La mayoría de los trabajadores de EE. UU. espera que la IA beneficie más a sus jefes
Google News ha puesto de relieve un marcado conflicto laboral: la mayoría de los trabajadores encuestados en EE. UU. espera que la inteligencia artificial beneficie más a sus jefes que a los empleados. El hallazgo cuestiona la promesa popular de que la IA eliminará las tareas tediosas y dará a todos más tiempo para trabajos significativos.
La encuesta, realizada por Ipsos junto con la organización económica progresista Groundwork Collaborative, reveló que solo cerca de un tercio de los trabajadores esperaba que la IA mejorara su empleo. Aproximadamente dos tercios anticipaban una vida laboral más difícil a medida que los empleadores eliminen puestos, aumenten la presión o exijan más resultados. Los resultados se difundieron mediante una encuesta a trabajadores distribuida por Google News.
Esa brecha de percepción importa porque la adopción de IA en el trabajo ya está yendo más allá de la experimentación voluntaria. Los directivos ven cada vez más las competencias en IA como criterios de contratación, mientras los empleadores rediseñan puestos en torno a las ganancias de productividad previstas. Los empleados deben decidir si usar IA protegerá sus puestos o hará que su trabajo sea más fácil de medir y reemplazar.
Por tanto, el conflicto central no es entre los trabajadores y la tecnología. Es entre la promesa de una productividad compartida y la realidad de quién controla el tiempo, los ahorros y el poder de negociación resultantes.
Lo que realmente cambió la encuesta a trabajadores
La encuesta convierte un temor abstracto sobre la automatización en un cuestionamiento directo de cómo los empleadores están distribuyendo los beneficios de la IA.
Los trabajadores han escuchado varias versiones de la misma promesa. La IA se encargará de las tareas repetitivas, reducirá el trabajo administrativo y dejará a los empleados responsabilidades más gratificantes. Sin embargo, los hallazgos de Groundwork e Ipsos sugieren que muchos empleados esperan el resultado contrario.
Según se informó, solo cerca de un tercio creía que la IA mejoraría su empleo. Los demás encuestados esperaban consecuencias como eliminación de puestos, mayor presión o más desigualdad en el lugar de trabajo. La ejecutiva de políticas de Groundwork, Elizabeth Pancotti, describió a los trabajadores como personas que se preparan para los efectos de la IA en lugar de adoptarla con entusiasmo.
La distinción es importante. Un trabajador puede creer que la IA realiza tareas útiles y, al mismo tiempo, desconfiar de la institución que la implementa. Preparar documentos, investigar o programar tareas más rápido no garantiza jornadas más cortas, mejor salario o mayor autonomía.
Los empleadores deciden qué ocurre después de que una tarea se vuelve más rápida. Pueden reducir cargas de trabajo, mejorar servicios, ampliar la producción, eliminar puestos o elevar los objetivos de rendimiento. El software no toma esa decisión de distribución.
Otros sondeos de 2026 refuerzan este panorama mixto. Una encuesta laboral de Ipsos concluyó que el 44% de los trabajadores afirmó que la IA los hacía más productivos. Sin embargo, el 38% dijo que las herramientas actuales eran un punto de partida útil, pero no podían producir trabajo terminado.
Uno de cada cinco encuestados dijo que la IA ahorraba tiempo en algunas tareas, pero simplemente generaba más trabajo. Alrededor del 15% afirmó que sus empleadores esperaban mejoras de productividad que no se habían materializado. Una proporción similar dudaba debido a preocupaciones de privacidad o seguridad.
Estos resultados no demuestran que la mayoría de los proyectos de IA fracase. Revelan algo más relevante para la adopción de IA en el trabajo: la utilidad técnica y la confianza de los empleados son medidas distintas.
Un empleado podría ahorrar treinta minutos al redactar un informe y luego dedicar ese tiempo a comprobar citas cuestionables o completar informes adicionales. La organización registra una mayor producción, mientras que el empleado no experimenta una mejora significativa.
La nueva encuesta sitúa la distribución en el centro de la cuestión. Si aumenta la productividad, ¿quién conserva el tiempo ahorrado? Si caen los costes, ¿quién recibe el retorno financiero? Si un puesto cambia, ¿quién obtiene capacitación y quién se enfrenta al despido?
Esas preguntas generan el conflicto detrás del titular de Google News. Los trabajadores no solo evalúan la calidad del software. Evalúan las decisiones que tomará la dirección una vez que el software cambie lo que una persona puede producir.
Los datos de Google News muestran adopción sin confianza
El uso de la IA se está extendiendo más rápido que la confianza de los trabajadores porque las organizaciones pueden imponer herramientas antes de resolver cómo se compartirán los beneficios y los riesgos.
La adopción en el lugar de trabajo ha llegado a un punto en el que las preocupaciones ya no pueden descartarse como resistencia a una tecnología desconocida. Un sondeo de Gallup realizado en febrero de 2026 descubrió que la mitad de los empleados de EE. UU. utilizaba IA al menos ocasionalmente. El uso frecuente, definido como diario o varias veces por semana, alcanzó aproximadamente a tres de cada diez trabajadores.
Los hallazgos de Gallup sobre la fuerza laboral también mostraron una división entre directivos y colaboradores individuales. Cerca de siete de cada diez líderes que usaban IA afirmaron que mejoraba su eficiencia. Poco más de la mitad de los colaboradores individuales informó del mismo beneficio.
Esa brecha no significa automáticamente que los directivos estén capturando más valor. Los distintos puestos implican tareas diferentes, y los directivos suelen dedicar más tiempo a redactar, resumir, planificar y comunicarse. Los sistemas actuales de IA generativa son especialmente adecuados para esas actividades.
Sin embargo, la diferencia respalda la sospecha de los trabajadores de que los beneficios no se distribuyen de forma equitativa. Un directivo podría ahorrar tiempo preparando evaluaciones, calendarios o documentos estratégicos. En cambio, un colaborador individual podría enfrentarse a una supervisión más estrecha, controles de calidad automatizados o mayores requisitos diarios de producción.
Los trabajadores también se encuentran con la adopción mediante políticas, en lugar de por elección personal. Los empleadores pueden seleccionar herramientas aprobadas, restringir alternativas, establecer objetivos de uso e incorporar la IA a los sistemas de evaluación del desempeño. Los empleados pueden cargar con la responsabilidad por los errores sin controlar qué modelos o fuentes de datos utilizan.
Esto crea una forma inusual de presión laboral. Rechazar la IA puede hacer que un trabajador parezca resistente al cambio. Usarla de forma intensiva puede dejar en evidencia la rapidez con la que pueden completarse ciertas tareas o provocar preguntas sobre si se necesitan menos empleados.
Una investigación realizada por Google e Ipsos ilustra la presión desde otra perspectiva. Su encuesta sobre la fuerza laboral y la IA concluyó que el 70% de los directivos consideraba las competencias en IA como obligatorias o preferibles al contratar.
El sondeo dividió a los trabajadores entre usuarios ocasionales, denominados “AI Explorers”, y usuarios altamente integrados, denominados “AI Fluent”. Solo el 5% de los empleados cumplía su exigente definición de fluidez. Estos trabajadores utilizaban IA con frecuencia en al menos ocho aplicaciones o habían rediseñado sus flujos de trabajo en torno a ella.
El grupo de mayor fluidez informó de beneficios sustanciales. El noventa y uno por ciento dijo que la IA los hacía más productivos, frente al 52% de los usuarios ocasionales. Informaron de un ahorro de tiempo mediano de ocho horas semanales, mientras que los usuarios ocasionales reportaron tres horas.
Sin embargo, el acceso al apoyo seguía siendo limitado. Aunque el 65% de los empleados expresó algún interés en formación formal sobre IA, solo el 14% dijo que su organización había ofrecido dicha formación durante el año anterior. Apenas el 27% afirmó que su empleador proporcionaba herramientas de IA, mientras que el 37% informó de haber recibido orientación laboral.
Estas cifras revelan un desajuste. Los empleadores valoran cada vez más las competencias en IA, pero muchos no han creado las condiciones que los empleados necesitan para desarrollarlas de forma segura.
Por tanto, se pide a los trabajadores que se adapten dentro de un sistema desigual. Algunos reciben herramientas aprobadas, formación y margen para rediseñar su trabajo. Otros experimentan por su cuenta mientras asumen riesgos de privacidad, precisión y carrera profesional.
La cobertura de Google News refleja un entorno laboral que avanza en dos direcciones a la vez. La adopción aumenta, pero la confianza institucional necesaria para sostenerla no sigue el mismo ritmo.
Las ganancias de productividad no llegan automáticamente a los empleados
El cambio en el lugar de trabajo comienza cuando el tiempo ahorrado se convierte en una cuota de producción más alta, en vez de un beneficio que los empleados puedan conservar.
La IA generativa puede producir ganancias reales de eficiencia. Puede resumir documentos, clasificar información, generar primeros borradores y ayudar a las personas a investigar temas desconocidos. Estas capacidades importan en empleos llenos de trabajo repetitivo con información.
La pregunta más difícil empieza después de que la herramienta funciona. Una empresa puede usar el tiempo ahorrado para acortar la semana laboral, mejorar la calidad, atender a más clientes o reducir personal. Cada elección distribuye el beneficio de forma diferente.
La mayoría de los sistemas corporativos de productividad premia la producción, no la capacidad disponible. Cuando un empleado completa una tarea más rápido, los directivos suelen asignarle otra. El trabajador experimenta mayor intensidad, mientras que el empleador obtiene más producción por la misma hora remunerada.
Ipsos descubrió que uno de cada cinco trabajadores reconocía este patrón. La IA les ahorraba tiempo en ciertas tareas, pero el ahorro se traducía en asignaciones adicionales. Esa experiencia contradice directamente la idea de que la eficiencia personal genera naturalmente un alivio personal.
La misma tensión aparece en las pequeñas empresas. Una encuesta de la U.S. Chamber of Commerce Foundation preguntó a propietarios cómo afectaba la IA a los empleados. Entre las empresas que usan IA, el 54% de los propietarios dijo que afectaba positivamente al tiempo necesario para terminar las tareas.
Un estudio relacionado entre empleados concluyó que los trabajadores utilizaban esas ganancias de varias maneras. Según la investigación sobre pequeñas empresas, el 59% de los empleados que informó de mejoras de tiempo o calidad produjo más trabajo o trabajo de mayor calidad. El cuarenta y tres por ciento usó las mejoras para aprender o revisar, mientras que el 27% asumió responsabilidades adicionales.
Estos resultados pueden ser positivos cuando los empleados reciben reconocimiento, promoción o mayor remuneración. Se vuelven más preocupantes cuando las responsabilidades adicionales llegan sin mayor control ni recompensa.
Por eso, la “productividad de la IA” es una medición incompleta. Describe una relación entre insumo y resultado, pero no dice nada sobre la calidad de la carga laboral, la seguridad del empleo, la remuneración o la autoridad para tomar decisiones.
Un trabajador de atención al cliente que gestiona más casos por hora puede parecer más productivo. Sin embargo, también podría pasar el día resolviendo errores cometidos por un sistema automatizado. Un desarrollador de software puede generar código más rápido, pero dedicar más tiempo a revisar la seguridad, la arquitectura y la mantenibilidad.
Un empleado de comunicaciones podría crear varios borradores rápidamente y luego afrontar una mayor carga de edición porque cada borrador contiene problemas sutiles de hechos o tono. La IA desplaza el trabajo entre etapas, en lugar de eliminarlo por completo.
Estos casos también ponen de manifiesto un problema de medición. Los empleadores pueden contar tickets, borradores o mensajes completados. Tienen más dificultad para medir la tensión cognitiva, el riesgo de errores, la pérdida de desarrollo de habilidades y el tiempo dedicado a verificar material generado por máquinas.
Los trabajadores perciben esos costes ocultos porque los experimentan directamente. Los ejecutivos suelen encontrarse con paneles agregados que ponen el énfasis en el volumen y la velocidad.
Esa diferencia ayuda a explicar por qué los líderes y los empleados de primera línea pueden examinar la misma implementación y llegar a conclusiones opuestas. La dirección ve más producción. Los trabajadores ven supervisión adicional, revisión e incertidumbre.
La disputa no requiere que la IA sea ineficaz. De hecho, el conflicto se agudiza cuando la tecnología funciona. La automatización eficaz ofrece a la dirección más opciones, incluidas opciones que reducen los costes laborales o intensifican el trabajo.
Por lo tanto, el escepticismo de los trabajadores refleja una previsión institucional. Esperan que los empleadores consideren el tiempo ahorrado como propiedad de la empresa, en lugar de un beneficio generado conjuntamente por la tecnología y el trabajo.
La verdadera disputa es el control de la dirección frente a los beneficios compartidos
Los trabajadores juzgarán la IA en el lugar de trabajo por quién controla su implementación y recibe sus beneficios, no por la sofisticación del modelo subyacente.
Las organizaciones suelen presentar la adopción como un proyecto técnico. Eligen un modelo, establecen controles de seguridad, conectan datos internos y enseñan a los empleados a redactar prompts. Estos pasos son importantes, pero no resuelven el conflicto laboral.
A los empleados les importa si la IA cambia la contratación, la evaluación, la vigilancia, la remuneración, los ascensos y los despidos. Se trata de cuestiones de gobernanza: quién toma las decisiones y quién puede cuestionarlas.
Una investigación de Columbia Business School concluyó que las empresas centradas en los empleados tenían siete veces más probabilidades de informar una adopción exitosa de IA. El estudio también identificó una marcada división emocional entre los distintos niveles de la organización.
Según el estudio sobre adopción por parte de los empleados, el 33 % de los empleados de primera línea reportó más emociones negativas que positivas respecto a la IA. Solo el 4 % de los ejecutivos afirmó lo mismo.
Las reacciones negativas más frecuentes incluyeron ansiedad, resistencia y miedo a perder el empleo. Esa brecha sugiere que los ejecutivos no pueden inferir la confianza de los empleados únicamente a partir de las estadísticas de implementación.
Una empresa puede registrar un aumento en el uso de herramientas mientras sus empleados temen en silencio ser reemplazados. Los trabajadores pueden cumplir un mandato de IA porque negarse implica un riesgo profesional. El cumplimiento no es lo mismo que la confianza.
Por tanto, el principal adversario en esta historia no es una empresa tecnológica concreta. Es la promesa gerencial de progreso compartido frente a la expectativa de los trabajadores de que las ganancias se concentrarán.
Los empleadores pueden reducir ese conflicto dando a los trabajadores una participación significativa antes de rediseñar los puestos. Los empleados que realizan un proceso a diario suelen saber qué tareas son repetitivas, qué excepciones son peligrosas y dónde los resultados automatizados requieren criterio.
La consulta también cambia la información disponible para quienes toman decisiones. Un gerente que observa un flujo de trabajo automatizado puede ver un resultado exitoso. Un trabajador puede explicar las correcciones no documentadas necesarias para lograrlo.
Los beneficios compartidos exigen más que sesiones de escucha. Las organizaciones necesitan reglas explícitas sobre cómo los ahorros de productividad afectan los objetivos, la plantilla, los horarios y la remuneración.
Si la IA reduce en varias horas un proceso recurrente, un empleador podría reservar parte de esa capacidad para formación, control de calidad o trabajo dirigido por los empleados. También podría reconocer la mejora en los resultados durante las evaluaciones de desempeño y salariales.
Las empresas deberían revelar cuándo los sistemas automatizados influyen en las decisiones laborales. Los trabajadores necesitan una forma práctica de corregir datos erróneos, impugnar una recomendación automatizada y solicitar una revisión humana.
La formación también debe realizarse durante el trabajo remunerado. Exigir a los empleados que adquieran por su cuenta habilidades esenciales de IA transfiere el coste del cambio organizacional a los individuos.
Los trabajadores del conocimiento se enfrentan a otro desafío: la IA puede separar el resultado de la información que lo produjo. Un resumen generado puede parecer pulido mientras omite la fuente, el contexto o el desacuerdo no resuelto detrás de una afirmación.
Mantener una base de conocimiento consultable puede ayudar a los empleados a preservar el contexto de las fuentes y revisar decisiones anteriores. Sin embargo, ningún software puede decidir si la eficiencia resultante debe aumentar los salarios o reducir la plantilla.
Eso sigue siendo una decisión de gestión. La desconfianza de los trabajadores persistirá mientras los ejecutivos describan la IA como una oportunidad compartida pero mantengan el control exclusivo sobre sus beneficios económicos.
Lo que la encuesta aún no puede demostrar
Las expectativas de los trabajadores son una señal de alerta esencial, pero no constituyen evidencia directa de que la IA ya haya empeorado la mayoría de los empleos.
La encuesta mide creencias sobre resultados futuros. Esas creencias influyen en la adopción y el comportamiento laboral, pero no pueden establecer cómo afectará la IA al empleo, los salarios o la productividad en todos los sectores.
Groundwork Collaborative también aborda la política económica desde una perspectiva progresista. Su interpretación hace hincapié en la desigualdad y el poder de los empleadores. Los lectores deben distinguir ese análisis de las respuestas subyacentes de Ipsos.
La redacción de las preguntas también importa. Una pregunta sobre si los jefes se beneficiarán más que los trabajadores puede captar varias preocupaciones a la vez. Los encuestados pueden estar pensando en beneficios empresariales, despidos, vigilancia, carga de trabajo o remuneración ejecutiva.
Las distintas ocupaciones también se enfrentan a tecnologías diferentes. Un gerente que utiliza un chatbot para resumir reuniones se enfrenta a un perfil de riesgo distinto al de un empleado de almacén gestionado por algoritmos de programación. Agruparlos puede ocultar variaciones importantes.
La evidencia de otras encuestas no es uniformemente negativa. El estudio de Google e Ipsos encontró grandes mejoras reportadas entre los usuarios con mayor dominio. La investigación de la Cámara de Comercio de Estados Unidos halló que muchos empleados utilizaron el tiempo ahorrado para mejorar su trabajo, aprender o revisar.
La encuesta global sobre el lugar de trabajo de Gensler encontró que los usuarios frecuentes de IA también reportaban conexiones de equipo más sólidas y más tiempo dedicado al aprendizaje. Estos hallazgos complican cualquier afirmación de que la IA en el trabajo necesariamente aísla o perjudica a los empleados.
Incluso las encuestas muy positivas requieren cautela. Las personas que alcanzan un alto nivel de dominio pueden ya tener empleos con mayor autonomía, mejores herramientas y gerentes que las apoyan. Sus resultados pueden reflejar tanto entornos laborales favorables como experiencia en IA.
La productividad autodeclarada es otra limitación. Los empleados y gerentes pueden sentirse más rápidos sin producir un trabajo más valioso. A la inversa, un trabajador cuidadoso puede sentirse más lento porque la IA añade pasos de revisión, aunque evite errores costosos.
La evidencia económica independiente también sigue sin resolverse. Los experimentos a nivel de empresa han encontrado mejoras significativas en ciertas tareas, especialmente para trabajadores menos experimentados. Las estadísticas de productividad más amplias tardan más en revelar si esas mejoras se mantienen entre organizaciones.
La cuestión de la distribución es aún más difícil de medir. Una empresa podría aumentar la producción sin modificar de inmediato los salarios o la plantilla. Los efectos sobre el poder de negociación, los ascensos y el acceso a la carrera profesional pueden surgir a lo largo de varios años.
Las preocupaciones de los trabajadores siguen mereciendo atención porque las expectativas moldean el comportamiento. Alguien que cree que el uso de IA expondrá su empleo a la automatización puede ocultar flujos de trabajo exitosos. Un empleado que espera cuotas poco realistas puede resistirse a una herramienta que, de otro modo, podría ayudarle.
Por tanto, el miedo puede reducir la misma productividad que buscan los empleadores. Fomenta el uso secreto, informes deficientes y comportamientos defensivos.
La encuesta no debería tratarse como prueba de un desplazamiento masivo inevitable. Se entiende mejor como evidencia de que muchos trabajadores no confían en el acuerdo prometido.
Ese déficit de confianza es, por sí mismo, un riesgo material para la adopción. Las organizaciones no pueden construir procesos fiables cuando los empleados creen que toda eficiencia que revelen se utilizará en su contra.
Una respuesta creíble del empleador utilizaría compromisos medibles. Informaría quién recibe formación, cómo cambian los puestos, si aumenta la carga de trabajo y cómo las mejoras de productividad afectan a la remuneración.
Sin esos detalles, las afirmaciones optimistas sobre la ampliación de capacidades siguen siendo difíciles de comprobar. Los trabajadores se quedan comparando las promesas de los ejecutivos con su propia experiencia de recortes de plantilla, objetivos más altos e influencia limitada.
Tres señales mostrarán quién se beneficia realmente
La próxima etapa de la IA en el lugar de trabajo se decidirá por el acceso a la formación, los cambios en la carga de trabajo y la distribución de las mejoras medibles de productividad.
La primera señal es si los empleadores cierran la brecha de formación. Google e Ipsos encontraron que el 65 % de los empleados quería algún tipo de instrucción formal, mientras que solo el 14 % informó haberla recibido durante el año anterior.
Esa diferencia debería reducirse si las empresas realmente consideran a los trabajadores participantes a largo plazo en la adopción de la IA. Los empleadores necesitarán formación específica por función, herramientas aprobadas, políticas de seguridad claras y tiempo remunerado para practicar.
Un aumento de la formación sin mayor seguridad laboral aportaría una evidencia más débil. A veces, las empresas forman a los empleados para estandarizar procesos antes de consolidar puestos. Los trabajadores necesitan claridad sobre el plan de empleo vinculado a esa instrucción.
La segunda señal es la carga de trabajo. Las organizaciones deberían medir si la IA reduce el trabajo repetitivo o simplemente eleva las expectativas de producción.
Los hallazgos de Ipsos de junio ya ofrecen una alerta temprana. Uno de cada cinco encuestados dijo que el ahorro de tiempo derivó en más tareas. Si esa proporción aumenta, la interpretación pesimista de la encuesta de trabajadores cobrará fuerza.
Las mediciones útiles incluyen el trabajo fuera de horario, el volumen de asignaciones, el tiempo de revisión, la corrección de errores y el control de los empleados sobre la programación. La producción por sí sola no puede mostrar si una implementación mejoró las condiciones de trabajo.
La tercera señal es si los beneficios profesionales se extienden más allá de un pequeño grupo de usuarios avanzados y gerentes. La encuesta de Google e Ipsos encontró salarios, ascensos y seguridad laboral reportados como más altos entre los trabajadores con mayor dominio.
Esos empleados representaban solo el 5 % de la muestra de trabajadores. Si mejoras similares alcanzan a usuarios ocasionales tras recibir formación, se fortalecerá el argumento de beneficios ampliamente compartidos.
Si las ganancias siguen concentradas entre gerentes y profesionales especializados, las preocupaciones de los trabajadores sobre la división de clases parecerán cada vez más acertadas. La fluidez en IA podría convertirse en otra credencial escasa que separe a los empleados bien respaldados de todos los demás.
Los empleadores también deberían revelar qué ocurre cuando aparece una mejora de productividad. ¿La empresa redujo los tiempos de respuesta, mejoró la calidad del servicio, elevó los objetivos, recortó puestos o aumentó la remuneración?
Estos resultados no son intercambiables. Cada uno revela quién capturó el valor creado por el trabajo asistido por IA.
Los trabajadores pueden vigilar los cambios en las evaluaciones de desempeño. Las nuevas referencias al uso de IA, el volumen de producción, la puntuación automatizada o la evaluación comparativa indican que la experimentación se está convirtiendo en infraestructura formal de gestión.
También deberían seguir si se mantiene disponible la revisión humana cuando los sistemas automatizados influyen en los horarios, la contratación, los ascensos o los despidos. Un supervisor humano nominal ofrece poca protección si esa persona simplemente aprueba una recomendación generada por una máquina.
Para los trabajadores del conocimiento, la acción inmediata consiste en documentar tanto las mejoras como los costes ocultos. Registrar el tiempo ahorrado en redacción, investigación o análisis, junto con el tiempo necesario para la verificación y la corrección.
Esa evidencia puede hacer más concretas las conversaciones internas. Sustituye afirmaciones vagas sobre eficiencia por una explicación más completa de cómo cambió el trabajo.
Los gerentes deberían plantear una pregunta directa antes de fijar nuevos objetivos: ¿cuánto de esta mejora de productividad debería conservar el empleado? La respuesta moldeará la confianza más que otra presentación sobre estrategia de IA.
La historia de Google News ha llamado la atención porque recoge una valoración emergente sobre el trabajo. Los empleados no dan por sentado que una tecnología útil producirá resultados justos.
Esa valoración todavía puede cambiar. Solo cambiará cuando los trabajadores vean avanzar la formación, la seguridad, la autonomía y la remuneración junto con la producción.
La evidencia decisiva no procederá de otro benchmark de modelos. Procederá de las nóminas, los horarios, las decisiones de plantilla y el grado de control que los empleados conserven sobre su trabajo.
Las organizaciones tienen ahora una elección clara. Pueden utilizar la IA para intensificar la jerarquía existente o pueden otorgar a los trabajadores una parte documentada de los beneficios. ¿Qué resultado se está preparando su lugar de trabajo para medir?
