Por qué la adopción de IA se estanca aunque las herramientas funcionen

El director general firmó la licencia corporativa. La capacitación está en marcha. Los tableros indican que el uso sube. Y aun así, la historia de productividad que se prometió al consejo no termina de aterrizar. Una nueva investigación publicada este mes por Guy Champniss—profesor visitante en IE Business School en Madrid y fundador y director de Meltwater Consulting—sugiere que el problema puede no ser la herramienta, ni el despliegue, ni la capacitación. Puede ser una categoría de costo que la mayoría de las estrategias de adopción no mide.

Champniss encuestó a más de 1.200 empleados a tiempo completo en 10 sectores en Estados Unidos y Reino Unido. Midió la frecuencia con la que las personas usan IA, la complejidad de las tareas, y la frecuencia con la que evitan la herramienta en tareas donde saben que les ayudaría. Después midió lo que él llama deuda psicológica—el costo motivacional acumulado de usar IA dentro de un flujo de trabajo que no fue diseñado pensando en el lado humano. Los resultados son incómodos para cualquier líder que trate el despliegue de IA como un problema de logística.

Los empleados que usaban IA rara vez obtuvieron una puntuación de 60 en una escala de deuda psicológica de 0–100. Los empleados que la usaban varias veces al día obtuvieron 36. Los que solo la usaban para borradores simples obtuvieron 46; quienes la usaban para trabajo complejo y estratégico obtuvieron 35. La etapa de carrera sigue el mismo patrón: las personas con hasta cinco años de carrera obtuvieron 54, mientras que aquellas con más de 20 años de experiencia obtuvieron 40. El patrón apunta en una sola dirección: la deuda psicológica actúa como una barrera. Genera evasión y uso superficial. Cuando los líderes la bajan de manera sistemática, los empleados usan naturalmente las herramientas para trabajo más profundo y estratégico.

Seis formas de deuda, todas motivacionales

Champniss descompone la carga en seis categorías. Agruparlas bajo “resistencia” pierde la resolución diagnóstica que las hace abordables; cada una apunta a una palanca de diseño distinta:

1. Deuda cognitiva: La erosión lenta de las habilidades de decisión y reconocimiento de patrones a medida que el trabajo se delega a un modelo. (Solución: rediseñar el flujo de trabajo)
2. Deuda de autonomía: La sensación de que la IA, no el empleado, está eligiendo cómo se hace el trabajo. (Solución: clarificar quién decide)
3. Deuda de competencia: La mella en la auto-percepción de habilidad que viene de ver a un modelo terminar en segundos lo que antes tomaba un día. (Solución: ajustar el encuadre de la capacitación)
4. Deuda de pertenencia: La pérdida del contacto social que el trabajo requería, porque un modelo nunca discute, ni se cansa, ni replica. (Solución: repensar la arquitectura del equipo)
5. Deuda de credibilidad: La preocupación de que ser visto usando IA reduce su prestigio, incluso entre colegas que también la usan. (Solución: elevar la visibilidad cultural)
6. Deuda de identidad: La más profunda de las seis—la sensación de que hacer el trabajo de esta manera ya no es hacer el trabajo, sobre todo en roles cuya distinción es el trabajo mismo. (Solución: redefinir el rol)

Lo que están haciendo distinto los adoptantes líderes

Champniss documenta un puñado de empresas que han construido respuestas de diseño para deudas específicas.

J.P. Morgan posiciona sus herramientas de IA como proveedoras de hallazgos en lugar de tomadoras de decisiones. El modelo produce material con el que el empleado tiene que discutir, encajar en una hipótesis, y defender. La fricción es el punto: mantiene el trabajo cognitivo de orden superior en manos humanas.

El programa AI Principles in Practice del banco neerlandés ING exige que los equipos de producto documenten cómo se preserva el juicio humano antes de que cualquier modelo se despliegue. El banco también publica “etiquetas nutricionales” en lenguaje sencillo que describen de dónde vienen los datos de cada modelo, cuáles son sus límites y dónde se sabe que falla. A los empleados no se les entrega un veredicto sobre si la herramienta ayuda; se les entregan los insumos para decidir.

El programa Copilot Champs de Microsoft funciona como una comunidad entre pares en lugar de un despliegue de arriba hacia abajo. Los empleados exploran dónde encaja la herramienta en su trabajo específico, en conversación con pares, en un entorno de confianza y dinámico. La estructura protege contra la deuda de competencia al ayudar a cada uno a mantener a la vista sus propias habilidades y competencias, en lugar de sentirse evaluado frente a la herramienta.

Para combatir la deuda de pertenencia, P&G coordina equipos multifuncionales para revisar colectivamente los resultados de innovación de los chatbots de IA. Al diseñar procesos donde los equipos interpretan juntos los resultados de la IA, no solo aumenta el desempeño, sino que los roles normalmente aislados se vuelven más colaborativos en el proceso.

Kiki, el asistente de Klarna—lanzado en junio de 2023, con 90 por ciento de los empleados usándolo en un año y más de 250.000 preguntas respondidas—fue tratado como un artefacto cultural antes que como una herramienta de productividad. El encuadre del director general, “presionamos a todos para probar, probar, probar, y explorar”, convirtió el uso visible de IA en la norma en lugar de en una conducta sospechosa. Eso colapsa la deuda de credibilidad al eliminar el costo social.

Philips, trabajando con clínicos que se habían resistido con fuerza a la IA en entornos de atención, rediseñó el encuadre antes que la herramienta. La IA fue posicionada como afirmación de identidad: agudiza la precisión diagnóstica, elimina cuellos de botella logísticos, y hace visible la experiencia en revisiones multidisciplinarias. El rol del clínico se vuelve más visible, no menos.

El patrón en los seis casos es que el rediseño del trabajo es la intervención. La herramienta es constante.

Lo que esto cambia para los líderes

La tentación al leer una lista así es tratarla como una lista de verificación. Los datos sugieren que eso pierde el punto. La deuda psicológica no responde a un solo programa; responde a la arquitectura de cómo se le pide el trabajo a las personas. Cuando las empresas empujan la IA con fuerza pero dejan los roles, las estructuras de revisión, y las normas de equipo intactas, los empleados llenan el vacío con su propia interpretación—y el camino de menor resistencia es asumir que la IA es el reemplazo.

La decisión de encuadre al inicio mismo de un despliegue de IA—herramienta o colega—define cuál de estas deudas se acumula primero. La elección de etiquetado examinada en no pongan a la IA en el organigrama es en sí misma una decisión arquitectónica: fija expectativas sobre rendición de cuentas, supervisión y en qué se convierte el rol humano. Los hallazgos de Champniss extienden ese argumento a la motivación, la competencia, y la identidad. El encuadre es el flujo de trabajo.

Los líderes que están haciendo que esto funcione no están corriendo mejores programas de capacitación. Están haciendo lo más difícil: rediseñar el trabajo para que el rol humano dentro de un proceso asistido por IA siga siendo reconociblemente un trabajo que vale la pena hacer. La capacidad más importante en IA es el juicio—y el juicio es lo que las seis formas de deuda psicológica corroen cuando se dejan sin atender. Como primer paso práctico, los líderes deberían tomar un solo flujo de trabajo común y auditarlo contra estas seis deudas antes de desplegar la próxima herramienta.

. . .

C. Everett Koop, exdirector general de Salud Pública de Estados Unidos, decía que los medicamentos no funcionan en pacientes que no los toman. La misma lógica aplica aquí. La ventaja de IA que sus competidores no pueden copiar no está en la selección del modelo ni en la biblioteca de prompts. Está en la parte del despliegue que toma el costo humano lo bastante en serio como para diseñar a su alrededor.