¿Saben Tus Empleados Que Trabajan Junto a Agentes de IA?
Brecha de Conciencia: Muchos empleados desconocen la presencia de agentes de IA en sus lugares de trabajo, lo que genera desconfianza y confusión.
Importancia de la Transparencia: Los marcos de gobernanza presuponen supervisión humana, pero la falta de conciencia de los empleados arriesga fallos en la rendición de cuentas.
Erosión de la Confianza: Muchos trabajadores perciben que los sistemas de IA no son confiables; el 62% manifiesta preocupaciones sobre la fiabilidad de los agentes de IA.
Implicación de los Empleados: La divulgación es esencial; los empleados deben comprender el papel de la IA para supervisar y colaborar eficazmente con los sistemas.
Déficit en Capacitación: Sólo el 38% de las organizaciones ofrece capacitación sobre herramientas de IA, lo que refuerza la sensación de obsolescencia entre los empleados.
La mayoría de los empleados no saben con qué están trabajando al lado.
La IA agentica ha superado con creces la etapa piloto y ahora está direccionando casos de servicio al cliente, señalando desviaciones en el rendimiento, programando entrevistas y resumiendo reuniones antes de que alguien cierre sesión.
En un número creciente de organizaciones, está redactando respuestas y tomando decisiones de bajo riesgo en nombre de trabajadores que no han sido informados sobre lo que está sucediendo.
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 implementación ha superado a la divulgación. Según una encuesta de Cloud Security Alliance publicada en abril, el 82% de las empresas descubrieron agentes de IA previamente desconocidos ejecutándose en sus entornos de TI durante el último año, muchos de ellos apareciendo varias veces. Eso es un problema de visibilidad de TI. El problema de conciencia de los empleados es aún más profundo.
La investigación global de Workday para 2025, que encuestó a casi 3,000 responsables de la toma de decisiones en América del Norte, APAC y EMEA, encontró que solo el 24% de los empleados se sienten cómodos con agentes de IA operando en segundo plano sin su conocimiento.
No podemos llamarlo una preocupación marginal cuando tres de cada cuatro trabajadores están marcando una línea clara, y la mayoría lo hace sin tener información completa sobre dónde cae realmente esa línea en su propio lugar de trabajo.
Transparencia y supuestos compartidos
El argumento ético para cerrar esa brecha es sencillo. Los trabajadores tienen un derecho legítimo a comprender los sistemas que determinan la asignación de sus tareas, su carga de trabajo y, en algunos casos, sus evaluaciones de desempeño. Pero el argumento operativo puede resultar más claro para los ejecutivos que necesitan escucharlo.
Los marcos de gobernanza, como el Marco de Gestión de Riesgos de IA de NIST, los requisitos de transparencia del Acta de IA de la UE y la mayoría de las políticas de IA empresariales redactadas en los últimos dos años, se basan en el supuesto compartido de que los humanos siguen estando en el circuito.
No solo los ejecutivos o los equipos de cumplimiento, sino las personas que hacen el trabajo. Supervisión humana significa que cuando un agente comete un error, direcciona un caso incorrectamente, aplica una métrica defectuosa o se desvía de su comportamiento previsto, alguien lo detecta. Ese alguien casi siempre es un trabajador de primera línea, lo suficientemente cercano al resultado como para reconocer cuando algo no está bien.
Cuando los empleados no saben que un agente está actuando, esa supervisión desaparece estructuralmente. La arquitectura de la responsabilidad depende de una conciencia que no existe.
¿Qué pasa cuando se enteran?
La ruptura, cuando sucede, tiende a ser personal. Aproximadamente ocho meses antes de hablar con People Managing People, Mike Rolfe, vicepresidente de Producto de Outbuild —una plataforma de programación para construcción— desplegó un sistema agentico en operaciones de éxito del cliente que podía monitorear autónomamente el estado de las cuentas, programar llamadas en nombre de los CSM y redactar informes de riesgo de renovación sin que nadie los activara.
La dirección fue informada, pero el equipo más amplio de servicio al cliente no, en parte porque internamente todo el mundo seguía llamándolo una "automatización" en vez de lo que realmente era.
«Un CSM entró en una llamada con un cliente y el cliente mencionó una reunión que ya habían programado, que el CSM nunca había fijado.»
El daño a la confianza dentro del equipo tardó semanas en repararse. Ahora su regla es que, en el momento en que un sistema de IA realiza una acción que otra persona puede ver, la persona cuyo nombre está vinculado a esa acción debe saberlo antes de que ocurra.
Su equipo también dejó de usar por completo la palabra "automatización", reemplazándola con descripciones claras. Por ejemplo: "el sistema reservará las reuniones por ti y notificará al cliente bajo tu nombre".
Esto se debe a que, especialmente en la cultura de la construcción, el lenguaje tecnológico vago no genera un consentimiento informado. Crea las condiciones exactas para el tipo de situación que vivió su CSM.
La responsabilidad es una tarea humana
Steven Betito, COO y responsable de protección de datos en Elestio, también lo ha visto de primera mano.
Cuando su equipo integró IA agente en las operaciones diarias, incorporaron la transparencia desde el principio. Cada agente tenía un rol documentado y fue presentado al equipo explícitamente como una IA, lo que significaba que nadie tenía dudas sobre con qué estaba interactuando. Lo que no establecieron lo suficientemente pronto fue una estructura clara de escalamiento.
«En los primeros meses, no formalizamos rutas de escalamiento. Un compañero humano enviaba un correo a un agente con una solicitud ambigua, el agente interpretaba lo mejor que podía y el resultado a veces llegaba a producción sin una revisión humana clara.»
La solución fue sencilla cuando identificaron el problema. Ahora, toda acción de un agente por encima de un umbral definido requiere un aprobador humano identificado, pero la lección quedó clara. Ser transparente sobre qué es un agente no produce automáticamente la responsabilidad por lo que hace. Son problemas distintos y necesitan soluciones separadas.
La confianza brilla por su ausencia
El informe "Estado Global de la IA en el Trabajo 2025" de Asana, que encuestó a más de 2,000 trabajadores del conocimiento en EE. UU. y Reino Unido, encontró que el 62% considera a los agentes de IA como poco confiables.
Más revelador es lo que hay detrás de ese número, ya que el 82% de los trabajadores dijeron que la formación adecuada es esencial para usar agentes de IA de manera efectiva, pero solo el 38% de las organizaciones la han ofrecido.
El problema aquí no es tanto que los trabajadores rechacen los agentes de IA, sino que están lidiando con una descoordinación entre lo que se les ha entregado y lo que les han enseñado, y se sienten cada vez menos relevantes a medida que la implementación se acelera.
Cuando los empleados descubren, a través de un colega, un cambio de proceso o un resultado que no pueden explicar, que los sistemas de IA han estado funcionando en sus flujos de trabajo, la reacción normalmente no es curiosidad. Es la desconfianza específica que surge de sentirse gestionados en lugar de incluidos. Y esa desconfianza no se limita al tema de la IA.
Parte del problema es de definición. "IA agente" no ha llegado a la mayoría de manuales de empleados ni a programas de formación para gerentes, aunque sí lo han hecho las propias herramientas. Muchas organizaciones han implementado agentes con nombres comerciales de proveedores —asistentes de flujo de trabajo, integraciones CRM, plataformas de programación— que no evidencian la autonomía subyacente.
Un empleado que sigue una recomendación de enrutamiento de casos puede no tener idea de que esa decisión la tomó un agente de IA y no un gerente o una regla estática.
La encuesta laboral 2025 de WalkMe (en inglés) encontró que el 78% de los empleados usan herramientas de IA no proporcionadas por su empleador, y casi la mitad han evitado revelar su uso de IA en el trabajo para evitar juicios. La adopción oculta y la opacidad institucional se alimentan mutuamente.
Solucionar esto no es un ejercicio de comunicación puntual. Lo efectivo es incorporar la transparencia en el despliegue, explicando qué hace y qué no hace un sistema antes de que entre en funcionamiento en el flujo de trabajo de un equipo, generando visibilidad continua sobre dónde actúan los agentes y brindando a los trabajadores un canal claro para alertar cuando algo les parece incorrecto.
Esa última parte es más importante de lo que reconocen la mayoría de los planes de implementación de IA.
Los empleados no son solo el público de la transparencia. Son la principal capa de detección de errores para cualquier sistema agente que opere en su área. Cuando saben qué está funcionando y entienden qué hacer si algo falla, la gobernanza funciona como fue diseñada. Cuando no, esos marcos solo existen en teoría.
