La transferencia entre humanos y la IA es más complicada de lo que las empresas creen

David Rice: La mayoría de las conversaciones empresariales sobre IA comienzan con la misma pregunta: ¿Qué podemos automatizar? Pero ese es el lugar equivocado para empezar. En el programa de hoy hablo con Paula Goldman, directora de Uso Ético y Humano en Salesforce, sobre la diferencia entre diseñar para la automatización y diseñar para la colaboración entre humanos e IA.

No son lo mismo. La automatización pregunta qué pasos puedes eliminar. La colaboración pregunta en qué podría convertirse el trabajo ahora que los seres humanos tienen una nueva capacidad a su disposición. La transferencia entre la IA y las personas tampoco es tan clara como nos gusta fingir. Cuando los clientes están enfadados, quieren hablar con una persona. Cuando están avergonzados, a menudo prefieren la IA.

Las suposiciones generales sobre dónde debe situarse esa línea harán que las organizaciones pierdan la confianza de maneras difíciles de recuperar. El argumento central de Paula es que, a medida que la IA se vuelve más poderosa, el criterio y la construcción de relaciones se vuelven más importantes, no menos. La productividad es un resultado intermedio. La pregunta más interesante es qué haces con la capacidad que crea.

Así que hoy hablaremos de por qué empezar con la automatización hace que los líderes no vean cómo el trabajo humano crea valor, cómo pensar en la transferencia entre la IA y las personas para tus casos de uso específicos, por qué ahora se pide a cada empleado que gestione la IA con la misma falta de formación que recibieron los directivos en el pasado, y cómo es en la práctica diseñar para el florecimiento humano.

Soy David Rice. Esto es People Managing People y, si tu estrategia de IA está organizada en torno a lo que puedes automatizar en lugar de aquello en lo que podría convertirse el trabajo, esta conversación reformulará toda la cuestión. Empecemos.

Conoce Teamflect, la plataforma de gestión del desempeño y compromiso de los empleados mejor valorada, creada para Microsoft Teams.

Más de mil organizaciones confían en ella. Una solución fácil de usar y, al mismo tiempo, de nivel empresarial. Visita Teamflect.com para obtener más información.

Bueno, Paula, bienvenida al programa de hoy.

Paula Goldman: Gracias por invitarme.

David Rice: Quería empezar la conversación en torno a algo que sabes: gran parte de la conversación empresarial sobre IA todavía comienza con alguna versión de «Bueno, ¿qué podemos automatizar?»

¿Verdad? Tú sostienes que diseñar para la automatización y diseñar para la colaboración entre humanos e IA son cosas fundamentalmente diferentes. Y si empezamos con la automatización como objetivo, ¿qué hace que los líderes no vean sobre el trabajo humano y cómo crea valor?

Paula Goldman: Gracias. Creo que has planteado muy bien la pregunta y creo que tiene varias partes.

Una es simplemente la diferencia entre un resultado transformador y un pequeño aumento de la eficiencia. Pero debemos preguntarnos: «¿Qué hace posible la IA para nuestras empresas? ¿Cómo podemos deleitar aún más a nuestros clientes, empleados, etcétera?». Pero creo que, incluso en un nivel más básico, la pregunta también consiste en reconocer dónde la interacción humana es fundamental para que un resultado tenga éxito.

Por ejemplo, dónde la conexión entre la persona que responde al teléfono y quien ha llamado marcará la diferencia entre un cliente realmente decepcionado y uno encantado, o dónde la orientación humana a un empleado marcará la diferencia entre la motivación y el crecimiento, o no, ¿verdad?

Y creo que podríamos entrar en muchos detalles, pero hemos subestimado enormemente por qué eso es importante. La IA es muy poderosa. Podemos hacer muchísimas cosas con ella. Pero la pregunta correcta es: ¿cómo conseguimos que las personas y la IA trabajen bien juntas para obtener resultados responsables y extraordinarios, no simplemente dónde podemos incorporar la IA?

David Rice: Parte de nuestro problema a veces es que la eficiencia y el valor tienden a ser un poco sinónimos en nuestra mente, pero un flujo de trabajo puede volverse mucho más eficiente y, al mismo tiempo, ser peor produciendo cosas que importan: confianza, aprendizaje, creatividad y criterio, ¿verdad? La automatización tiende a tratar el flujo de trabajo existente como la unidad de análisis.

¿Qué pasos podemos eliminar? La colaboración, creo, plantea una pregunta diferente: «¿En qué podría convertirse este flujo de trabajo ahora que los seres humanos tienen a su disposición un nuevo tipo de capacidad?»

Paula Goldman: Creo que lo has expresado muy bien.

David Rice: Creo que esto es especialmente relevante para los directores de Recursos Humanos porque un responsable de finanzas verá que se libera un veinte por ciento de capacidad.

Recursos Humanos debe preguntarse qué ocurre con la experiencia profesional y con el sistema organizativo alrededor de esa capacidad. Así que creo que este es uno de los grandes asuntos con los que tenemos que lidiar ahora mismo. Has hablado de diseñar la transferencia entre la IA y las personas. Pero ese límite no es tan sencillo como decir que la IA gestiona el trabajo rutinario y las personas el trabajo complejo.

Lo decimos, pero no creo que sea tan limpio. Y a veces las personas prefieren la IA para interacciones realmente sensibles, mientras que otros momentos aparentemente sencillos dependen enormemente de la conexión humana. Me interesa saber, en tu opinión, ¿cómo deberían determinar las organizaciones dónde se sitúa ese límite en lugar de hacer suposiciones generales?

Paula Goldman: No es que esa especie de verdad establecida —dejar que la IA gestione lo rutinario y que las personas gestionen lo complejo— sea incorrecta. En realidad, es un punto de partida bastante bueno. Pero cuando empiezas a observar casos de uso individuales, ahí es donde se vuelve muy interesante, ¿verdad? Tomemos, por ejemplo, el servicio de atención al cliente.

Es cierto: si la IA nunca ha visto una pregunta antes y no tiene datos sobre la respuesta, probablemente no debería gestionarla. Pero también hay otras reglas prácticas. Si algo está muy regulado, como One Eight Hundred Accountant, que ofrece asesoramiento financiero a pequeñas empresas, cuando entran en una categoría regulada, como el asesoramiento fiscal, quieren que lo gestione una persona.

Pero cuando empiezas a pensar en la emoción del cliente o en la conexión emocional, ahí es donde se vuelve realmente interesante. Hay muchísimos estudios y datos que indican que, cuando los clientes están enfadados, generalmente quieren hablar con una persona. Cuando están avergonzados, por ejemplo, por una enfermedad o por algo que no quieren que parezca que se está juzgando, existe una ligera preferencia por la IA.

Y creo que comprender realmente esas tendencias y preferencias —dónde quieren hablar las personas con otras personas y dónde no— es muy importante porque, si seguimos con el ejemplo del servicio de atención al cliente, no se trata solo de una cuestión de eficiencia: aquí es donde conservas a tu cliente o lo pierdes, ¿verdad?

Y no tienes muchas oportunidades para conseguirlo. Por eso creo que apenas estamos empezando a arañar la superficie de cómo funciona realmente la colaboración, y prestar atención al lado humano es muy importante.

David Rice: Sí, quizá la distinción no sea tan sencilla como decir que no es simple frente a complejo, sino que en realidad consiste en qué quieren las personas de esta interacción, ¿verdad?

Has mencionado que, cuando están enfadadas, quieren hablar con un ser humano. También creo que, si sienten vergüenza o miedo a ser juzgadas, la IA puede parecer un poco más segura psicológicamente que una persona, simplemente porque hemos tenido ese tipo de interacciones a lo largo de nuestra vida en las que los seres humanos nos hicieron sentir incómodos.

O nos hicieron sentir raros. Me interesa porque eso sugiere que las organizaciones necesitan investigar a los usuarios, no solo cartografiar procesos, antes de decidir dónde deben intervenir las personas. Tampoco diría que el problema del límite sea permanente. Al principio, la gente puede querer la tranquilidad de una persona y luego sentirse cómoda con la IA, o puede ocurrir lo contrario.

Así que, en cierto modo, es una cuestión de elección. Creo que estamos utilizando la complejidad de la tarea como sustituto para determinar dónde aportan valor las personas. ¿Crees que la consecuencia emocional es en realidad una variable mejor?

Paula Goldman: Creo que ambas son variables muy importantes, ¿verdad? Y que ignorar el aspecto de la conexión humana probablemente tendrá consecuencias negativas.

Creo que ambas cosas son muy valiosas y deben tenerse en cuenta. También creo que tienes razón: las cosas cambiarán. Con el tiempo, las personas pueden acostumbrarse más a interactuar con la IA, y la IA, evidentemente, está mejorando y haciéndose cada vez más poderosa. Pero también podría ocurrir que las personas valoren más la conexión humana.

Que importe más. Que, a medida que consumidores y empleados utilicen más la IA y la empleen para filtrar lo que reciben —mensajes de marketing y demás— tengamos cada vez menos puntos de contacto humanos, y estos importen mucho más.

Por eso creo que es un poco difícil predecir cómo se desarrollará todo esto, pero, después de escribir el libro, tengo muchísima confianza en que estamos subestimando la importancia del lado humano de la interacción.

David Rice: Me contaste una historia estupenda cuando hablábamos antes sobre trabajadores sociales que se resistieron a una herramienta de IA diseñada para evitarles tener que volver a la oficina después de las visitas sobre el terreno, y los líderes consideraban ese desplazamiento una ineficiencia.

Los trabajadores lo veían como el momento en el que procesaban juntos los casos difíciles. Para mí, eso contiene una lección mucho más amplia para los directores de Recursos Humanos: ¿cómo distingues el desperdicio de esas interacciones humanas aparentemente ineficientes que en realidad son las que más influyen en la confianza, el aprendizaje, el criterio y la resiliencia?

Paula Goldman: Exacto. Y ese era un buen ejemplo de la importancia de comprender realmente ese ritual. La gente sale al terreno y se encuentra con casos difíciles. A veces son cosas que nunca ha visto antes. A veces son situaciones que pueden tener un coste emocional para el trabajador. Quiere volver y procesarlo y aprenderlo juntos porque quizá un compañero ya se ha enfrentado a algo parecido.

La cuestión no es que la IA no pueda ayudarte a tomar esas notas o realizar ese proceso, sino cómo puede apoyar mejor tanto la eficiencia como el aprendizaje colaborativo que tiene lugar allí. Ahí es donde un pequeño ajuste, consistente en comprender realmente que el objetivo no es solo ahorrar tiempo, sino aumentar el aprendizaje del equipo, puede marcar una gran diferencia.

Se trata de obtener las mejores respuestas para atender a las personas que reciben apoyo de esos trabajadores sociales y demás. Es un pequeño cambio que podría producir una diferencia increíble. En el caso de la historia que te conté, ocurrió en un ayuntamiento del Reino Unido, donde el programa piloto fue rechazado.

Y, de nuevo, un pequeño ajuste para convertirlo en una implementación más centrada en las personas habría permitido conservarlo, mantener la eficiencia y preservar también todo el aprendizaje asociado.

David Rice: Pasamos décadas hablando de la fricción como algo malo y de cómo eliminarla, ¿verdad? Y ahora la IA nos proporciona un poder sin precedentes para hacerlo.

Pero creo que vamos a descubrir algo más. Hace algo más de un año hablé con un autor que hablaba de la fricción positiva y de que es algo real. Así que el trayecto de vuelta a la oficina parecía un desperdicio de transporte cuando se observaba en un mapa de procesos.

Pero, en realidad, era supervisión entre compañeros, la posibilidad de desconectar juntos y compartir conocimiento informal. Creo que encontraremos ejemplos parecidos en todas partes: empleados júnior que escuchan a compañeros sénior, las conversaciones que tienen lugar después de las reuniones o preguntar a la persona que se sienta a tu lado cómo resolvería algo.

Estas interacciones son invisibles, pero su valor para el retorno de la inversión y el desarrollo de los empleados es incalculable. Creo que ahí hay una conexión con el trabajo repetido.

Paula Goldman: Estoy de acuerdo. De hecho, creo que has señalado dos cosas muy importantes. Una es el valor de los distintos rituales que pueden tener lugar en un entorno laboral y la importancia de prestarles atención.

Pero también has hablado del valor de la fricción positiva, y estoy totalmente de acuerdo. En Salesforce lo llamamos fricción consciente. Es el mismo concepto: la IA es muy poderosa, y la tecnología también. Puede encontrar respuestas en muchos ámbitos diferentes. Pero hay lugares en los que la diferencia entre un resultado satisfactorio y uno fallido es que un ser humano intervenga con criterio.

Una de las cosas a las que dedico mucho tiempo cada día es identificar esos momentos en los que realmente quieres animar a alguien a revisar algo una segunda vez. Puede deberse a que se trata de una decisión con consecuencias importantes que la IA está recomendando, por ejemplo, en un contexto de selección de personal o al evaluar a alguien para concederle un préstamo, donde realmente quieres supervisión humana.

Pero también puede ser algo tan sencillo como querer que alguien participe de verdad, porque eso marcará una gran diferencia. Hay que hacerlo con mucho cuidado, pero creo que la idea de que la fricción es mala no es universalmente cierta. Hay lugares en los que necesitamos claramente fricción en el sistema.

David Rice: Creo que una vez oí a alguien llamar a esto «ineficiencias estructurales», lo que me pareció una forma divertida de expresarlo.

Pero me pregunto si corresponde al director de Recursos Humanos identificar qué ineficiencias son esas. Usamos «ineficiencias» entre comillas porque quizá no lo sean en la realidad.

Paula Goldman: Sí, exactamente.

David Rice: ¿Corresponde al director de Recursos Humanos identificar cuáles son antes de permitir que la transformación mediante IA las elimine sin más?

Paula Goldman: Es una pregunta muy interesante. Quiero empezar diciendo que el papel de Recursos Humanos es esencial para ayudar a todas las funciones de una empresa a utilizar la IA de forma que obtengan los mejores resultados. Eso implica todo tipo de cosas para la organización de Recursos Humanos y muchos tipos nuevos de responsabilidades.

Sin embargo, también creo que, en cierto modo, esta cuestión debe delegarse en cada función, porque son ellas las que lo saben. El área de marketing sabe realmente dónde importan la creación de tendencias y la autenticidad humana en los mensajes que elaboramos, y dónde podemos simplemente pedir a la IA que personalice un mensaje de veinte mil formas diferentes para veinte mil clientes.

¿Y cómo encontramos la combinación adecuada? Son ambas cosas. Lo extraordinario es que, de repente, la IA está en todas partes. Ya no se trata solo de una o dos aplicaciones que utiliza una empresa. Al menos en el contexto de Salesforce, está profundamente integrada en todo lo que hacemos y en todas las funciones.

Por eso necesitas personas expertas en esas funciones que determinen cuáles son los casos de uso principales, y necesitas que Recursos Humanos participe activamente y piense cómo garantizar que la experiencia humana esté realmente presente y sea central para lograr los mejores resultados.

David Rice: Una consecuencia de lo que hablamos antes es que los empleados no pueden ser simplemente los receptores de la transformación mediante IA.

Tienen información sobre el trabajo que quizá no poseen las personas que diseñan estas transformaciones. Por tanto, las organizaciones no pueden rediseñar cada flujo de trabajo mediante un comité. Me interesa saber cómo es una participación significativa de los empleados sin ralentizar la transformación hasta un punto que incomode a los ejecutivos.

Paula Goldman: Sí. Es una pregunta justa, pero no creo que los trabajadores deban tener necesariamente la última palabra. Una de las cosas que digo en mi libro es que los trabajadores deben sentarse a la mesa. La historia de la que hablábamos sobre los trabajadores sociales es un buen ejemplo de por qué no hacerlo resulta contraproducente. Pero hay formas de hacerlo que, en realidad, aceleran los resultados y permiten anticipar los problemas antes de que se vuelvan enormes.

Por ejemplo, en Salesforce y con mi equipo hacemos cosas como hackatones en los que los empleados proponen ideas para utilizar la IA. Uno de mis ejemplos favoritos es el de unos empleados neurodivergentes que idearon formas de usar la IA en Slack para no sentirse abrumados por las distintas formas de información que recibían.

Al final utilizamos esas ideas para crear el modo de concentración de Slack. Hay muchísimos ejemplos de cómo involucrar a las personas aumenta ese tipo de innovación. Y no se trata solo de hackatones: también consiste en pedir opiniones dentro de la aplicación, involucrar a las personas en la lluvia de ideas sobre qué aplicaciones serán realmente importantes y escuchar sus comentarios.

El objetivo no es simplemente implantar la IA y decir «debes adoptarla». Se trata de cómo la utilizan las personas en su trabajo diario para obtener mejores resultados. Y la verdad es que las personas más cercanas al trabajo saben cómo hacerlo.

Hay otra historia en el libro sobre una amiga mía, Amanda Ballantyne, que dirigía la innovación para la AFL-CIO. Me contaba que había visitado una fábrica de Stellantis donde existía una colaboración en la que los trabajadores de la planta enseñaban a otros trabajadores a trabajar con robots.

Como realmente lo habían hecho y habían trabajado con robots, una de las instructoras había creado su propia aplicación para los alumnos sobre cómo solucionar problemas del robot. Eso nace de la experiencia real. Ayuda a impulsar la eficiencia y demuestra por qué no basta con implantar la tecnología como un mandato de arriba abajo.

Hay que involucrar realmente a las personas, y así se obtendrán resultados mucho mejores.

David Rice: Creo que existe cierta reticencia a hacerlo, pero todos deben tener presente que hay una gran diferencia entre que los empleados tengan poder de veto y que aporten inteligencia para el diseño. Los empleados de primera línea conocen aspectos que muchas veces no aparecen en los procedimientos operativos estándar. Tienen flujos de trabajo ocultos.

Paula Goldman: Exacto. A veces la IA puede captar ese conocimiento tácito y ayudar a ponerlo a disposición de más personas, lo cual es estupendo. Y otras veces hay cosas que no van a aparecer: no están codificadas explícitamente. Se trata de leer la sala, de comprender cómo se ha hecho algo durante años y de averiguar cómo hacerlo. Por eso quieres esa experiencia.

Eso te proporcionará resultados mucho mejores.

David Rice: Yo lo plantearía menos como participación y casi menos como consulta a los empleados, y más como recopilación de requisitos. Hay un argumento relacionado con la adopción: las personas tienen más probabilidades de utilizar un sistema cuando reconocen su realidad en el diseño.

Paula Goldman: Totalmente. Es una forma estupenda de plantearlo.

David Rice: Lo vemos con distintos tipos de tecnología. Es una preocupación legítima. Mi pregunta sería: ¿cómo distingues el conocimiento legítimo de primera línea de una resistencia que básicamente significa «no quiero que mi trabajo cambie»?

Paula Goldman: Es algo muy importante y me alegra que lo preguntes. Estamos atravesando una transformación enorme en la forma de trabajar. El cambio es difícil, y por eso involucrar a las personas, darles un sitio en la mesa y comprender realmente sus necesidades produce mejores resultados.

Estamos pidiendo a la gente que cambie su manera de trabajar. Es fácil subestimar la enorme curva emocional que atraviesan y el conocimiento que debe incorporarse. Una de las preguntas que hemos tratado es qué debe seguir siendo humano.

Hay que recabar opiniones sobre eso. No significa que cada opinión determine el resultado, pero sí escuchar de verdad y comprender dónde el criterio, la construcción de relaciones o la resolución de casos excepcionales marcan una gran diferencia.

Involucrar a las personas en el diseño de cómo debe ser el trabajo cambia mucho las cosas. La gente necesita ser acompañada y convencida, y debe ver que el cambio mejorará realmente el trabajo. Cuando lo ve, resulta muy emocionante. Pero es difícil: es gestión del cambio.

David Rice: Sí, absolutamente. Hay otra dimensión de la colaboración entre humanos e IA que cada vez veo más como tema de conversación.

Si transferimos sistemáticamente determinadas tareas cognitivas a la IA, no solo estamos rediseñando puestos de trabajo. También podemos estar rediseñando la forma en que las personas desarrollan su experiencia y su capacidad para influir en lo que sale del lugar de trabajo.

¿Cómo deberían pensar los líderes en lo que las personas deben seguir haciendo? No porque la IA no pueda hacerlo —creo que en algún momento probablemente hará todas las cosas mejor que nosotros—, sino porque hacerlo es la manera en que las personas desarrollan el criterio que necesitan para tener éxito en sus funciones. Hay una diferencia entre si la IA puede realizar una tarea y si las personas deberían dejar de realizarla.

Paula Goldman: Sí, al cien por cien. Para empezar, creo que has señalado varios puntos importantes. Empecemos por la diferencia entre si la IA puede hacerlo y si debería hacerlo. En el servicio de atención al cliente y en otros contextos, esa diferencia puede marcar la distancia entre el éxito y el fracaso.

Pensaba desde la perspectiva de Recursos Humanos en tecnologías que ayudan a los directivos a elaborar evaluaciones de desempeño y comentarios más completos. Pero hay una diferencia entre que la IA ayude a recopilar información y que un directivo asuma la responsabilidad de la evaluación y la comunique, porque eso marca la diferencia entre la motivación y la falta de ella.

Por eso animas a alguien a reunirse más a menudo con su equipo en lugar de hacer que la IA se reúna por él. No funciona igual. La distinción entre poder hacerlo y deber hacerlo es muy importante.

Y la cuestión del desarrollo de la experiencia es crucial. Por eso vemos nuevas formas de aprendizaje, un resurgimiento de la conversación sobre los programas de aprendices y más interés por la formación y las competencias.

Creo que esta cuestión será diferente dentro de cinco o diez años. Como analogía, cuando aparecieron las hojas de cálculo hubo preocupación por que la gente perdiera experiencia en la realización de cálculos. Todavía necesitas conocer los fundamentos, pero luego te acostumbras a la tecnología y encuentras formas de comprobar dos veces el resultado: saber en qué puedes confiar y en qué no.

Por ese motivo también empezamos a ver nuevos puestos en los que aprendes los fundamentos supervisando la IA. Por ejemplo, si utilizas IA en ventas y observas cómo responde a las preguntas entrantes, puedes ver qué funciona, qué no funciona y cómo mejorarlo. Tendrán que surgir nuevas formas de aprender el negocio porque la IA está cambiando la manera de hacer negocios.

David Rice: Somos de una generación que creció con experiencias que construyeron esa experiencia profesional. Creo que ahora tenemos que decidir que algunas tareas quizá deban seguir siendo deliberadamente humanas como tareas de formación, aunque la IA pueda hacerlas más rápido. Eso crea una pregunta económica incómoda, porque el director financiero terminará preguntando: «De acuerdo, ¿quién paga por tu ineficiencia de desarrollo?»

Y creo que será difícil responder.

Paula Goldman: Pero, como dijiste antes, creo que esa es una forma equivocada de plantear la eficiencia. Estamos hablando de que las personas aprendan a gestionar sistemas de IA, y hay muchos ejemplos de por qué esa gestión, ese criterio y esa supervisión marcan una enorme diferencia en el resultado.

No se trata de una ineficiencia. Al contrario: vas a realizar una inversión enorme en IA, así que será mejor que tengas personas que conozcan el negocio y sepan decidir qué tareas delegar en la IA y cuáles no. Cuando tienes ambas cosas, las posibilidades son enormes.

Cuando no las tienes, estás invirtiendo dinero en un problema sin resolverlo. Para mí, esta es una forma mucho mejor de pensar en la cuestión de la eficiencia.

David Rice: Estoy de acuerdo. Mi preocupación es que hablamos de competencias que desarrollas porque podrías necesitarlas y formarán parte de tu trabajo dentro de cinco años.

Pero las personas a las que tienes que convencer están acostumbradas a pensar en trimestres y ganancias a corto plazo. Hay mucho cortoplacismo en el mercado. Me pregunto cómo convencerlas de que debemos conservar esas tareas porque serán cada vez más importantes a medida que la tecnología se desarrolle y la integremos más.

Paula Goldman: También hemos visto ejemplos en los que se transformaron completamente distintas funciones y luego se volvió atrás para decir: «En realidad, los seres humanos tienen aquí un papel enorme». Estamos aprendiendo esta lección, y no creo que esas cosas estén realmente en conflicto.

Cuando defines correctamente el papel humano y enseñas a las personas a gestionar la tecnología que está cambiando la forma de trabajar, obtienes mejores resultados mucho más rápido.

David Rice: La mayoría de los casos de negocio relacionados con la IA captan bastante bien lo que desaparece: las horas ahorradas, las tareas automatizadas y la capacidad creada en la plantilla.

Creo que miden peor lo que podría desaparecer junto con ello: la transferencia de conocimiento tácito, las relaciones, el criterio, la tutoría e incluso esos momentos informales en los que las personas dan sentido juntas al trabajo difícil. ¿Crees que nuestra definición actual del retorno de la inversión de la IA subestima sistemáticamente ese lado humano del trabajo?

Paula Goldman: Está cambiando, pero sí. Por eso una de las tendencias que me interesan es que empezamos a medir el retorno de la inversión de la IA según los resultados, en lugar de limitarnos a preguntar cuántas horas se han ahorrado. Por ejemplo, cuántas llamadas de clientes resolvió realmente.

Si utilizas IA para la formación, ¿han mejorado realmente las competencias de las personas? Si la utilizas en un contexto jurídico para investigar, ¿ha mejorado de forma medible la calidad de los escritos que presentas? ¿O estás obteniendo alucinaciones que se presentan ante un tribunal y provocan sanciones al abogado?

Cuando cambias la forma de observarlo y utilizas una métrica integral, empiezas a tener en cuenta tanto lo que la IA puede hacer como lo que no puede hacer, dónde necesitas personas supervisando y comprobando las cosas, dónde necesitas criterio humano y dónde necesitas que las personas aprendan mientras trabajan.

Creo que eso es muy positivo y estoy bastante segura de que ese será nuestro destino: medir resultados empresariales más integrales. Al hacerlo, invertiremos mejor en tecnología y tendremos una hoja de ruta más clara sobre cómo deben evolucionar los puestos de trabajo de las personas de una manera estimulante y empoderadora, que les dé más poder y más oportunidades para hacer cosas más grandes y mejores en el trabajo.

David Rice: Sí, estoy de acuerdo.

Creo que nos estamos alejando de medir únicamente el uso. Últimamente he tenido varias conversaciones sobre esto. Estamos empezando a ver que la gente dice: «Eso no es suficiente». Hay ganancias cuantificables, pero también pérdidas difusas con ciertas cosas.

Las horas ahorradas se pueden medir de inmediato. Pero si hablamos de un criterio más débil, quizá no puedas detectarlo durante uno o dos años. Existe una asimetría: el beneficio se registra ahora, pero el coste de capacidad se aplaza. Cada vez más personas se están dando cuenta de que tienen que medirlo de otra manera.

Paula Goldman: Incluso algo como la satisfacción del cliente. La IA puede responder a todas las preguntas de tus clientes, pero eso no significa que vayas a cerrar la venta o que el cliente esté satisfecho con el servicio recibido.

La IA es muy poderosa y puede hacer muchas cosas. Solo tienes que medirlo de la forma correcta para obtener el equilibrio adecuado: identificar dónde quieres realmente que intervengan las personas y por qué importa.

David Rice: Mi pregunta de seguimiento sería: ¿qué medirías realmente? Hace poco escribí un artículo titulado «¿Puedes medir el criterio?» He oído a gente decir que no se puede medir el criterio, pero hemos visto que existen señales y comportamientos que se pueden medir.

Si decimos que es difícil medirlo, la eficiencia ganará todas las discusiones. Así que, si quisieras demostrar los efectos a largo plazo y aprobar un presupuesto enorme de transformación, ¿qué debería aparecer en el caso de negocio que hoy no aparece?

Paula Goldman: Pensemos primero desde la perspectiva del cliente y después internamente. Desde el punto de vista del cliente, puedes y debes medir las horas ahorradas. Pero también debes medir la satisfacción del cliente, la pérdida de clientes y cuántos clientes conviertes gracias a los esfuerzos de ventas, estén asistidos y aumentados por IA o no.

Ninguna de esas cosas es nueva. Son formas integrales con las que ya medimos nuestro negocio. Estamos atravesando un momento extraño en el que estamos obsesionados con la IA y nos concentramos en una sola intervención.

Cuando la integras realmente en el sistema y observas esos aspectos, comprendes que necesitas una combinación de estrategias. Quieres que el cliente llegue a tu sitio web, pueda hacer cualquier pregunta sobre tu producto y sea derivado a una persona cuando sea necesario. Si es una transacción sencilla, puede realizarla en línea. Si es más difícil, puedes derivarla a alguien que cierre el acuerdo y ayude al cliente a comprender y reformular el problema que está experimentando.

No creo que necesitemos métricas nuevas. Creo que necesitamos aplicar las que ya tenemos y hacerlo con sensatez.

David Rice: Estoy de acuerdo. Antes de esta conversación dijiste algo que me gustó mucho: «La tecnología es poderosa, pero no es la protagonista. Los protagonistas somos nosotros». Si nos tomamos eso en serio, el objetivo de la transformación mediante IA no puede ser simplemente hacer que las personas sean más productivas.

Entonces, ¿en qué deberían querer las organizaciones que las personas mejoren a medida que las máquinas se vuelven más capaces?

Paula Goldman: Permíteme retroceder un momento. ¿Por qué escribí un libro? Me hago esa pregunta a menudo y mi marido me la hace constantemente. Empecé a sentirme preocupada porque, durante la última ola de IA, muchos amigos muy inteligentes se pusieron en contacto conmigo y estaban muy nerviosos. Me preguntaban, aunque no exactamente con esas palabras: «¿Seguimos importando? ¿Nos estamos volviendo obsoletos?»

A través de mis conversaciones con tantos clientes y de observar la tecnología a lo largo del tiempo, me quedó claro que la realidad era justo la contraria. A medida que la IA se vuelve más poderosa, el criterio y la construcción de relaciones se vuelven cada vez más importantes. Lo que está ocurriendo es que todos nos estamos convirtiendo en gestores de la IA.

Vamos a tener que gestionarla. Nos estamos convirtiendo en personas potenciadas y, para poder hacerlo, necesitamos gestionar eficazmente la tecnología, comprender en qué es buena y en qué no, y saber cuándo intervenir. Esto responde directamente a tu pregunta, porque no se trata de construir un caballo más rápido.

Se trata de imaginar qué es posible cuando la IA puede personalizar interacciones a una escala enorme en marketing, responder a las preguntas iniciales de los clientes o proporcionar a todos tus empleados la información que necesitan sobre sus beneficios. Entonces puedes dedicar ese esfuerzo a otra cosa.

¿Qué es posible? Todo lo que acabo de mencionar se convertirá en lo mínimo exigible. Lo importante es contar con personas en esos puestos que sepan aprovechar esas eficiencias y hacer algo mejor por sus clientes o empleados. Por eso es tan importante que las personas no solo sean competentes en IA, sino que también tengan criterio y libertad para pensar en cosas nuevas.

Ese es el momento en el que estamos. No se trata de un caballo más rápido, sino de un negocio reinventado. Por eso me apasiona tanto esta conversación.

David Rice: Estoy de acuerdo. Cada vez escucho a más líderes comprender que esto es una decisión de diseño organizativo, en lugar de aceptar simplemente la consecuencia inevitable de que esta tecnología entre en el lugar de trabajo.

También escucho a más personas decir que no se trata necesariamente de que todo el mundo tenga la respuesta, especialmente los líderes. Los líderes se están dando cuenta de que no tienen todas las respuestas. Pero un buen líder puede formular las preguntas correctas. Se trata del criterio, de definir los problemas y de generar confianza para que las personas se sientan libres de asumir responsabilidades.

La productividad es un resultado intermedio, pero no creo que sea el objetivo final. La pregunta más interesante es qué hacemos con la capacidad que crea.

Paula Goldman: Exactamente. Y, por cierto, la productividad es muy importante. No estoy restándole importancia. Solo digo que, incluso en esta etapa intermedia, hemos visto todos estos desastres de la IA. Necesitas personas que la supervisen y que comprendan los límites de dónde debe intervenir la IA y dónde deben hacerlo las personas.

También necesitas personas con poder para reinventar las cosas y mantener a sus clientes y empleados en el centro de la transformación. Creo que esas son las empresas que triunfarán.

Ya lo estoy viendo.

David Rice: Estoy viendo cómo se rediseñan los puestos de trabajo, y creo que los directivos son un gran ejemplo. Si la IA puede eliminar los informes y el trabajo administrativo asociado a la gestión, entonces empiezas a querer algo diferente de tu directivo. Quieres que sea un mejor orientador y que ayude más a sus subordinados directos.

Eso les da la oportunidad de hacerlo, pero también crea un marco diferente sobre lo que buscas realmente en un directivo. Durante los últimos cincuenta o cien años hemos tenido esta idea de que alguien era muy bueno en su trabajo individual y por eso se convertía en directivo.

Después resulta que no tiene la personalidad adecuada para orientar a otras personas. Ahora puedes liberar ese potencial. No tiene que ser brillante en el trabajo individual; si es bueno compartiendo conocimientos y ayudando a otros a encontrar una manera mejor de hacer las cosas, ese es su papel como directivo.

Paula Goldman: Eso que acabas de decir es una de mis grandes preocupaciones. Estamos en un momento en el que, aunque no lo expresemos así, estamos pidiendo a casi todos los empleados que gestionen la IA. Les damos una formación igualmente insuficiente y les decimos: «Adelante».

Esa fue una de mis motivaciones para escribir el libro. Pero, más ampliamente, lo que has dicho es un gran ejemplo. Pensaba en mi propio directivo cuando empecé a escribirlo. Se llamaba John Stormer y, cuando le conté la idea, no formaba parte de mi trabajo diario.

No me dijo que fuera una mala idea ni intentó desviarme sutilmente. Simplemente alimentó mi imaginación, me enviaba pódcast y artículos de prensa, y transmitía discretamente la convicción de que era algo importante. De esa convicción nació el libro y obtuve la confianza para compartir esta perspectiva con el mundo.

Subestimamos cuánto importa realmente ese tipo de conexión. Nadie me pidió que escribiera el libro. Surgió de un lugar de inspiración y conexión que no solo él, sino muchas personas de mi comunidad, ayudaron a cultivar. Eso es lo que no queremos perder cuando la IA se vuelva cada vez más poderosa.

Queremos diseñar ese tipo de conexión dentro del trabajo, no solo conservarla, sino hacerla más habitual. Esa oportunidad me emociona profundamente. Eso es lo que queremos perseguir.

David Rice: Estamos en el mismo barco. Paula, ha sido una conversación estupenda. Te agradezco que hayas compartido parte de tu tiempo con nosotros hoy.

Paula Goldman: Gracias por invitarme y por hacer preguntas tan buenas. Me ha encantado.

David Rice: Oyentes, si todavía no lo habéis hecho, os recomendamos visitar AI Signal. Cada semana ofrecemos una sesión informativa para ejecutivos con aquello en lo que debéis pensar esa semana: puede ser una cuestión de atención, una pregunta que debáis plantear en vuestra próxima reunión del equipo directivo o una herramienta para evaluar el trabajo que se está realizando.

Aseguraos de suscribiros. Y hasta la próxima, pensad en las posibilidades. Aquí estamos rediseñando el trabajo.

Realiza evaluaciones de desempeño y lleva los análisis del compromiso de los empleados a tu herramienta de IA favorita. Conecta Teamflect con ChatGPT, Claude o cualquier modelo de lenguaje de gran tamaño para revisar objetivos, redactar evaluaciones, valorar comentarios, crear tareas y mucho más, todo mediante un sencillo chat. Prueba Teamflect gratis ahora.