa con ingresos de 5000 millones de dólares en 150 millones de dólares al año. Un aumento del 33 % en la fatiga de decisión de los trabajadores podría incrementar ese coste en millones de dólares al año.

Probablemente debido a un mecanismo similar, encontramos relaciones predictivas consistentes entre la frustración mental causada por la IA y los autoinformes de errores, tanto mayores como menores, en el trabajo. Definimos los errores menores como «pequeños errores fáciles de detectar o corregir, como errores de codificación o formato» y los errores mayores como «errores con consecuencias más graves, como aquellos que podrían afectar la seguridad, los resultados o la toma de decisiones importantes». Entre los participantes que utilizaban IA en el trabajo, quienes experimentaron frustración mental informaron cometer errores con una frecuencia significativamente mayor (puntuando un 11 % y un 39 % más en las medidas de frecuencia de errores menores y mayores, respectivamente) que quienes no la experimentaron.

En muchos casos, los empleados que utilizan IA con mucha intensidad son las superestrellas actuales, talento que la empresa debe retener. Sin embargo, la inactividad mental con IA predice positivamente la intención de un empleado de renunciar. Entre los trabajadores que no reportaron inactividad mental con IA, el 25% mostró una intención activa de irse. Entre quienes sí reportaron inactividad mental con IA, este porcentaje aumentó al 34%. Esto representa un aumento del 39% en la intención activa de irse entre los principales usuarios de IA.

Menos trabajo, menos agotamiento

Sin embargo, no todo uso de IA resulta en un agotamiento cerebral. Nos interesaba igualmente cómo la IA podría aliviar el estrés laboral. Descubrimos que cuando los participantes usaban IA para reducir sustancialmente el tiempo dedicado a tareas rutinarias o repetitivas, reportaban niveles de agotamiento significativamente más bajos: un 15 % más bajos que quienes no usaban IA de esta manera.

De nuevo, esto tiene una lógica intuitiva. Las tareas repetitivas y desagradables —el "trabajo duro", como las describen nuestros colegas— constituyen objetivos ideales para el uso de la IA. Si podemos delegar ese trabajo desagradable a la IA, tendremos más tiempo para tareas más gratificantes y creativas. Esto es lo que parecieron hacer los empleados de nuestro estudio, que reportaron mayores niveles de compromiso y motivación laboral; asociaciones emocionales más positivas con la IA; y menos asociaciones emocionales negativas con la IA que otros. Estos participantes también reportaron un mayor grado de conexión social con sus compañeros, quizás porque tenían más tiempo libre para trabajar sin usar el teclado.

Este conjunto de hallazgos refuerza la distinción entre el agotamiento, un déficit de origen emocional, por un lado, y el agotamiento cerebral provocado por la IA, una tensión cognitiva más aguda, por otro. La IA puede ayudar a aliviar el agotamiento emocional cuando su uso reemplaza tareas para darnos tiempo para actividades reparadoras y positivas. Por el contrario, cuando el uso de la IA implica una intensa supervisión mental, nuestro estudio sugiere que el uso de herramientas de IA podría ser la causa misma del agotamiento mental.

Gerente, equipo y prácticas organizacionales que marcan la diferencia

La experiencia de los empleados con la IA no se limita a sus decisiones individuales. Descubrimos que las prácticas del equipo, del gerente y de la organización tienen una gran influencia. Pero ¿cuáles son las más importantes para la fatiga mental causada por la IA?

A nivel de gerentes, los trabajadores cuyos gerentes se toman el tiempo de responder a sus preguntas sobre IA presentaron puntuaciones de fatiga mental un 15 % más bajas que aquellos cuyos gerentes no lo hacen. Por el contrario, cuando los gerentes esperan que los empleados aprendan a usar la IA por sí mismos, sus informes presentan puntuaciones de fatiga mental un 5 % más altas, un pequeño pero medible impuesto de orfandad de la IA.

En los equipos, cuando los empleados sienten presión para usar IA, observamos un aumento correspondiente en la fatiga mental. Observamos la misma relación cuando existe una variación significativa en el uso de IA dentro del equipo. Por otro lado, cuando los equipos han organizado la integración de IA en sus procesos, los miembros experimentan una tensión mental significativamente menor. Dicha integración puede representar una eliminación efectiva de tareas repetitivas como colectivo. Las normas de grupo pueden reforzar las relaciones productivas con las nuevas herramientas, así como presionar las negativas.

A nivel organizacional, prácticas como proporcionar una estrategia clara de IA y ofrecer capacitación parecieron ser útiles. Por el contrario, cuando las empresas no comunican claramente el rol de la IA, los niveles de fatiga mental fueron más altos. De igual manera, cuando los empleados sentían que su organización esperaba que lograran más trabajo gracias a la IA, los niveles de fatiga mental fueron un 12 % más altos.

Este es un hallazgo crucial, ya que la mayoría de los mensajes organizacionales sobre la relación entre la carga de trabajo y la IA son implícitos, no explícitos. Por ejemplo, las referencias al aumento de la productividad gracias a la IA pueden indicar la intensificación del trabajo. De igual manera, etiquetar a los CI como "gestores" de agentes denota indirectamente un aumento en el nivel de responsabilidad.

En este contexto, es cada vez más esencial que las organizaciones equilibren los mensajes de eficiencia impulsada por la IA con la comunicación sobre el bienestar mental de los trabajadores. Los empleados de nuestro estudio que consideran que sus organizaciones valoran la conciliación de la vida laboral y personal presentaron puntuaciones de fatiga mental un 28 % más bajas que el resto. Estas señales también son sumamente importantes.

Lecciones para líderes

La IA puede ayudar a los empleados a trabajar más rápido, pensar en grande e innovar más. En este proceso, observamos que puede producir sobrecarga cognitiva, con las consiguientes consecuencias personales y empresariales. Nuestros hallazgos sugieren que la diferencia entre ambos no radica en la cantidad de IA que utiliza una persona, sino en cómo los trabajadores, los equipos, los líderes y las organizaciones configuran su uso. Algunas lecciones para los líderes:

Rediseñar los trabajos, el trabajo y las herramientas de manera integral para la responsabilidad humana + IA.

La supervisión de la IA no puede simplemente superponerse a la supervisión humana; ni los agentes de IA pueden acumularse sobre un usuario indefinidamente. Así como existen normas para los rangos de control en la gestión de humanos, también es necesario definir límites para la supervisión de humanos y agentes, y para la de agentes solos. Nuestra investigación sugiere mejoras adversas en la productividad tras el uso simultáneo de tres agentes de IA. Por el contrario, cuando los equipos integran la IA profundamente en sus flujos de trabajo y tratan la tecnología como una capacidad colectiva en lugar de un diferenciador individual, la carga cognitiva disminuye. Además, quienes diseñan nuevas herramientas de IA deberían hacerlo teniendo en cuenta la neurobiología. Las herramientas que requieren una atención o memoria de trabajo menos intensas, que en cambio fomentan la divagación creativa, fomentan la interacción social o facilitan el desarrollo de habilidades, pueden generar aún más valor comercial de forma sostenible, a la vez que fomentan la innovación, el crecimiento y generan satisfacción en los usuarios.

Establecer expectativas explícitas sobre la IA y la carga de trabajo.

Cuando las organizaciones celebran las "mejoras de productividad" sin aclarar las implicaciones para la carga de trabajo, los empleados lo interpretan como una intensificación del trabajo. Esta ambigüedad por sí sola puede aumentar el estrés. Los líderes reducen la presión al definir claramente el propósito de la IA en la organización, explicando cómo redefine el alcance de las funciones, estableciendo directrices sobre la supervisión y aclarando cómo evolucionará la carga de trabajo. El 70 % de los esfuerzos de transformación de la IA deberían dedicarse a las personas y los procesos, proporcionando la claridad necesaria para que los empleados prosperen.

Cambie las métricas de la actividad (e intensidad) al impacto.

Incentivar la cantidad de uso generará desperdicio, trabajo de baja calidad y tensión mental innecesaria. Parta de un objetivo empresarial claro y estratégico, con resultados mensurables. Sea cauteloso al responder a la innovación en eficiencia. No se apresure a reemplazar el trabajo recientemente automatizado por un trabajador ingenioso; hacerlo de inmediato resultará punitivo y desincentivará la innovación.

Desarrollar habilidades de los trabajadores relacionadas con la gestión de la carga de trabajo de IA.

Como indica el gerente sénior de ingeniería, algunas personas se esfuerzan más por gestionar las herramientas que por resolver el problema. En nuestro trabajo con desarrolladores de software, hemos observado que quienes dominan la IA empiezan a sentirse bloqueados a menos que desarrollen nuevas habilidades cruciales, como la formulación de problemas, la planificación del análisis y la priorización estratégica. Este tipo de habilidades se puede desarrollar mediante la capacitación de los trabajadores para reducir la gran cantidad de trabajo nuevo e innecesario en IA. Que un trabajador pueda seguir iterando con IA a un bajo coste marginal no significa que deba hacerlo.

Desplegar estratégicamente la atención humana como un recurso finito.

Algunas de las habilidades humanas más valiosas hoy en día, como el discernimiento, la toma de decisiones y la planificación estratégica, requieren una atención específica. Si bien el agotamiento se ha convertido en un motivo de preocupación en muchos lugares de trabajo, es más probable que la fatiga mental pase desapercibida en las encuestas laborales existentes. Las organizaciones deben desarrollar medidas de análisis de personas para monitorear la carga cognitiva general y protegerse contra la fatiga mental mediante el uso de IA como un nuevo riesgo laboral. Las culturas, los equipos y los líderes que priorizan el desarrollo cognitivo pueden esperar mejores juicios, menos errores y mayores tasas de retención de los mejores talentos.

La inteligencia artificial revela la rapidez y el poder con que las nuevas herramientas pueden impactar nuestro cerebro al usarlas. Ahora debemos aprender a aplicar ese mismo poder para obtener resultados positivos tanto para las personas como para las empresas.

Los autores desean agradecer a Caitlyn Jin, Venessa Arellano y Blake Elliott por su ayuda con este estudio.

Más recursos

• La IA no reduce el trabajo, lo intensifica
• ¿Cuánto tiempo y energía desperdiciamos alternando entre aplicaciones?
• El “trabajo desperdiciado” generado por IA está destruyendo la productividad
• Por qué se crea un “trabajo inútil” de IA y cómo detenerlo
• Cómo se utilizará realmente la inteligencia artificial en 2025

Lea más sobre IA generativa o temas relacionados IA y aprendizaje automático, Tecnología y análisis, Análisis y ciencia de datos y Automatización

Julie Bedard es Directora General y Socia de Boston Consulting Group, miembro de los equipos globales de Personas y Organización e IA de la firma, y ​​becaria del BCG Henderson Institute. Asesora a líderes de diversos sectores sobre estrategia de IA y transformación de personas.

Matthew Kropp es Director General y Socio Principal de Boston Consulting Group, Director de Tecnología de BCG X y miembro del Instituto Henderson de BCG. Su trabajo e investigación se centran en la implementación de la IA en la empresa y en el desarrollo de la relación entre agentes y personas en el trabajo.

Megan Hsu es Líder de Proyectos en Boston Consulting Group y Embajadora del BCG Henderson Institute. Su investigación se centra en cómo la IA y los agentes están transformando la naturaleza del trabajo y la creación de valor.

Olivia T. Karaman es candidata a doctorado en la Universidad de California, Riverside, donde estudia las expectativas, la espera, la incertidumbre y el bienestar emocional. También es asistente de investigación en Boston Consulting Group.

Jason Hawes es candidato a doctorado en la Universidad de California, Riverside, donde estudia la impaciencia como emoción y el papel de la atención plena y la fluidez en el bienestar. También es asistente de investigación en Boston Consulting Group.

Gabriella Rosen Kellerman es socia experta y directora de Boston Consulting Group y coautora, junto con el profesor Martin Seligman, de Tomorrowmind. Psiquiatra de formación, Kellerman centró su investigación en el rendimiento organizacional en la incertidumbre y el liderazgo en la era de la IA generativa.