A primera lectura, ese trabajo parece convincente, está bien escrito y estructurado, con jerga profesional correcta y referencias académicas. Pero no establece conclusiones claras. Contiene mucha frase hecha, mucha afirmación genérica. En realidad, carece de precisión, profundidad y la utilidad real que se pretendía. Este resultado de IA se conoce como "workslop".
Por ejemplo, si aborda la expansión internacional de una empresa concreta, lo que dice puede intercambiarse con otras similares. Es decir, ofrece un trabajo más centrado en la forma que en el fondo.
El workslop —trabajo flojo, de relleno— se estudia en diferentes informes, particularmente uno canónico de Harvard Business Review (HBR) sobre su impacto corporativo. Concluye que el 40% de los profesionales entrevistados recibieron material así en el mes anterior.
Desconfianza entre compañeros
Esa proliferación causa reacciones comprensibles, desde la confusión a la desconfianza respecto del profesional que lo entrega: por la baja calidad de ese trabajo cuando se esperaba lo contrario, y porque obliga a una revisión trabajosa no prevista, o a rehacerlo. Los investigadores hablan de costes directos en pérdida de tiempo y productividad. Y de costes ocultos por el recelo que surge entre equipos obligados a colaborar.
¿Por qué se dan tantos casos?
Coinciden varias causas, sobre todo la adopción apresurada de la IA, unas expectativas excesivas por su halo sabelotodo y la falta de criterio en los usuarios para reducir esos resultados deficientes. Algunos estudios analizan lo que la IA borda y lo que no. Según el MIT, el 70% de los empleados prefieren usarla para análisis sencillos o tareas complementarias. Sin embargo, para un análisis profundo que exige memoria, contexto y asociar ideas subjetivas o creativas, la mayoría prefiere recurrir a personas.
Implantación contrarreloj
En el estudio de HBR —y en este artículo de referencia firmado por los tres investigadores—, varios directivos confiesan otra causa determinante: la presión que sienten para usar IAs con el objetivo de “hacer más con menos”, aumentar beneficios y no quedar rezagados frente a la competencia. La urgencia prima sobre la calidad.
Explican experiencias reales que acabaron en workslop. Un directivo trabajaba contrarreloj para entregar un balance a la alta dirección y decidió repartir tareas entre su equipo. Varios las resolvieron con IA y al final tuvo que dedicarle más tiempo a la revisión del trabajo porque no coincidían algunas cifras. Otro recuerda un caso parecido en programación de software; la IA permitió cumplir unos plazos apremiantes, pero a costa de varios errores serios en el código base.
Otra conclusión fundamental es que el workslop tiene remedio y de sus causas se derivan las soluciones. Quizá la más importante sea revisar la implantación de la IA desde la cúpula, asistida por profesionales internos o externos que saben cómo equilibrar rapidez y solidez de resultados.
De ese marco parten otras medidas como unas indicaciones precisas de cómo y para qué usarla, con qué criterios de calidad en los resultados. También la formación de la plantilla sobre la forma de plantear instrucciones, repreguntar y emplazar a la IA a afinar sus respuestas. Se trata de aprender a relacionarse con ella, a conocer cómo piensa y sale del paso con una respuesta vaga a una petición imprecisa.
Mentalidad piloto y tándem humano-IA
Conviene una “mentalidad piloto” en lugar de una “pasajera”; es decir, usar la IA con sentido crítico para que potencie la creatividad, no para sustituirla. Recomiendan además métricas de su impacto real: si aumentó la calidad de un producto o la productividad de un equipo. Si genera un valor tangible.
Aconsejan entenderla como un tándem con el humano; ampliar el concepto de colaboración a las máquinas, con las personas como supervisoras que aportan contexto, corrigen, ajustan y redireccionan a las IA como asistentes superdotados.
Dicen los investigadores de la HBR: “La mayor ironía es que, para que la IA funcione en el trabajo, necesitamos mejorar como seres humanos. Los líderes deben dejar espacio para el trabajo sin pulir, más lento pero más gratificante, de la colaboración humana. Para Wired, “los líderes que modelen un uso reflexivo y exijan los mismos estándares de excelencia para el trabajo realizado por dúos humano-IA que el realizado por humanos solos, serán quienes cosechen el verdadero retorno de la inversión”.