La paradoja de la retroalimentación: cuando la IA funciona mejor en secreto
Retroalimentación de IA: La retroalimentación generada por IA mejora el rendimiento de los empleados más que la retroalimentación humana si su origen no se revela.
Efecto de divulgación: Revelar que la fuente de retroalimentación es IA provoca resistencia y empeora el rendimiento debido a problemas de confianza.
Crisis de confianza: La confianza de los empleados en el uso de IA por parte de los empleadores es baja; muchos la ven como una fuente de sesgo.
Estrategia de transparencia: Se recomienda revelar abiertamente el uso de IA en los procesos de retroalimentación para evitar problemas de confianza a largo plazo.
Impacto a largo plazo: La decisión entre transparencia y opacidad refleja los valores de la organización y afecta su resiliencia.
Los mejores sistemas de retroalimentación de desempeño funcionan como un truco de magia en un sentido: son más efectivos cuando no sabes cómo se realiza el truco.
Un estudio de 2021 publicado en el Strategic Management Journal descubrió que la retroalimentación generada por IA mejora el desempeño de los empleados más que la proporcionada por los gerentes humanos. ¿La condición? Sólo funcionaba si los empleados pensaban que la había escrito una persona. Una vez que se revela el método, la magia desaparece.
La retroalimentación era más consistente, más personalizada y objetivamente más eficaz para mejorar el desempeño, pero cuando los trabajadores se enteraban de que los algoritmos generaban sus observaciones de desempeño, las mejoras se esfumaban.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
La misma retroalimentación que mejoraba los resultados cuando se atribuía a un gerente humano provocaba resistencia, menor compromiso y peor desempeño cuando los empleados conocían su verdadera fuente. Los investigadores denominaron esto el "efecto de divulgación", una caída mensurable en el rendimiento causada puramente por saber que había IA involucrada.
Actualmente, la IA en la gestión del desempeño es cada vez más común, al igual que ocurre con la integración de la IA en otras áreas de la vida dado el uso generalizado de herramientas como ChatGPT, Claude y Gemini. Pero el simple hecho de que el uso haya aumentado no significa que la confianza también lo haya hecho.
Para los líderes de RR.HH. que navegan la adopción de la IA, la paradoja descubierta por esos investigadores en 2021 crea una posición imposible. Implementar sistemas de retroalimentación con IA de forma transparente sacrifica las mejoras en el rendimiento. Ocultar la participación de la IA y se corre el riesgo de violaciones catastróficas de confianza cuando inevitablemente se sepa la verdad.
La decisión revela algo fundamental sobre aquello para lo que las organizaciones optimizan. ¿Los números de este trimestre o la capacidad de transformación a largo plazo?
El contexto de la crisis de confianza
El efecto de divulgación no ocurre en el vacío. Investigaciones recientes de SHL muestran que sólo el 27% de los trabajadores confía plenamente en que sus empleadores usarán la IA de manera responsable en las decisiones de RR.HH. Aún más preocupante, el 59% cree que la IA empeora, no mejora, los prejuicios en el lugar de trabajo.
Esto agudiza la paradoja. La tecnología que podría ofrecer retroalimentación mejor y menos sesgada no es confiada por la mayoría de los empleados que la recibirían. Y la investigación sugiere que su desconfianza se vuelve profética. Saber que interviene la IA hace que se desempeñen peor, independientemente de si la retroalimentación es objetivamente superior.
El Dr. Ryne Sherman, Chief Science Officer de Hogan Assessments, que trabaja con más del 75% de las empresas Fortune 500, ve dos fuerzas que impulsan la resistencia de los empleados.
La primera es la suposición de que la IA no puede captar los matices del lugar de trabajo. Suponemos que un humano que evalúa el rendimiento comprende mejor el contexto organizacional y aprecia más aquellos aspectos del desempeño que podrían no aparecer en cosas que sean fácilmente contadas por una computadora.
El segundo factor es aún más profundo. No se trata de si la IA puede evaluar el rendimiento con precisión, sino de lo que implica la elección de usar IA sobre la visión que tiene la organización de sus empleados.
"La falta de intervención humana hace que los trabajadores se sientan como si sólo fueran recursos humanos literales, sin empatía ni preocupación por su bienestar como personas", explica Sherman. "Nuestra investigación muestra que los líderes más efectivos demuestran preocupación genuina por sus empleados. Utilizar la IA para realizar evaluaciones de desempeño sugiere que los líderes de la organización realmente no se preocupan por sus empleados."
Que estas suposiciones sean ciertas o no importa menos que el simple hecho de que existan. La percepción de los empleados moldea el comportamiento, y el comportamiento moldea el desempeño.
Por qué el engaño no funciona
Las organizaciones que esperan captar los beneficios del desempeño con IA evitando el efecto de divulgación enfrentan un problema práctico: los empleados ya lo saben.
Edie Goldberg, psicóloga industrial y organizacional y autora del próximo libro Performance Enablement, señala las señales reveladoras que delatan la retroalimentación generada por IA.
La mayoría de los empleados puede notar si el feedback fue escrito por una computadora con todos esos guiones largos. Este tipo de retroalimentación a menudo carece de la especificidad que un gerente podría aportar.
Los patrones estilísticos del texto generado por IA se han vuelto lo suficientemente reconocibles como para que intentar ocultar su participación sea inútil. Incluso cuando las organizaciones no divulgan explícitamente el uso de IA, los empleados detectan las huellas algorítmicas.
Esto socava toda la estrategia de ocultamiento. Si los empleados sospechan la intervención de IA pero no se les informa directamente, las organizaciones obtienen lo peor de ambos mundos: la disminución del desempeño derivada de la percepción del uso de IA combinada con la violación de confianza por intento de engaño.
El enfoque recomendado por Goldberg esquiva por completo la paradoja.
La distinción es importante. La IA puede integrar retroalimentación de múltiples perspectivas como compañeros, clientes, plataformas internas de comunicación, y combinarla con datos concretos de sistemas internos.
“Todos estos factores hacen que la retroalimentación sea inherentemente más justa porque no es solo la perspectiva de una persona”, dice Goldberg, haciendo referencia a las numerosas investigaciones sobre el sesgo de los gerentes en las evaluaciones de desempeño.
Pero la ventaja de justicia solo se materializa si los empleados confían en el proceso. Goldberg enmarca esto como un problema de división de tareas más que de transparencia. Utiliza la IA para la agregación y detección de patrones, donde sobresale. Deja que los humanos sean responsables del contexto, la especificidad y los aspectos relacionales que los empleados necesitan para creer que la retroalimentación es genuina.
Al final, la solución no es ocultar el papel de la IA, sino redefinirlo.
La postura de transparencia ante todo
Kate O'Neil, CEO de la plataforma de gestión del desempeño Opre, construyó todo su producto en torno a rechazar el enfoque de ocultar la IA. Todo el feedback que los usuarios de Opre reciben está claramente identificado como generado por IA, y ni los gerentes ni los empleados pueden manipularlo para que parezca redactado por humanos.
Nunca debería haber confusión sobre qué es generado por IA y qué es generado por humanos. Después de todo, ¿cómo podemos ‘mantener a una persona en el circuito’ si nadie sabe qué es humano y qué es IA en el circuito? La falta de claridad sobre quién genera el feedback, en última instancia, solo sirve para enturbiar la responsabilidad de los gerentes.
La filosofía de diseño de Opre se centra en lo que O'Neil denomina una dinámica de "gerente y empleado vs. Opre". El sistema envía informes de desempeño a ambas partes simultáneamente, creando un punto de referencia compartido para la discusión en vez de un juicio de arriba hacia abajo.
En su siguiente reunión uno a uno, gerente y empleado discuten qué acertó Opre, qué omitió y qué puede estar malinterpretando sobre el contexto.
“Esto reemplaza la dinámica mucho menos productiva que solemos ver hoy: gerente vs. empleado, especialmente cuando el rendimiento es bajo o se evitan las conversaciones de desempeño”, explica O'Neil.
Pero O'Neil reconoce que no tiene datos comparativos. “No sé si saber que está generado por IA impactó en algo porque no tengo una población de empleados que no supiera que es generado por IA para compararlo.”
Cuando se le pregunta si está dejando de lado oportunidades de mejora por priorizar la transparencia, O'Neil no titubea.
No creo que saber que está generado por IA reduzca la efectividad. Creo que la ilusión de que el feedback es genuino cuando no lo es mina la confianza y el contrato social entre los gerentes y sus equipos. La confianza rota arruina el desempeño.
Ella profundiza aún más en la cuestión del sesgo. Incluso si la retroalimentación generada por IA reduce objetivamente el sesgo a corto plazo, ocultar su origen crea un problema de confianza que, con el tiempo, termina aumentando el sesgo.
"Si el contenido generado por IA realmente reduce el sesgo, pero los empleados perciben que lo aumenta, el impacto a largo plazo será que la confianza se ve degradada", explica O'Neil. "Que los gerentes presenten retroalimentación generada por IA como si fuera propia disminuye la confianza entre ellos y sus equipos, y eso conduce a más sesgo posteriormente."
Por eso, el sistema de Opre impide que los gerentes editen o suavicen los hallazgos generados por la IA. Tanto el gerente como el empleado reciben una retroalimentación idéntica y al mismo tiempo, eliminando la posibilidad de engaño. Los gerentes y empleados pueden añadir contexto o solicitar aclaraciones al sistema, pero no pueden modificar lo que produce.
Su postura también se basa en un cálculo sobre los horizontes temporales. Las organizaciones pueden optimizar para métricas de desempeño inmediatas o para la capacidad de transformarse a lo largo de los años. En su opinión, los dos objetivos son incompatibles cuando se trata de la implementación de IA.
"La opacidad no es una estrategia de desempeño", afirma. "Es una estrategia de extracción a corto plazo. Puede que obtengas un aumento de esfuerzo mientras los empleados intentan descifrar las reglas. Pero, poco después, pierdes a los mejores, agotas al resto y dañas tu capacidad de atraer nuevo talento."
Cuando la Confianza se Rompe
Tanto Goldberg como Sherman advierten que el engaño acerca del uso de la IA conlleva consecuencias que superan con creces cualquier mejora de desempeño a corto plazo.
"Es fácil romper la confianza, y muy difícil reconstruirla", dice Goldberg. "Aquí no hay ningún beneficio, solo riesgo."
Esa advertencia no es solo una postura ética. Tanto Goldberg como Sherman trabajan en entornos donde ven de primera mano las consecuencias de la confianza rota en múltiples organizaciones. Su certeza de que el engaño fracasa proviene del reconocimiento de patrones, no de la filosofía.
"Es desastroso para las organizaciones adoptar prácticas engañosas en las evaluaciones de desempeño", advierte Sherman. "Primero, en cualquier organización de cierto tamaño, no hay ninguna posibilidad de que el engaño no salga a la luz. Todas las organizaciones tienen filtraciones de información, y este tipo de información sin duda se divulgará.
La consecuencia, según la evaluación de Sherman, sería severa.
"Una vez que esta información se conoce, la confianza en la organización llega al nivel más bajo posible", dice. "El personal protestará, renunciará y, quizás lo que es peor, se volverá totalmente apático."
Su receta para las organizaciones atrapadas en este escenario es directa. Los empleados exigirán rendición de cuentas, lo que probablemente signifique la destitución de altos directivos involucrados en el engaño.
"Aún así", afirma, "la organización tendrá que considerar seriamente transformar todo su proceso de evaluación de desempeño hacia una transparencia radical para comenzar a recuperar la confianza."
El consejo de Goldberg para las organizaciones que se encuentran en esta situación es más sencillo, pero llega a la misma conclusión.
Lo que Revela la Elección
La decisión de revelar o no la participación de la IA en la gestión del desempeño rara vez se plantea como una elección entre resultado y confianza. Más a menudo, se presenta como una cuestión técnica de implementación o como un reto de gestión del cambio. Pero las investigaciones sugieren que en realidad es una prueba de los valores organizacionales.
Las empresas que optimizan para métricas de desempeño a corto plazo tienen un incentivo claro para ocultar la participación de la IA. El efecto del despliegue es real y medible.
Las empresas que apuestan por la transformación a largo plazo no pueden permitirse violar la confianza, aunque eso signifique aceptar un menor desempeño inmediato.
También existe una preocupante dimensión de clase que rara vez los profesionales abordan de forma directa. En las organizaciones donde solo se revela parcialmente el uso de IA, ¿quién tiene derecho a saberlo? ¿Reciben los directivos sistemas de IA transparentes mientras los trabajadores de primera línea obtienen retroalimentación oculta? La brecha de confianza entre la dirección y los empleados ya es amplia. Una revelación selectiva podría ampliarla aún más.
El argumento de Sherman sobre el descubrimiento inevitable merece especial atención. En una era en la que los empleados hacen capturas de pantalla de las comunicaciones internas, publican de forma anónima en sitios de reseñas de empresas y se organizan a través de canales privados de Slack, la idea de que la participación de la IA en las evaluaciones de desempeño pueda mantenerse en secreto es totalmente inverosímil.
Añade la observación de Goldberg de que los empleados ya pueden reconocer textos generados por IA por sus patrones, y el enfoque de "ocultarlo" se asemeja menos a una estrategia y más a una táctica dilatoria.
La pregunta no es si los empleados se enterarán, sino qué ocurrirá cuando lo hagan.
AI Transparency in Performance Management
More Articles
Una Aplicación Distinta
Goldberg ve la verdadera promesa de la IA en la gestión del desempeño viniendo desde una dirección completamente diferente: retroalimentación en tiempo real en lugar de evaluaciones anuales o trimestrales.
Los sistemas de IA pueden ayudar a proporcionar mucha retroalimentación en el momento, cuando es más beneficioso", explica ella. "Pero la IA puede integrar todos estos puntos de retroalimentación durante un periodo de desempeño para proporcionar una visión más equilibrada y menos sesgada del rendimiento individual. Este es el poder de la IA en la gestión del desempeño, no simplemente escribir la evaluación.
Esto replantea la cuestión de la divulgación. Si la IA proporciona retroalimentación inmediata y contextual sobre acciones específicas — señalando cuando se retrasan los plazos de un proyecto, notando cuando cambian los patrones de colaboración o cuando disminuye la frecuencia de comunicación — la fuente importa menos que la inmediatez. Los empleados pueden ver la conexión directa entre sus acciones y la retroalimentación, lo que genera confianza en la precisión del sistema en vez de minarla.
La evaluación anual del desempeño redactada por una IA sigue detonando el efecto de la divulgación porque intenta imitar el juicio humano en un contexto donde la relación y la autoridad son importantes.
La retroalimentación en tiempo real de la IA opera en un ámbito diferente. No pretende ser sabiduría humana, sino que proporciona observaciones basadas en datos que sería difícil que los humanos puedan brindar a esta escala.
Si este enfoque evita o no la caída en el desempeño que la divulgación genera sigue sin probarse a gran escala, según lo que he podido encontrar, y las percepciones podrían estar cambiando a medida que crece la familiaridad con el funcionamiento de la IA. Pero sugiere que el debate sobre ocultar o revelar puede estar haciendo la pregunta equivocada para la aplicación incorrecta de la tecnología.
La pregunta sin resolver
Para los líderes que hoy toman decisiones sobre la implementación de IA, la investigación no ofrece opciones cómodas.
Quienes abogan por la transparencia — O'Neil, Goldberg, Sherman — argumentan que ocultar la participación de la IA garantiza una catástrofe de confianza cuando se descubre, y que los empleados ya pueden detectar texto generado por IA de todas formas. Es mejor construir culturas preparadas para la IA a través de la honestidad, incluso si esto cuesta rendimiento a corto plazo.
El contraargumento es más difícil de rechazar de lo que parece. Si la retroalimentación de la IA reduce objetivamente el sesgo, proporciona evaluaciones más consistentes y mejora los resultados, ¿es la transparencia un lujo costoso que sirve principalmente para que los líderes de RR. HH. se sientan éticos?
Ningún lado puede señalar datos longitudinales que muestren lo que sucede tres años después de implementar retroalimentación transparente de la IA. La tecnología ha evolucionado demasiado rápido y las implementaciones son demasiado recientes. Pero la elección revela lo que los líderes creen sobre su fuerza laboral y lo que están dispuestos a sacrificar para obtener resultados.
Las organizaciones que optaron por la opacidad apostaron a que las ganancias en el desempeño compensarían la eventual crisis de confianza. Aquellas que eligieron la transparencia apuestan a que construir culturas preparadas para la IA requiere honestidad sobre el papel de la IA, incluso cuando eso cuesta rendimiento en el corto plazo.
La investigación muestra lo que ocurre inmediatamente después de la divulgación. Lo que aún no podemos responder con tanta certeza es qué enfoque genera organizaciones más resilientes y de mayor desempeño a largo plazo.
Por ahora, eso sigue siendo una cuestión de filosofía, tolerancia al riesgo y del tipo de organización que los líderes quieren construir.
