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

David Rice: La mayoría de las conversaciones empresariales sobre IA comienzan con la misma pregunta: ¿Qué podemos automatizar? Pero ese es el punto de partida equivocado. 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 y la IA.

No son lo mismo. La automatización pregunta qué pasos se pueden 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 sienten vergüenza, 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 potente, el criterio y la creación de relaciones adquieren más importancia, no menos. La productividad es un resultado intermedio. La pregunta más interesante es qué hacemos con la capacidad que genera.

Así que hoy hablaremos de por qué empezar por la automatización hace que los líderes pasen por alto cómo el trabajo humano crea valor, cómo pensar en la transferencia entre la IA y las personas para casos de uso específicos, por qué ahora se pide a cada empleado que gestione la IA con la misma falta de formación que recibieron en su día los directivos, 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 en torno a en qué 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 que ocurre mucho: 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 y la IA son cosas fundamentalmente distintas. Y si comenzamos con la automatización como objetivo, ¿qué hace que los líderes pasen por alto sobre el trabajo humano y sobre cómo crea valor?

Paula Goldman: Gracias. Creo que has formulado 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 deberíamos preguntarnos: «¿Qué hace posible la IA para nuestras empresas? ¿Cómo podemos deleitar aún más a nuestros clientes, empleados y demás?». Pero creo que, incluso en un nivel más básico, la cuestión consiste también 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 llama marcará la diferencia entre un cliente realmente decepcionado y uno encantado, o dónde la orientación humana para un empleado marcará la diferencia entre la motivación y el crecimiento, o la ausencia de ambos, ¿verdad?

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

David Rice: Parte de nuestro problema es que, ya sabes, 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 a la hora de producir 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, formula 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 director financiero verá que se libera un veinte por ciento de capacidad.

Recursos humanos tiene que preguntarse qué ocurre con la experiencia profesional y con el sistema organizativo alrededor de esa capacidad. Creo que esta es una de las grandes cuestiones con las 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 se ocupa del trabajo rutinario y las personas del trabajo complejo.

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

Paula Goldman: No es que esa idea tan extendida de «deja que la IA se ocupe de lo rutinario y que las personas se ocupen de lo complejo» sea incorrecta. En realidad, es un punto de partida bastante bueno. Pero cuando empiezas a analizar casos de uso concretos es cuando la cuestión se vuelve muy interesante, ¿verdad? Tomemos, por ejemplo, el servicio de atención al cliente.

Es cierto: si la IA nunca ha visto una pregunta y no dispone de datos sobre su respuesta, probablemente no debería gestionarla. Pero también hay otras reglas generales. 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 las emociones 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, por lo general quieren hablar con una persona. Cuando sienten vergüenza, por ejemplo ante una afección médica o algo por lo que no quieren sentirse juzgados, 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, esto no es solo una cuestión de eficiencia: es donde conservas a tu cliente o no, ¿verdad?

Y no tienes muchas oportunidades para conseguirlo. Por eso creo que apenas estamos empezando a descubrir cómo funciona realmente la colaboración en la práctica y que prestar atención al aspecto humano es muy importante.

David Rice: Sí, quizá la distinción no sea tan sencilla como decir que algo es simple o complejo, sino que en realidad se trata de qué quieren las personas de esa interacción, ¿verdad?

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

Me pregunto 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. Puede que al principio las personas quieran que un ser humano les tranquilice y después se sientan cómodas con la IA, o que ocurra lo contrario.

Así que es una cuestión de elección, y creo que estamos utilizando la complejidad de la tarea como indicador indirecto de 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, y que ignorar el aspecto de la conexión humana probablemente tendrá consecuencias negativas.

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

Que importase más. De hecho, a medida que consumidores y empleados utilicen más la IA y la empleen para filtrar lo que reciben, como los mensajes de marketing y demás, tendremos cada vez menos puntos de contacto humanos, y estos importarán mucho más.

Por eso creo que es un poco difícil predecir cómo se desarrollará todo esto, pero, después de escribir el libro, estoy completamente convencida de que estamos subestimando la importancia del aspecto humano de la interacción.

David Rice: Me contaste una historia estupenda cuando hablamos antes de esto, sobre trabajadores sociales que se resistieron a una herramienta de IA diseñada para evitarles volver a la oficina después de las visitas sobre el terreno, y la dirección consideraba ese trayecto una ineficiencia.

Los trabajadores lo veían como el lugar donde 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 influyen más 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. Las personas salen al terreno y se enfrentan a casos difíciles. A veces son cosas que nunca habían visto. Otras veces son situaciones que pueden tener un coste emocional para ellas como trabajadoras. Quieren volver y procesarlo y aprender juntas, porque quizá su compañera ya haya visto algo parecido.

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

Se trata de encontrar las mejores respuestas para atender a las personas que reciben apoyo a través de esos trabajadores sociales. En el caso que te conté, era algo que procedía de un ayuntamiento del Reino Unido, donde el proyecto piloto fue rechazado.

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

David Rice: Pasamos décadas hablando de la fricción como algo negativo 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. Hablé hace algo más de un año con un autor que hablaba de la fricción positiva y de que es algo real. El trayecto de vuelta a la oficina parecía un desperdicio de transporte cuando lo veías en un mapa de procesos.

Pero, en realidad, era supervisión entre compañeros, la posibilidad de descomprimir juntos y compartir conocimiento informal. Creo que encontraremos ejemplos similares en todas partes: empleados júnior que escuchan por casualidad a compañeros sénior, las conversaciones posteriores a las reuniones, 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 que se repite.

Paula Goldman: Estoy de acuerdo. Sí, estoy de acuerdo. De hecho, creo que has señalado dos cuestiones muy importantes. Una era el valor de los distintos rituales que pueden producirse en un entorno de trabajo y la importancia de prestarles atención.

Pero también has hablado del valor de la fricción positiva, con lo que estoy totalmente de acuerdo. En Salesforce lo llamamos fricción consciente. Es el mismo concepto: la IA es muy potente y la tecnología es muy potente. Pueden generar respuestas en muchísimos ámbitos. Pero hay lugares donde la diferencia entre un resultado satisfactorio y uno fallido es que una persona intervenga con su criterio.

Por eso, 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 ser porque se trate de una decisión muy trascendental que la IA recomienda, por ejemplo, en un proceso de selección laboral 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 activamente, lo cual 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 donde necesitamos claramente fricción en el sistema.

David Rice: Creo que una vez escuché a alguien llamar a esto «ineficiencias que soportan la carga», lo cual me pareció una forma divertida de decirlo.

Pero me pregunto si corresponde al director de recursos humanos identificar qué ineficiencias son esas, y digo «ineficiencias» entre comillas porque puede que no lo sean en la realidad, antes de permitir que la transformación mediante IA las elimine.

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?

Paula Goldman: Es una pregunta muy interesante. Permíteme empezar diciendo que creo que el papel de recursos humanos es esencial para ayudar a todas las funciones de una empresa a utilizar la IA de una forma que produzca los mejores resultados. Eso implica todo tipo de cosas para la organización de recursos humanos y todo tipo de nuevas responsabilidades.

Sin embargo, también creo que, en cierto modo, esta cuestión debe delegarse en cada función, porque son quienes saben dónde importa realmente el criterio y la autenticidad humana. La organización de marketing sabe dónde importan en los mensajes que estamos creando. También sabe dónde podemos pedir simplemente a la IA que personalice un mensaje de veinte mil formas distintas para veinte mil clientes distintos.

¿Y cómo encontramos la combinación adecuada? Ambas cosas son necesarias. Lo especialmente interesante es que, de repente, la IA está en todas partes. Ya no se trata solo de una o dos aplicaciones que utiliza una empresa. 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 prioritarios, y necesitas que recursos humanos participe activamente y piense en cómo garantizar que la experiencia humana esté realmente presente y sea central para conseguir 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 tengan las personas que diseñan esas transformaciones. Y el problema es que las organizaciones no pueden rediseñar cada flujo de trabajo mediante un comité. Me pregunto qué aspecto tiene una participación significativa de los empleados sin ralentizar la transformación hasta un punto que incomode a los ejecutivos.

Paula Goldman: Sí. Creo que es una pregunta justa, pero no creo que los trabajadores deban tener necesariamente poder de veto. Una de las cosas que digo en mi libro es que los trabajadores deben tener un sitio en la mesa. La historia que hemos contado 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 realmente grandes.

Por ejemplo, hacemos hackatones en los que los empleados proponen ideas sobre cómo utilizar la IA. Uno de mis ejemplos favoritos es el de unos empleados neurodivergentes que idearon cómo utilizar la IA en Slack para no sentirse abrumados por las distintas formas de información que recibían.

Después acabamos utilizando esas ideas para el modo de concentración de Slack. Hay muchísimos ejemplos de cómo involucrar a las personas aumenta ese tipo de innovación. Pero 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.

La clave no es simplemente desplegar la IA y decir que hay que adoptarla. Se trata de cómo la utilizan las personas en su trabajo diario para obtener mejores resultados. Y la verdad es que quienes están más cerca de ella saben cómo hacerlo.

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

Como ellos mismos lo habían hecho y habían trabajado con robots, una de las instructoras que vio había creado su propia aplicación para los alumnos sobre cómo solucionar problemas del robot. Eso nace de la experiencia real. Ayuda realmente a impulsar la eficiencia y demuestra por qué no se debe imponer la tecnología desde arriba.

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

David Rice: Creo que existe cierta reticencia a hacerlo, pero todo el mundo debe 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 cosas que muchas veces no aparecen en los procedimientos operativos estándar. Tienen flujos de trabajo paralelos.

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

Eso te proporcionará resultados mucho, mucho mejores.

David Rice: Yo lo definiría menos como participación y casi menos como consulta a los empleados, y más como recopilación de requisitos. También existe un argumento relacionado con la adopción: es más probable que las personas utilicen 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 entre el conocimiento legítimo de primera línea y una resistencia que básicamente consiste en «no quiero que cambie mi trabajo»?

Paula Goldman: Esto es muy importante y me alegra mucho que hayas hecho la pregunta. Estamos atravesando una transformación enorme en la manera de trabajar. El cambio es difícil y creo que esta es otra razón para involucrar a las personas, darles un sitio en la mesa y comprender realmente sus necesidades, o, como acabas de decir, recopilar requisitos. Eso produce resultados mucho mejores, porque estamos pidiendo a las personas que cambien su forma de trabajar.

Es fácil subestimar que atraviesan una curva emocional enorme y que hay conocimientos que deben incorporarse al proceso. ¿Cómo se hace bien? Creo que hay que pensar en qué debe seguir siendo humano.

Hay que recabar opiniones al respecto. Eso no significa que cada opinión determine el resultado, pero sí escuchar de verdad y comprender dónde el criterio, la creación de relaciones o la resolución de casos excepcionales marcan una gran diferencia.

Involucrar a las personas en el diseño de cómo debería ser el trabajo marca una gran diferencia. Lo hicimos recientemente con nuestro propio equipo. Creo que uno se acostumbra a una forma de trabajar, se vuelve muy bueno en ella y, de repente, le piden que la cambie, lo cual es difícil.

Hay que acompañar a las personas y conseguir que se comprometan. Necesitan ver que el cambio hará que el trabajo sea mejor. Cuando lo ven, resulta muy emocionante. Pero es difícil. Es gestión del cambio.

David Rice: Sí, totalmente. Hay otra dimensión en la colaboración entre humanos y la IA que veo cada vez más en las conversaciones.

Llevo más de un año hablando de ello con personas en este programa, pero es algo con lo que los directores de recursos humanos tendrán que lidiar. Si transferimos sistemáticamente determinadas tareas cognitivas a la IA, no solo estamos rediseñando puestos de trabajo. También podemos estar rediseñando cómo desarrollan las personas su experiencia y su capacidad para influir en lo que surge del lugar de trabajo.

¿Cómo deberían pensar los líderes en lo que los seres humanos 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 los seres humanos deberían dejar de realizarla.

Paula Goldman: Sí, totalmente. Has señalado de nuevo varios puntos muy importantes. Empecemos por la diferencia entre si la IA puede hacerlo y si debería hacerlo. Antes hemos mencionado algunos ejemplos en el contexto del servicio de atención al cliente y en otros ámbitos en los que esa diferencia determina el éxito o el fracaso.

Desde la perspectiva de recursos humanos, estaba pensando en la tecnología de estímulo y en las herramientas que ayudan a los directivos a hacer evaluaciones del desempeño y proporcionar comentarios más exhaustivos. Pero hay una diferencia entre que la IA ayude a recopilar esa información y que el directivo no solo asuma la responsabilidad del contenido de la evaluación, sino que también la comunique, porque eso marca la diferencia entre la motivación y su ausencia.

Por eso animas a alguien a reunirse más a menudo con su equipo en lugar de hacer que la IA se reúna por él. Eso no funciona realmente. La distinción entre poder y deber 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 periodos de aprendizaje, y un renovado interés por la formación y las competencias.

Creo que esta cuestión tendrá un aspecto diferente dentro de cinco o diez años. Como analogía, cuando aparecieron las hojas de cálculo hubo mucha preocupación por que las personas perdieran experiencia en la realización de distintos cálculos.

Aun necesitas conocer los fundamentos, pero después te acostumbras a la tecnología. Encuentras formas de comprobar dos veces el resultado y sabes en qué puedes confiar y en qué no. Por esa razón también estamos empezando a ver surgir nuevas funciones en las que aprendes los fundamentos supervisando la IA.

Aprendes los fundamentos comprendiendo, por ejemplo, si utilizas la IA en un contexto comercial y ves que entran preguntas de clientes y la IA las responde: dónde funciona, dónde no funciona y cómo podemos mejorarla. Tendrán que surgir nuevas formas de aprender el negocio porque la IA está cambiando la forma de hacer negocios.

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

Creo que será difícil responder.

Paula Goldman: Pero, como has dicho antes, esa no es la forma correcta de definir 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 diferencia enorme 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 juzgar qué tareas delegar en la IA y cuáles no. Cuando tienes ambas cosas, las posibilidades son ilimitadas.

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

David Rice: Sí, estoy de acuerdo. Mi preocupación es que hablamos de competencias que desarrollas porque quizá las necesites y formen parte de tu trabajo dentro de cinco años.

Pero las personas a las que tienes que convencer están acostumbradas a pensar en trimestres y beneficios a corto plazo. Hay mucho cortoplacismo en el mercado. Creo que parte de eso está cambiando, pero a veces me pregunto cómo convencer a esas personas de que debemos mantener estas prácticas 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 las personas transformaron por completo distintas funciones y después volvieron atrás y dijeron: «En realidad, aquí los seres humanos tienen un papel enorme que desempeñar». Siento que estamos aprendiendo esa lección y no creo que ambas cosas estén realmente enfrentadas.

Cuando aciertas con 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 empresariales de IA capturan relativamente bien lo que desaparece: las horas ahorradas, las tareas automatizadas, la capacidad creada al reducir la carga de personal y cosas por el estilo.

Creo que son peores a la hora de medir 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 infravalora sistemáticamente ese aspecto humano del trabajo?

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

Si utilizas la IA para la formación, ¿han aumentado realmente las competencias de las personas? Si la utilizas en un entorno jurídico para investigar, ¿has obtenido una mejora medible en la calidad de los escritos que presentas? ¿O estás obteniendo alucinaciones que se presentan ante los tribunales y provocan sanciones para el abogado?

Cuando cambias la forma de analizarlo 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 que haya personas supervisando y comprobando, dónde necesitas criterio humano y dónde las personas necesitan aprender mientras realizan el trabajo.

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

David Rice: Sí, estoy de acuerdo.

Creo que nos estamos alejando de medir el uso. Últimamente he tenido varias conversaciones sobre ello. La gente empieza a decir: «Eso no es lo importante». Hay beneficios cuantificables, pero también pérdidas difusas en determinados ámbitos.

Las horas ahorradas se pueden medir de inmediato. Pero si hablamos de un criterio más débil, quizá no puedas detectarlo hasta dentro de 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 podríamos hablar de la satisfacción del cliente. La IA puede responder a todas las preguntas de tus clientes, pero eso no significa que vayas a cerrar la operación ni que el cliente esté satisfecho con el servicio que ha recibido.

La IA es muy potente y puede hacer muchas cosas. Solo hay que medirlas de la manera adecuada para encontrar el equilibrio correcto: dónde quieres realmente que intervengan las personas y por qué es importante.

David Rice: Mi pregunta de seguimiento sería: ¿qué medirías realmente? Hace poco escribí un artículo titulado «¿Se puede medir el criterio?»

He oído a personas decir que el criterio no se puede medir. Pero hemos visto que hay determinadas señales y comportamientos que sí se pueden medir. Si decimos que es difícil medirlo, la eficiencia ganará todas las discusiones. Así que, si quisieras mostrar los efectos a largo plazo y estuviéramos aprobando un enorme presupuesto de transformación, ¿qué debería aparecer en el caso empresarial que no aparece hoy?

Paula Goldman: Pensemos primero desde la perspectiva del cliente y después en el ámbito interno. Desde la perspectiva del cliente puedes medir las horas ahorradas y deberías hacerlo. Pero también deberías medir la satisfacción del cliente, la pérdida de clientes y cuántos clientes convierten gracias a los esfuerzos comerciales, tanto si están asistidos y potenciados por la IA como si no.

Observa que ninguna de estas medidas es nueva. Son formas integrales de medir nuestro negocio actualmente. Simplemente estamos en un momento extraño en el que estamos obsesionados con la IA y nos concentramos en una única intervención.

Cuando la integras realmente en el sistema y observas esas cuestiones, te das cuenta de que necesitas una combinación de estrategias. Quieres que tu cliente llegue a tu sitio web, pueda hacer cualquier pregunta sobre tu producto y sea derivado a una persona cuando sea necesario. Si se trata de una transacción sencilla, puede realizarla en línea. Si es más compleja, se deriva a una persona que pueda cerrar la operación y ayudar al cliente a comprender y replantear 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: Sí, estoy de acuerdo. Antes de esto dijiste algo que me gustó mucho: «La tecnología es potente, pero no es la protagonista. Lo 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 mucho esa pregunta y, créeme, mi marido me la hace constantemente. Me estaba preocupando porque tenía amigos muy inteligentes que, durante esta última ola de IA, se pusieron en contacto conmigo muy nerviosos.

Me decían, aunque no exactamente con estas palabras, tanto mis amigos como las personas en conversaciones de consejos de administración y clientes: «¿Seguimos siendo importantes? ¿Nos estamos volviendo obsoletos?»

Para mí estaba claro, a través de todas mis interacciones con clientes y de observar la tecnología a lo largo del tiempo, que en realidad ocurría lo contrario. A medida que la IA se vuelve más potente, la cuestión del criterio y la creación de relaciones adquiere cada vez más importancia. Lo que está ocurriendo es que todos nos estamos convirtiendo en gestores de la IA.

Vamos a tener que gestionarla. Nos estamos potenciando enormemente y, para hacerlo, necesitamos gestionar eficazmente la tecnología, comprender en qué es buena y en qué no lo es, y saber cuándo intervenir. Esto responde directamente a tu pregunta, porque no se trata simplemente 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 primeras preguntas 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 un requisito básico. Lo importante es contar con personas en esas funciones 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 estén empoderadas para ejercer su criterio y 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 toda 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 están comprendiendo que no tienen todas las respuestas. Pero un buen líder puede formular las preguntas adecuadas. Se trata de criterio, de plantear los problemas y de generar confianza en las personas para que 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 esto genera.

Paula Goldman: Exactamente. Y, por cierto, la productividad es muy importante. Por supuesto que lo es. Es extremadamente importante, pero no estoy restándole valor.

Lo que digo es que, incluso en esta etapa intermedia, hemos visto todos estos desastres relacionados con la IA. Necesitas personas que la supervisen. Necesitas personas que comprendan los límites de dónde debe intervenir la IA y dónde deben hacerlo las personas. También necesitas personas empoderadas para reinventar las cosas y mantener a sus clientes y empleados en el centro de la transformación. Creo que esas son las empresas que ganarán.

Ya lo estoy viendo.

David Rice: Estoy viendo cómo se rediseñan puestos de trabajo, y creo que los directivos son un buen ejemplo. Si la IA puede eliminar los informes y las tareas administrativas asociadas a la función, entonces empiezas a querer algo diferente de tu directivo. Quieres que sea un mejor orientador y que consiga más de sus subordinados directos.

Eso crea la oportunidad para que lo haga, pero también un marco diferente sobre lo que buscamos en un directivo. Durante los últimos cincuenta o cien años hemos tenido esta idea extraña de que alguien que era muy bueno en su trabajo como colaborador individual se convertía en directivo.

Y después descubríamos que no tenía interés o aptitudes para orientar a otras personas. Ahora puedes liberar ese tiempo. No tienen que ser brillantes en todo, pero si son buenos compartiendo conocimiento y ayudando a las personas a encontrar una forma mejor de hacer las cosas, ese es su papel como directivos.

Paula Goldman: Lo que acabas de decir es una de mis grandes frustraciones. Creo que estamos en un momento en el que, aunque no lo sepamos ni hablemos de ello de esta manera, ahora estamos pidiendo a casi todos los empleados que gestionen la IA. Y lo hacemos con una falta de formación similar: simplemente les decimos «hazlo».

Esa fue una de mis motivaciones para escribir el libro. Pero, más ampliamente, lo que acabas de decir es un gran ejemplo. Pensaba en mi propio directivo cuando empecé a escribir el libro, porque la idea surgió hace un par de años. Mi directivo de entonces se llamaba John Stormer y le hablé de la idea.

No formaba parte de mi trabajo diario. No me dijo que fuera una mala idea ni intentó desviarme sutilmente. Simplemente alimentó tranquilamente mi imaginación, me enviaba pódcast y artículos de actualidad y transmitía de forma discreta la convicción de que era importante. De esa convicción nació todo el libro y obtuve la confianza para presentar esta perspectiva al mundo.

Creo que subestimamos lo importante que es realmente ese tipo de conexión. Nadie me pidió que escribiera el libro. Surgió de un lugar de inspiración y conexión que fue alimentado no solo por él, sino por muchas personas de mi comunidad. Ese es el tipo de cosa que no queremos perder cuando la IA se vuelva cada vez más potente.

Queremos diseñar precisamente para eso y hacerlo más frecuente. Ese tipo de oportunidad me emociona profundamente. Eso es lo que queremos perseguir.

David Rice: Estamos en la misma situación. Paula, ha sido una conversación estupenda. Te agradezco que nos hayas dedicado parte de tu tiempo hoy.

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

David Rice: Oyentes, si aún no lo habéis hecho, os recomendamos que vayáis a conocer AI Signal. Cada semana ofrecemos una sesión informativa para directivos con la idea principal que debéis tener en cuenta, ya sea un asunto al que prestar atención, una pregunta que debéis hacer en vuestra próxima reunión del equipo directivo o una herramienta para evaluar el trabajo que se está realizando ahora mismo.

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

Realiza evaluaciones del desempeño y lleva los análisis sobre el 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.