Adoptar inteligencia artificial para aumentar la productividad está generando una paradoja operativa en las organizaciones: mientras los empleados entregan trabajo más pulido, quienes los supervisan tienen cada vez menos claridad sobre qué parte de ese resultado es humana y qué parte es automatizada.

Según un estudio reciente, más de la mitad de los altos directivos enfrenta dificultades para evaluar el desempeño de sus equipos tras la adopción de herramientas de IA. Como consecuencia directa, casi la mitad de los gerentes ha incrementado el tiempo dedicado a revisar y guiar la producción de sus equipos, lo que contradice la narrativa de eficiencia que suele acompañar a estas implementaciones.

La brecha entre entusiasmo y capacidad de gestión

A pesar de la fricción operativa, la percepción hacia la tecnología sigue siendo favorable: el 94% de los encuestados manifiesta entusiasmo por las oportunidades que ofrece la IA para mejorar el trabajo. Michal Miller Levi, experta en investigación de mercado, establece un paralelismo entre el momento actual y los primeros años de internet, señalando una sensación de "magia" en el uso de estas herramientas.

Sin embargo, el entusiasmo no resuelve el problema estructural: la IA avanza a un ritmo que las organizaciones aún no han logrado absorber. Ser un usuario individual eficiente de estas herramientas es distinto a liderar una organización que las adopta de forma colectiva y desigual.

Nuevos criterios de evaluación, nuevos riesgos de sesgo

Ante este escenario, el 78% de los gerentes ha modificado sus métodos de evaluación desde la incorporación de la IA, priorizando habilidades como la formulación de indicaciones (prompting), la capacidad de seleccionar qué tareas delegar a la tecnología y la disposición a experimentar con nuevas formas de trabajo.

Este reajuste, sin embargo, abre una pregunta de fondo sobre la equidad del proceso: si los gerentes no pueden distinguir con precisión cuánto del resultado es atribuible al esfuerzo humano, la evaluación pierde objetividad. El riesgo se amplifica cuando se considera que el 46% de los gerentes ya utiliza IA para respaldar sus decisiones y el 39% la emplea para redactar evaluaciones de desempeño.

Investigaciones recientes advierten que los modelos de lenguaje tienden a replicar patrones presentes en sus datos de entrenamiento. En ausencia de criterios objetivos claros, las evaluaciones generadas o asistidas por IA pueden reflejar sesgos demográficos existentes, lo que plantea dudas serias sobre la imparcialidad de los procesos de revisión de talento. La propia experta Levi reconoce que las empresas aún no han encontrado soluciones efectivas para gestionar estos problemas.

Una transformación que exige rediseño organizacional

Lo que emerge de estos datos no es un problema tecnológico, sino un problema de diseño organizacional. La IA está cambiando la naturaleza del trabajo antes de que las estructuras de gestión, evaluación y liderazgo estén preparadas para acompañar ese cambio.

Decidir qué tareas delegar a la tecnología y cuáles requieren intervención humana directa ya no es una decisión operativa menor: es una competencia de gestión que define la calidad del liderazgo en entornos donde la automatización es parte del flujo de trabajo cotidiano.