Doxa 2668

La dinámica de equipo se debilita cuando los empleados recurren a la IA en lugar de a sus compañeros:
Revisión académica de mecanismos socio-cognitivos, evidencia empírica y retos organizacionales

Oscar Hernando Benavides Paz, MBA

Resumen

La creciente integración de sistemas de inteligencia artificial (IA) generativa en el trabajo colaborativo ha planteado una pregunta de alto impacto organizacional: ¿qué ocurre con la dinámica de equipo cuando los empleados consultan a la IA en lugar de acudir a sus colegas? Esta revisión sintetiza evidencia empírica y desarrollos teóricos recientes sobre los efectos de la sustitución de la interacción entre pares por la interacción humano-IA. Se identifican cinco mecanismos convergentes: (a) erosión de los sistemas de memoria transactiva, que dependen de consultas recurrentes entre colegas para mantener actualizado el mapa de “quién sabe qué”; (b) holgazanería social y desconexión moral asociadas a la percepción de la IA como actor social; (c) ocultamiento de conocimiento y comparación social descendente cuando los compañeros usan IA; (d) reducción de la responsividad interpersonal, el impacto social y el sentimiento de pertenencia en equipos con un compañero de IA; y (e) disminución de la cohesión y la identificación grupal en equipos humano-IA frente a equipos exclusivamente humanos. La evidencia central proviene de una encuesta a 1.033 trabajadores de oficina en más de 20 industrias, que muestra caídas superiores al 20% en coordinación y confianza cuando la sustitución de colegas por IA es la norma, así como de experimentos de campo y de laboratorio. Se concluye que el debilitamiento de la dinámica de equipo no es un efecto inevitable de la IA, sino de configuraciones organizacionales que incentivan el uso sustitutivo en lugar del complementario. Se formulan retos de investigación y gobernanza.

Palabras clave: dinámica de equipo; inteligencia artificial generativa; memoria transactiva; holgazanería social; ocultamiento de conocimiento; cohesión; colaboración humano-IA.

1. Introducción

La literatura clásica sobre equipos de trabajo ha establecido que el desempeño colectivo no depende únicamente de la suma de capacidades individuales, sino de un conjunto de estados emergentes —confianza, coordinación, cohesión, seguridad psicológica y modelos mentales compartidos— que se construyen y sostienen mediante la interacción recurrente entre sus miembros. Uno de los constructos más influyentes en este campo es el sistema de memoria transactiva (TMS, por sus siglas en inglés), formulado originalmente por Wegner, que describe la red de metaconocimiento distribuido mediante la cual los miembros de un equipo saben “quién sabe qué” y “a quién consultar para qué”. La eficacia de un equipo reside, en buena medida, en la actualización continua de ese mapa compartido a través de consultas e intercambios interpersonales.

La irrupción de la IA generativa en el flujo de trabajo cotidiano ha introducido un cambio estructural en esa ecología de consulta. Los empleados disponen ahora de un interlocutor algorítmico siempre disponible, aparentemente competente y que rara vez plantea fricción social. La pregunta que articula esta revisión es si ese desplazamiento —consultar a la IA en lugar del colega— fortalece la capacidad individual a costa de debilitar el tejido relacional del equipo. La evidencia emergente sugiere que la respuesta es afirmativa bajo ciertas condiciones organizacionales, pero que el resultado no es inevitable: depende de si la IA se configura como complemento o como sustituto de la interacción entre pares.

El interés académico por esta cuestión se ha intensificado en los últimos años, aunque con una característica metodológica relevante: la mayor parte de la evidencia empírica específica sobre sustitución de colegas por IA es muy reciente. El estudio central que motiva esta revisión, publicado en Harvard Business Review en octubre de 2026, encuestó a 1.033 trabajadores estadounidenses de oficina pertenecientes a equipos de proyecto intactos en más de 20 industrias. Sus resultados muestran una paradoja: el uso de IA se asocia con una mayor percepción de especialización del conocimiento de los compañeros, pero también con una reducción del 22,3% en coordinación y del 21,9% en confianza cuando la sustitución de colegas por IA es la norma del equipo. Dado que este dato primario es de 2026, se advierte que aún no cuenta con replicación independiente en la literatura peer-reviewed anterior a ese año; por tanto, se reporta como evidencia emergente y se contrasta con estudios de laboratorio y de campo publicados en el mismo período.

Nota de veracidad. En esta revisión se distingue entre (a) evidencia teórica y empírica consolidada sobre TMS, holgazanería social y cohesión, publicada mayoritariamente antes de 2026; y (b) evidencia empírica específica sobre sustitución de colegas por IA, cuya publicación principal es de 2026 y aún no ha sido replicada de forma independiente. Cuando un dato concreto no ha podido verificarse en una fuente primaria publicada antes de 2026, se indica como “evidencia no encontrada”.

2. Objetivos

Objetivo general. Analizar, a partir de la literatura científica disponible, los mecanismos mediante los cuales el uso de IA en sustitución de la consulta a colegas debilita la dinámica de equipo, y delimitar las condiciones organizacionales bajo las cuales ese efecto puede mitigarse.

Objetivos específicos.

• Examinar el papel del sistema de memoria transactiva como mecanismo explicativo del debilitamiento de la coordinación y la confianza cuando la IA se convierte en un repositorio alternativo de expertise.
• Identificar los procesos de holgazanería social y desconexión moral que emergen en la colaboración humano-IA y su incidencia en el esfuerzo discrecional y la interdependencia.
• Analizar los efectos del ocultamiento de conocimiento y de la comparación social en contextos donde los compañeros utilizan IA de manera visible o percibida.
• Evaluar la evidencia sobre cohesión, identificación, pertenencia y seguridad psicológica en equipos humano-IA frente a equipos exclusivamente humanos.
• Formular retos de investigación y recomendaciones de gobernanza para preservar la dinámica de equipo en entornos mediados por IA.

3. Metas

La revisión se plantea las siguientes metas de síntesis:

1. Integrar los hallazgos de estudios con diseños diversos —encuestas de campo, experimentos de laboratorio, experimentos de campo aleatorizados y análisis de discurso— en un marco explicativo coherente.
2. Jerarquizar la evidencia según su proximidad al fenómeno de sustitución de colegas por IA, distinguiendo entre efectos sobre la tarea, sobre las relaciones interpersonales y sobre los estados emergentes del equipo.
3. Identificar vacíos de conocimiento y formular una agenda de investigación que aborde las limitaciones de diseño de los estudios existentes, en particular la escasez de diseños longitudinales y de replicaciones independientes.
4. Derivar implicaciones prácticas para gerentes y diseñadores de políticas organizacionales de IA, con énfasis en la distinción entre uso complementario y uso sustitutivo.

4. Desarrollo

4.1. El sistema de memoria transactiva como infraestructura relacional del equipo

El TMS opera como una infraestructura socio-cognitiva que reduce la carga cognitiva individual y permite que el equipo acceda a conocimiento distribuido sin que cada miembro deba poseerlo todo. Su mantenimiento depende de un mecanismo crucial: la consulta interpersonal recurrente. Cuando un miembro acude a un colega, no solo obtiene información, sino que actualiza y confirma el mapa compartido de especialización y credibilidad. Los estudios sobre equipos de desarrollo de software han mostrado que, cuando la IA se convierte en un repositorio alternativo de expertise, los desarrolladores pueden reducir su dependencia de los colegas para la recuperación de conocimiento, lo que potencialmente erosiona la conciencia compartida de “quién sabe qué”. El efecto es sutil pero acumulativo: la sustitución de la consulta entre pares por la consulta algorítmica priva al equipo de las interacciones mediante las cuales mantiene actualizado su sistema de memoria transactiva.

La consecuencia directa es una paradoja de especialización. Los datos de la encuesta de 2026 indican que, a mayor uso de IA, mayor es la percepción de que los compañeros poseen conocimiento especializado y único. Sin embargo, esa percepción no se traduce necesariamente en coordinación efectiva, porque el canal interpersonal a través del cual se activa y se verifica esa especialización se debilita. La IA puede aumentar la visibilidad declarada de la especialización, pero simultáneamente reduce la activación relacional de la misma. En términos de TMS, se preserva la dimensión de especialización en el nivel de creencia, pero se degradan las dimensiones de coordinación y credibilidad, que son las que permiten convertir el conocimiento distribuido en acción colectiva.

4.2. Holgazanería social y desconexión moral en la colaboración humano-IA

La holgazanería social —la reducción del esfuerzo individual cuando se trabaja en grupo— es un fenómeno clásico de la psicología social que ha encontrado nuevas condiciones de emergencia en la colaboración con sistemas inteligentes. Un estudio con 312 empleados de departamentos de recursos humanos en China continental examinó los mecanismos mediante los cuales los sistemas inteligentes de apoyo a la decisión (IDSS) inducen holgazanería social. Los resultados muestran que la percepción de autonomía, la falta de emoción percibida en el sistema y la falta de visibilidad del logro individual incrementan la desconexión moral, que a su vez aumenta la tendencia a la holgazanería social. En otras palabras, cuando la IA es percibida como un actor social con el que se colabora, pero cuyas contribuciones no permiten atribuir claramente el esfuerzo individual, se activan mecanismos de justificación moral que reducen el esfuerzo discrecional.

Este hallazgo es particularmente relevante para la dinámica de equipo porque la holgazanería social no solo afecta la productividad agregada, sino que altera la percepción de reciprocidad y equidad entre los miembros. Si un empleado percibe que su colega delega crecientemente en la IA y reduce su contribución interpersonal, puede interpretar esa conducta como una forma de elusión de responsabilidad compartida. La literatura sobre holgazanería en equipos humano-IA también ha señalado que el efecto varía según la presencia percibida de la IA y la autoeficacia individual en el conocimiento, lo que sugiere que la sustitución de colegas por IA no opera de manera uniforme, sino que se modula por características psicológicas y por el diseño del sistema de incentivos.

4.3. Ocultamiento de conocimiento y comparación social

Un mecanismo adicional, menos explorado pero empíricamente robusto, es el ocultamiento de conocimiento. Dos estudios —un experimento de escenario con 200 participantes y un estudio de campo de tres olas con 456 empleados del sector servicios— examinaron cómo la percepción del uso de IA por parte de los compañeros afecta la conducta de ocultamiento de conocimiento del observador. Los resultados indican que la percepción de que los colegas usan IA disminuye la autoestima basada en la organización y aumenta la ansiedad, lo que a su vez incrementa el ocultamiento de conocimiento. La conciencia de la IA modera esta relación.

Este hallazgo revela una dimensión del debilitamiento de la dinámica de equipo que no se reduce a la mera reducción de la frecuencia de interacción. El ocultamiento de conocimiento implica una conducta activa de retención de expertise, motivada por la percepción de una amenaza comparativa. Cuando los empleados observan que sus compañeros obtienen ventajas de productividad mediante la IA, pueden experimentar ansiedad por estatus y adoptar estrategias defensivas que empobrecen el flujo de conocimiento dentro del equipo. La consecuencia es un círculo vicioso: la IA sustituye la consulta interpersonal, pero además genera dinámicas de comparación social que inhiben la disposición a compartir lo que se sabe. La literatura sobre “cultura sombra” de la IA ha documentado que un porcentaje significativo de trabajadores oculta sus flujos de trabajo con IA a sus colegas, incluso cuando reconoce que compartirlos ayudaría al equipo.

4.4. Reducción de la responsividad interpersonal, pertenencia y estatus

Los estudios experimentales sobre comunicación en equipos pequeños han aportado evidencia directa sobre el costo social de la IA. Un experimento controlado aleatorizado con 33 equipos —16 equipos humano-IA (dos estudiantes más un agente de IA) y 17 equipos exclusivamente humanos— analizó la dinámica socio-cognitiva mediante análisis de comunicación grupal, encuestas y análisis léxico. Los hallazgos muestran que el compañero de IA fue el miembro más hablador y autocohésivo de todos los equipos de tratamiento, pero sus contribuciones contenían la menor cantidad de información nueva y la menor densidad. Más importante aún, en los equipos humano-IA los miembros humanos mostraron menor responsividad y menor impacto social entre sí, y reportaron niveles más bajos de pertenencia y estatus. Cuanto mayor era el dominio conversacional de la IA, menor era la sensación de los estudiantes de sentirse valorados como miembros del equipo.

Este patrón sugiere que el debilitamiento de la dinámica de equipo no requiere necesariamente que la IA sea percibida como una amenaza explícita. Basta con que la IA ocupe el espacio conversacional y funcional que antes correspondía a los intercambios entre humanos para que se degrade la calidad de la conexión interpersonal. Los equipos humano-IA envían más mensajes orientados a la tarea y menos mensajes socioemocionales que los equipos exclusivamente humanos, lo que reduce las oportunidades de construcción de confianza afectiva y de identificación grupal. La consecuencia es un equipo que puede funcionar en el nivel de la tarea pero que pierde los recursos relacionales necesarios para sostener la cooperación en condiciones de incertidumbre o conflicto.

4.5. Cohesión, identificación y seguridad psicológica: evidencia mixta

La evidencia sobre estados emergentes del equipo es consistente en señalar una reducción de la cohesión en equipos humano-IA, aunque con matices importantes. Un experimento de laboratorio que comparó equipos humano-IA con equipos exclusivamente humanos encontró que la cohesión y la identificación fueron significativamente menores en los primeros (cohesión: M = 4,5, DE = 0,45 en equipos humano-IA frente a M = 4,7, DE = 0,37 en equipos humanos). Los análisis de mediación sugirieron que este efecto estaba mediado por el desempeño autorreportado y la confianza en el equipo. Sin embargo, los resultados sobre seguridad psicológica fueron menos concluyentes: algunos estudios no encontraron diferencias significativas, lo que sugiere que trabajar con IA no necesariamente reduce la comodidad para expresar ideas.

Esta evidencia mixta es teóricamente relevante. La cohesión y la identificación son constructos afectivos y relacionales que dependen de la historia compartida y de la percepción de similitud y reciprocidad. La IA puede alterar esos procesos sin necesariamente amenazar la seguridad psicológica, que depende más de la percepción de consecuencias interpersonales al tomar riesgos. En otras palabras, un equipo puede sentirse seguro para hablar, pero no necesariamente cohesionado o identificado. El debilitamiento de la dinámica de equipo se manifiesta, por tanto, de manera selectiva: afecta principalmente los vínculos afectivos y la coordinación implícita, no necesariamente la disposición a participar.

4.6. La IA como complemento y no como sustituto: condiciones de mitigación

La evidencia también indica que los efectos negativos no son inevitables. El experimento de campo aleatorizado “The Cybernetic Teammate”, realizado con 791 profesionales de Procter & Gamble, encontró que la IA no solo mejora el desempeño individual hasta igualar el de equipos sin IA, sino que también puede cumplir parte del rol social y motivacional tradicionalmente ofrecido por los compañeros humanos. Los participantes reportaron respuestas emocionales más positivas cuando trabajaron con IA, y la interfaz basada en lenguaje facilitó la integración de expertise entre silos funcionales.

Estos hallazgos no contradicen el debilitamiento de la dinámica de equipo, pero sí delimitan sus condiciones. La IA puede sustituir ciertas funciones de la colaboración humana —especialmente las instrumentales y de acceso a información— sin necesariamente destruir el equipo, siempre que se mantengan los canales de interacción interpersonal para las funciones socioemocionales y de construcción de confianza. El problema surge cuando la lógica organizacional incentiva la sustitución generalizada: cuando se mide la productividad individual sin considerar la salud relacional del equipo, cuando se recompensa la autonomía algorítmica sin fomentar la consulta entre pares, o cuando la IA se presenta como un “colega” que compite por tiempo y atención. La recomendación emergente de la literatura es tratar la IA como complemento de la consulta entre pares, no como sustituto, especialmente en tareas intensivas en conocimiento que requieren expertise específica de dominio, incorporación de nuevos miembros o alineación interfuncional.

5. Conclusiones

La evidencia sintetizada permite sostener que el debilitamiento de la dinámica de equipo cuando los empleados recurren a la IA en lugar de a sus compañeros es un fenómeno real, empíricamente documentado y teóricamente explicable, pero condicionado por el diseño organizacional y por la arquitectura de uso de la IA. No se trata de un efecto tecnológico inevitable, sino de una consecuencia de configuraciones que privilegian la eficiencia individual y la sustitución de la interacción interpersonal por la interacción algorítmica.

Los mecanismos identificados operan en niveles interconectados. En el nivel cognitivo, la erosión del sistema de memoria transactiva reduce la coordinación implícita y la conciencia compartida de la expertise. En el nivel motivacional, la holgazanería social y la desconexión moral reducen el esfuerzo discrecional y la reciprocidad percibida. En el nivel relacional, el ocultamiento de conocimiento y la comparación social inhiben el flujo de información y generan dinámicas defensivas. En el nivel afectivo, la reducción de la responsividad interpersonal, la pertenencia y el estatus debilita los vínculos que sostienen la cooperación en condiciones de incertidumbre. Y en el nivel grupal, la cohesión y la identificación se reducen, aunque la seguridad psicológica puede mantenerse intacta.

La implicación central para la práctica gerencial es que la IA debe gobernarse como un componente del sistema socio-técnico del equipo, no como una herramienta individual de productividad. Las organizaciones que deseen preservar la dinámica de equipo necesitan diseñar incentivos que valoricen la consulta entre pares, mantener rituales de interacción socioemocional, hacer visible la expertise humana en el punto de uso de la IA y monitorear señales tempranas de fragmentación del conocimiento y de erosión de la confianza.

6. Retos

Reto 1: superar la dependencia de evidencia transversal y de publicación reciente. La mayor parte de la evidencia específica sobre sustitución de colegas por IA proviene de estudios transversales o de experimentos de corta duración. Se requieren diseños longitudinales que sigan a los mismos equipos antes y después de la adopción de IA para establecer direccionalidad causal y evaluar si los efectos observados son estables, reversibles o acumulativos. Mientras esos estudios no estén disponibles, la evidencia debe interpretarse con cautela.

Reto 2: replicar independientemente los hallazgos principales. Los datos de la encuesta de 1.033 trabajadores que documentan caídas superiores al 20% en coordinación y confianza son de 2026 y aún no cuentan con replicación independiente en muestras diversas. Se necesita evidencia no encontrada en la literatura previa a 2026 que permita validar estos tamaños de efecto en contextos culturales y ocupacionales distintos.

Reto 3: distinguir con precisión entre uso complementario y uso sustitutivo. La literatura tiende a medir el uso de IA en términos de frecuencia o intensidad, sin capturar la intención relacional del uso. Es necesario desarrollar instrumentos que distingan si el empleado consulta a la IA en lugar de a un colega o además de a un colega, y que midan las consecuencias diferenciales de cada patrón.

Reto 4: integrar niveles de análisis. Los estudios existentes suelen analizar el fenómeno en un solo nivel —individual, diádico o grupal— sin articular cómo los procesos individuales de comparación social se traducen en estados emergentes del equipo. Se requieren modelos multinivel que conecten las percepciones individuales de la IA con las propiedades del equipo.

Reto 5: diseñar y evaluar intervenciones organizacionales. La evidencia sobre mitigación es aún incipiente. Se necesitan ensayos de campo que evalúen intervenciones concretas —por ejemplo, rediseño de incentivos, rituales de consulta entre pares, gobernanza de la visibilidad de la IA— y que midan sus efectos sobre la coordinación, la confianza y la cohesión.

Reto 6: abordar la diversidad cultural y ocupacional. La mayoría de los estudios empíricos se han realizado en Estados Unidos, Europa y China, y se concentran en trabajadores de oficina o profesionales del conocimiento. La generalización a equipos operativos, industrias de servicios, economías emergentes y culturas con diferentes normas de interacción interpersonal está pendiente y constituye una agenda de investigación prioritaria.

Referencias

Chen, C., Yao, Z., & Yi, J. (2026). Put not down your hedge: Exploring the impact of coworkers’ AI usage on employees’ knowledge hiding. Journal of Marketing Management. Publicación anticipada en línea. https://doi.org/10.1080/02642069.2026.2654153

Choi, J., Samadi, M. A., JaQuay, S., Park, S., & Nixon, N. (2025). Read the room or lead the room: Understanding socio-cognitive dynamics in human-AI teaming. arXiv. https://ar5iv.labs.arxiv.org/html/2510.09944

Coniglio, I. M., & Famà, L. (2026). Artificial intelligence in teams: A systematic literature review. SCITEPRESS. https://www.scitepress.org

Dell’Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., & Lakhani, K. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamwork and expertise (NBER Working Paper No. 33641). National Bureau of Economic Research. https://doi.org/10.3386/w33641

Dell’Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., & Lakhani, K. (2026). The cybernetic teammate: A field experiment on generative AI and teamwork. Organization Science, 37(4). https://doi.org/10.1287/orsc.2025.20702

Elshan, E., De Vreede, T., De Vreede, G.-J., Ebel, P. A., & Siemon, D. (2025). Idle minds: The role of social loafing in human-AI teams. University of Hawai’i at Mānoa. https://scholarspace.manoa.hawaii.edu

Harvard Business Review. (2026, 15 de octubre). Team dynamics weaken when employees turn to AI instead of colleagues. https://hbr.org/2026/10/team-dynamics-weaken-when-employees-turn-to-ai-instead-of-colleagues

Matusseck, M., Wendland, R., & Hendriks, P. (2025). Generative AI as a teammate: Exploring social loafing and individual effort in human–AI teams. AIS Electronic Library. https://aisel.aisnet.org

Nixon, N., Choi, J., Martins De Bastos, P., Samadi, M. A., Mehner, L., Park, S., & JaQuay, S. (2026). The social cost of an AI teammate: How an artificial teammate reshapes human-human communication in small-team decision-making. arXiv. https://ar5iv.labs.arxiv.org/html/2607.27179

Ontrup, G., et al. (2026). Unveiling team emergent states in the age of human-AI teaming. Taylor & Francis. https://www.tandfonline.com

Xu, C., Yao, Z., & Yi, J. (2026). Put not down your hedge: Exploring the impact of coworkers’ AI usage on employees’ knowledge hiding. Journal of Marketing Management. https://doi.org/10.1080/02642069.2026.2654153

Zhang, Y., et al. (2025). The impact of intelligent decision support systems on social loafing in the workplace: The role of technology affordance and moral disengagement. Technological Forecasting and Social Change. https://www.sciencedirect.com/science/article/abs/pii/S004016252500513X

Zhao, Y., et al. (2026). When AI joins the team! A model of how AI adoption relates to social patterns in software engineering teams. arXiv. https://arxiv-org.ezproxy.obspm.fr/html/2608.03462v1