La IA como prueba incómoda del liderazgo

La incorporación de la inteligencia artificial no pone únicamente a prueba a los empleados, obliga a revisar qué capacidades construimos, cómo atribuimos el valor y quién responde cuando una decisión tiene consecuencias. La cuestión ya no es solo cuánto puede hacer la tecnología, sino qué deben hacer —y lograr— el liderazgo y Recursos Humanos para que la velocidad no sustituya al criterio.

La IA no es el tema

La inteligencia artificial tiene la virtud incómoda de que hace visible lo que la organización llevaba años intentando disimular: decisiones poco claras, responsabilidades repartidas hasta evaporarse, evaluaciones que confundían resultado con talento y procesos de aprendizaje abandonados a la buena voluntad de cada jefe.

Por eso propongo cambiar la pregunta: en lugar de discutir únicamente qué puestos desaparecerán, qué tareas automatizaremos o qué herramienta llegará primero, conviene preguntarnos qué está revelando la IA sobre la calidad de nuestro liderazgo. No porque la tecnología sea secundaria, sino precisamente porque es demasiado importante para dejarla encerrada en un asunto técnico.

Entiendo por liderazgo consciente algo bastante menos complaciente que una colección de buenas intenciones. Es la capacidad organizativa de hacer visibles las tensiones que genera la estrategia, integrar la creación de valor económico, organizativo y humano, decidir qué no estamos dispuestos a sacrificar y responder por las consecuencias. La IA somete esa capacidad a una prueba de estrés.

Producir mejor no siempre significa aprender más

Pensemos en una persona que prepara su primer informe. Antes tenía que buscar información, distinguir lo relevante, ordenar argumentos, equivocarse y recibir correcciones. Hoy puede obtener en minutos un texto mejor presentado. La organización celebra la productividad, y puede tener razón, pero falta una pregunta: ¿esa persona ha aprendido más o simplemente ha producido mejor?

Resultado y capacidad no son lo mismo. Un experimento con cerca de 2.850 estudiantes de matemáticas mostró que una versión de GPT que ofrecía soluciones mejoraba notablemente el desempeño durante la práctica, pero podía perjudicarlo cuando la herramienta se retiraba. Otra versión, diseñada como tutor —preguntaba y ofrecía pistas en lugar de entregar directamente la respuesta—, mejoraba la práctica sin producir el mismo deterioro posterior (Bastani et al., 2025). Eran estudiantes, no empleados; la cautela es obligatoria. El mecanismo, sin embargo, importa: la misma tecnología puede actuar como asistente, tutora o sustituta. El diseño organizativo decide cuál de las tres utilizamos.

Aquí aparece el primer trade-off: la productividad presente frente a la capacidad futura. Prohibir la IA puede condenarnos a aprender procedimientos irrelevantes pero permitirle recorrer todo el camino cognitivo puede impedir que construyamos criterio para supervisarla.

El resultado ya no explica el talento

Supongamos que el informe es excelente. Si evaluamos únicamente el output concluiremos que su autor ha demostrado un gran desempeño, pero el resultado no lo ha producido solo la persona, porque también intervienen su conocimiento, la pregunta, los datos, la herramienta, el acceso, el tiempo para contrastar y el criterio al revisar. Llamar «talento individual» al producto final sin distinguir esas condiciones ya no es defendible.

Necesitamos separar tres cosas:

• El talento humano: conocimientos, capacidades, experiencia, criterio y disposición para crear valor.
• El resultado asistido: lo que observamos cuando una persona trabaja con una herramienta, unos datos y unas condiciones determinadas.
• Y la «aumentabilidad»: la posibilidad de que una persona o un puesto mejore significativamente su resultado mediante IA.

Esa posibilidad de aumentar el resultado no depende solo de la persona, sino también de la tarea, los datos, la herramienta y de lo fácilmente que el trabajo pueda traducirse a instrucciones. Dos profesionales igualmente capaces pueden mejorar de forma muy distinta porque uno trabaja en un puesto más aumentable. Así que, si observamos solo el resultado, un privilegio tecnológico acabará pareciendo mérito personal.

Una investigación con 5.172 agentes de atención al cliente aporta otra pista. Un asistente generativo elevó la productividad media un 15 %, con beneficios mucho mayores entre los menos experimentados. Entre los más expertos hubo pequeñas ganancias de velocidad y, en algunos casos, ligeras caídas de calidad (Brynjolfsson, Li y Raymond, 2025). La IA puede democratizar prácticas y alterar qué entendemos por talento.

Saber utilizar bien la IA es una capacidad valiosa, pero tener acceso a mejores condiciones de aumentación no equivale automáticamente a tener más talento. Por eso debemos evaluar tres planos: el resultado conseguido, la contribución humana —qué problema se formuló, qué se contrastó, qué se decidió no delegar— y la capacidad que quedó después.

La responsabilidad no cabe en un algoritmo

Mientras el resultado es bueno, todos compartimos el mérito; la claridad aparece cuando sale mal. Una herramienta recomienda promocionar a una persona y el responsable acepta. Después se descubre información incompleta o criterios cuestionables pero…

• el responsable siguió la recomendación;
• Tecnología integró el modelo;
• el proveedor recuerda que la decisión era del cliente;
• RR. HH. señala que el directivo debía aplicar su criterio.

Todos participaron pero nadie parece responder.

Conviene distinguir tres verbos: recomendar, decidir y responder. Mientras que la herramienta puede recomendar, una persona o un órgano debe decidir y alguien tiene que responder por las consecuencias. Podemos delegar una tarea, un análisis e incluso una recomendación, pero no podemos delegar la responsabilidad de haber decidido seguirla.

Un estudio basado en 936 experiencias de 319 trabajadores del conocimiento encontró que una mayor confianza en la IA se asociaba con menos pensamiento crítico declarado. No demuestra causalidad, pero identifica un desplazamiento relevante: de producir a verificar, de resolver a integrar y de ejecutar a supervisar (Lee et al., 2025).

Por eso no basta con escribir que siempre habrá una persona en el circuito. Esa persona debe comprender suficientemente la recomendación, poder contrastarla, disponer de tiempo, tener autoridad para rechazarla y saber que responderá por la decisión. Sin esas condiciones no tenemos human in the loop sino un dedo en el botón.

Lo que el liderazgo debe hacer —y lograr

Gobernar la IA no consiste en multiplicar licencias, usuarios activos y casos de uso. Esos datos describen actividad, no creación de valor. Tampoco basta con mejorar la productividad de este trimestre si el precio es perder una capacidad crítica, atribuir mal el mérito o construir una dependencia que nadie sabe gestionar.

Yo empezaría por exigir cinco respuestas.

• ¿Qué problema merece resolverse con IA y para quién debe crear valor?
• ¿Qué límites no son negociables?
• ¿Qué capacidades deberá conservar la organización, aunque una máquina ejecute la tarea?
• ¿Quién recomienda, decide, puede detener el proceso y responde?
• ¿Qué evidencia, además de uso y productividad, demostrará aprendizaje, autonomía, equidad y riesgo aceptable?

El resultado buscado es doble y, por eso, difícil:

• más productividad sin descapitalizar el conocimiento;
• acceso más democrático sin falsear el mérito;
• decisiones más rápidas con responsabilidad clara;
• mayor autonomía sin dependencia tecnológica.

La IA no elimina los trade-offs: los acelera. Por eso liderar es decidir qué queremos conseguir y qué no sacrificaremos para conseguirlo.

Recursos Humanos: de promotor de herramientas a arquitecto del trabajo

RR. HH. no es dueño de la agenda de IA ni sabe por sí solo de arquitectura, ciberseguridad, regulación, operaciones o producto, pero tampoco puede observarla desde la barrera como si fuera una actualización de sistemas. La tecnología está modificando precisamente aquello que la función afirma gestionar: trabajo, aprendizaje, talento, desempeño, carrera, reconocimiento y decisiones sobre personas.

En mi trabajo con equipos directivos compruebo que el problema rara vez aparece en la demostración tecnológica, sino que llega después: nadie sabe qué capacidad se ha dejado de practicar, qué parte del resultado pertenece a la persona o quién asume una decisión recomendada por el sistema. La herramienta suele llegar con dueño y las consecuencias, curiosamente, no siempre.

Su papel es coprotagonizar la agenda con Negocio y Tecnología. El punto de partida no es otra lista genérica de competencias, sino un mapa de los conocimientos y juicios que sostienen continuidad, autonomía y ventaja competitiva. Después habrá que acordar en qué tareas la IA será asistente, tutora o sustituta.

También habrá que rediseñar puestos y carreras, porque si desaparecen las tareas de entrada con las que se aprendía un oficio, necesitaremos simulaciones, rotaciones, práctica supervisada y momentos sin asistencia.

Desempeño, potencial y promoción necesitarán otra mirada. Evaluar únicamente el output premiará, a veces, mejores herramientas, datos o permisos, por eso RR. HH. tendrá que aportar evidencia sobre contribución humana y capacidad autónoma, asignar responsables nominales a las decisiones sobre personas y revisar unos incentivos que suelen pedir prudencia mientras recompensan velocidad y volumen.

Para cada trabajo afectado propongo dejar por escrito cinco elementos:

• el resultado que se busca;
• el papel de la IA;
• la capacidad humana que debe preservarse;
• la persona que responde; y
• la evidencia con la que juzgaremos el valor creado.

Si alguno queda en blanco, es que todavía no tenemos un diseño, tenemos entusiasmo.

¿Qué debe lograr? Productividad sin destruir aprendizaje; acceso sin privilegios disfrazados de talento; personas capaces de apoyarse en la IA y también de discutirla; responsables con información y autoridad; y creación de valor demostrable, no mera adopción. Si RR. HH. solo enseña a utilizar herramientas, gestionará tecnología, y si redefine cómo aprendemos, progresamos y respondemos, estará gestionando liderazgo.

Diez avisos antes de acelerar

Antes de convertir la IA en una nueva liturgia corporativa conviene dejar diez avisos sobre la mesa:

1. No confundamos adopción con valor: mucho uso también puede producir actividad inútil. Preguntemos qué mejoró, para quién y con qué coste.
2. Cada automatización elimina una tarea; algunas eliminan aprendizaje. Antes de automatizar, identifiquemos qué capacidad se desarrollaba allí y dónde se aprenderá ahora.
3. Un buen resultado asistido no demuestra por sí solo talento humano: demuestra, como mínimo, que hubo buena asistencia.
4. La IA puede democratizar conocimiento y disimular mediocridad al mismo tiempo. Fluidez no es conocimiento; seguridad verbal no es exactitud.
5. El acceso desigual puede convertirse en mérito aparente. La equidad también incluye datos, permisos, formación y tiempo para aprender.
6. Una persona sin tiempo, criterio o autoridad no supervisa: firma.
7. La responsabilidad puede distribuirse; no puede evaporarse. Cada decisión relevante necesita un nombre junto a la consecuencia.
8. Una política contradicha por los incentivos es decoración corporativa. La gente obedecerá al sistema de desempeño, no al cartel.
9. Formar en prompts no transforma el trabajo. La transformación empieza cuando cambian puestos, aprendizaje, métricas y autoridad.
10. La IA no corregirá un mal liderazgo: puede volverlo más rápido, convincente y escalable.

La agenda puede empezar el próximo lunes con una decisión real: preguntemos qué capacidad construye o destruye, a quién atribuiremos el valor y quién responderá. Definamos qué hará la IA, qué seguirá haciendo una persona y cómo comprobaremos que la capacidad humana continúa ahí. Y pongamos un nombre —no un comité— junto a la responsabilidad.

El liderazgo no es únicamente una cualidad personal ni un estilo, es sobre todo una capacidad organizativa; es estratégico y, como tal, debe definirse, medirse y gobernarse. Bien es sabido que una organización que decide mal y ejecuta lentamente tiene un problema, pero una que decide mal y ejecuta a velocidad de IA tiene uno mucho mayor. No me preocupa únicamente que la inteligencia artificial sea cada vez más inteligente, sino que consiga hacer mucho más eficiente la estupidez humana, incluida la mía.

La inteligencia artificial no decidirá qué organización vamos a ser, esa decisión seguirá siendo nuestra: en los límites que fijemos, en las capacidades que preservemos, en el mérito que atribuyamos y en la responsabilidad que estemos dispuestos a asumir. Pero revelará muy pronto qué clase de liderazgo tenemos.