El sentimiento sobre la IA en el trabajo se vuelve negativo a medida que se deteriora la confianza en el liderazgo
Google News está mostrando un fuerte giro en las reseñas de Glassdoor: solo el 43% de los comentarios sobre IA en el trabajo fueron positivos en 2026, frente al 81% en 2019. El cambio se produce pese a que las empresas compran más herramientas de IA y piden a más empleados que las utilicen. Los trabajadores no están simplemente rechazando una tecnología desconocida. Cuestionan qué planea hacer el liderazgo con ella.
Glassdoor descubrió que las menciones a la IA en las reseñas de empleados de Estados Unidos aumentaron un 240% entre mayo de 2025 y mayo de 2026. El volumen indica que la IA ha ido más allá de los equipos especializados y se ha convertido en una preocupación cotidiana del empleo. Sin embargo, una mayor exposición ha generado más críticas, especialmente en torno a los despidos, la adopción obligatoria, la vigilancia y la distracción respecto al trabajo principal.
Esto representa un giro para los ejecutivos que plantearon la adopción como un desafío de productividad. La evidencia identifica cada vez más un problema de confianza organizacional. Gallup, Microsoft, RSM y Catalyst han detectado brechas entre el entusiasmo de los ejecutivos y la experiencia de los empleados con la IA en el trabajo.
Las reseñas de Glassdoor revelan un giro en la IA en el trabajo
La IA se convirtió en un tema mucho más importante en las reseñas de empleados, pero la conversación se volvió menos favorable a medida que crecía.
El hecho subyacente es un nuevo análisis de Glassdoor sobre reseñas de empleados que mencionan IA o modelos de lenguaje de gran tamaño. Los modelos de lenguaje de gran tamaño son sistemas entrenados para generar e interpretar lenguaje a partir de patrones en extensos conjuntos de datos. El análisis rastrea cómo describen los empleados la IA en las reseñas de sus empleadores.
Según los datos de reseñas de empleados, las menciones a la IA aumentaron un 240% de mayo de 2025 a mayo de 2026. Ese crecimiento no mide directamente la adopción. Muestra que la IA se ha vuelto lo bastante importante como para influir en la forma en que los empleados evalúan públicamente sus lugares de trabajo.
El cambio de tono es más revelador. En 2019, el 81% de las reseñas que mencionaban IA la describían positivamente. Para 2026, el 43% era positivo, mientras que el 53% era negativo o identificaba la IA como una desventaja.
Varios años separan esas observaciones, y el contexto laboral cambió considerablemente durante ese período. Los comentarios anteriores solían tratar la IA como una capacidad emergente o un campo técnico interesante. Las reseñas recientes describen cada vez más herramientas impuestas, reestructuración organizacional y ansiedad sobre lo que la automatización significa para el empleo.
Los comentarios positivos aún revelan una vía hacia la aceptación. Glassdoor descubrió que el 44% de los comentarios positivos sobre IA hablaban de un beneficio comercial para la empresa. Otro 41% mencionaba herramientas útiles, formación o apoyo del empleador.
Estos temas importan porque vinculan la adopción con un valor visible. Los empleados responden de forma más favorable cuando pueden ver cómo la IA mejora el trabajo o fortalece el negocio. También responden mejor cuando los empleadores proporcionan los recursos necesarios para utilizarla de forma responsable.
Los comentarios negativos muestran una experiencia diferente. El temor a ser reemplazados apareció en el 20% de los comentarios críticos sobre IA, lo que lo convirtió en la preocupación más común. Otras quejas incluían el uso obligatorio de herramientas, la vigilancia en el lugar de trabajo y que la IA distraía a los líderes del negocio principal de la empresa.
Las reseñas también vinculan las críticas a la IA con una tensión organizacional más amplia. Los empleados que expresaban opiniones negativas sobre la IA tenían 3,7 veces más probabilidades de mencionar agotamiento o inseguridad laboral. Tenían seis veces más probabilidades de mencionar despidos que otros autores de reseñas.
Una cuarta parte de las reseñas que identificaban la IA como una desventaja también se refería directamente a los despidos. Esa asociación no prueba que la IA causara esos despidos. Sí muestra que los empleados a menudo se encuentran con la tecnología dentro de un clima de incertidumbre ya existente.
El sentimiento positivo también se relacionó con el comportamiento de los empleados. Glassdoor informó que los autores de reseñas positivas tenían un 47% menos de probabilidades de solicitar otro empleo durante el mes siguiente. De nuevo, el resultado es una asociación, no una prueba de que el entusiasmo por la IA evitara las salidas.
La señal práctica sigue siendo importante. El sentimiento sobre la IA en el trabajo parece estar vinculado al juicio más amplio de los empleados sobre la estrategia, la estabilidad y la credibilidad del liderazgo. El despliegue de una herramienta no puede separarse de esas condiciones.
Por eso la historia va más allá de un pico temporal en Google News. Las reseñas recogen a trabajadores hablando sobre la IA después de que la tecnología entrara en las expectativas de rendimiento, los planes operativos y las decisiones sobre la plantilla. Sus críticas se dirigen a la implementación y a la intención, no solo a la calidad de los modelos.
La presión recae sobre ejecutivos y mandos intermedios
Los ejecutivos establecen el mandato de IA, pero los mandos intermedios deben traducirlo en cambios creíbles para los puestos, los flujos de trabajo y el rendimiento.
Los líderes sénior afrontan presión de inversores, consejos de administración y competidores para demostrar rendimientos medibles de la inversión en IA. A menudo responden con objetivos de adopción, asistentes internos, programas de automatización o despliegues de agentes. Los empleados se encuentran después con esas ambiciones a través de procesos modificados y nuevas expectativas.
Los gerentes ocupan el difícil espacio entre esos grupos. Deben fomentar la experimentación mientras responden preguntas sobre seguridad de los datos, precisión, carga de trabajo y consecuencias para la carrera profesional. También deben decidir cuándo el resultado de la IA requiere revisión humana.
La investigación de Gallup sobre el lugar de trabajo de agosto de 2026 ilustra esa carga. En una encuesta de mesa redonda a 102 directores de recursos humanos, el 99% calificó la IA como algo o muy importante para la estrategia organizacional. Sin embargo, el 50% carecía de confianza en la capacidad de los gerentes para orientar el uso de la IA por parte de los empleados.
Solo el 57% de esos líderes de RR. HH. afirmó que sus organizaciones proporcionaban formación en IA para los gerentes. El 62% informó de la creación de campeones internos de IA o centros de excelencia. Estas inversiones son significativas, pero no resuelven por sí solas expectativas laborales poco claras.
Los gerentes ya supervisan la contratación, el rendimiento, la dotación de personal y el bienestar de los empleados. Añadir la responsabilidad de la gobernanza de la IA puede generar otra obligación sin financiación. Una breve sesión de formación no puede sustituir decisiones claras sobre uso aceptable, responsabilidad y diseño de funciones.
La presión es visible en los patrones de adopción. Gallup encuestó a 23.717 empleados de Estados Unidos en febrero de 2026. Entre los trabajadores cuyos empleadores ofrecían IA, el 67% de los líderes la utilizaba con frecuencia, frente al 46% de los colaboradores individuales.
Esa diferencia refleja en parte la naturaleza del trabajo de liderazgo. Las herramientas actuales de IA son adecuadas para redactar, planificar, analizar y comunicarse. Muchos puestos de primera línea o especializados no ofrecen un encaje igual de evidente.
Sin embargo, la disponibilidad de herramientas no explica por completo la brecha. Los trabajadores deben saber dónde encaja la IA en un proceso, a qué información puede acceder y quién asume los errores. Sin esas respuestas, la vacilación puede ser una gestión racional del riesgo.
Gallup descubrió que el 78% de los empleados con gerentes muy favorables utilizaba IA con frecuencia. La cifra comparable fue del 44% entre los empleados que no estaban muy de acuerdo con que sus gerentes respaldaran su uso.
La integración mostró una relación aún mayor. Entre los empleados que creían firmemente que la IA encajaba en sus sistemas y procesos existentes, el 88% la utilizaba con frecuencia. La cifra cayó al 55% entre quienes no tenían la misma confianza.
Las políticas claras también importaban. El uso frecuente alcanzó el 68% entre los empleados que estaban muy de acuerdo con que su organización contaba con políticas claras de IA. La cifra fue del 47% entre los trabajadores que no estaban muy de acuerdo.
Estos resultados no significan que los líderes deban presionar más a los empleados. Sugieren que los empleados utilizan la IA cuando las organizaciones eliminan la ambigüedad práctica. El apoyo debe incluir diseño de flujos de trabajo, límites de permisos y una explicación creíble de los beneficios esperados.
La respuesta obligada para los ejecutivos es, por tanto, más amplia que aumentar las licencias o supervisar el uso. Deben definir qué trabajo debe cambiar y qué decisiones humanas siguen protegidas. También deben explicar cómo las ganancias de productividad afectan a la dotación de personal, la evaluación y el desarrollo profesional.
La respuesta para los gerentes es más inmediata. Necesitan tiempo para probar herramientas, identificar modos de fallo y desarrollar prácticas específicas para cada equipo. Las empresas que omiten ese trabajo transfieren la incertidumbre estratégica a personas con autoridad limitada.
Google News sigue una brecha de liderazgo, no una simple resistencia a la IA
El conflicto central es el entusiasmo de los ejecutivos frente a la experiencia vivida de los empleados, no la innovación frente a trabajadores que se niegan a cambiar.
Calificar de resistentes a los empleados críticos es una explicación atractiva porque protege la estrategia de implementación. Sitúa la responsabilidad en las actitudes, habilidades o edad de cada individuo. La evidencia más amplia apunta a un fracaso organizacional más complejo.
La investigación de RSM sobre el mercado medio de 2026 encuestó a líderes sénior acerca de sus estrategias de IA. El 85% estuvo de acuerdo en que el liderazgo ejecutivo era más entusiasta con la IA que los empleados. Ese hallazgo procedía de los propios líderes, no de trabajadores que criticaban a la dirección.
La misma investigación descubrió que el 61% de los encuestados se identificaba con un enfoque de liderazgo de apuesta total. El 30% prefería un enfoque más cauteloso, centrado en la inversión en las personas. La diferencia muestra hasta qué punto el pensamiento ejecutivo favorece un despliegue más rápido.
RSM también informó que el 88% esperaba que el tamaño y la composición de su plantilla fueran fundamentalmente diferentes dentro de dos o tres años. El 91% esperaba que humanos y sistemas de IA trabajaran como equipos integrados durante ese período.
Esas expectativas hacen comprensible la preocupación de los empleados. Se pide a los trabajadores que adopten sistemas mientras los líderes predicen cambios sustanciales en la plantilla. Las garantías generales no pueden resolver el conflicto cuando el plan operativo sigue anticipando una reestructuración.
La brecha de liderazgo también cambia la forma en que los empleados interpretan la formación. Un curso puede representar una inversión profesional cuando los futuros puestos están claros. El mismo curso puede parecer preparación para reducir la plantilla cuando el liderazgo evita hablar sobre dotación de personal.
El Work Trend Index 2026 de Microsoft ofrece otra perspectiva. Su encuesta global abarcó a 20.000 trabajadores del conocimiento empleados o autónomos que ya utilizaban IA. Los investigadores probaron 29 factores asociados a que los trabajadores informaran de un impacto significativo de la IA.
Los factores organizacionales representaron el 67% del impacto de IA informado, frente al 32% de la mentalidad y el comportamiento individuales. Los principales factores organizacionales incluían la cultura, el apoyo de los gerentes y las prácticas de talento.
El análisis del impacto de la IA identificó asociaciones, no pruebas de causalidad. Microsoft señala explícitamente que las mediciones fueron autoinformadas en el mismo momento. Aun así, tres modelos estadísticos diferentes produjeron la misma clasificación por categorías.
El resultado cuestiona la idea de que los empleados reticentes simplemente necesitan mejores habilidades para formular indicaciones. Los trabajadores informan de más valor cuando su entorno respalda la experimentación segura y refleja la IA en las prácticas de desarrollo. El entusiasmo individual no puede reparar un sistema contradictorio.
Catalyst llegó a una conclusión relacionada en una investigación centrada en el liderazgo durante la disrupción. Solo el 16% de los empleados afirmó que los líderes seguían siendo seguros y brindaban apoyo durante el cambio impulsado por la IA. El 33% consideró que los líderes carecían de integridad durante la disrupción empresarial.
Casi la mitad, el 47%, se mostró pesimista respecto a que integrar la IA en el trabajo cotidiano mejoraría la productividad. El 37% desconfiaba de la IA en relación con el intercambio de datos. Estos hallazgos combinan preocupaciones tecnológicas con juicios sobre la conducta del liderazgo.
Catalyst sostuvo que una formación desigual y una participación limitada de los empleados profundizan la desconfianza. Los trabajadores que reciben poca información deben inferir qué significa la adopción para ellos. Los anuncios de despidos y los objetivos agresivos de eficiencia suelen llenar ese vacío de información.
Por tanto, el conflicto es entre promesa y experiencia. Los líderes prometen trabajo de mayor valor, más creatividad y alivio de las tareas repetitivas. En cambio, los empleados pueden recibir trabajo adicional de verificación, reglas de desempeño poco claras y señales de que la automatización reducirá la plantilla.
Un flujo de trabajo de IA responsable requiere una memoria institucional fiable. Los equipos necesitan acceso a políticas aprobadas, materiales fuente y decisiones previas al evaluar resultados generados. Una base de conocimientos con capacidad de búsqueda puede respaldar ese trabajo, pero la tecnología no puede resolver la política laboral.
La cobertura de Google News amplifica el giro porque desafía una narrativa conocida sobre la adopción. Los trabajadores no están esperando descubrir la IA. Muchos ya se han encontrado con ella y han formado juicios más críticos sobre cómo la utilizan los empleadores.
Lo que los datos de las reseñas no pueden demostrar
Los hallazgos de Glassdoor son una fuerte señal de alerta, pero no pueden establecer que la IA haya causado condiciones laborales negativas.
Las reseñas de empleados son registros observacionales escritos por personas que deciden publicarlas. No representan una muestra aleatoria de todos los trabajadores. Los empleados con experiencias inusualmente positivas o negativas pueden tener motivos más fuertes para enviar reseñas.
La composición de quienes escriben reseñas también puede cambiar con el tiempo. Un empleado que hablaba de IA en 2019 podría haber ocupado un puesto técnico en una empresa adoptante temprana. Para 2026, las reseñas pueden incluir una gama más amplia de ocupaciones y organizaciones.
Ese cambio podría explicar parte del descenso del sentimiento. La IA pasó de los equipos de investigación a los seguros, la atención al cliente, la contratación, el desarrollo de software y la administración. Los distintos empleos exponen a los trabajadores a beneficios y riesgos diferentes.
Las categorías de Glassdoor también condensan comentarios complejos en agrupaciones positivas y negativas. Un trabajador puede valorar un asistente de IA mientras critica el plan de dotación de personal de la empresa. Otro puede oponerse a la vigilancia, pero respaldar la automatización de la documentación repetitiva.
La relación entre los comentarios críticos sobre IA y los despidos requiere especial cautela. Las reseñas que mencionan ambos factores no demuestran que la tecnología haya eliminado esos puestos. Las empresas que atraviesan dificultades financieras pueden impulsar despidos y proyectos de IA al mismo tiempo.
Los ejecutivos también pueden usar el lenguaje de la IA para justificar decisiones impulsadas por otras condiciones. Los recortes de costes, la caída de la demanda y la consolidación organizativa pueden aparecer junto a programas de automatización. Las declaraciones públicas rara vez aportan suficiente detalle para separar esas causas.
La reducción del 47% en las solicitudes de empleo posteriores entre los reseñadores positivos tiene limitaciones similares. El sentimiento positivo puede reflejar una satisfacción más amplia con el empleador. No establece que una experiencia favorable con la IA haya hecho que los trabajadores permanecieran.
Los hallazgos de las encuestas de Microsoft y Gallup también dependen en gran medida de percepciones autodeclaradas. Los empleados a quienes les agradan sus gerentes pueden valorar favorablemente varios factores del lugar de trabajo. Esa percepción común puede reforzar las correlaciones sin demostrar que un factor causó otro.
Esto no hace inútil la evidencia. Conjuntos de datos independientes vinculan repetidamente el apoyo de los gerentes, el ajuste con el flujo de trabajo, la claridad de las políticas y la cultura organizativa con mejores experiencias de los empleados. Esa convergencia convierte al liderazgo en un factor creíble que requiere atención.
También hay evidencia de que algunos no usuarios tienen objeciones no relacionadas con la calidad del liderazgo. Gallup halló que el 43% de los no usuarios se oponía éticamente a la IA. El treinta y nueve por ciento no creía que pudiera ayudarles en su trabajo.
Las preocupaciones sobre privacidad, seguridad y cumplimiento normativo fueron citadas por el 43% de los no usuarios y el 38% de los usuarios poco frecuentes. Son cuestiones sustantivas. Una mejor comunicación no las eliminará cuando las prácticas de datos de un sistema sigan siendo inaceptables.
Asimismo, el 46% de los no usuarios prefería su forma establecida de trabajar. La familiaridad puede ralentizar la adopción incluso cuando un proceso nuevo ofrece valor. Las organizaciones aún deben distinguir el hábito de la preocupación informada.
Por tanto, una lectura escéptica funciona en ambos sentidos. Los líderes no deberían asumir que cada reseña negativa demuestra que su estrategia de IA fracasó. Tampoco deberían descartar una reversión de 38 puntos en el sentimiento como mero miedo al cambio.
La mejor prueba es la evidencia operativa. Las empresas deberían comparar la calidad de las tareas, el tiempo de finalización, el retrabajo, la carga de trabajo de los empleados y los resultados para clientes antes y después del despliegue. Deberían publicar internamente esos hallazgos, incluidos los resultados que cuestionen el argumento de inversión.
Los empleados también necesitan canales protegidos para informar de fallos. Si las críticas afectan las evaluaciones de desempeño, los trabajadores ocultarán los problemas hasta que lleguen a clientes o reguladores. La seguridad psicológica es, por tanto, parte del control de calidad técnico.
Una implementación creíble debe permitir concluir que la IA no es adecuada para una tarea específica. El uso obligatorio puede crear una adopción artificial mientras reduce la eficiencia. Los recuentos de uso por sí solos no pueden demostrar si la herramienta mejoró el trabajo.
El apoyo de los gerentes cambia cómo los trabajadores experimentan la IA
Los gerentes no pueden eliminar la inseguridad laboral, pero su apoyo puede convertir un mandato corporativo abstracto en un flujo de trabajo comprobable y sujeto a rendición de cuentas.
Gallup halló que los empleados con gerentes que los apoyaban tenían más probabilidades de informar una mejora cultural. Entre los trabajadores que estaban muy de acuerdo en que los gerentes apoyaban activamente el uso de IA, el 31% dijo que la cultura laboral mejoró. La cifra fue del 21% entre quienes no compartían con fuerza esa opinión.
El nueve por ciento del grupo respaldado dijo que la cultura mejoró sustancialmente. Solo el 3% del grupo de comparación informó el mismo grado de mejora. Esa diferencia sugiere que los gerentes influyen en algo más que la frecuencia de adopción.
El efecto no se basa en discursos motivacionales. Un apoyo eficaz comienza por decidir dónde resulta útil la IA. Un gerente puede identificar una tarea delimitada, definir entradas aceptables y establecer un requisito de revisión humana.
Pensemos en un equipo de atención al cliente que utiliza IA para redactar respuestas. Los empleados necesitan saber si la información de los clientes puede introducirse en el sistema. También necesitan reglas de escalamiento para solicitudes médicas, legales, financieras o emocionalmente sensibles.
Un equipo de software necesita controles diferentes. El código generado por IA requiere pruebas, revisión de seguridad y atención a las licencias. Medir únicamente cuántas sugerencias aceptan los desarrolladores puede premiar la velocidad mientras oculta los costes de mantenimiento.
Los equipos de recursos humanos afrontan otro conjunto de riesgos. Redactar una descripción de puesto difiere de clasificar candidatos o evaluar el desempeño. El segundo grupo de tareas puede afectar las oportunidades laborales y exige una revisión más rigurosa.
Por ello, un despliegue útil trata la IA como parte del diseño del trabajo. El diseño del trabajo define cómo se organizan las tareas, la autoridad, la información y la rendición de cuentas. No puede reducirse a credenciales de acceso y una biblioteca de prompts.
Los gerentes también necesitan permiso para informar que una herramienta funciona mal. Si los patrocinadores ejecutivos esperan éxito, los mandos intermedios pueden filtrar los resultados negativos. Los empleados entonces ven errores mientras los paneles oficiales muestran avances.
Esa brecha de credibilidad puede intensificar el sentimiento observado por Glassdoor. Es poco probable que los trabajadores confíen en un programa de adopción que trata la crítica como deslealtad. Pueden ver cuándo el material generado requiere una corrección extensa.
El liderazgo debería indicar si el ahorro de tiempo reducirá la carga de trabajo, aumentará los objetivos de producción o modificará la plantilla. Cada decisión tiene consecuencias distintas. El silencio invita a los empleados a asumir que cada ganancia de eficiencia amenaza un empleo.
La formación también debe ajustarse al puesto. Las demostraciones genéricas suelen enfatizar la redacción, la síntesis y la lluvia de ideas. No abordan los datos aprobados, los estándares de revisión ni las consecuencias pertinentes para un equipo específico.
El estudio sobre adopción en el lugar de trabajo de Gallup halló que la integración en el flujo de trabajo estaba estrechamente asociada con el uso frecuente. Esto respalda una implementación específica por función en lugar de un estímulo generalizado.
Los gerentes necesitan umbrales de calidad medibles. Un equipo debe saber cuán preciso debe ser un resultado y qué evidencia lo respalda. En trabajos de alto riesgo, una persona debe seguir siendo responsable de la decisión final.
Los empleados también deberían ayudar a seleccionar los casos de uso. Entienden dónde existe fricción administrativa y dónde importa el contexto. La participación transforma la adopción de una exigencia externa en un proceso de diseño compartido.
Esa implicación no garantiza la aprobación. Los trabajadores aún pueden oponerse a un sistema o temer sus consecuencias. Sin embargo, expone problemas prácticos antes de que una organización los escale.
Los ejecutivos conservan la responsabilidad de las cuestiones más difíciles. Los gerentes no pueden prometer seguridad laboral sin autoridad. No pueden resolver incentivos contradictorios cuando los sistemas de desempeño premian la adopción independientemente del resultado.
Por eso el liderazgo sigue siendo parte del problema. Las empresas con frecuencia delegan la implementación hacia abajo mientras mantienen ambigüedad estratégica en la cúpula. Los gerentes se convierten en mensajeros de decisiones que no ayudaron a definir y no pueden explicar por completo.
El modelo más creíble conecta los compromisos ejecutivos con salvaguardas operativas. Los líderes definen principios laborales y rendición de cuentas. Los gerentes diseñan los flujos de trabajo de los equipos. Los empleados comprueban si las herramientas crean valor sin riesgos inaceptables.
Tres señales mostrarán si la confianza en la IA se está recuperando
La próxima fase se medirá por los resultados para los empleados y las prácticas operativas, no por otra oleada de anuncios ejecutivos sobre IA.
La primera señal es si el sentimiento de las reseñas mejora mientras las menciones a la IA permanecen elevadas. Una menor crítica junto con una discusión sostenida sugeriría que la implementación se vuelve más útil o menos amenazante. La disminución de las menciones por sí sola podría indicar desconexión en vez de una confianza recuperada.
Las futuras publicaciones de Glassdoor también pueden mostrar si los despidos siguen estrechamente vinculados a comentarios negativos sobre IA. Una asociación más débil respaldaría la idea de que las empresas están separando el despliegue tecnológico de la reducción indiscriminada de plantilla.
Si el sentimiento negativo sigue aumentando, la explicación basada en el liderazgo cobra más fuerza. Sugeriría que la experiencia con la IA en el trabajo no está resolviendo la preocupación de los trabajadores. En cambio, podría estar confirmando temores sobre la estrategia y el empleo.
La segunda señal es si las organizaciones cierran la brecha de apoyo de los gerentes. Gallup halló que la mitad de los CHRO encuestados no confiaba en la capacidad de los gerentes para guiar el uso de IA. Solo el 57% informó proporcionar formación para gerentes.
Las cifras de formación por sí solas no bastan. Las empresas deberían hacer seguimiento de si los gerentes reciben tiempo, autoridad, apoyo de políticas y asistencia técnica. Las encuestas a empleados deberían comprobar si las expectativas se han vuelto más claras a nivel de equipo.
Los hallazgos sobre cultura de Gallup proporcionan referencias útiles. Los empleados con gerentes activamente comprometidos con el apoyo informaron mejores resultados culturales. Las investigaciones futuras pueden comprobar si esas diferencias persisten a medida que los despliegues maduran.
La mejora fortalecería el argumento de que las prácticas de gestión configuran los resultados de la IA. La ausencia de mejora sugeriría que los programas de apoyo son demasiado superficiales o que temores laborales mayores dominan el liderazgo local.
La tercera señal es si las empresas divulgan medidas de resultados más allá del uso. Las medidas útiles incluyen tasas de error, retrabajo, tiempo de ciclo, carga de trabajo de los empleados, satisfacción del cliente y movilidad interna. Los cambios en la plantilla deberían aparecer junto a las afirmaciones de productividad.
Esa divulgación ayudaría a los trabajadores a evaluar si la IA está creando trabajo de mayor valor. También expondría despliegues que simplemente trasladan el esfuerzo de la producción a la verificación.
Los hallazgos de RSM hacen que esto sea especialmente importante. La mayoría de los líderes encuestados esperaba cambios sustanciales en la composición de la fuerza laboral y una amplia colaboración entre humanos e IA. Los empleados necesitan pruebas que muestren cuál será el papel de las personas en ese futuro.
La información pública puede seguir siendo limitada, pero la transparencia interna sigue siendo importante. La dirección puede compartir los resultados de los pilotos, las tasas de fracaso y las decisiones de detener proyectos inadecuados. Reconocer las limitaciones puede generar más confianza que declarar un éxito universal.
Los lectores que siguen esta historia a través de Google News deberían tratar las cifras de adopción con cautela. Más licencias, prompts o usuarios activos no demuestran una integración productiva. La actividad obligatoria puede aumentar mientras disminuyen la confianza y la calidad del trabajo.
La mejor pregunta es si los trabajadores ganan claridad, control y trayectorias profesionales creíbles a medida que se expande el uso de la IA. Esas condiciones determinarán si las críticas se suavizan o se convierten en una característica duradera del trabajo.
Para los trabajadores del conocimiento, la acción inmediata es documentar dónde la IA ahorra tiempo y dónde genera trabajo de verificación. Lleven esas observaciones a las revisiones de flujos de trabajo, las conversaciones sobre seguridad y la planificación del desempeño. Pregunten quién sigue siendo responsable cuando falla el resultado generado. Para los gerentes, comparen los beneficios prometidos con los resultados medidos del equipo antes de ampliar el uso. Para los ejecutivos, expliquen cómo la eficiencia afecta al empleo en lugar de dejar que los empleados infieran la respuesta. El próximo titular de Google News debería evaluarse con base en esas señales, no frente a otro ambicioso objetivo de adopción.
