Lo que la vigilancia mediante IA no puede decirte sobre tus empleados
Nadie se propone crear un sistema de vigilancia de la plantilla. Normalmente llega disfrazado de optimización, productividad, bienestar o eficiencia. Pero a medida que la IA hace posible supervisarlo todo, desde las pulsaciones de teclas y los movimientos del ratón hasta las emociones y el comportamiento físico, resulta cada vez más difícil ignorar la línea entre la medición legítima y la vigilancia invasiva.
En este episodio, hablo con Lynn Parramore, directora de proyectos especiales del Institute for New Economic Thinking, sobre lo que se pierde cuando los líderes dan por hecho que todo lo valioso en el trabajo puede medirse. Analizamos por qué la supervisión constante erosiona la confianza, cómo los algoritmos despojan de contexto al comportamiento humano, por qué los trabajadores más jóvenes tienen buenos motivos para mostrarse escépticos ante la IA y por qué los líderes deben reflexionar filosóficamente —no solo desde una perspectiva práctica— sobre el lugar que ocupa esta tecnología.
Lo que aprenderás
- Cómo distinguir entre la supervisión legítima en el trabajo y la vigilancia invasiva
- Por qué disponer de más datos sobre los empleados no produce necesariamente mejores decisiones de gestión
- Cómo la supervisión continua puede socavar la confianza, la seguridad psicológica y la motivación intrínseca
- Por qué los algoritmos tienen dificultades para comprender la intención, el criterio, el contexto, la creatividad y el conocimiento tácito
- Cómo implicar a los empleados en las decisiones sobre la supervisión puede conducir a mejores resultados
- Por qué la adopción de la IA exige que los líderes consideren las consecuencias éticas y sociales, no solo la eficiencia
Conclusiones clave
- Mide con un propósito legítimo, no porque puedas hacerlo. La supervisión puede tener sentido cuando está estrechamente vinculada a la seguridad, la ergonomía, la ciberseguridad u otra necesidad clara. Recopilar datos simplemente porque la tecnología lo permite es la forma en que la optimización se convierte silenciosamente en vigilancia.
- Una mayor visibilidad puede significar menos confianza. La supervisión constante transmite un mensaje implícito: no confiamos en ti a menos que podamos comprobar lo que haces. Es un intercambio costoso cuando la confianza sustenta el compromiso, la innovación, la retención y la disposición de las personas a ejercer su criterio.
- Los datos capturan el comportamiento. No necesariamente lo explican. Que un empleado tarde más en una llamada con un cliente puede parecer ineficiente para un algoritmo, cuando en realidad está haciendo exactamente lo que quieres: perseverar con un problema difícil hasta resolverlo. La información sin contexto no es comprensión.
- El valor humano no encaja fácilmente en un panel de control. Ayudar a un compañero, reflexionar sobre un problema difícil, mostrar valentía moral, ejercer un buen criterio o simplemente quedarse mirando al vacío mientras surge una idea pueden parecer tiempo improductivo. A veces la hoja de cálculo se equivoca, no el empleado.
- Las personas también optimizarán su comportamiento en torno a la vigilancia. Los trabajadores de Frederick Taylor manipulaban sus relojes. Los trabajadores modernos utilizan dispositivos para mover el ratón y, aparentemente, hasta piñas colocadas estratégicamente. Cuando la métrica se convierte en el trabajo, las personas aprenden a satisfacer la métrica.
- Mantén a las personas capacitadas para anular las decisiones de la máquina. Un algoritmo debe ser una ayuda, no un supervisor invisible. Cuando los empleados no pueden cuestionar las evaluaciones automatizadas —incluso cuando su criterio profesional les indica que el sistema se equivoca—, no estás ampliando las capacidades de la experiencia. La estás anulando.
- El escepticismo ante la IA no es necesariamente antitecnología. Los trabajadores más jóvenes han crecido rodeados de tecnología y también han visto cómo las empresas recopilaban sus datos, incumplían sus promesas y reorganizaban sus vidas en torno a modelos de negocio que ellos no habían elegido. Los líderes no deberían descartar ese escepticismo. Deberían ganarse la confianza que están pidiendo.
- Debes saber cuándo hacer una pausa. Avanzar más rápido no equivale automáticamente a liderar mejor. Si no entiendes las consecuencias de un sistema de IA —para los trabajadores, las comunidades o la sociedad—, ralentizar el ritmo puede ser la decisión empresarial más inteligente.
Capítulos
- 00:00 — Cuando la supervisión se convierte en vigilancia
- 02:31 — Trazar la línea
- 04:58 — El panóptico en el trabajo
- 07:33 — El seguimiento de las emociones de los empleados
- 09:43 — Lo que los datos no pueden medir
- 11:54 — El coste de la supervisión constante
- 15:00 — Información frente a comprensión
- 17:33 — El auge de la vigilancia en el trabajo
- 21:08 — Manipular el sistema
- 23:57 — Lo que los algoritmos no pueden ver
- 27:12 — La confianza requiere incertidumbre
- 28:27 — La IA como supervisora invisible
- 31:12 — La ética de la IA
- 34:04 — El escepticismo de la generación Z ante la IA
- 37:12 — Algoritmos frente al criterio humano
- 40:21 — Apoyar a los trabajadores durante la transición a la IA
- 45:07 — ¿Para qué sirven las empresas?
- 47:02 — Saber cuándo hacer una pausa
Conoce a nuestra invitada
Lynn Parramore es analista sénior de investigación y directora de proyectos especiales en el Instituto para el Nuevo Pensamiento Económico (INET), donde explora las conexiones entre la economía, la historia, la cultura y la psicología. Historiadora cultural, autora y periodista, traduce investigaciones económicas complejas en narrativas accesibles sobre la desigualdad, el poder corporativo, el trabajo y la justicia económica. Lynn tiene un doctorado de la Universidad de Nueva York y es autora de La lectura de la Esfinge y coeditora de Cómo el movimiento Occupy está cambiando Estados Unidos. Sus comentarios y escritos han aparecido en importantes medios de comunicación, aportando una perspectiva multidisciplinar a los debates sobre la economía y su impacto en la vida cotidiana.
Enlaces relacionados:
- Únete a la comunidad de People Managing People
- Suscríbete al boletín para recibir nuestros últimos artículos y pódcast
- Conecta con Lynn en LinkedIn
- Consulta el libro de Lynn: La lectura de la Esfinge: el antiguo Egipto en la cultura literaria del siglo XIX
Artículos y pódcast relacionados:
David Rice: Nadie se propone realmente crear un sistema de vigilancia de la plantilla. Todo empieza como optimización, mejora de la productividad y gestión del tiempo. Suena intrínsecamente positivo, ¿verdad? Y después, gradualmente, sin que nadie tome una decisión consciente, has cruzado una línea. En el programa de hoy, hablo con Lynn Parramore, directora de Proyectos Especiales del Instituto para el Nuevo Pensamiento Económico, sobre dónde está esa línea y por qué la inteligencia artificial está haciendo que sea más difícil verla.
El argumento central de Lynn es que la supervisión en el lugar de trabajo se basa en una suposición equivocada: que todo lo importante en el trabajo se puede medir. Ayudar a un compañero, tener buen criterio, mostrar valentía moral y ser creativo no aparece en un registro de pulsaciones de teclado, pero a menudo son precisamente esas cualidades las que hacen que alguien sea realmente valioso. Cuando empiezas a reducir a las personas a conjuntos de datos, cambias aquello que realmente estás gestionando.
Y la vigilancia no es neutral. En el momento en que decides observar constantemente a alguien, ya has asumido algo sobre esa persona, y los empleados lo perciben. La confianza se erosiona. Y la confianza, como señala Lynn, es el eje de todo lo demás: compromiso, innovación y retención. Así que hoy hablaremos de dónde termina la supervisión legítima y comienza la vigilancia, por qué es defectuosa la suposición de que todo lo importante se puede medir, la relación inversa entre la intensidad de la supervisión y la confianza, y por qué los líderes deben adoptar una perspectiva filosófica sobre la inteligencia artificial, no solo práctica.
Soy David Rice. Esto es People Managing People, y si tu organización ha estado tratando la supervisión de la plantilla como una herramienta de productividad, esta conversación merece tu atención. Empecemos.
Si eres propietario de una pequeña empresa y estás contratando a tu primer empleado, gestionar las nóminas puede parecer un gran paso. QuickBooks Workforce ayuda a simplificar las nóminas, los depósitos directos y la gestión de los registros de los empleados en un solo lugar. Tus empleados pueden acceder a sus propios recibos de sueldo y formularios fiscales a través de un portal de autoservicio, lo que te ahorra tiempo y papeleo. Si estás listo para dedicar menos tiempo a gestionar las nóminas y más tiempo a hacer crecer tu negocio, descubre QuickBooks Workforce.
¡Lynn, bienvenida al programa!
Lynn Parramore: Gracias por invitarme.
David Rice: Antes de esto hablábamos de que, ya sabes, siempre hemos medido el trabajo de alguna manera, de una forma u otra, pero la inteligencia artificial está cambiando fundamentalmente la escala y realmente la intimidad de lo que es posible.
Me interesa conocer tu opinión: ¿en qué momento medir el trabajo deja de tratarse de mejorar el rendimiento y se convierte simplemente en vigilancia?
Lynn Parramore: Es una cuestión con la que creo que todos estamos lidiando, tanto desde el lado de los empleados como desde el de los empleadores. Y supongo que debería empezar diciendo que existen algunas buenas aplicaciones de la supervisión algorítmica o de la vigilancia impulsada por inteligencia artificial, como quieras llamarlo.
Por ejemplo, la detección de la fatiga. Podríamos imaginar a un piloto utilizando dispositivos portátiles para detectar el cansancio. Creo que la mayoría estaríamos de acuerdo en que eso tiene sentido. Hay dispositivos de inteligencia artificial que pueden servir para el asesoramiento ergonómico. Si alguien está levantando mucho peso, pueden detectar qué tipos de movimientos tienen más probabilidades de provocar lesiones.
También existen aplicaciones de ciberseguridad. Por tanto, hay situaciones en las que estas herramientas pueden ser útiles y no parecen una invasión de la privacidad. Pero tienen que tener un propósito claro y legítimo, en primer lugar, y el empleador debería recopilar únicamente los datos necesarios, no decir que los quiere para una cosa y después recopilarlos para otra.
El empleado debe saber de forma transparente qué se recopila, cómo se recopila y cómo se almacenan esos datos. Además, una persona debe seguir participando en todas las decisiones que puedan derivarse de esa recopilación de datos, ya sea una promoción, una medida disciplinaria o un despido.
Y no se debería utilizar para aplicar consecuencias automáticamente. Ahí es donde entramos en cuestiones que se han vuelto preocupantes para muchos de nosotros: cosas como la vigilancia constante mediante cámaras web, recopilar datos de cada pulsación del teclado o movimiento del ratón, o hacer capturas de pantalla cada veinte segundos o algo parecido.
Este tipo de aplicaciones entra en la categoría de invasión de la privacidad y puede tener un impacto realmente negativo en el rendimiento de los empleados.
